Explorar guías rápidas · Microsoft Fabric

Tecnología: Microsoft FabricCategoría: ArquitecturaNivel: IntermedioActualizado

Lakehouse o Warehouse

Elige entre Lakehouse y Warehouse en Microsoft Fabric comparando el modelo de desarrollo, los tipos de datos, las capacidades SQL, las transacciones, los patrones de ingesta y los requisitos analíticos posteriores.

En esta página
  1. Problema
  2. Respuesta rápida
  3. Código / comandos
  4. 1. Usa un Lakehouse cuando Spark sea el motor de transformación principal
  5. 2. Consulta las tablas Delta del Lakehouse a través del punto de conexión de análisis SQL
  6. 3. Usa un Warehouse cuando T-SQL sea el modelo de desarrollo principal
  7. 4. Usa un Warehouse para modelos dimensionales
  8. 5. Usa un Lakehouse para tipos de datos mixtos
  9. 6. Usa accesos directos en un Lakehouse cuando copiar los datos sea innecesario
  10. 7. Usa un Warehouse cuando importen las transacciones multitabla
  11. 8. Usa un Lakehouse para la arquitectura Medallion
  12. 9. Usa un Warehouse como capa de servicio gobernada tras la ingeniería en el Lakehouse
  13. 10. Usa consultas entre bases de datos cuando los datos ya existan en Fabric
  14. 11. Usa COPY INTO para la ingesta en el Warehouse cuando prefieras cargar con SQL
  15. 12. Usa CTAS en el Warehouse para transformaciones SQL
  16. 13. No uses el Warehouse como zona de aterrizaje de archivos sin procesar
  17. 14. No uses el punto de conexión SQL del Lakehouse como sustituto del DML del Warehouse
  18. 15. Elige según el flujo de trabajo principal de los desarrolladores
  19. 16. Elige según la forma de los datos de origen
  20. 17. Elige según los requisitos transaccionales
  21. 18. Elige según los requisitos de servicio
  22. 19. Valida si realmente se necesitan ambas capas
  23. Qué significa el resultado
  24. Qué revisar
  25. El equipo mueve datos entre Lakehouse y Warehouse sin necesidad
  26. Los analistas necesitan escrituras SQL frecuentes o procedimientos almacenados
  27. Los ingenieros siguen usando Spark sobre datos sin procesar/semiestructurados
  28. El Warehouse solo contiene copias de las tablas gold del Lakehouse
  29. Los usuarios SQL del Lakehouse esperan una base de datos SQL completa
  30. Notas de producción
  31. Ambos usan OneLake y almacenamiento abierto Delta
  32. El punto de conexión de análisis SQL del Lakehouse está orientado a la lectura
  33. El Warehouse ofrece capacidades completas de almacén de datos SQL
  34. El Lakehouse es la superficie de ingeniería de datos más amplia
  35. No dupliques datos sin motivo
  36. El rendimiento depende de la carga de trabajo
  37. La gobernanza debe abarcar ambos
  38. Errores comunes
  39. 1. Elegir el Lakehouse solo porque la palabra suena más moderna
  40. 2. Elegir el Warehouse solo porque el equipo sabe SQL
  41. 3. Suponer que el punto de conexión SQL del Lakehouse admite todo el DML del Warehouse
  42. 4. Suponer que el Warehouse no usa Delta/OneLake
  43. 5. Copiar cada tabla del Lakehouse al Warehouse
  44. 6. Tratar el Lakehouse solo como una zona de datos sin procesar
  45. 7. Tratar el Warehouse como zona de aterrizaje ETL para archivos arbitrarios
  46. 8. Ignorar los requisitos transaccionales
  47. Siguiente paso
  48. Para profundizar

Problema

Estás diseñando una solución de Microsoft Fabric y necesitas decidir si los datos deben residir en un Lakehouse, en un Warehouse o en ambos.

Los dos usan OneLake y almacenamiento abierto Delta, así que la decisión no se reduce a «data lake o base de datos».

