跳到主要内容
版本：5.x-preview

集成 Microsoft OneLake

OneLake 是 Microsoft Fabric 提供的统一且开放的 SaaS 数据湖，为企业提供一个逻辑上的集中数据存储位置。数据以 Parquet 格式存储，并可同时承载 Delta Lake 与 Iceberg 的元数据。这种设计使 OneLake 能在不进行数据复制或迁移的前提下，被多种分析引擎直接访问，从而简化数据管理与治理。

通过 Apache Doris 的 Iceberg Rest Catalog，可以直接访问 OneLake 中的数据，无需复制或迁移数据即可在 Doris 中执行查询与分析。借助这一能力，可以在单一数据湖中构建端到端的分析流程，实现高效的数据分析、共享和复用，发挥 OneLake 的统一存储优势与 Doris 的计算能力。

在技术层面，Doris 通过 OneLake 提供的开放表标准与底层 Parquet 数据文件，使用标准化接口读取元数据与数据文件，从而兼容多种分析场景。集成后的架构保持了数据湖的统一管理能力，使得治理、访问控制与安全策略能够集中应用，提升整个平台的可靠性与可维护性。

本文将介绍如何使用 Doris 访问 OneLake，并给出完整的环境准备与示例查询流程。

需要 Doris 3.1.4 版本。

Onelake 环境准备​

下面先完成 OneLake（Fabric）侧的数据准备与认证配置，然后演示在 Doris 中创建 Iceberg Rest Catalog 并进行查询。

导入数据​

  1. 打开 Fabric 控制台，新建一个 WorkSpace（建议不要使用默认 WorkSpace，因为部分设置项可能受限）。

    onelake1

  2. 进入创建好的 WorkSpace，选择 New Item -> Lakehouse，创建一个 Lakehouse。

    onelake2

  3. 进入 WorkSpace Setting，打开页面中的相关开关（以便启用 Lakehouse 的一些功能）。

    onelake3

将本地文件上传到 OneLake​

为便于演示，此处采用本地 CSV 文件直接上传，以下是示例文件：

  1. 进入 WorkSpace 的 Files 页面，点击 Upload -> Upload Files，选择要上传的 CSV 文件。

    onelake4

  2. 选择上传后的文件，点击 Load Tables -> New table（如果目标表已存在，也可以选择导入到现有表）。

  3. 等待数据导入完成，进入 Tables 查看表及数据信息。

    onelake5

认证信息配置​

要让 Doris 通过 Iceberg Rest Catalog 访问 OneLake，需在 Azure 中为 Fabric 的访问配置应用注册与权限：

  1. 打开 Azure 门户，进入 App registrations，点击 New registration，新建应用并记录以下信息以便后续配置：应用 ID、租户 ID 等。

    onelake6

    onelake7

  2. 在新建应用的 API Permissions 中，添加对 Azure Storage 的相应权限（根据最小权限原则选择所需权限）。

    onelake8

  3. 在 Certificates & secrets 中创建客户端密钥（Secret），并将生成的值妥善保存——此值离开页面后将无法再次查看。

    onelake9

  4. 回到 Fabric 的 WorkSpace 界面，进入 Manage Access，使用应用的 DisplayName 添加该应用为 WorkSpace 的访问主体。

    onelake10

至此，OneLake 侧的数据准备和认证配置完成。

在 Doris 中接入 OneLake​

接下来示例如何在 Doris 中创建 Iceberg Rest Catalog 并访问 OneLake 中的表。

创建 Catalog​

Doris> CREATE CATALOG onelake_doris PROPERTIES (
            'type' = 'iceberg',
            'iceberg.catalog.type' = 'rest',
            'uri'='https://onelake.table.fabric.microsoft.com/iceberg',
            'warehouse'='<workerspace_id>/<data_item_id>',
            'iceberg.rest.security.type'='oauth2',
            'iceberg.rest.oauth2.server-uri'='https://login.microsoftonline.com/<talent_id>/oauth2/v2.0/token',
            'iceberg.rest.oauth2.credential'='<oauth2.client_id>:'<oauth2.client_secret>,
            'iceberg.rest.oauth2.scope'='https://storage.azure.com/.default', 
            'fs.azure.support'='true',
            'azure.endpoint'='https://onelake.dfs.fabric.microsoft.com',
            'azure.auth_type'='OAuth2',
            'azure.oauth2_account_host'='onelake.dfs.fabric.microsoft.com',
            'azure.oauth2_server_uri'='https://login.microsoftonline.com/<talent_id>/oauth2/v2.0/token',
            'azure.oauth2_client_id'='<oauth2.client_id>',
            'azure.oauth2_client_secret'='<oauth2.client_secret>'
        );

