02. Escolha de armazenamento

No Fabric, todos os caminhos passam pelo OneLake, mas isso não significa que lakehouse, warehouse e Eventhouse sirvam ao mesmo tipo de trabalho. A escolha do item de armazenamento molda a escrita, a consulta e a operação que virão depois.

Preparar dados é construir o caminho entre uma fonte e uma base analítica confiável. Armazenamento, ingestão, qualidade e consulta formam uma sequência: uma decisão mal resolvida no início reaparece no modelo e no relatório. Este é o capítulo 2 de 24 da disciplina Preparar dados. A leitura parte do que foi construído em Preparação integrada. Depois dele, o estudo avança para Atalhos do OneLake.

O que realmente orienta a escolha

Observe estrutura, velocidade de chegada, forma de escrita, linguagem da equipe e tipo de consulta. Volume sozinho não decide. Um conjunto grande e relacional pode caber melhor em warehouse; telemetria temporal pede Eventhouse; arquivos, tabelas Delta e processamento Spark aproximam o problema de um lakehouse.

Com essa base, o capítulo segue para Lakehouse: arquivos e tabelas Delta. O conceito que acabou de ser apresentado passa a funcionar como ponto de partida para a decisão seguinte.

Lakehouse: arquivos e tabelas Delta

O lakehouse combina a flexibilidade do data lake com tabelas gerenciadas em Delta Parquet. Spark trabalha com arquivos e tabelas, enquanto o endpoint SQL oferece leitura relacional das tabelas compatíveis. É uma base natural para engenharia, ciência de dados e camadas analíticas abertas.

A decisão anterior ainda não encerra o problema. Em Warehouse: experiência relacional, veremos o que muda quando esse mecanismo encontra outra camada, outro contexto ou uma necessidade mais específica.

Warehouse: experiência relacional

O warehouse prioriza modelagem e desenvolvimento com T-SQL, tabelas estruturadas, transações e objetos relacionais suportados. Ele é adequado quando a equipe pensa em fatos, dimensões, views e rotinas SQL. Isso não o torna automaticamente melhor para dados brutos ou eventos de alta velocidade.

Resta ligar esse mecanismo a Eventhouse: eventos e tempo. Essa passagem completa o fluxo e permite avaliar o resultado como um todo, em vez de conferir apenas uma configuração isolada.

Eventhouse: eventos e tempo

Eventhouse organiza bancos KQL otimizados para logs, telemetria e séries temporais. Ingestão contínua, filtros de tempo e análise exploratória são centrais. Uma arquitetura pode combinar os três armazenamentos e reutilizar dados pelo OneLake, desde que responsabilidades e segurança permaneçam claras.

Com as quatro partes reunidas, já é possível sair das definições e acompanhar uma situação completa. O exemplo seguinte mostra como as decisões aparecem em conjunto e em que momento cada uma precisa ser conferida.