Las preguntas reales son:

  • ¿Los ingenieros trabajarán principalmente en Spark o en T-SQL?
  • ¿Los datos son solo estructurados, o también semiestructurados/no estructurados?
  • ¿Necesitas transacciones SQL multitabla?
  • ¿Los datos se transformarán en notebooks?
  • ¿Los analistas necesitan una experiencia relacional centrada en SQL?
  • ¿La carga de trabajo es principalmente de ingeniería, de BI o de ambas?
  • ¿Necesitas accesos directos (shortcuts) y acceso orientado a archivos?
  • ¿La capa de servicio curada debe exponer el DML completo de T-SQL y objetos de almacén de datos?

Respuesta rápida

Usa esto como punto de partida para la decisión:

¿Necesitas Spark / Python / notebooks?
→ Lakehouse

¿Necesitas DML completo de T-SQL, procedimientos almacenados y transacciones multitabla?
→ Warehouse

¿Necesitas datos estructurados + semiestructurados/no estructurados?
→ Lakehouse

¿Necesitas una capa de servicio dimensional centrada en SQL?
→ Warehouse

¿Necesitas tanto ingeniería como servicio SQL empresarial?
→ A menudo Lakehouse + Warehouse

Una arquitectura de producción habitual es:

  1. Orígenes
  2. Lakehouse
    • Bronze
    • Silver
    • Delta curado
  3. WarehouseCapa dimensional / de informes
  4. Power BI / consumidores SQL
Una arquitectura Lakehouse + Warehouse habitual

No añadas ambos de forma automática.

Usa los dos solo cuando cada uno tenga una responsabilidad clara.

Código / comandos

1. Usa un Lakehouse cuando Spark sea el motor de transformación principal

Ejemplo en PySpark:

from pyspark.sql import functions as F

sales = (
    spark.read
    .format("delta")
    .load("Tables/sales")
)

daily_sales = (
    sales
    .filter(F.col("sale_date") >= "2026-10-01")
    .groupBy(
        "sale_date",
        "merchant_id",
    )
    .agg(
        F.sum("amount").alias("revenue"),
        F.countDistinct("sale_id").alias("sales"),
    )
)

Escribir de vuelta en una tabla Delta:

(
    daily_sales.write
    .format("delta")
    .mode("overwrite")
    .saveAsTable("sales_daily")
)

El Lakehouse es la opción natural cuando:

  • PySpark es central
  • los notebooks realizan las transformaciones de ingeniería
  • conviven archivos y tablas Delta
  • se usa una arquitectura Medallion
  • los accesos directos forman parte del diseño

2. Consulta las tablas Delta del Lakehouse a través del punto de conexión de análisis SQL

Cada Lakehouse expone un punto de conexión de análisis SQL (SQL analytics endpoint) para consultar tablas Delta.

Ejemplo:

SELECT
    merchant_id,
    SUM(revenue) AS total_revenue
FROM dbo.sales_daily
GROUP BY
    merchant_id
ORDER BY
    total_revenue DESC;

Esto es útil para:

  • exploración con SQL
  • consumo de BI
  • vistas
  • consultas de informes

El punto de conexión de análisis SQL del Lakehouse está orientado principalmente a la lectura.

No lo diseñes como si fuera un almacén de datos SQL completo de lectura/escritura.


3. Usa un Warehouse cuando T-SQL sea el modelo de desarrollo principal

Ejemplo:

CREATE TABLE dbo.FactSales
(
    SaleId bigint NOT NULL,
    MerchantId int NOT NULL,
    SaleDate date NOT NULL,
    Amount decimal(18,2) NOT NULL
);

Insertar datos:

INSERT INTO dbo.FactSales
(
    SaleId,
    MerchantId,
    SaleDate,
    Amount
)
VALUES
(
    1001,
    25,
    '2026-10-04',
    125.50
);

El Warehouse encaja mejor cuando ingenieros y analistas necesitan:

  • DDL de SQL
  • DML de SQL
  • procedimientos almacenados
  • funciones
  • transacciones multitabla
  • modelado relacional

