OneLake: o data lake único do Microsoft Fabric

O problema de ter cinco cópias do mesmo dado#

Na maioria das empresas que atendemos, o mesmo número de faturamento existe em pelo menos cinco lugares: no banco transacional de origem, num data lake de staging, no data warehouse analítico, num dataset de Power BI e, quase sempre, numa planilha que alguém baixou "só para conferir". Cada cópia tem seu próprio job de atualização, sua própria janela de atraso e sua própria chance de divergir das outras. O resultado é aquele desgaste conhecido: duas áreas discutindo qual número está certo em vez de discutir o que fazer com ele. O OneLake, a camada de armazenamento do Microsoft Fabric, nasceu para atacar exatamente esse problema, propondo uma cópia lógica única dos dados para toda a organização.

Este artigo explica o que é o OneLake de verdade, como ele se apoia no Azure Data Lake Storage Gen2, por que o formato aberto Delta Parquet muda o jogo, como workspaces e itens organizam tudo isso e de que forma Lakehouse, Warehouse e Power BI passam a compartilhar o mesmo armazenamento. E, porque consultoria séria não vende só o brilho, vamos ser honestos sobre onde a governança do OneLake ainda exige trabalho manual seu.

O OneLake é o data lake único e lógico de cada tenant#

A definição oficial é curta e vale decorar: o OneLake é o data lake único e lógico de cada tenant do Microsoft Fabric, provisionado automaticamente quando você ativa o Fabric, sem nada para configurar. A Microsoft costuma usar a analogia do OneDrive, e ela ajuda: assim como cada organização tem um único OneDrive corporativo onde todos os arquivos vivem, cada organização tem um único OneLake onde todos os dados analíticos vivem. Você não cria vários OneLakes nem escolhe onde ele fica. Existe um por tenant, ponto.

O adjetivo "lógico" é a parte que confunde e a que mais importa. Fisicamente, os dados podem estar espalhados por regiões e capacidades diferentes do Azure. Logicamente, tudo aparece sob um mesmo namespace hierárquico, endereçável por um caminho único, como se fosse um só sistema de arquivos gigante. O OneLake foi anunciado junto com o Microsoft Fabric em 2023 e é construído sobre o Azure Data Lake Storage Gen2, o mesmo serviço de armazenamento de objetos que muita empresa já usa em projetos de Azure hoje. Não é uma tecnologia de armazenamento nova e proprietária: é uma camada de organização e governança sobre uma base madura e conhecida.

Isso tem uma consequência prática importante. Como o OneLake fala o protocolo do ADLS Gen2, qualquer ferramenta ou biblioteca que já sabe conversar com o Data Lake Storage Gen2 consegue ler e escrever no OneLake sem adaptador especial. Um script Python com a biblioteca do Azure Storage, uma ferramenta de terceiros, um pipeline externo: se ele acessa ADLS Gen2, ele acessa OneLake.

Delta Parquet é o formato que sustenta a cópia única#

Se existe uma decisão técnica que segura toda a promessa do OneLake de pé, é a escolha do formato de armazenamento. Todos os itens de dados no Fabric gravam em formato aberto Delta Parquet. Vale separar as duas metades desse nome, porque cada uma resolve um problema.

O Parquet é um formato de arquivo colunar, aberto e de mercado, ótimo para leitura analítica: em vez de ler linha por linha, ele lê só as colunas que a consulta pede, o que reduz drasticamente o volume de dado percorrido. O Delta Lake é uma camada de transação por cima do Parquet, também aberta, que adiciona o que faltava para tratar arquivos como uma tabela de banco de verdade: transações ACID, versionamento (o time travel, que permite consultar o estado da tabela num momento passado) e controle de esquema.

A palavra que mais importa nessa frase toda é "aberto". Como os dados ficam em Delta Parquet, e não num formato binário proprietário e fechado, eles não estão presos ao Fabric. Você pode ler o mesmo arquivo com Spark fora do Fabric, com o Databricks, com engines que suportam Delta, com uma aplicação própria. Isso muda a natureza do risco de plataforma: adotar o OneLake não é assinar um contrato de saída impossível, porque o dado, na sua forma física, continua legível por fora. É a diferença entre alugar e ficar refém.