  • 创建 Iceberg Rest Catalog 时需要填写的参数中，WORKSPACE_ID 与 DATA_ITEM_ID 可在 Lakehouse 页面对应链接中获取，格式类似：

    https://app.fabric.microsoft.com/groups/<WORKSPACE_ID>/lakehouses/<DATA_ITEM_ID>

  • 其余参数可对应之前在 Azure App registration 中获得的信息（如 client id、client secret、tenant 等）。

  • 对于 OneLake，iceberg.rest.oauth2.scope、uri、azure.oauth2_account_host、azure.endpoint 等通常为固定值，请参考官方文档或示例配置填写。

配置完成后即可在 Doris 中使用 SQL 对 OneLake 中的 Iceberg 表进行查询。

基础查询分析​

下面给出若干常见的业务分析示例，帮助理解如何结合 OneLake 与 Doris 进行数据分析：

Doris> switch onelake_doris;
Query OK, 0 rows affected

Doris> use dbo;
Database changed

Doris> show tables;
+----------------+
| Tables_in_dbo  |
+----------------+
| customer_order |
+----------------+
1 row in set

  • 查询最近三天的新订单

    便于运营或销售快速掌握近期销售情况，例如发现新下单、待处理或已完成支付的订单，便于安排发货或优先处理待处理订单。

    Doris> SELECT order_id, customer_name, product_name, total_price, status
        -> FROM customer_order
        -> WHERE order_date >= DATE_SUB(NOW(), INTERVAL 3 DAY)
        -> ORDER BY order_date DESC;

    +----------------+---------------+---------------------+-------------+-----------+
    | order_id       | customer_name | product_name        | total_price | status    |
    +----------------+---------------+---------------------+-------------+-----------+
    | ORD20251112002 | Bob Li        | Smart Watch         |        1128 | Completed |
    | ORD20251112001 | Alice Zhang   | Wireless Headphones |         499 | Completed |
    | ORD20251112003 | Chen Wei      | Bluetooth Speaker   |         299 | Pending   |
    +----------------+---------------+---------------------+-------------+-----------+
    3 rows in set

  • 按城市统计销售表现

    统计各城市的总销售额和订单数，帮助销售/市场判断区域表现并调整营销或库存策略。

    Doris> SELECT city,
        ->        SUM(total_price) AS total_sales,
        ->        COUNT(*) AS order_count
        -> FROM customer_order
        -> WHERE status = 'Completed'
        -> GROUP BY city
        -> ORDER BY total_sales DESC;

    +----------+-------------+-------------+
    | city     | total_sales | order_count |
    +----------+-------------+-------------+
    | Beijing  |        1128 |           1 |
    | Shanghai |         499 |           1 |
    | Shenzhen |         387 |           1 |
    +----------+-------------+-------------+
    3 rows in set

  • 分析不同支付方式的退款率

    帮助财务与风控发现潜在问题（例如某支付渠道退款率异常），进而优化支付流程或对特定渠道加强监控。

    Doris> SELECT payment_method,
        ->        SUM(CASE WHEN status = 'Refunded' THEN 1 ELSE 0 END) * 100.0 / COUNT(*) AS refund_rate_percent
        -> FROM customer_order
        -> GROUP BY payment_method
        -> ORDER BY refund_rate_percent DESC;

    +----------------+---------------------+
    | payment_method | refund_rate_percent |
    +----------------+---------------------+
    | Credit Card    |            50.00000 |
    | WeChat Pay     |             0.00000 |
    | Alipay         |             0.00000 |
    | UnionPay       |             0.00000 |
    +----------------+---------------------+
    4 rows in set

  • 跨系统用户行为对比

    若系统同时保留了旧系统（例如 Hive）与 OneLake 上的新系统数据，可以查询两个系统中都有行为记录的用户，并分析他们在新系统的消费行为，从而评估迁移与业务影响。

    -- "hive_catalog" is a Hive Catalog created in Doris 
    Doris> SELECT
        ->     a.customer_id,
        ->     COUNT(DISTINCT b.order_id) AS new_order_count,
        ->     SUM(b.total_price) AS new_total_amount
        -> FROM hive_catalog.order_db.hive_customer_order a
        -> JOIN onelake_doris.dbo.customer_order b
        ->   ON a.customer_id = b.customer_id
        -> GROUP BY a.customer_id
        -> ORDER BY new_total_amount DESC
        -> LIMIT 100;
        
    +-------------+-----------------+------------------+
    | customer_id | new_order_count | new_total_amount |
    +-------------+-----------------+------------------+
    | CUST1002    |               1 |             1128 |
    | CUST1001    |               1 |              499 |
    | CUST1004    |               1 |              387 |
    | CUST1003    |               1 |              299 |
    | CUST1005    |               1 |              189 |
    +-------------+-----------------+------------------+
    5 rows in set

