借助 Fabric 笔记本 和 语义链接，可以使用代码分析语义模型以及其他数据科学和数据工程功能，从而能够以可自定义和灵活的方式执行深入的统计分析和预测建模。
Microsoft Fabric 笔记本 为数据工程师和数据科学家提供交互式方法，用于生成 Apache Spark 作业、管理数据工作流和开发机器学习模型。 Fabric 笔记本提供简单的低代码界面，具有企业安全性、与 Lakehouse 集成和内置可视化工具。 笔记本还通过注释、标记和版本控制来支持协作，简化代码执行、数据浏览和模型部署的管理。
借助语义链接 功能，可以在 Microsoft Fabric 中的语义模型和数据科学功能之间建立连接，以便优化 Fabric 项的性能、内存和成本。
从语义模型中打开示例笔记本
笔记本为语义模型提供了一系列现成的体验，可帮助你入门，可通过多种方式进行访问：
在功能区的 “开始 ”选项卡中，编辑 Power BI 服务中的 语义模型 ，如下图所示。
在如下图所示的“模型健康”下拉菜单中可以找到语义模型详细信息页。
在从 OneLake 目录中的 更多选项（...） 中选择语义模型时，如下图所示。
这些示例笔记本中使用的函数是语义链接启用的有用函数的示例。 可以在 语义链接实验室（一个 Python 库）中找到更多函数和帮助程序笔记本，该库扩展语义链接功能以自动执行技术任务。 你不必是 Python 专家才能使用语义链接或语义链接实验室。 许多函数只需输入参数并运行笔记本即可使用。
最佳做法分析器
运行示例笔记本时， 最佳做法分析器（BPA） 提供了改进语义模型设计和性能的提示。 默认情况下，BPA 会根据语义模型检查一组超过 60 条规则，并汇总结果。 BPA 中使用的规则来自Microsoft和 Fabric 社区的专家。 改进建议分为五个类别：性能、DAX 表达式、错误预防、维护和格式设置。
下图显示了正在使用的 BPA。
模型内存分析器
运行示例笔记本笔记本时， 内存分析器 会显示有关语义模型中对象的内存和存储统计信息，例如表、列、层次结构、分区和关系。 内存分析器返回的统计信息可用于识别语义模型的性能优化和内存减少领域。 下图显示了正在使用的内存分析器。
要求和权限
以下要求和权限设置适用于笔记本：
- 用户必须对语义模型具有 生成 权限，才能从本文中所述的语义模型入口点创建示例笔记本。 有关详细信息，请参阅 语义模型权限 文章。
- 若要创建笔记本，工作区必须具有 Fabric 容量，并且用户必须具有对在其中创建笔记本的工作区的参与者访问权限。 有关详细信息，请参阅 工作区角色 文章。
注意事项和限制
使用笔记本时，应考虑以下注意事项和限制：
- 笔记本使用 Python，这是目前 预览版。 对于普遍可用体验，您可以在开始选项卡的语言下拉菜单中将语言更改为 PySpark。
- 如果语义模型名称以空格结尾，笔记本将无法运行。
相关内容
本文提供了有关一键式体验的信息，以开始使用 Fabric 笔记本和语义链接分析 Web 中的语义模型。 有关语义链接和 Fabric 笔记本的详细信息，请参阅以下资源：