Tema 3 de 6
Microsoft Fabric y Azure Databricks
Azure ofrece dos plataformas principales para el análisis a gran escala. Ambas cubren toda la arquitectura analítica, pero con enfoques distintos: Fabric es una plataforma SaaS unificada y Databricks una plataforma basada en Apache Spark orientada al código. El examen pide describirlas y reconocer cuándo encaja cada una.
Contenido
Dos plataformas de análisis
Microsoft Fabric
Plataforma de análisis SaaS unificada. Reúne ingeniería de datos, warehousing, análisis en tiempo real, ciencia de datos y Power BI en un único espacio en el navegador sobre un almacenamiento compartido, OneLake. No se gestionan servidores ni clústeres.
Azure Databricks
Plataforma de análisis en la nube basada en Apache Spark, optimizada para ingeniería de datos, ciencia de datos y análisis SQL sobre formatos de lakehouse abiertos. Servicio gestionado de Azure, habitual para flujos con código y notebooks.
Un tercer servicio, Microsoft Purview, se centra en el gobierno de datos de todos los orígenes: crea un mapa de los datos y rastrea su linaje.
Microsoft Fabric
Una plataforma de análisis de extremo a extremo: ingesta, transformación, procesamiento en tiempo real, análisis e informes. Se entrega como SaaS: creas áreas de trabajo y elementos, y Microsoft gestiona la infraestructura.
- Cargas de trabajo específicas para cada rol (ingenieros, científicos de datos, analistas, administradores de bases de datos) que se combinan en una misma solución.
- Integración con Microsoft 365 (Excel, Teams) y con Microsoft Foundry para modelos de IA.
- Implementa una arquitectura de malla de datos (data mesh).
Cargas de trabajo de Fabric
Data Factory
Integración de datos con Power Query y más de 200 conectores.
Data Engineering
Apache Spark con notebooks y trabajos para procesar grandes volúmenes; incluye el Lakehouse.
Data Warehouse
Rendimiento SQL que separa proceso y almacenamiento y guarda los datos en Delta Lake.
Data Science
Crear, implementar y operar modelos de aprendizaje automático.
Real-Time Intelligence
Analizar datos según llegan: sensores IoT, logs, clics en la web.
Databases
Bases transaccionales en Fabric (SQL database y Cosmos DB en Fabric) y creación de reflejos de otros sistemas.
Power BI
Conectar datos, crear informes y paneles interactivos y compartirlos.
Fabric IQ (vista previa)
Unifica la semántica de negocio para que personas, herramientas y agentes de IA compartan definiciones como Cliente o Pedido.
OneLake
Un data lake unificado para toda la organización. Cada tenant de Fabric incluye automáticamente un único OneLake: no se puede eliminar ni crear varios, y no hay infraestructura que aprovisionar.
- Está construido sobre Azure Data Lake Storage y guarda las tablas en formatos abiertos: Delta Parquet o Iceberg.
- Una sola copia de los datos: todos los motores de Fabric (T-SQL, Spark, Analysis Services…) trabajan sobre la misma copia, sin duplicarla.
- Jerarquía: tenant (directivas comunes), áreas de trabajo (cada una en una capacidad ligada a una región) y elementos (lakehouses, warehouses, eventhouses).
- Los roles de seguridad de OneLake definen permisos hasta carpetas, tablas, filas y columnas, y se aplican en todos los motores.
- Admite accesos directos y creación de reflejos, el explorador de archivos de OneLake para Windows y las API de ADLS Gen2.
Copilot y gobierno en Fabric
Copilot
IA integrada en las cargas de trabajo para crear pipelines, escribir SQL, generar código de notebooks, resumir y explorar datos en lenguaje natural, respetando los permisos.
Gobierno
El catálogo de OneLake centraliza el descubrimiento, la administración y el gobierno de los elementos. Microsoft Purview añade protección de la información, DLP, auditoría y cumplimiento para los datos admitidos.
Azure Databricks
Una plataforma de análisis unificada y abierta para crear, desplegar y mantener soluciones de datos, análisis e IA a escala. Se ejecuta como servicio gestionado dentro de tu suscripción de Azure y usa Delta Lake como formato de almacenamiento nativo.
- Varios proyectos de código abierto nacieron en Databricks: Delta Lake, MLflow, Apache Spark y Structured Streaming, y Unity Catalog.
