Mastering Microsoft Fabric:

SAASification of Analytics 1st Edition

Debananda Ghosh
Visit to download the full and correct content document:
https://ebookmass.com/product/mastering-microsoft-fabric-saasification-of-analytics-1
st-edition-debananda-ghosh-2/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...

Mastering Microsoft Fabric: SAASification of Analytics

1st Edition Debananda Ghosh

https://ebookmass.com/product/mastering-microsoft-fabric-
saasification-of-analytics-1st-edition-debananda-ghosh-2/

The Relational Fabric of Community 1st ed. Edition

Kenneth C. Bessant

https://ebookmass.com/product/the-relational-fabric-of-
community-1st-ed-edition-kenneth-c-bessant/

Principles of Data Fabric: Become a data-driven

organization by implementing Data Fabric solutions
efficiently Mezzetta

https://ebookmass.com/product/principles-of-data-fabric-become-a-
data-driven-organization-by-implementing-data-fabric-solutions-
efficiently-mezzetta/

Essentials of Marketing Analytics 1st Edition Hair

https://ebookmass.com/product/essentials-of-marketing-
analytics-1st-edition-hair/
Control of Power Electronic Converters with Microgrid
Applications Arindam Ghosh

https://ebookmass.com/product/control-of-power-electronic-
converters-with-microgrid-applications-arindam-ghosh/

Data Fabric and Data Mesh Approaches with AI 1st

Edition Eberhard Hechler

https://ebookmass.com/product/data-fabric-and-data-mesh-
approaches-with-ai-1st-edition-eberhard-hechler/

Mastering Structural Heart Disease 1st Edition Eduardo

J. De Marchena

https://ebookmass.com/product/mastering-structural-heart-
disease-1st-edition-eduardo-j-de-marchena/

Microsoft 365 For Dummies 1st Edition Jennifer Reed

https://ebookmass.com/product/microsoft-365-for-dummies-1st-
edition-jennifer-reed/

Geospatial Data Analytics on AWS 1st Edition Scott

Bateman

https://ebookmass.com/product/geospatial-data-analytics-on-
aws-1st-edition-scott-bateman/
Mastering
Microsoft Fabric
SAASification of Analytics

Debananda Ghosh

Apress
 Mastering Microsoft
Fabric
SAASification of Analytics

Debananda Ghosh

Apress®
Mastering Microsoft Fabric: SAASification ofAnalytics

Debananda Ghosh
Singapore, Singapore

ISBN-13 (pbk): 979-8-8688-0130-3 ISBN-13 (electronic): 979-8-8688-0131-0

https://doi.org/10.1007/979-8-8688-0131-0

Copyright © 2024 by Debananda Ghosh

This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or
part of the material is concerned, specifically the rights of translation, reprinting, reuse of
illustrations, recitation, broadcasting, reproduction on microfilms or in any other physical way,
and transmission or information storage and retrieval, electronic adaptation, computer software,
or by similar or dissimilar methodology now known or hereafter developed.
Trademarked names, logos, and images may appear in this book. Rather than use a trademark
symbol with every occurrence of a trademarked name, logo, or image we use the names, logos,
and images only in an editorial fashion and to the benefit of the trademark owner, with no
intention of infringement of the trademark.
The use in this publication of trade names, trademarks, service marks, and similar terms, even if
they are not identified as such, is not to be taken as an expression of opinion as to whether or not
they are subject to proprietary rights.
While the advice and information in this book are believed to be true and accurate at the date of
publication, neither the authors nor the editors nor the publisher can accept any legal
responsibility for any errors or omissions that may be made. The publisher makes no warranty,
express or implied, with respect to the material contained herein.
Managing Director, Apress Media LLC: Welmoed Spahr
Acquisitions Editor: Smriti Srivastava
Development Editor: Laura Berendson
Editorial Assistant: Jessica Vakili
Cover designed by eStudioCalamar
Cover image by Freepik (www.freepik.com)
Distributed to the book trade worldwide by Springer Science+Business Media New York, 1
New York Plaza, Suite 4600, New York, NY 10004-1562, USA. Phone 1-800-SPRINGER, fax (201)
348-4505, e-mail orders-ny@springer-sbm.com , or visit www.springeronline.com. Apress Media,
LLC is a California LLC and the sole member (owner) is Springer Science + Business Media
Finance Inc (SSBM Finance Inc). SSBM Finance Inc is a Delaware corporation.
For information on translations, please e-mail booktranslations@springernature.com ; for
reprint, paperback, or audio rights, please e-mail bookpermissions@springernature.com .
Apress titles may be purchased in bulk for academic, corporate, or promotional use. eBook
versions and licenses are also available for most titles. For more information, reference our Print
and eBook Bulk Sales web page at www.apress.com/bulk-sales.
Any source code or other supplementary material referenced by the author in this book is
available to readers on GitHub. For more detailed information, please visit https://www.apress.
com/gp/services/source-code.
Paper in this product is recyclable
Table of Contents
About the Author ............................................................................ix