4. Usa un Warehouse para modelos dimensionales

Ejemplo de esquema:

FactSales
DimMerchant
DimCustomer
DimDate
DimProduct

SQL típico:

SELECT
    d.CalendarMonth,
    m.MerchantName,
    SUM(f.Amount) AS Revenue
FROM dbo.FactSales AS f
INNER JOIN dbo.DimDate AS d
    ON d.DateKey = f.SaleDate
INNER JOIN dbo.DimMerchant AS m
    ON m.MerchantId = f.MerchantId
GROUP BY
    d.CalendarMonth,
    m.MerchantName;

Este patrón de servicio centrado en SQL encaja de forma natural con el Warehouse.


5. Usa un Lakehouse para tipos de datos mixtos

Un Lakehouse puede mantener juntos archivos sin procesar y tablas Delta administradas.

Ejemplo de estructura lógica:

Lakehouse
├── Files
│   ├── raw-json/
│   ├── csv/
│   ├── images/
│   └── landing/
└── Tables
    ├── bronze_events
    ├── silver_sales
    └── gold_customer_activity

Úsalo cuando una misma carga de trabajo deba trabajar con:

  • tablas Delta
  • CSV
  • JSON
  • archivos
  • datos semiestructurados
  • contenido no estructurado

El Warehouse está diseñado en torno a tablas relacionales estructuradas.


6. Usa accesos directos en un Lakehouse cuando copiar los datos sea innecesario

Un Lakehouse puede exponer datos mediante accesos directos de OneLake.

Conceptualmente:

  1. Almacenamiento externo
  2. Acceso directo de OneLake
  3. Lakehouse
  4. Spark / SQL / Power BI
Acceso directo de OneLake en un Lakehouse

Úsalos cuando:

  • los datos ya existen en un origen accesible
  • copiarlos crearía una duplicación innecesaria
  • el acceso en vivo es aceptable para la carga de trabajo

No copies datos solo porque se haya creado un nuevo elemento de Fabric.


7. Usa un Warehouse cuando importen las transacciones multitabla

Ejemplo:

BEGIN TRANSACTION;

UPDATE dbo.FactOrder
SET Status = 'Closed'
WHERE OrderId = 1001;

INSERT INTO dbo.OrderAudit
(
    OrderId,
    EventType,
    EventTime
)
VALUES
(
    1001,
    'Closed',
    SYSUTCDATETIME()
);

COMMIT TRANSACTION;

Este tipo de flujo SQL transaccional multitabla es un caso de uso del Warehouse.

Las tablas Delta del Lakehouse ofrecen comportamiento transaccional a nivel de cada tabla Delta, pero el Lakehouse no es la opción adecuada para una semántica completa de transacciones T-SQL multitabla.


8. Usa un Lakehouse para la arquitectura Medallion

Ejemplo:

Bronze
  Delta sin procesar, alineado con el origen

Silver
  Delta validado / estandarizado

Gold
  Delta analítico curado

Es un patrón sólido para el Lakehouse porque Spark y Delta son componentes de primer nivel.

Ejemplo:

bronze = spark.table("bronze_sales")

silver = (
    bronze
    .dropDuplicates(["sale_id"])
    .filter("sale_id IS NOT NULL")
)

(
    silver.write
    .format("delta")
    .mode("overwrite")
    .saveAsTable("silver_sales")
)

9. Usa un Warehouse como capa de servicio gobernada tras la ingeniería en el Lakehouse

Ejemplo de arquitectura:

  1. Sistemas de origen
  2. Lakehouse Bronze
  3. Lakehouse Silver
  4. Datos curados
  5. Warehouse
  6. Power BI / aplicaciones SQL
El Warehouse como capa de servicio gobernada

Este patrón es útil cuando:

  • ingeniería prefiere Spark
  • los informes prefieren SQL
  • el modelado dimensional importa
  • se necesitan procedimientos almacenados o DML de SQL

No dupliques cada tabla del Lakehouse en el Warehouse.

Promueve solo los datos que se benefician de la capa de servicio SQL.


