详细内容或原文请订阅后点击阅览
Microsoft Fabric 中的物化湖景：当您的奖章适合 SELECT 语句时
五个表面折叠成一个声明层。以下是 Microsoft Fabric 中的物化湖视图的完整故事 - 从语法到新的 GA 功能Microsoft Fabric 中的物化湖视图：当您的奖章适合 SELECT 语句时首先出现在走向数据科学上。
来源:走向数据科学当时，在 Microsoft Fabric 中构建奖章架构意味着将一小部分移动部件缝合在一起：用于转换的笔记本、用于编排的管道、用于刷新的计划、用于数据质量检查的自定义代码以及用于密切关注是否实际工作的监视器中心。每一层都起作用 - 直到某些层不起作用，然后您必须弄清楚哪一层损坏了，为什么，以及哪些下游层在此过程中受到了影响。
如果您曾经尝试调试因青铜笔记本三小时前失败而未更新的银层，那么您就知道我在说什么。
随后，在 2026 年 3 月举行的亚特兰大 FabCon 大会上，物化湖景 (MLV) 全面上市。他们讲述的故事很简单：如果您的整个奖章管道可以是一些 SELECT 语句怎么办？
让我带您了解整个过程 - 它们是什么、它们如何工作、预览版和 GA 之间发生了什么变化，以及它们在您的架构中适合（以及不适合）的位置。
物化湖景 – 什么？
物化湖视图是在 Spark SQL 或 PySpark 中定义的持久、自动刷新的视图。您编写一个 SELECT 查询来描述所需的转换，Fabric 负责执行、存储、刷新、依赖项跟踪和数据质量强制执行。
结果作为 Delta 表存储在您的 Lakehouse 中。因此下游消费者，例如 Power BI Direct Lake、Spark 笔记本、SQL 端点，可以像任何其他 Delta 表一样查询它。没有特殊处理，没有不同的语法。
用简单的英语来说：MLV 只不过是一个 SELECT 语句，它学会了实现自身、管理自己的依赖项、安排自己的刷新并检查自己的数据质量。
好的，很好。但这实际上取代了什么？
对于 MLV，所有这些都分解为声明式 SQL。你描述你想要什么。 Fabric 会解决剩下的问题。
MLV 生命的四个阶段
现在让我们深入研究每一部分。