About the Technical Reviewers ....................................................... xi

Chapter 1: The Evolution of Analytics............................................. 1

Cloud Analytics Evolution ......................................................................... 2
Introduction to Microsoft Fabric.................................................................5
Analytics SaaSification ............................................................................ 6
Anatomy of Microsoft Fabric..................................................................... 9
Synapse Data Engineering .................................................................10
Synapse Data Science....................................................................... 11
Synapse Data Warehouse...................................................................11
Data Factory ....................................................................................12
Synapse Real-Time Analytics ............................................................. 12
Data Activator .................................................................................. 13
Power BI ......................................................................................... 13
Summary............................................................................................. 13
Further Reading ....................................................................................14

Chapter 2: Microsoft Fabric: The SaaSification of Analytics ...........17

Microsoft Fabric Tenants, Capacities, and Workspace ..................................18
Microsoft Fabric Trial.........................................................................25
Power BI Premium per Capacity License (P SKU)................................... 26
Microsoft Fabric Capacity: Azure Portal (F SKU) ..................................... 27

iii
TABLE OF CONTENTS

How to Provision Microsoft Fabric ............................................................28

Provision Fabric Using Power BI Premium per Capacity .......................... 29
Provisioning Fabric Using the Azure Platform ........................................34
Differentiators of SaaS Analytics ............................................................. 39
OneLake: OneDrive for the Organization................................................39
Multicloud Virtualization (AWS S3 Support)........................................... 42
Built-in Data Mesh............................................................................ 45
Summary............................................................................................. 47
Further Reading ....................................................................................48

Chapter 3: OneLake and Lakehouses for Data Engineers ............... 49

The Lakehouse Concept......................................................................... 51
Fabric Lakehouse: An Optimized Delta Lake ......................................... 52
Creating a Fabric Lakehouse .............................................................. 54
Lakehouse Data Engineering ...................................................................60
Data Ingestion and Pipeline................................................................ 61
Lakehouse Explorer .......................................................................... 70
Data Preparation and Transformation Using a Notebook.......................... 72
Defining a Spark Job .........................................................................78
Monitoring a Spark Job ..................................................................... 80
SQL Endpoint of a Lakehouse............................................................. 87
Data Visualization ............................................................................. 90
Summary............................................................................................. 92
Further Reading ....................................................................................93

Chapter 4: Microsoft Fabric for Data Scientists .............................95

Fabric Data Science Overview .................................................................98
Exploring, Ingesting, and Preparing Data ................................................. 100

iv
 TABLE OF CONTENTS

Ingesting Data.....................................................................................100
Exploring the Data................................................................................103
Preparing the Data Using a Data Wrangling Tool........................................104
Exploratory Data Analysis (EDA) and Data Visualization ............................. 108
Preparing the Data with Notebook Code.................................................. 110
Data Science with VS Code ................................................................... 112
Developing the Model .......................................................................... 116
Setting Up Experiment Tracking and Registering the Model........................ 118
Large Language Modeling and Azure OpenAI Integration ............................124
Summary............................................................................................127
Further Reading .................................................................................. 128

