Microsoft Fabric では、目的やユースケースに応じて選べる 3 つの主要なストレージアーキテクチャが提供されています。この記事では、Microsoft が公開したドキュメントを参考にしてそれぞれの違いと選定ポイントを比較表形式で記載しました。

アーキテクチャ別の比較表

項目	Lakehouse	Warehouse	Eventhouse
データ容量	無制限	無制限	無制限
対応データ形式	非構造化、半構造化、構造化	構造化、半構造化（JSON）	非構造化、半構造化、構造化
主な開発スキル	Spark (PySpark, Spark SQL, Scala, R)	SQL	KQL, SQL, ノーコード
データ構造	フォルダ、ファイル、DB、テーブル	スキーマ、DB、テーブル	スキーマ、DB、テーブル
読み取り操作	Spark, T-SQL	T-SQL, Spark*	KQL, T-SQL, Spark
書き込み操作	Spark (Scala, PySpark など)	T-SQL	KQL, Spark, コネクタ経由
複数テーブルトランザクション	❌	✅	✅（インジェスト時）
開発インターフェース	Sparkノートブック、Sparkジョブ	SQLスクリプト	KQLクエリセット、KQL DB
セキュリティ	RLS, テーブルレベル(T-SQL), CLS**	オブジェクトレベル(table, view, function, stored procedure), RLS, CLS, DDL/DML, 動的データ・マスキング	RLS
ショートカットアクセス	✅	✅（SQL分析エンドポイント経由）	✅
ショートカットのソース	✅（ファイルとテーブル）	✅（テーブル）	✅
クエリ横断	✅	✅	✅
高度な分析	並列処理、フォールトトレランス	同左	時系列、ジオ空間、全文検索など
対応フォーマット	PARQUET, CSV, JSON, AVRO, Hive形式	同左	JSONや全文対応のインデックス機能
取り込み遅延	即時クエリ可能	即時クエリ可能	キューイング・ストリーミング数秒レイテンシ

* Spark では、ショートカットを使用したテーブルからの読み取りがサポートされています。ビュー、ストアドプロシージャ、関数などのアクセスはまだサポートされていません。
** T-SQL を使用して、SQL 分析エンドポイントを介して Lakehouse で利用できる列レベルのセキュリティ。

ユースケース別の選定ガイド

Lakehouse：データサイエンス、機械学習、様々な形式のデータを統合分析したいとき
Warehouse：高パフォーマンスなBI、業務データ分析、トランザクション重視
Eventhouse：リアルタイムデータ、ログ分析、アプリケーションからのストリーミング処理向き

🔗 参考リンク（Microsoft 公式ドキュメント）