快照和时间旅行​

Doris> select * from customer_order$snapshots;
+----------------------------+---------------------+-----------+-----------+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| committed_at               | snapshot_id         | parent_id | operation | manifest_list                                                                                                                                                                                                          | summary                                                                                                                                                                                                                                                                                                                                                                                                                                   |
+----------------------------+---------------------+-----------+-----------+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| 2025-11-12 17:21:06.692000 | 7623467350518045470 |      NULL | overwrite | abfss://181a804a-ea52-4579-81a4-4de243e14c8e@onelake.dfs.fabric.microsoft.com/ad29a0e3-772f-458c-9dfa-4ff609443c13/Tables/customer_order/metadata/snap-7623467350518045470-1-0e16b9d6-bc0d-4689-9952-085abd1b5f4e.avro | {"XTABLE_METADATA":"{"lastInstantSynced":"2025-11-12T09:02:06Z","instantsToConsiderForNextSync":[],"version":0,"sourceTableFormat":"DELTA","sourceIdentifier":"1"}", "added-data-files":"1", "added-records":"5", "added-files-size":"9434", "changed-partition-count":"1", "total-records":"5", "total-files-size":"9434", "total-data-files":"1", "total-delete-files":"0", "total-position-deletes":"0", "total-equality-deletes":"0"} |
+----------------------------+---------------------+-----------+-----------+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set

Doris> SELECT * FROM customer_order FOR VERSION AS OF 7623467350518045470;
+----------------+-------------+---------------+-------------------------+-------------+---------+-----------+----------------------------+------------+---------------------+-----------------+----------+------------+-------------+----------------+-----------+
| order_id       | customer_id | customer_name | email                   | phone       | country | city      | order_date                 | product_id | product_name        | category        | quantity | unit_price | total_price | payment_method | status    |
+----------------+-------------+---------------+-------------------------+-------------+---------+-----------+----------------------------+------------+---------------------+-----------------+----------+------------+-------------+----------------+-----------+
| ORD20251112001 | CUST1001    | Alice Zhang   | alice.zhang@example.com | 13812345678 | China   | Shanghai  | 2025-11-10 22:23:00.000000 | PROD-A100  | Wireless Headphones | Electronics     |        1 |        499 |         499 | Credit Card    | Completed |
| ORD20251112002 | CUST1002    | Bob Li        | bob.li@example.com      | 13987654321 | China   | Beijing   | 2025-11-11 17:12:00.000000 | PROD-B200  | Smart Watch         | Wearables       |        2 |        799 |        1128 | WeChat Pay     | Completed |
| ORD20251112003 | CUST1003    | Chen Wei      | chen.wei@example.com    | 13755553333 | China   | Guangzhou | 2025-11-10 03:40:00.000000 | PROD-C300  | Bluetooth Speaker   | Audio           |        1 |         19 |         299 | Alipay         | Pending   |
| ORD20251112004 | CUST1004    | David Wang    | david.wang@example.com  | 13666668888 | China   | Shenzhen  | 2025-11-08 19:15:00.000000 | PROD-D400  | Laptop Stand        | Office Supplies |        3 |        129 |         387 | UnionPay       | Completed |
| ORD20251112005 | CUST1005    | Emily Sun     | emily.sun@example.com   | 13577779999 | China   | Chengdu   | 2025-11-08 00:45:00.000000 | PROD-E500  | USB-C Hub           | Accessories     |        1 |        189 |         189 | Credit Card    | Refunded  |
+----------------+-------------+---------------+-------------------------+-------------+---------+-----------+----------------------------+------------+---------------------+-----------------+----------+------------+-------------+----------------+-----------+
5 rows in set

总结​

通过本文的介绍，我们展示了如何将 Apache Doris 与 Microsoft OneLake 无缝集成，实现统一数据湖架构下的高效分析。这种集成方案具有以下核心优势：

  • 零数据迁移：直接访问 OneLake 中的数据，无需复制或移动数据

  • 统一管理：保持数据湖的集中治理和安全策略

  • 标准兼容：基于 Iceberg 开放表格式，确保跨平台互操作性

  • 灵活分析：结合 Doris 强大的 OLAP 能力和 OneLake 的存储优势

无论是实时业务监控、跨系统数据对比，还是复杂的多维分析，这种架构都能为企业提供强大且灵活的数据分析能力。随着数据湖技术的不断发展，Doris 与 OneLake 的集成将为企业数字化转型提供更加坚实的数据基础设施支撑。

下一步，您可以根据实际业务需求，参考本文的配置步骤搭建自己的分析环境，并探索更多高级分析场景。