Chapter 5: Data Warehousing in Microsoft Fabric........................ 131

Fabric Data Warehouse Introduction....................................................... 133
Provisioning a Data Warehouse ............................................................. 134
Ingesting Data into a Data Warehouse ................................................136
Data Warehouse Development ............................................................... 141
Visual Interface Transformation......................................................... 142
Cross-Database and Virtual Datawarehouse Queries ................................. 146
SQL Query .......................................................................................... 147
SQL Server Management Studio Connectivity .......................................... 148
Advanced DW Capabilities .................................................................... 152
Workload Management ......................................................................... 154
Automated Multitiered Coaching and Query Optimization ........................... 154
Fabric DW Transaction Support.............................................................. 156
Data Models with Fabric DWs ................................................................ 157
Integration with Power BI and Microsoft Office Tools ................................. 159

v
TABLE OF CONTENTS

Monitoring a Fabric DW Pipeline.............................................................162

Summary............................................................................................164
Further Reading .................................................................................. 165

Chapter 6: Data Integration for Office Users................................ 167

Data Flow Gen2................................................................................... 170
Fabric Copilot Experience ..................................................................... 189
Data Pipeline...................................................................................... 192
Data Factory Mount..............................................................................204
Summary............................................................................................207
Further Reading .................................................................................. 208

Chapter 7: Real-Time Analytics with Microsoft Fabric................. 209

Fabric Real-Time Analytics ................................................................... 211
Create a Kusto Database ..................................................................213
Ingesting Data into the Kusto Database .............................................. 216
KQL Database Query ............................................................................ 219
Kusto Query Development..................................................................... 223
Python Plugin ......................................................................................228
Kusto API and SDK ...............................................................................230
Data Retention, Caching, and OneLake Integration.................................... 231
Using an Event Stream......................................................................... 232
Summary............................................................................................239
Further Reading .................................................................................. 240

Chapter 8: Microsoft Fabric Activator Real-Time Monitoring

and Alerts ................................................................................... 243
Data Activator Anatomy.........................................................................246
Connect with Data Sources................................................................... 250
Power BI as the Data Source ................................................................. 252

vi
 TABLE OF CONTENTS

Event Stream as a Source..................................................................... 255

Define and Detect Actionable Patterns .................................................... 260
Trigger an Automated Workflow: Custom Action ........................................ 262
Summary............................................................................................263
Further Reading .................................................................................. 264

Chapter 9: Power BI in the Microsoft Fabric Workspace.............. 265

Power BI Fundamentals ........................................................................ 267
Power BI Desktop and Power BI Report Builder.........................................268
Power BI Service................................................................................. 283
Power BI Mobile Apps .......................................................................... 290
Power BI Key New Features (Fabric)....................................................... 294
Report Auto-Create ..............................................................................294
Quick Insights .....................................................................................297
Lineage ............................................................................................. 298
Paginated Report ................................................................................ 299
Getting Insights 302
Power BI Direct Lake Mode................................................................... 302
Report Sharing 306
Datamarts .......................................................................................... 309
Fabric Power BI Copilot.........................................................................313
Summary............................................................................................316
Further Reading .................................................................................. 317

Chapter 10: Microsoft Fabric: Inside and Out...............................319

Fabric Security and Governance ............................................................. 320
Fabric Tenant Security ......................................................................... 323
Fabric Workspace Security ................................................................... 325

vii
TABLE OF CONTENTS

Fabric Item Security............................................................................. 327

Fabric Computation Security..................................................................330
Storage Encryption ..............................................................................331
Fabric Conditional Access ..................................................................... 331
Fabric and Purview: Data Governance ..................................................... 335
Fabric Pricing and Licensing..................................................................340
Summary............................................................................................348
Further Reading .................................................................................. 350

Index...........................................................................................351

viii
About the Author
Debananda Ghosh is a data and AI specialist
based in Singapore and has been working in
the data and AI field for past two decades. His
expertise includes data warehouses, database
administration, data engineering, big data
and AI, data architecture, and related cloud
analytics. Deb has worked with customers
in multiple industries such as finance,
manufacturing, utilities, telecom, retail,
e-commerce, and aviation.
He currently works with Microsoft cloud analytics global team and helps
enteprise customers achieve their digital transformation journey using
advanced analytics and AI. Prior to Microsoft, he worked in the Rolls-
Royce Singapore data lab developing aviation analytics products in the
cloud and working with big data and AI. He has a degree from Jadavpur
University, Kolkata, and a post-graduate degree in data science and
business analytics from the McCombs School of Business at the University
of Texas, Austin, also currently pursuing Chief Data, Analytics and AI
Officer Programme by NUS School of Computing. He is prominent author,
speaker and blogger in Cloud analytics and AI field. He plays pivotal role
in Microsoft Fabric ASIA community and contributor of Microsoft cloud
analytics documentation.