- Casos de uso: lakehouse empresarial, ETL e ingeniería de datos, aprendizaje automático e IA, warehousing y BI.
- Los ingenieros reutilizan sus conocimientos de Spark, y los analistas consultan y visualizan datos desde notebooks en el navegador.
Componentes de Azure Databricks
Databricks Lakehouse
Capa de almacenamiento unificada sobre Delta Lake para análisis SQL y aprendizaje automático en el mismo entorno.
Databricks SQL
SQL warehouses (sin servidor, pro o clásicos) para consultar tablas Delta, con historial de consultas, paneles y alertas.
Notebooks
Notebooks colaborativos en Python, SQL, Scala y R para pipelines, análisis exploratorio y aprendizaje automático.
Unity Catalog
Capa de gobierno unificada para datos e IA: control de acceso detallado, linaje y descubrimiento.
Genie
Interfaz conversacional con IA: el usuario pregunta en lenguaje natural y Genie genera y ejecuta el SQL.
Trabajos (jobs)
Programan notebooks, consultas SQL y otro código.
Fabric frente a Databricks
| Microsoft Fabric | Azure Databricks | |
|---|---|---|
| Modelo | SaaS unificado | Servicio gestionado en tu suscripción |
| Almacenamiento | OneLake (Delta Lake) | Delta Lake sobre tu almacenamiento en la nube |
| Estilo | De bajo código a código, todo en un espacio | Con código: Spark y notebooks |
| Gobierno | Catálogo de OneLake y Purview | Unity Catalog |
| IA | Copilot | Genie y asistencia de IA |
| Elígelo si | Quieres una solución integrada con Power BI sin gestionar infraestructura | Necesitas flujos Spark con código, portabilidad multinube o ya tienes experiencia en Databricks |
Escenarios de examen
| Situación | Respuesta | Por qué |
|---|---|---|
| Una plataforma SaaS donde ingeniería, warehouse, tiempo real y Power BI comparten un almacén | Microsoft Fabric | Todo sobre OneLake, sin gestionar infraestructura. |
| Un único data lake para toda la organización que no se puede duplicar ni borrar | OneLake | Uno por tenant. |
| Restringir a un socio para que solo vea las filas de Region = "US" | Roles de seguridad de OneLake | Permisos hasta filas y columnas. |
| Equipo con experiencia en Spark que quiere notebooks y portabilidad multinube | Azure Databricks | Plataforma con código basada en Spark. |
| Gobierno unificado de datos e IA con linaje en Databricks | Unity Catalog | Control de acceso, linaje y descubrimiento. |
| Preguntas en lenguaje natural sobre los datos en Databricks | Genie | Genera y ejecuta SQL. |
| Escribir SQL y código de notebook con ayuda de IA en Fabric | Copilot en Fabric | IA integrada en las cargas de trabajo. |
| Unificar definiciones de negocio como Cliente o Pedido para personas y agentes de IA | Fabric IQ (vista previa) | Ontología y semántica compartidas. |
Trampas frecuentes del examen
❓ ¿Microsoft Fabric es PaaS o SaaS?
SaaS: no se gestionan servidores ni clústeres.
❓ ¿Se pueden crear varios OneLake en un tenant?
No. Cada tenant tiene un único OneLake, que no se puede eliminar.
❓ ¿Sobre qué está construido OneLake?
Sobre Azure Data Lake Storage, con tablas en Delta Parquet o Iceberg.
❓ ¿En qué motor se basa Azure Databricks?
En Apache Spark.
❓ ¿Qué componente de Databricks aporta gobierno, linaje y control de acceso?
Unity Catalog.
❓ ¿Hay que copiar los datos para usarlos con Spark y con T-SQL en Fabric?
No. Todos los motores trabajan sobre la misma copia en OneLake.
❓ ¿Qué asistente de IA tiene Fabric y cuál Databricks?
Copilot en Fabric; Genie (y otras funciones de IA) en Databricks.
¿Entendiste este tema?
Pon a prueba lo que acabas de aprender
Una organización quiere una sola plataforma donde ingenieros de datos, analistas y científicos de datos trabajen sobre una única copia de los datos, con Power BI integrado y sin gestionar clústeres. ¿Qué elige?
¿Listo para poner a prueba "Microsoft Fabric y Azure Databricks"?
Preguntas originales, cada una con su explicación.
Empezar un simulacro