Azure 資料
一個租戶一座湖：Microsoft Fabric 與 OneLake 的統一資料平台
一個租戶一座湖：Microsoft Fabric 與 OneLake 的統一資料平台
我把 Fabric 講給資料工程師聽的時候，最有效的開場只有一句：先別數它有幾個工作負載，先看它底下只有一座湖。那座湖叫 OneLake。
把 OneLake 的角色想清楚，後面的 Lakehouse、Warehouse、Direct Lake 與即時分析才會各就各位。這篇就照這個順序走一次，並標出 2026 年 8 月的官方現況。
你將學到什麼
OneLake 是什麼
每個 Fabric 租戶自動附帶一座邏輯資料湖，不能刪除，也不能開第二座。
兩種不搬資料的接法
捷徑做零複製參照，鏡像把外部資料庫持續複寫成分析可用的 Delta 表。
Direct Lake 的重點
Power BI 直接讀 OneLake 的 Delta 表，重新整理只更新中繼資料而不複製資料。
流動中的那一半
Real-Time Intelligence 用即時中樞、Eventstream、Eventhouse 與 Activator 接住事件。
資料平台這幾年最大的改變，不是又多了一個引擎，而是「儲存只留一份」被當成前提來設計。Microsoft Fabric 就是照這個前提長出來的東西。
所以理解 Fabric 最省力的路徑，不是把工作負載一個個背下來，而是先站到最底層，看清楚那座湖負責什麼、不負責什麼。
先認清 OneLake 的位置
官方對 OneLake 的定位講得很直白：每個 Microsoft Fabric 租戶都自動包含 OneLake，它是所有分析資料的單一存放處。
這句話真正的重量在後半段。多數組織的資料會亂，不是因為工具不夠，而是因為每個部門都替自己開了一座湖。
OneLake 建在 Azure Data Lake Storage 之上，資料表以 Delta Parquet 或 Iceberg 這兩種開放標準存放。你刪不掉它，也開不出第二座。
- 租戶：一個租戶一座 OneLake，租戶層的政策會自動套用到落進來的資料。
- 工作區：像資料夾，讓不同部門各自擁有與授權，每個工作區屬於某個容量與區域。
- 資料項目：Lakehouse、Warehouse、Eventhouse、KQL 資料庫等，放在工作區底下。
官方自己用的比喻就是 OneDrive：每個部門在同一座湖裡開自己的工作區，像在同一個組織 OneDrive 裡開資料夾，擁有權分散，但治理集中。
捷徑與鏡像：兩種不搬資料的接法
統一儲存最怕的失敗模式，是「統一」最後變成「再複製一份」。Fabric 給了兩個工具來避開它。
| 做法 | 它做什麼 | 什麼時候用 |
|---|---|---|
| 捷徑 | 對其他位置的檔案或資料夾建立參照，看起來像存在本地，來源更新立刻反映 | 資料已經在 ADLS、Amazon S3、Dataverse、內部部署來源或別的工作區 |
| 鏡像 | 把外部資料庫或目錄帶進 OneLake，資料庫鏡像會持續複寫成分析可用的 Delta 表 | 來源是營運資料庫，你不想讓分析查詢去打擾它，也不想自己養一條搬運管線 |
兩者可以並用。決策順序建議是：先問這份資料該不該被搬，再決定要參照還是要複寫。
湖倉一體，關鍵不在功能表而在格式
Lakehouse 與 Warehouse 為什麼能共存而不互相搶地盤？答案不在功能清單裡，在儲存格式。
Fabric 的分析引擎（T-SQL、Apache Spark、Analysis Services 等）都把資料以開放的 Delta Parquet 格式寫進 OneLake。
於是 SQL 工程師建好的倉儲表，資料科學家可以直接掛一個 Spark notebook 讀，不需要特殊連接器，也不需要匯出。
不要問「哪個比較強」，問「我的團隊平常用什麼語言、要處理什麼形狀的資料」。主力是 Spark 與 Python、資料半結構化，走 Lakehouse；主力是 T-SQL、要完整交易語意與熟悉的倉儲流程，走 Warehouse。真正該避免的，是為了換引擎而再複製一份資料。
2026 年還多了一層互通：OneLake 用中繼資料虛擬化讓 Iceberg 表被當成 Delta 表讀，反向也成立，外部的 Iceberg 讀取端可以直接讀 OneLake 的 Delta 表。
Direct Lake：把 Power BI 接回同一份資料
Direct Lake 是 Power BI 語意模型的一種資料表儲存模式，專門針對「把 OneLake 的 Delta 表快速載入記憶體」而設計。
它跟 Import 最大的差別在重新整理。Import 會複製一整份資料；Direct Lake 的重新整理只更新中繼資料，官方稱為框架化，通常幾秒就完成。
| 儲存模式 | 誰處理查詢 | 重新整理的意思 |
|---|---|---|
| Import | VertiPaq 引擎 | 複製一整份資料進模型，耗時且吃容量資源 |
| DirectQuery | 下推到來源資料庫 | 不快取，每次查詢都打來源，回應時間看來源臉色 |
| Direct Lake | VertiPaq 引擎 | 只分析 Delta 表最新版本的中繼資料並更新檔案參照 |
官方分成 Direct Lake on OneLake 與 Direct Lake on SQL。後者透過 SQL 分析端點做探索與權限檢查，讀不到 Delta 表時會退回 DirectQuery；前者不退回，遇到不支援的情況會直接報錯。要不要接受「安靜地變慢」，是這兩者最實際的差異。
流動中的資料走的是另一條路
批次那一側講完，還有一半是正在流動的資料。Fabric 把它放在 Real-Time Intelligence 這個工作負載底下。
- 即時中樞：全租戶流動資料的目錄，收錄資料串流、Microsoft 來源的異動資料擷取，以及 Fabric 自身的事件。
- Eventstream：不寫程式就能收集、轉換與分送，可接 Apache Kafka、資料庫 CDC、MQTT 等來源。
- Eventhouse：依資料到達的時間自動組織，用 KQL 或 T-SQL 查詢，資料也能在 OneLake 被其他體驗取用。
- Activator：條件成立就觸發動作，例如通知人、跑管線、跑 Spark 作業或啟動 Power Automate 流程。
官方文件特別提醒一件容易誤會的事：即時不等於一定要高流量。它的重點是事件發生就反應，而不是照排程跑。
2026 年值得記下的幾個變化
這個平台改版很快，以下是我在 2026 年 8 月查證官方文件時看到的幾件事，未來仍以官方公告為準。
- Fabric IQ（預覽）：新的工作負載，用本體、Fabric Graph、資料代理人與語意模型統一商業語意，讓指標可重用。
- OneLake 目錄：探索、管理與治理集中在同一處，並給資料擁有者健康度檢視與建議動作，例如敏感度標籤覆蓋率。
- 開放表格式互通：Delta 與 Iceberg 透過中繼資料虛擬化互讀，不需要人工轉換。
- 與 Microsoft Foundry 整合：OneLake 的資料可以作為 Foundry 上模型與代理人的知識來源，注意品牌已由 Azure AI Foundry 改名為 Microsoft Foundry。
- 跨租戶共用：OneLake 支援跨 Microsoft Entra 租戶邊界的外部資料共用，接收方就地存取，治理政策仍在來源端生效。
- OneLake 是前提不是選項：一個租戶一座，所有工作負載都站在它上面。
- 統一的關鍵是開放格式：因為都是 Delta Parquet，換引擎不必再換一份資料。
- 接資料先想參照還是複寫：捷徑與鏡像的存在，就是為了不要再複製第三份。