Conceito	O que é	Por que importa para o OneLake
ADLS Gen2	Serviço de armazenamento de objetos do Azure com namespace hierárquico	É a fundação física sobre a qual o OneLake é construído
Parquet	Formato de arquivo colunar aberto, otimizado para leitura analítica	Consultas leem só as colunas necessárias, com boa compressão
Delta Lake	Camada de transação aberta sobre o Parquet	Traz ACID, versionamento e time travel para arquivos no lake
Formato aberto	Especificação pública, não proprietária	O dado continua legível fora do Fabric, reduzindo lock-in físico

Workspaces e itens organizam o lake sem virar pântano#

Um data lake sem organização vira o famoso pântano de dados, aquele repositório onde ninguém mais sabe o que cada arquivo significa nem se ainda está correto. O OneLake tenta evitar isso impondo uma hierarquia desde o primeiro dia, e entender essa hierarquia é o que separa quem usa a plataforma com método de quem só empurra arquivo para dentro.

No topo está o tenant, um por organização. Dentro dele existem os workspaces, que funcionam como contêineres de trabalho, normalmente alinhados a uma área, projeto ou domínio de dados. Cada workspace, na prática, corresponde a um contêiner dentro do OneLake. Dentro de cada workspace vivem os itens: um Lakehouse, um Warehouse, um modelo semântico do Power BI, um Data Pipeline, e assim por diante. Cada item ocupa uma pasta própria dentro do workspace, com uma estrutura padronizada. Um Lakehouse, por exemplo, organiza seus dados em pastas de tabelas (gerenciadas, em Delta) e de arquivos (dado bruto, em qualquer formato).

Nível	O que representa	Analogia prática
Tenant	A organização inteira, um único OneLake	A empresa toda
Workspace	Contêiner de trabalho por área, projeto ou domínio	Uma pasta departamental
Item	Lakehouse, Warehouse, modelo semântico, pipeline	Um projeto dentro da pasta
Tabela ou arquivo	O dado em si, em Delta Parquet ou formato bruto	O documento final

Essa estrutura é o que dá endereço a cada dado. Como tudo tem um caminho previsível dentro do namespace único, é possível governar por workspace, controlar acesso por item e, importante, referenciar um dado que está em outro workspace sem copiá-lo. É aqui que entra o recurso de atalhos (shortcuts), que criam um ponteiro para dados que vivem em outro lugar, dentro ou fora do OneLake, sem duplicar o arquivo. Um Lakehouse de marketing pode enxergar a tabela de clientes que o time de vendas mantém, sem mover um byte. Se você está desenhando essa organização do zero, esse é o tipo de decisão que a nossa equipe de engenharia de dados trata como fundação de projeto, não como detalhe posterior.

Lakehouse, Warehouse e Power BI leem a mesma cópia#

Aqui está o pagamento da promessa. Como todos os workloads do Fabric gravam no mesmo OneLake, no mesmo Delta Parquet, uma única cópia do dado atende cargas de trabalho que antes exigiam cópias separadas.

O Lakehouse é o ambiente para quem trabalha com Spark e notebooks, ideal para engenharia de dados, transformações pesadas e dado semiestruturado. Ele grava tabelas Delta no OneLake. O Warehouse é o ambiente SQL clássico, com experiência transacional completa em T-SQL, para quem quer modelagem dimensional e consulta relacional. Ele também grava tabelas Delta no OneLake. Ou seja: os dois falam linguagens diferentes, servem times diferentes, mas escrevem no mesmo formato e no mesmo lugar. Uma tabela criada no Lakehouse pode ser consultada pelo endpoint SQL sem cópia, e vice-versa.

E o Power BI fecha o ciclo com o modo Direct Lake, o recurso que talvez seja o mais subestimado do Fabric. No mundo antigo do Power BI, você escolhia entre dois males: o modo Import, rápido para consultar mas que exige carregar e atualizar uma cópia dos dados na memória, ou o DirectQuery, que não copia mas paga o preço em latência a cada interação. O Direct Lake lê os arquivos Delta Parquet diretamente do OneLake, carregando na memória sob demanda, sem processo de importação e sem a lentidão do DirectQuery. Na prática, você tem performance próxima ao Import sem manter uma terceira cópia sincronizada. Para entender como isso se encaixa no dia a dia de quem constrói relatórios, vale ler nosso guia completo de Power BI para empresas no Brasil, e para o quadro maior da plataforma, o artigo sobre o que é o Microsoft Fabric e quando vale a pena.

Todo esse consumo, vale registrar, é medido em Capacity Units (CUs), a unidade de capacidade do Fabric. Você compra uma capacidade de um determinado tamanho, e todos os workloads (a query do Warehouse, o notebook do Lakehouse, o refresh do Power BI) consomem CUs dessa mesma capacidade. Isso simplifica o licenciamento, mas exige atenção: sem monitoramento, uma carga pesada num workload pode competir por capacidade com outro. Dimensionar isso direito é parte do trabalho, e tratamos do assunto nas nossas entregas de soluções de plataforma.