ix
About the Technical Reviewers
Kasam Shaikh is a prominent figure in India’s
artificial intelligence landscape, holding the
distinction of being one of India’s first four
Microsoft Most Valuable Professionals (MVPs)
in AI. Currently serving as a senior architect
at Capgemini, Kasam boasts an impressive
track record as an author, having written five
best-selling books dedicated to Azure and AI
technologies. Beyond his writing endeavors,
Kasam is recognized as a Microsoft Certified
Trainer (MCT) and influential tech YouTuber
(@mekasamshaikh). He also leads the largest online Azure AI community,
known as DearAzure | Azure INDIA, and is a globally renowned AI speaker.
His commitment to knowledge sharing extends to Microsoft Learn, where
he plays a pivotal role.
Within the realm of AI, Kasam is a respected subject-matter expert
in generative AI for the cloud. He actively promotes the adoption of no­
code and Azure OpenAI solutions and possesses a strong foundation in
hybrid and cross-cloud practices. Kasam’s versatility and expertise make
him an invaluable asset in the rapidly evolving landscape of technology,
contributing significantly to the advancement of Azure and AI.
Kasam was recently recognized as a LinkedIn Top Voice in AI, making
him the sole Indian professional to be acknowledged by both Microsoft
and LinkedIn for his contributions to the world of artificial intelligence.
In summary, Kasam Shaikh is a multifaceted professional.

xi
ABOUT THE TECHNICAL REVIEWERS

Samarendra, a seasoned data analytics

and AI engineer at Microsoft, has dedicated
his career to leveraging the potential of the
Microsoft data platform. With a wealth of
experience, he excels in crafting innovative
solutions that harness the power of data. He is
committed to exploring and implementing the
latest advancements in data technologies and
contributing to the ongoing transformation of
the industry.

xii
CHAPTER 1

The Evolution
of Analytics
At the May 2023 Microsoft Build event, Microsoft introduced the public
preview of Fabric, an end-to-end unified analytics system based on a
software-as-a-service (SaaS) architecture. Microsoft Fabric provides
high-performing business intelligence, machine learning, big data, and
artificial intelligence capabilities at scale. Microsoft Fabric compiles data
engineering, data science, business intelligence, data integration, real-time
analytics, data exploration, event-based actions, and alerts into one unified
and simplified SaaS foundation.
This book covers the end-to-end technical capabilities of Microsoft
Fabrics in depth. By the end of this book, we expect you to have a decent
understanding of Microsoft Fabric. You will be proficient enough to start or
manage a production analytics workload using Microsoft Fabric.
In this first chapter, we focus on the high-level concepts of Microsoft
Fabric. To make it more interesting, you will learn how the analytics field
has evolved over the last few decades and where Microsoft Fabric fits in.
Specifically, we will cover the following topics in this chapter:

• The evolution of cloud analytics

• What Microsoft Fabric is

• The SaaSification of analytics

• The anatomy of Microsoft Fabric

© Debananda Ghosh 2024 1

D. Ghosh, Mastering Microsoft Fabric, https://doi.org/10.1007/979-8-8688-0131-0_1
CHAPTER 1 THE EVOLUTION OF ANALYTICS

By the end of this chapter, you will understand the basics of Microsoft
Fabric. Then we will move on to in-depth coverage of each Fabric
capability in subsequent chapters.

Cloud Analytics Evolution

Today’s world is exploding with data. Most organizations today are on
a journey of data-first modernization. Organizations want their data to
be more accessible to both business users and technical users. Every
large enterprise wants to democratize its data and AI capabilities for its
business users.
On the consumer side, there are billions of users who interact with data
every day. When we watch Netflix at home, wear a smartwatch, drive the
latest car model, book a taxi, get food online, travel on a flight, or even use
social media, we generate tons of data through smart applications. As of
2023, about 2.5 quintillion (that’s 18 zeros!) bytes of data are generated every
day, primarily through social media, gaming, and video.
This data unlocks a lot of business value. Any organization harnessing
the data and gaining business insights has a higher potential for profits.
However, each organization needs to unify its data and simplify the
data silos and data integrations, which is a huge challenge. The tasks of
managing the data and analyzing it require advanced data management
capabilities.
Data management capabilities have evolved in several ways. In the
late 1980s, data warehouses performed cost-effective transformations for
decision-making purposes. For example, on-premises data warehouse
appliances had massively parallel processing (MPP) architectures to
analyze data.
When Internet usage surged in the late 1990s, the data volume,
velocity, variety, and veracity also changed. To solve such big data
problems, organizations needed more advanced and scalable capabilities