10. Usa consultas entre bases de datos cuando los datos ya existan en Fabric

Fabric permite consultar entre los puntos de conexión SQL del Warehouse y del Lakehouse sin exigir una copia tradicional para cada escenario analítico.

Conceptualmente:

SELECT ...
FROM SomeWarehouse.dbo.FactSales AS f
JOIN SomeLakehouse.dbo.DimMerchant AS m
    ON ...

La nomenclatura exacta y la accesibilidad dependen del contexto del workspace y del elemento.

Usa el acceso entre elementos para reducir la duplicación innecesaria cuando la carga de trabajo lo permita.


11. Usa COPY INTO para la ingesta en el Warehouse cuando prefieras cargar con SQL

Ejemplo:

COPY INTO dbo.FactSales
FROM 'https://<storage-path>/sales/'
WITH
(
    FILE_TYPE = 'PARQUET'
);

Usa la ingesta nativa del Warehouse cuando:

  • el destino es relacional
  • T-SQL es el modelo de trabajo del equipo
  • los datos ya están lo bastante curados para cargarse en el almacén

Las transformaciones de ingeniería a gran escala, hazlas antes de cargar la capa de servicio.


12. Usa CTAS en el Warehouse para transformaciones SQL

Ejemplo:

CREATE TABLE dbo.SalesSummary
AS
SELECT
    MerchantId,
    SaleDate,
    SUM(Amount) AS Revenue
FROM dbo.FactSales
GROUP BY
    MerchantId,
    SaleDate;

Usa transformaciones nativas de SQL cuando eso mantenga la arquitectura más sencilla.

No muevas datos a Spark solo porque Spark existe.


13. No uses el Warehouse como zona de aterrizaje de archivos sin procesar

Mal encaje:

Warehouse
  JSON sin procesar
  imágenes
  archivos CSV
  blobs de telemetría

Mejor:

  1. Lakehouse Files
  2. Transformación Delta
  3. WarehouseSolo si se necesita servicio relacional
Los archivos aterrizan en el Lakehouse, no en el Warehouse

El Warehouse sirve para análisis relacional estructurado, no para almacenar archivos arbitrarios.


14. No uses el punto de conexión SQL del Lakehouse como sustituto del DML del Warehouse

Evita diseñar partiendo de supuestos como:

INSERT ...
UPDATE ...
DELETE ...

sobre tablas del Lakehouse a través del punto de conexión de análisis SQL, como si fuera un almacén de datos SQL completo.

Usa:

  • Spark
  • pipelines
  • las rutas de escritura admitidas del Lakehouse

para modificar datos del Lakehouse.

Usa un Warehouse cuando la semántica de escritura SQL sea un requisito central.


15. Elige según el flujo de trabajo principal de los desarrolladores

Usa esta correspondencia:

PySpark / Python / Scala / Spark SQL
→ Lakehouse

T-SQL
→ Warehouse

Ingeniería mixta + servicio SQL
→ Lakehouse + Warehouse

La preferencia tecnológica no debería ser el único factor, pero es una señal de diseño fuerte.


16. Elige según la forma de los datos de origen

Solo datos estructurados
→ Candidato a Warehouse

Datos estructurados + semiestructurados + archivos
→ Candidato a Lakehouse

Ingesta sin procesar + transformación
→ Candidato a Lakehouse

Esquema en estrella curado
→ Candidato a Warehouse

No fuerces demasiado pronto las cargas de aterrizaje semiestructuradas a un modelo relacional.


17. Elige según los requisitos transaccionales

Escrituras transaccionales en una sola tabla Delta
→ El Lakehouse puede encajar

Transacción SQL multitabla
→ Warehouse

Esta distinción es importante para cargas de trabajo que requieren actualizaciones relacionales coordinadas.