Onde a governança do OneLake ainda exige trabalho seu#

Aqui a parte honesta, que separa consultoria de folheto de vendas. O OneLake resolve o problema físico da cópia única com elegância. Ele não resolve, sozinho, o problema humano da governança. Ter todos os dados num só lugar lógico facilita governar, mas não governa por você.

Alguns pontos concretos que você precisa assumir como trabalho ativo:

• Permissões não se configuram sozinhas. A cópia única concentra o acesso, o que é ótimo para simplicidade e perigoso para vazamento. Definir quem enxerga qual workspace, qual item e, com segurança em nível de linha e de coluna, quais registros, continua sendo desenho manual. O OneLake dá as ferramentas; a política de acesso é sua.
• Catálogo e significado não vêm de graça. Saber que uma tabela existe é diferente de saber o que cada coluna significa, quem é o dono e se o dado está confiável. O Fabric tem recursos de catalogação e linhagem, mas alimentar isso com contexto de negócio é disciplina de time, não recurso de produto.
• Atalho não é o mesmo que responsabilidade clara. Os shortcuts são poderosos justamente porque cruzam fronteiras de workspace. Isso pode borrar a noção de quem é responsável por um dado quando ele é consumido em cinco lugares. Sem um dono definido por domínio, a facilidade de referenciar vira dificuldade de auditar.
• Formato aberto reduz o lock-in físico, não o operacional. Seus dados em Delta Parquet são portáveis, sim. Mas seus pipelines, seus modelos semânticos e a lógica de negócio construída em cima do Fabric não migram com um clique. A liberdade é real na camada de dados e mais limitada na camada de plataforma.

Nada disso é motivo para não adotar o OneLake. É motivo para adotar com projeto, não por impulso. A tecnologia entrega a cópia única; a governança que faz essa cópia ser confiável é decisão de gente e de processo.

Perguntas frequentes#

O OneLake substitui o Azure Data Lake Storage Gen2?

Não, ele é construído sobre o ADLS Gen2. O OneLake é uma camada lógica de organização e governança que usa o Data Lake Storage Gen2 como fundação física. Como ele fala o mesmo protocolo, ferramentas que já acessam o ADLS Gen2 conseguem acessar o OneLake sem adaptação especial.

Preciso escolher entre Lakehouse e Warehouse no Fabric?

Não é uma escolha excludente, porque os dois gravam no mesmo OneLake em Delta Parquet. A regra prática: use o Lakehouse quando o trabalho é orientado a Spark, notebooks e dado semiestruturado, e use o Warehouse quando o time trabalha em T-SQL e quer experiência transacional relacional completa. Uma tabela criada em um é consultável pelo outro sem cópia.

O que é o modo Direct Lake do Power BI, na prática?

É um modo de conexão que lê os arquivos Delta Parquet direto do OneLake, sem importar uma cópia dos dados e sem a latência do DirectQuery. Você tende a ter performance próxima ao modo Import sem manter e atualizar um dataset em cópia separada, desde que o dado esteja em Delta no OneLake.

Meus dados ficam presos ao Microsoft Fabric?

Na camada física, não. Como tudo é gravado em formato aberto Delta Parquet, os arquivos continuam legíveis por engines externas que suportam Delta, incluindo Spark fora do Fabric. O lock-in real fica na camada de plataforma: pipelines, modelos e lógica de negócio não migram automaticamente. Portabilidade de dado é diferente de portabilidade de solução.

Como o custo do OneLake e do Fabric é cobrado?

O consumo do Fabric é medido em Capacity Units (CUs). Você contrata uma capacidade de determinado tamanho, e todos os workloads que rodam sobre o OneLake, do notebook do Lakehouse ao refresh do Power BI, consomem CUs dessa mesma capacidade. O armazenamento no OneLake é cobrado à parte, no modelo de armazenamento do Azure.

O OneLake resolve minha governança de dados?

Ele facilita, mas não resolve sozinho. Concentrar tudo numa cópia lógica única simplifica onde governar, porém permissões, catálogo, donos por domínio e políticas de qualidade continuam sendo trabalho ativo de time. A plataforma entrega as ferramentas; a governança confiável é decisão de gente e processo.

Em resumo#

O OneLake é a peça que faz a promessa do Microsoft Fabric parar de ser slide e virar arquitetura: uma cópia lógica única dos dados por organização, sobre o ADLS Gen2, em Delta Parquet aberto, lida por Lakehouse, Warehouse e Power BI sem duplicação. A tecnologia é sólida e o formato aberto reduz o risco de aprisionamento físico. O que ela não faz por você é governar. Se a sua empresa está avaliando essa mudança e quer fazê-la com projeto em vez de por impulso, fale com a gente.