Fabric Warehouse中使用Python DataFrame的可行性及跨架构协作咨询

• 问题1：是否可在Fabric Warehouse中直接使用Python/DataFrame？
  不行。Fabric Warehouse是SQL优先的数仓环境，核心支持SQL及存储过程，没有内置Python运行环境，无法直接用Python或DataFrame执行ETL操作。

• 问题2：是否需要切换至Fabric Lakehouse才能使用Python/DataFrame？
  不需要完全切换。Lakehouse是Fabric中原生支持Python Notebook和DataFrame的环境，你可以单独在Lakehouse里创建Notebook处理数据，再通过共享机制和现有Warehouse联动，不用把所有工作都迁移到Lakehouse。

• 问题3：是否存在通用层可实现Warehouse与Lakehouse的表共享，以便同时使用SQL存储过程与Python DataFrame？
  有几种实用方式：

  • 利用Lakehouse的SQL端点：Warehouse可直接通过SQL查询Lakehouse的表，Lakehouse也能访问Warehouse的数据；
  • 创建短路径（Shortcuts）：在Lakehouse中创建指向Warehouse表的短路径，两边可直接操作同一份数据，无需重复同步；
  • 使用COPY INTO语句：可在Warehouse和Lakehouse之间双向同步数据，按需流转表数据。

内容的提问来源于stack exchange，提问作者variable