2
 CHAPTER 1 THE EVOLUTION OF ANALYTICS

for cost-effective data management processes. On-premises Hadoop

distributors such as Hortonworks, Cloudera, and MAPR offered big data
and analytics frameworks and tools to solve such problems.
As data continued to explode, analytics frameworks needed even
higher performance and scalability. At the same time, the industry needed
to be agile enough to adopt new business use cases during their digital
transformation journey. Thus, the industry started to move to the cloud
platform for its scalability, pay-per-usage model, low IT overhead, and
lower total cost of ownership. Adopting cloud analytics went hand in hand
with migrating to a cloud infrastructure. Initially cloud analytics were
based on an infrastructure-as-a-service (IaaS) foundation.
Figure 1-1 provides a quick overview of the main types of cloud
infrastructure—IaaS, platform as a service (PaaS), and software as a service
(SaaS)—as well as on-premises capabilities. The highlighted tasks in
Figure 1-1 are managed by customers, and the rest are managed by cloud
providers. For example, for PaaS, the operating system (OS) is managed by
the cloud provider, and the application is managed by the organization.

On premise, laaS, PaaS, SaaS

Infrastructure Platform as a Software as a

On premise
as a Service service service

Figure 1-1. On-premises, IaaS, PaaS, and SaaS differences

3
CHAPTER 1 THE EVOLUTION OF ANALYTICS

The cloud analytics IaaS journey starts by installing open-source tools

such as Spark, Python, etc., for users on multiple scalable virtual machines
on the cloud. To simplify this experience, preconfigured cloud data science
virtual machines (for example, the Azure Data Science Virtual Machine)
became available. Analytics partners such as Hortonworks (Cloudbreak)
and Cloudera Data Platform (CDP) also started offering preconfigured
cloud analytics marketplace solutions in 2014. These solutions were based
on multiple scalable virtual machines.
During a similar timeframe (2010 to 2020), cloud analytics capabilities
evolved through PaaS foundations. Services like the Azure SQL Data
Warehouse (gen1/gen2), Azure HDinsight EMR, and Google BigQuery are
examples of such PaaS services. The advantages of these services include no
patching of analytics virtual machines, no upgrade of the analytics engine,
and no maintenance overhead. These capabilities further evolved into
the unified analytics platforms (for example, Azure Synapse analytics in
2020), which enhance developer productivity and involve various options,
including low-code, no-code, and code-centric experiences approaches.
SaaS based Microsoft Fabric release (released in 2023) is the latest
tool in the cloud analytics space during the course of the book writing.
The Microsoft Fabric workspace further simplifies the unified analytics
experience and empowers users to achieve more in the data and AI field.
Figure 1-2 depicts the cloud analytics evolution and related timeline.

Figure 1-2. Cloud analytics evolution from IaaS to SaaS

4
 CHAPTER 1 THE EVOLUTION OF ANALYTICS

Let’s focus now on Microsoft Fabric in the following section. You will
then learn more about the SaaSification benefits of Microsoft Fabric cloud
analytics in subsequent sections.

