Como carregar um CSV para um Lakehouse no Microsoft Fabric

Um ficheiro CSV é uma das formas mais comuns de receber dados, mas para o analisares no Power BI ou consultares com SQL é preciso transformá-lo numa tabela. No Microsoft Fabric, um Lakehouse permite carregar um ficheiro CSV e convertê-lo numa tabela Delta em poucos cliques, sem escrever uma linha de código. É uma tarefa do dia a dia de quem trabalha com dados e a porta de entrada para construir relatórios fiáveis. Este guia mostra o processo completo, do upload do ficheiro à consulta em SQL.

Pré-requisitos

• Uma conta com acesso ao Microsoft Fabric e uma capacidade (Fabric ou Trial) ativa.
• Um workspace onde tenhas permissões de edição.
• Um ficheiro .csv com cabeçalho na primeira linha (por exemplo, vendas.csv).

Passo 1: Criar um Lakehouse

Um Lakehouse é o item do Fabric que junta, no mesmo sítio, ficheiros em bruto e tabelas prontas a consultar. No portal do Fabric, abre o teu workspace e clica em + New item. Na lista, escolhe Lakehouse, dá-lhe um nome (por exemplo vendas_lh) e confirma. Em segundos ficas com o explorador aberto, dividido em duas áreas: Tables, para tabelas Delta, e Files, para ficheiros em bruto.

Se já tens um Lakehouse, abre-o a partir do workspace e avança para o Passo 2.

Passo 2: Carregar o CSV para a área Files

Na área Files, passa o rato pela pasta, clica nos três pontos (...) e escolhe Upload → Upload files. Seleciona o teu vendas.csv e confirma. O ficheiro fica guardado no OneLake, o armazenamento unificado do Fabric, exatamente como o carregaste — repara que ainda não é uma tabela, é apenas um ficheiro.

Uma boa prática é criar primeiro uma pasta raw e carregar aí os ficheiros de origem. Assim mantens a zona de staging organizada e separada das tabelas finais.

Passo 3: Converter o CSV numa tabela Delta

Este é o passo mais importante. Sobre o ficheiro vendas.csv, clica com o botão direito (ou nos três pontos) e escolhe Load to Tables → New table. Confirma o nome da tabela — o Fabric sugere um nome válido, sem espaços nem caracteres especiais — e clica em Load.

Nos bastidores, o Fabric lê o CSV, infere os tipos de cada coluna a partir do conteúdo e grava uma tabela Delta otimizada com V-Order na área Tables. Ao contrário de um CSV, uma tabela Delta suporta transações, versões e leituras rápidas, por isso é o formato recomendado no Lakehouse. A tabela passa imediatamente a estar disponível para consultas SQL e para o Power BI.

Nota: este fluxo pela interface não permite definir manualmente os nomes e os tipos das colunas. Quando precisares desse controlo, usa um notebook, como se mostra a seguir.

Passo 4 (opcional): Carregar com um notebook

Se quiseres controlar o esquema ou aplicar transformações antes de gravar, um notebook em PySpark dá-te essa liberdade. Cria um notebook, associa-o ao Lakehouse e executa:

df = (spark.read
    .option("header", "true")
    .option("inferSchema", "true")
    .csv("Files/raw/vendas.csv"))

df.write.format("delta").mode("overwrite").saveAsTable("vendas")

O caminho Files/raw/vendas.csv é relativo ao Lakehouse associado ao notebook. O resultado é equivalente ao do Passo 3: uma tabela Delta chamada vendas, mas agora com o esquema sob o teu controlo.

Verificar o resultado

Na área Tables do Lakehouse deve aparecer a tabela vendas. Clica nela para ver uma pré-visualização das primeiras linhas. Para confirmar que está mesmo consultável, muda para o SQL analytics endpoint (no canto superior direito do Lakehouse) e corre:

SELECT TOP 10 * FROM vendas;

Se vires as tuas linhas com os cabeçalhos corretos, o CSV está oficialmente carregado como tabela Delta e pronto a usar em relatórios.

Conclusão

Em poucos minutos e sem gerir qualquer infraestrutura, transformaste um simples ficheiro CSV numa tabela Delta consultável no Microsoft Fabric. O próximo passo natural é criar um modelo semântico e um relatório em Power BI sobre esta tabela, ou automatizar o carregamento com um pipeline para os ficheiros que chegam todos os dias. Qual vai ser o primeiro conjunto de dados que vais carregar para o teu Lakehouse?