18. Elige según los requisitos de servicio

Usa un Warehouse cuando los consumidores necesiten una superficie relacional conocida con:

  • tablas
  • vistas
  • procedimientos
  • funciones
  • DML de T-SQL

Usa un Lakehouse cuando los consumidores puedan trabajar a partir de:

  • tablas Delta
  • Spark
  • el punto de conexión de análisis SQL
  • Direct Lake / modelos semánticos de Fabric

19. Valida si realmente se necesitan ambas capas

Antes de construir:

Lakehouse → Warehouse

pregúntate:

¿Qué capacidad aporta aquí el Warehouse?

Las buenas respuestas incluyen:

  • superficie de escritura T-SQL completa
  • transacciones multitabla
  • desarrollo centrado en SQL
  • servicio dimensional
  • procedimientos almacenados
  • carga de trabajo relacional empresarial

Respuesta débil:

«Porque toda arquitectura de Fabric debería tener ambos.»

No debería tenerlos.

Qué significa el resultado

Factor de decisión Lakehouse Warehouse
Desarrollo principal Spark / notebooks T-SQL
Tipos de datos Estructurados + semi/no estructurados Estructurados
Almacenamiento Delta en OneLake Delta en OneLake
Acceso con Spark Nativo No es el modelo de desarrollo principal
Consultas SQL Punto de conexión de análisis SQL Almacén de datos SQL completo
DML de T-SQL No a través del punto de conexión SQL del Lakehouse Admitido
Transacciones multitabla No es el modelo principal Admitidas
Archivos De primer nivel No es el caso de uso previsto
Arquitectura Medallion Muy adecuado Normalmente capa de servicio
Modelado dimensional Posible, pero no es su principal diferenciador Muy adecuado
Accesos directos Patrón sólido del Lakehouse Puede interoperar mediante patrones de Fabric/OneLake
Procedimientos almacenados No es el modelo del punto de conexión SQL del Lakehouse Admitidos
Rol típico Ingeniería / transformación Servicio relacional / BI

Qué revisar

El equipo mueve datos entre Lakehouse y Warehouse sin necesidad

Puede que tengas una arquitectura duplicada.

Pregúntate si:

  • el acceso entre elementos es suficiente
  • los consumidores pueden consultar el punto de conexión SQL del Lakehouse
  • el Warehouse aporta una capacidad real de servicio SQL

Los analistas necesitan escrituras SQL frecuentes o procedimientos almacenados

Probablemente el Warehouse sea la mejor capa de servicio.

No fuerces esos flujos de trabajo a modificaciones basadas en notebooks.

Los ingenieros siguen usando Spark sobre datos sin procesar/semiestructurados

Probablemente el Lakehouse sea la capa de almacenamiento central natural.

No conviertas todo a modelo relacional de forma prematura.

El Warehouse solo contiene copias de las tablas gold del Lakehouse

Comprueba si la capa duplicada aporta:

  • estructura dimensional
  • DML de SQL
  • procedimientos
  • lógica transaccional
  • valor de gobernanza/servicio

Si no es así, la capa adicional puede ser innecesaria.

Los usuarios SQL del Lakehouse esperan una base de datos SQL completa

Aclara que el punto de conexión de análisis SQL es principalmente una superficie de lectura/servicio para las tablas Delta del Lakehouse.

Si se requiere capacidad de escritura T-SQL completa, usa un Warehouse.

Notas de producción

Ambos usan OneLake y almacenamiento abierto Delta

La diferencia está principalmente en la carga de trabajo y el modelo de desarrollo, no en una tecnología de almacenamiento completamente distinta.

Eso hace que Lakehouse y Warehouse sean complementarios en lugar de mutuamente excluyentes.

El punto de conexión de análisis SQL del Lakehouse está orientado a la lectura

Admite consultas T-SQL y algunos objetos de metadatos como vistas y funciones, pero no equivale a la superficie DDL/DML de SQL completa del Warehouse.

Diseña la arquitectura en consecuencia.

El Warehouse ofrece capacidades completas de almacén de datos SQL

El Warehouse admite:

  • DQL
  • DML
  • DDL
  • procedimientos almacenados
  • funciones
  • transacciones multitabla

Esto lo convierte en la opción relacional centrada en SQL.

