Aby byla údržba Delta tabulek správná, musíš nejdřív pochopit transakční log, checkpointy a vliv write amplification na úložiště. Článek rozebírá fyzickou architekturu Delta tabulek a ukazuje automatizaci kontrol zdraví, operací VACUUM a OPTIMIZE pomocí Python knihovny delta-rs v Microsoft Fabric. Nabízí tak lehkou alternativu k údržbě založené na Sparku.

To properly maintain Delta Tables, you first need to understand the transaction log, checkpoints, and how write amplification affects storage. This post breaks down the physical architecture of Delta Tables and demonstrates how to automate health checks, VACUUM, and OPTIMIZE operations using the delta-rs Python library in Microsoft Fabric, offering a lightweight alternative to Spark-based maintenance.

Když v Microsoft Fabric používáš Lakehouse, automaticky k němu dostaneš i SQL Analytics Endpoint pro čtení delta tabulek přes - SQL. Ten ale může mít zpoždění za Lakehousem, takže nová data nejsou hned vidět v Power BI. V článku ukazuju, proč se to děje a jak SAE donutit k synchronizaci ručně i automaticky přes REST API.

Using a Lakehouse in Microsoft Fabric automatically gives you a SQL Analytics Endpoint, but its metadata sync is not always instant. This post explains why SAE can lag behind your Delta tables and how to wake it up, refresh it manually, or call the Refresh SQL Endpoint Metadata API from a pipeline or notebook.

Power BI se posouvá dál. S pomocí User Data Functions a Translytical Flow Tasks ve Fabricu můžeš zapisovat komentáře nebo změny přímo do SQL tabulek – rovnou z reportu. Bez externích nástrojů, bez složitých workaroundů. Tento článek tě krok za krokem provede vytvořením první write-back funkce v Power BI.

Power BI just got an upgrade. With User Data Functions and Translytical Flow Tasks in Microsoft Fabric, you can now write comments or updates directly to your SQL tables — straight from a report. No extra tools, no clunky workarounds. This guide walks you through building your first real-time write-back feature step by step.