Introduction to Microsoft Fabric

Microsoft Fabric evolved from Microsoft Azure Synapse analytics, Azure
Data Factory, and Power BI services to SaaS architecture. Microsoft Fabric
empowers every user to innovate and act faster on data insights. The
Fabric workspace offers a secure process to discover, analyze, and manage
the data from diverse sources, from centralized ones to governed sources.
Collaboration capabilities inside the workspace provide a “single pane of
glass” data view for enterprises.
In addition, conversational language integration with ChatGPT,
Copilot integration (an upcoming feature), the ability to manage
powerful AI models, one-click visualizations from datasets, code-free
data wrangling, and many more capabilities are available in this SaaS
foundation. Fabric also helps organizations to optimize their expense
management and provides fast deployment capabilities for greenfield
scenarios.
Organizations that are already using Azure Synapse analytics will
continue to enjoy the existing capabilities. Additionally, they will be able
to adopt the newest data and AI capabilities using the Fabric workspace.
For Power BI users, Fabric brings additional new data analytics capabilities
to the same Power BI interface. As part of its SaaS foundation, Microsoft
Fabric offers a simplified and unified lakehouse concept known as
OneLake. (We will discuss the OneLake capability more in Chapter 2.)
Figure 1-3 depicts the Azure Data Factory, Synapse analytics, and Power BI
components of the unified Microsoft Fabric platform.

5
CHAPTER 1 THE EVOLUTION OF ANALYTICS

Figure 1-3. Microsoft Fabricfoundation

In the next section, we will discuss the advantages of being a cloud

analytics SaaS service compared to a cloud analytics PaaS offering.

Analytics SaaSification
The PaaS cloud analytics capabilities are simpler to adopt for the majority
of enterprises. Products like Azure Synapse analytics have brought the
following capabilities to developers and data analysts:
• A simplified user experience

• Unification of data engineering, data science, data

pipeline, data exploration, and real-time analytics in a
single workspace

• Increased developer productivity via code-free

mechanisms
• Code-free data pipeline design and big data
transformation capabilities

• Scalability using auto-scale, scale-up, and scale-out

features

• Easier collaboration

6
 CHAPTER 1 THE EVOLUTION OF ANALYTICS

• A DataOps mechanism through CI/CD

• Integration with Power BI

• Integration with a data governance tool

As next step journey towards cloud analytics SaaS product, Microsoft
Fabric provides the following capabilities:

• Intuitive experience: Microsoft Fabric brings an Office

365-like user experience to its workspace, simplifying
the development experience for its users.

• OneLake-One drive for Organization: OneLake

capability brings a Windows Explorer/OneDrive-like
experience to file exploration. The OneLake shortcut
capability creates multicloud virtualization with one
click. This experience is quite similar to the Windows
desktop’s Create Shortcut command.

• Built-in data mesh: Microsoft Fabric allows developers

to associate and deploy its components (artifacts)
based on a customized domain. Thus, it natively helps
developers create a data mesh framework.
• Visual query editor: The Fabric lakehouse comes
with a visual editor that helps to develop queries in a
completely code-free manner.
• Dataflow Gen2: Fabric incorporates a Dataflow Gen2
capability for extraction, transformation, and loading
(ETL) development purposes, which creates an easy
development experience like with Office tools. It
inherits a Power Query-based data orchestration
experience. (Learn more about Power Query in the
“Further Reading” section.)

7
CHAPTER 1 THE EVOLUTION OF ANALYTICS

• Code-free data wrangling: The Fabric notebook

provides data wrangling capabilities through a visual
editor. It enhances productivity for data scientists, who
can then focus on core experimentation work.

• World-class lakehouse: Users can create a unified

Fabric lakehouse with one click. The Fabric lakehouse
introduces Spark auto-tuning, fast Spark pool
activation, and higher concurrency support as part of
its advanced Spark offering.
• Auto-visualization: With one click users can generate
insights from data inside a Microsoft Fabrics dataset.

• Simplified licensing: Purchasing Fabric is easier

through the Azure and Power BI portals and
comes with simplified line items like storage cost
and computation cost. A built-in capacity metrics
application provides simpler visibility for cost
management.

• Code-free real-time alert configuration: The

workspace has a Data Activator interface that helps
users configure alerts based on any event in a user­
friendly way.
• Machine learning user interface: A user-friendly
interface for machine learning model tracking and
experimentation capability is available in the Microsoft
Fabric Data Science interface.

• Virtual data warehouse: The Fabric workspace

provides the ability to query across virtual data
warehouses.

