OneLake — el OneDrive de los datos

OneLake es el lago de datos unificado de Microsoft Fabric. Es único, automático y gratis: cuando activas Fabric en tu tenant, ya tienes OneLake. No se provisiona, no se configura, no se factura aparte. Simplemente está ahí, listo para recibir los datos de tu organización.

Técnicamente, OneLake está construido sobre Azure Data Lake Storage Gen2 (ADLS Gen2), pero lo importante es que Microsoft lo gestiona por ti. Tú no ves cuentas de almacenamiento, ni contenedores, ni claves de acceso: ves workspaces e items. Es ADLS sin el dolor de ADLS.

La analogía oficial es clara y buena: OneLake es a los datos lo que OneDrive es a los documentos. Un único sitio por organización, con jerarquía lógica, permisos granulares, sincronización con Windows y colaboración integrada. Pero en lugar de Word y Excel, lo que guardas son tablas Delta, archivos Parquet y ficheros de cualquier tipo.

OneLake organiza los datos en una jerarquía estricta de 4 niveles (más subcarpetas internas por item). Es importante conocerla porque las URLs, los permisos y las APIs siguen exactamente esta estructura:

La URL canónica de OneLake

Cualquier ruta dentro de OneLake sigue un patrón uniforme que puedes usar desde Spark, Python, Power BI o cualquier herramienta compatible con ADLS Gen2:

https://onelake.dfs.fabric.microsoft.com/{workspace}/{item}.{itemType}/Tables/{table}

// Ejemplo real
https://onelake.dfs.fabric.microsoft.com/Ventas/Bronze.Lakehouse/Tables/facturas

El {itemType} indica el tipo (Lakehouse, Warehouse, KQLDatabase…) y el sufijo del item es parte del nombre físico en el lago. Dentro de un Lakehouse siempre encontrarás dos carpetas raíz:

OneCopy es probablemente el principio más importante de Fabric. Dice así: los datos se escriben una sola vez en OneLake y todas las herramientas leen directamente desde ahí, sin copias ni ETL intermedios.

Parece obvio dicho así, pero rompe con años de arquitecturas clásicas donde los datos viajaban de un sistema a otro. Compara las dos mundos:

El ahorro no es sólo de almacenamiento (que también). Es de complejidad, de pipelines que se rompen, de latencia entre sistemas, de permisos que duplicas en cada salto y de facturas de egress por mover datos entre servicios.

OneLake no es un formato propietario. Todo lo que se guarda en el área Tables/ se almacena como Delta Lake, un formato open source estandarizado por la Linux Foundation. Esto tiene dos ventajas enormes:

• Sin lock-in. Si mañana decides migrar fuera de Fabric, tus datos ya están en un formato abierto que leen Databricks, Snowflake, DuckDB, Spark, Trino, Polars y prácticamente todo el ecosistema moderno.
• Interoperabilidad. Cualquier herramienta externa que hable Delta o Parquet puede leer OneLake sin adaptadores raros.

Parquet vs Delta: qué es cada cosa

Delta no es un formato separado de Parquet — es una capa por encima. Lo aclaramos rápido porque genera mucha confusión:

Resumen: Delta = Parquet con superpoderes. Todo Delta es Parquet por debajo, pero no todo Parquet es Delta. En OneLake, cuando escribes desde Spark, Dataflow Gen2 o un Pipeline a Tables/, escribes Delta automáticamente.

V-Order: la optimización específica de Fabric

Fabric añade una optimización propietaria sobre Delta llamada V-Order: reordena internamente las filas y columnas para que el motor de Power BI (VertiPaq) pueda consumirlas con rendimiento casi nativo a través de Direct Lake. Sigue siendo Parquet estándar — cualquier herramienta externa lo lee normal — pero Power BI lo lee más rápido. Está activado por defecto.

Un shortcut es un puntero virtual dentro de OneLake que apunta a datos que viven en otro sitio. Es como un enlace simbólico en Linux o un acceso directo en Windows: ves una carpeta/tabla en tu workspace, pero los bytes físicos están en otra parte.

Dos tipos de shortcuts

Por qué son tan potentes

• Cero duplicación. No copias los datos, sólo referencias. Ahorras almacenamiento y eliminas el problema de sincronización.
• Acceso unificado. Una vez creado el shortcut, el dato se comporta como si fuese nativo de OneLake. Lo consultas desde Spark, T-SQL, Power BI o Python sin saber que vive en S3.
• Permisos delegados. Los permisos sobre el shortcut en Fabric se combinan con los permisos del origen. No se lo saltas.
• Ideal para migraciones. Si tienes un data lake existente en ADLS o S3, puedes apuntarlo con shortcuts mientras planeas la migración, sin reescribir nada el día uno.

Exactamente como OneDrive, pero para datos: Microsoft distribuye una aplicación gratuita llamada OneLake File Explorer que integra OneLake directamente en el explorador de archivos de Windows. Al instalarla, aparece una nueva entrada en el panel lateral, junto a OneDrive, con todos tus workspaces.

Desde ahí puedes:

• Arrastrar y soltar ficheros desde tu escritorio a la carpeta Files/ de un Lakehouse.
• Abrir un .csv o .parquet con Excel o cualquier editor local.
• Ver el contenido de tablas Delta sin abrir Fabric.
• Sincronización bajo demanda — los ficheros se descargan sólo cuando los abres, no ocupan disco mientras no los uses.

Es útil sobre todo para gente que no es técnica (analistas de negocio, finance, marketing) que necesitan dejar un CSV en un Lakehouse sin pasar por la UI web. Lo arrastran a una carpeta en Windows y ya está disponible para todo el mundo.

OneLake implementa la misma API que ADLS Gen2, que a su vez es compatible con la API de Blob Storage. Esto significa que prácticamente cualquier SDK o herramienta que hable con ADLS puede hablar con OneLake cambiando sólo la URL.

Desde Python con azure-storage-file-datalake

from azure.storage.filedatalake import DataLakeServiceClient
from azure.identity import DefaultAzureCredential

# OneLake usa la misma API que ADLS Gen2
service = DataLakeServiceClient(
    account_url="https://onelake.dfs.fabric.microsoft.com",
    credential=DefaultAzureCredential()
)

# Los "filesystems" son los workspaces
fs = service.get_file_system_client("Ventas")

# Y los paths siguen la jerarquía de OneLake
for p in fs.get_paths("Bronze.Lakehouse/Tables/facturas"):
    print(p.name)

Desde Spark (fuera de Fabric)

# Funciona igual desde Databricks o un Spark externo
df = spark.read.format("delta").load(
  "abfss://Ventas@onelake.dfs.fabric.microsoft.com/Bronze.Lakehouse/Tables/facturas"
)

Dentro de Fabric los propios Notebooks ya tienen el contexto configurado y no necesitas URLs completas — basta con /lakehouse/default/Tables/facturas o el shortcut correspondiente en el explorador de archivos del notebook.

Un dominio (domain) es una agrupación lógica de workspaces que pertenecen a la misma área funcional: Finanzas, Marketing, Logística, Recursos Humanos… Los dominios no mueven datos ni cambian la jerarquía física; son una capa organizativa encima de los workspaces.

¿Para qué sirven?

Los dominios son opcionales — no los necesitas en una implementación pequeña. Empiezan a tener sentido cuando tu organización supera los 20–30 workspaces y necesitas delegar responsabilidades.