初识Microsoft Fabric Samples(fabric-samples):微软官方示例仓库带你快速上手Fabric一站式数据平台

原创2026-11-09 11:24:591,957 阅读

初识Microsoft Fabric Samples(fabric-samples):微软官方示例仓库带你快速上手Fabric一站式数据平台

fabric-samples 是微软官方维护的示例仓库,汇集了 Microsoft Fabric 一站式数据平台的代码示例与配套数据,覆盖 Lakehouse、Data Factory、Data Science、Power BI 等核心负载。无论你是刚接触 Fabric 的新手,还是想深入某项功能的进阶用户,这个仓库都是"照着就能跑"的免费学习资源。

📌 先了解:Microsoft Fabric 是什么?

Microsoft Fabric 是微软推出的统一分析平台,把数据工程、数据科学、数据仓库、实时智能、数据激活等工作负载整合在一个门户里,底层共享统一的容量与治理体系。

对于新手来说,光看概念容易"望文生义",最快的学习方式就是跑官方示例。这正是 fabric-samples 的价值所在:每个示例都对应官方文档或 Learn 教程,照着文档找到代码,跟着文档跑通即可。

![Microsoft Fabric 元数据驱动数据摄入 Taskflow 架构](https://raw.gitcode.com/gh_mirrors/fab/fabric-samples/raw/5ff2c8b017e3c735ff5b960a26c9a5a9ef1f6f02/community-samples/Metadata-driven Ingestion Framework/images/meta-datadriven-ingestion-taskflow.png?utm_source=gitcode_repo_files)

图:社区示例中的元数据驱动摄入 Taskflow,展示了 Control → Ingestion → Bronze → Audit 的典型数据流

🗂️ 仓库结构一览:5 大模块各管一摊

仓库顶层结构非常清晰,打开 README.md 就能看到完整介绍:

目录 定位 适合谁
docs-samples/ 官方文档与 Learn 教程的配套代码和数据 跟官方教程学习的人
features-samples/ Fabric 单点功能示例(Git 集成、API、数仓等) 想深入某项功能的人
community-samples/ 社区贡献的实战案例 寻找灵感、学真实场景的人
workspace-monitoring/ 工作区监控数据库的 KQL 查询示例 关注运维监控的人
e2e-samples/ 端到端示例说明 需要完整链路参考的人

💡 小提示:社区示例按"as-is"方式提供(见 community-samples/README.md),运行前建议先阅读代码再执行。

🔍 docs-samples:跟着官方教程"抄作业"

这是仓库中内容最丰富的部分,按官方文档的工作负载组织。

数据工程:从 Lakehouse 教程到 GraphQL

  • Lakehouse 教程源码:docs-samples/data-engineering/Lakehouse Tutorial Source Code/ 目录包含创建 Delta 表、数据转换等逐步教程的完整 Notebook,例如 01 - Create Delta Tables.ipynb,其中演示了 Fabric 的 V-order 与 Optimize Write 优化开关。
  • GraphQL API 全家桶:docs-samples/data-engineering/GraphQL/ 下提供 C#、Python、React、React-Apollo-TS 等多种客户端示例,还有把 Fabric GraphQL API 接入 MCP(Model Context Protocol)的服务端示例 FabricGraphQL_MCP.js,让 AI 客户端也能查询 Fabric 数据。
  • CI/CD 部署:docs-samples/cicd/fabric-cicd-devops/ 提供 deploy-to-fabric.py 与 Azure DevOps 流水线 YAML,教你用服务主体把工件自动发布到 Fabric 工作区。

数据科学:AI 函数、ML 模型与 GenAI

docs-samples/data-science/ 是 AI 爱好者的宝藏区:

  • AI Functions 评估 Notebook:ai-functions/eval-notebooks/ 覆盖了 analyze_sentiment、classify、extract、summarize、translate 等 Fabric AI 函数的完整评估示例。
  • 机器学习全流程:enrich-powerbi-report-with-machine-learning/ 提供"银行客户流失分析"的端到端工程包,包含数据导入、语义模型、ML 实验、批量打分与 Power BI 报表的完整架构:

![Microsoft Fabric 银行客户流失分析机器学习架构](https://raw.gitcode.com/gh_mirrors/fab/fabric-samples/raw/5ff2c8b017e3c735ff5b960a26c9a5a9ef1f6f02/docs-samples/data-science/enrich-powerbi-report-with-machine-learning/Bank Customer Churn Analysis/Media/Architecture.png?utm_source=gitcode_repo_files)

图:Fabric 中从 Lakehouse 到 Semantic Model、ML 模型再到报表的完整机器学习流水线

  • GenAI / RAG 教程:genai-guidance/ 提供检索增强生成(RAG)系列的快速上手与进阶教程,包括 quickstart-genai-guidance.ipynb 和自带密钥(BYOK)配置方式,架构如下图所示:

Microsoft Fabric GenAI RAG 应用架构示意图

图:Fabric Notebook 串联 Lakehouse、Spark、Azure OpenAI 与 Azure AI Search 的 RAG 架构

🧩 features-samples:单点功能的"最小可用示例"

想弄清某个功能"到底怎么用",看这里:

  • Git 集成:features-samples/git-integration/ 提供连接 Git、拉取更新、选择性提交等一系列 PowerShell 脚本,如 GitIntegration-CommitAll.ps1,是学习 Fabric 版本管理的最佳入口。
  • Fabric REST API:features-samples/fabric-apis/ 演示部署管道、选择性部署与长时轮询操作,如 DeploymentPipelines-DeployAll.ps1。
  • SQL 数据仓库:openrowset.ipynb 演示在 Fabric SQL 数据库中查询外部数据源。
  • Semantic Link:Semantic Link all-in-one demo.ipynb 一站式演示语义链接在 Notebook 中的用法。

🌟 community-samples:社区实战案例

社区示例展示了真实业务场景的玩法,其中两个尤为出色:

🔐 PII SparkShield:用 Presidio 做敏感数据脱敏

该示例基于 PySpark + Microsoft Presidio + Faker,在 Fabric Lakehouse 上实现 PII(个人可识别信息)检测、脱敏与合成数据生成。数据从源端到消费端的链路非常直观:

![Microsoft Fabric PII SparkShield 数据脱敏实现架构](https://raw.gitcode.com/gh_mirrors/fab/fabric-samples/raw/5ff2c8b017e3c735ff5b960a26c9a5a9ef1f6f02/community-samples/PII SparkShield/images/FabricPIIAnonymization_Implementation.png?utm_source=gitcode_repo_files)

图:PII SparkShield 从数据源经 Spark Notebook 脱敏后流入 Lakehouse,再供 Power BI 消费

配套材料齐全:

🔄 元数据驱动摄入框架:PostgreSQL 到 Fabric Lakehouse

community-samples/Metadata-driven Ingestion Framework/PostgreSQL to Fabric Lakehouse/ 展示了一套控制平面 + 执行平面分离的自动化摄入方案:只需在元数据库登记表信息,Full Load 与 Incremental Load 两条 Data Factory 管道即可自动运行,并带审计与邮件通知。核心材料:

📊 workspace-monitoring:监控查询示例库

Fabric 每个工作区都会自动生成监控数据库。workspace-monitoring/ 按负载分目录存放 KQL 查询示例,例如 Eventhouse query operations/、Semantic model operations/、GraphQL operations/ 等,可直接复制到 Fabric 门户的监控体验中运行,是搭建团队运维看板的"取之不尽"的查询模板(说明见 workspace-monitoring/README.md)。

🚀 新手 3 步上手指南

  1. 克隆仓库(只读学习即可,无需修改):

    git clone https://gitcode.com/gh_mirrors/fab/fabric-samples
    
  2. 挑选一个示例:新手建议从 01 - Create Delta Tables.ipynb 开始,它对应官方 Lakehouse 教程的第一步,几乎零前置要求。

  3. 导入 Fabric 运行:在 Fabric 工作区新建 Notebook,将示例 Notebook 导入后按单元格顺序运行;涉及数据科学 AI 函数的示例,可参考 docs-samples/data-science/ai-functions/ 下的 starter-notebooks 准备环境。

📚 参考资源

总结:fabric-samples 不是一本书,而是一整套"可运行的官方教材"——docs-samples 帮你跟上教程,features-samples 帮你吃透功能,community-samples 给你实战灵感,workspace-monitoring 补齐运维视角。收藏这个仓库,你的 Microsoft Fabric 学习之路就已经成功了一半。

登录后查看全文
fabric-samples