8
Another random document with
no related content on Scribd:
a cuántos bienes alargó la mano
el que de la amistad mostró el camino; 30
y luego vos, de la amistad ejemplo,
os me ofrecéis en estos pensamientos.
Y con vos a lo menos me acontece
una gran cosa, al parecer estraña;
y porque la sepáis en pocos versos, 35
es que, considerando los provechos,
las honras y los gustos que me vienen
desta vuestra amistad, que en tanto tengo,
ninguna cosa en mayor precio estimo,[289]
ni me hace gustar del dulce estado, 40
tanto como el amor de parte mía.
Este conmigo tiene tanta fuerza,
que sabiendo muy bien las otras partes
de la amistad, de la estrecheza nuestra,
con solo aqueste el alma se enternece; 45
y sé que otra mente me aprovecha,
que el deleite, que suele ser pospuesto
a las útiles cosas y a las graves.[290]
Llévame a escudriñar la causa desto
ver contino tan recio en mí el efeto, 50
y hallo que el provecho, el ornamento,
el gusto y el placer que se me sigue
del vínculo de amor que nuestro genio
enredó sobre nuestros corazones,
son cosas que de mí no salen fuera, 55
y en mí el provecho solo se convierte.
Mas el amor, de donde por ventura
nacen todas las cosas, si hay algunas
que a vuestra utilidad y gusto miren,
es razón grande que en mayor estima 60
tenido sea de mí, que todo el resto,
cuánto más generosa y alta parte
es el hacer el bien que el recebillo;[291]
así que amando me deleito, y hallo
que no es locura este deleite mío. 65
 ¡Oh cuán corrido estoy y arrepentido
de haberos alabado el tratamiento
del camino de Francia y las posadas![292]
Corrido de que ya por mentiroso
con razón me tendréis; arrepentido 70
de haber perdido tiempo en alabaros
cosa tan dina ya de vituperio;
donde no hallaréis sino mentiras,
vinos acedos, camareras feas,
varletes codiciosos, malas postas,[293] 75
gran paga, poco argén, largo camino;[294]
llegar al fin a Nápoles no habiendo
dejado allá enterrado algún tesoro,
salvo si no decís que es enterrado
lo que nunca se halla ni se tiene. 80
A mi señor Dural estrechamente[295]
abrazad de mi parte, si pudierdes.
Doce del mes de Otubre, de la tierra
do nació el claro fuego del Petrarca,
y donde están del fuego las cenizas.[296] 85
 CANCIÓN PRIMERA

Si a la región desierta, inhabitable

por el hervor del sol demasiado,
y sequedad de aquella arena ardiente;
o a la que por el hielo congelado
y rigurosa nieve es intratable, 5
del todo inhabitada de la gente,
por algún acidente
o acaso de fortuna desastrada,
me fuésedes llevada,
y supiese que allá vuestra dureza 10
estaba en su crueza,
allá os iría a buscar, como perdido,[297]
hasta morir a vuestros pies tendido.[298]

Vuestra soberbia y condición esquiva

acabe ya, pues es tan acabada 15
la fuerza de en quien ha de esecutarse.[299]
Mirad bien que el amor se desagrada
deso, pues quiere que el amante viva
y se convierta a do piense salvarse.[300]
El tiempo ha de pasarse, 20
y de mis males, arrepentimiento,
confusión y tormento
sé que os ha de quedar, y esto recelo;
¡que aún de aquesto me duelo!
Como en mí vuestros males son de otra arte, 25
duélenme en más sensible y tierna parte.
 Así paso la vida, acrecentando
materia de dolor a mis sentidos,
como si la que tengo no bastase;
los cuales para todo están perdidos, 30
sino para mostrarme a mí cuál ando.
Pluguiese a Dios que aquesto aprovechase
para que yo pensase
un rato en mi remedio, pues os veo
siempre ir con un deseo 35
de perseguir al triste y al caído;
yo estoy aquí tendido,[301]
mostrándoos de mi muerte las señales,
y vos viviendo solo de mis males.

Si aquella amarillez y los sospiros[302] 40

salidos sin licencia de su dueño;
si aquel hondo silencio no han podido
un sentimiento grande ni pequeño
mover en vos, que baste convertiros
a siquiera saber que soy nacido, 45
baste ya haber sufrido
tanto tiempo, a pesar de lo que basto;
que a mí mismo contrasto,[303]
dándome a entender que mi flaqueza
me tiene en la tristeza 50
en que estoy puesto, y no lo que yo entiendo;
así que con flaqueza me defiendo.