El Lakehouse es la superficie de ingeniería de datos más amplia

El Lakehouse admite:

  • archivos
  • tablas Delta
  • Spark
  • notebooks
  • consultas SQL
  • accesos directos
  • diseño Medallion

Por lo general es la opción más flexible para la ingesta y la transformación.

No dupliques datos sin motivo

OneLake está diseñado para reducir las copias innecesarias.

Antes de copiar entre elementos de Fabric, pregúntate si:

  • los accesos directos
  • las consultas SQL entre elementos
  • Direct Lake
  • los patrones de almacenamiento Delta compartido

pueden cubrir el requisito.

El rendimiento depende de la carga de trabajo

No des por hecho que:

El Warehouse siempre es más rápido

ni que:

El Lakehouse siempre es más escalable

El rendimiento depende de:

  • la forma de las consultas
  • el diseño de las tablas
  • la organización de los datos
  • la concurrencia
  • el motor
  • el tipo de carga de trabajo
  • la capacidad

Haz pruebas de rendimiento con la carga de trabajo real.

La gobernanza debe abarcar ambos

La seguridad y la gobernanza deben seguir al producto de datos, no a la elección de la etiqueta de almacenamiento.

Documenta:

  • la propiedad
  • el linaje
  • el modelo de acceso
  • el contrato de servicio
  • la retención
  • las expectativas de calidad

para cualquiera de las dos arquitecturas.

Errores comunes

1. Elegir el Lakehouse solo porque la palabra suena más moderna

Elige según la carga de trabajo, no según la terminología.

2. Elegir el Warehouse solo porque el equipo sabe SQL

Si la ingesta incluye archivos a gran escala, Spark o datos semiestructurados, forzarlo todo al Warehouse puede añadir fricción innecesaria.

3. Suponer que el punto de conexión SQL del Lakehouse admite todo el DML del Warehouse

No lo admite.

Usa la ruta de escritura correcta.

4. Suponer que el Warehouse no usa Delta/OneLake

El Warehouse de Fabric almacena los datos en OneLake en formato Delta.

La diferencia está en la experiencia de usuario/desarrollo y en las capacidades de la carga de trabajo.

5. Copiar cada tabla del Lakehouse al Warehouse

Esto añade:

  • duplicación
  • orquestación
  • latencia
  • mantenimiento

sin aportar necesariamente valor.

6. Tratar el Lakehouse solo como una zona de datos sin procesar

Un Lakehouse puede contener tablas Delta curadas y admitir acceso SQL analítico.

No se limita a datos Bronze/sin procesar.

7. Tratar el Warehouse como zona de aterrizaje ETL para archivos arbitrarios

El Warehouse está optimizado para análisis relacional estructurado.

Usa el almacenamiento de archivos del Lakehouse/OneLake para el aterrizaje de datos sin procesar/semiestructurados.

8. Ignorar los requisitos transaccionales

Las transacciones SQL multitabla son un verdadero punto de decisión arquitectónica.

Si importan, el Warehouse se vuelve mucho más atractivo.

Siguiente paso

Usa los requisitos de la carga de trabajo para elegir la arquitectura.

  • Spark/notebooks son lo principal → empieza con un Lakehouse.
  • Una superficie de escritura T-SQL completa es lo principal → empieza con un Warehouse.
  • Datos estructurados + no estructurados → usa un Lakehouse.
  • El servicio SQL dimensional es el objetivo principal → usa un Warehouse.
  • Necesitas transacciones multitabla → usa un Warehouse.
  • Necesitas ingesta/transformación Medallion → usa un Lakehouse.
  • Necesitas tanto ingeniería con Spark como servicio centrado en SQL → usa Lakehouse + Warehouse.
  • No tienes claro si hacen falta ambos → empieza con uno y añade el segundo solo cuando aparezca un requisito concreto.
  • Los datos ya existen en otro lugar de OneLake o en almacenamiento externo → evalúa los accesos directos o el acceso entre elementos antes de copiar.

← Todas las guías rápidas