Canción, no has de tener

comigo que ver más en malo o en bueno;
trátame como ajeno, 55
que no te faltará de quien lo aprendas.
Si has miedo que me ofendas,
no quieras hacer más por mi derecho
de lo que hice yo, que el mal me he hecho.
 CANCIÓN SEGUNDA

La soledad siguiendo,
rendido a mi fortuna,
me voy por los caminos que se ofrecen,
por ellos esparciendo
mis quejas de una en una 5
al viento, que las lleva do perecen;[304]
puesto que ellas merecen
ser de vos escuchadas,
pues son tan bien vertidas,
he lástima de ver que van perdidas 10
por donde suelen ir las remediadas.
A mí se han de tornar,
adonde para siempre habrán de estar.[305]

Mas ¿qué haré, señora,

en tanta desventura? 15
¿Adónde iré, si a vos no voy con ella?
¿De quién podré yo agora
valerme en mi tristura,
si en vos no halla abrigo mi querella?
Vos sola sois aquella 20
con quien mi voluntad
recibe tal engaño,
que viéndoos holgar siempre con mi daño,
me quejo a vos, como si en la verdad
vuestra condición fuerte 25
tuviese alguna cuenta con mi muerte.
 Los árboles presento
entre las duras peñas
por testigo de cuanto os he encubierto;
de lo que entrellas cuento 30
podrán dar buenas señas,
si señas pueden dar del desconcierto.
Mas ¿quién tendrá concierto
en contar el dolor,
que es de orden enemigo? 35
No me den pena, pues, por lo que digo;
que ya no me refrenará el temor.
¡Quién pudiese hartarse[306]
de no esperar remedio y de quejarse!

Mas esto me es vedado 40

con unas obras tales
con que nunca fue a nadie defendido;
que si otros han dejado
de publicar sus males,
llorando el mal estado a que han venido, 45
señora, no habrá sido
sino con mejoría
y alivio en su tormento;
mas ha venido en mí a ser lo que siento
de tal arte, que ya en mi fantasía 50
no cabe; y así, quedo
sufriendo aquello que decir no puedo.

Si por ventura estiendo

alguna vez mis ojos
por el proceso luengo de mis daños, 55
con lo que me defiendo
de tan grandes enojos,
solamente es allí con mis engaños;
mas vuestros desengaños
vencen mi desvarío 60
y apocan mis defensas.
Sin yo poder dar otras recompensas,
sino que, siendo vuestro más que mío,
quise perderme así,
por vengarme de vos, señora, en mí. 65

Canción, yo he dicho más que me mandaron,

y menos que pensé;
no me pregunten más, que lo diré.[307]
 CANCIÓN TERCERA

Con un manso ruído

de agua corriente y clara,
cerca el Danubio una isla, que pudiera[308]
ser lugar escogido
para que descansara 5
quien como yo estó agora, no estuviera;
do siempre primavera
parece en la verdura
sembrada de las flores;
hacen los ruiseñores 10
renovar el placer o la tristura
con sus blandas querellas,
que nunca día ni noche cesan dellas.

Aquí estuve yo puesto,

o por mejor decillo, 15
preso y forzado y solo en tierra ajena;[309]
bien pueden hacer esto
en quien puede sufrillo
y en quien él a sí mismo se condena.
Tengo solo una pena, 20
si muero desterrado
y en tanta desventura,
que piensen por ventura
que juntos tantos males me han llevado;
y sé yo bien que muero 25
por solo aquello que morir espero.
 El cuerpo está en poder
y en manos de quien puede
hacer a su placer lo que quisiere;
mas no podrá hacer 30
que mal librado quede,
mientras de mí otra prenda no tuviere.
Cuando ya el mal viniere
y la postrera suerte,
aquí me ha de hallar, 35
en el mismo lugar;
que otra cosa más dura que la muerte
me halla y ha hallado;
y esto sabe muy bien quien lo ha probado.

No es necesario agora 40
hablar más sin provecho,
que es mi necesidad muy apretada;
pues ha sido en un hora
todo aquello deshecho
en que toda mi vida fue gastada. 45
Y al fin de tal jornada
¿presumen espantarme?
Sepan que ya no puedo
morir sino sin miedo;
que aun nunca qué temer quiso dejarme 50
la desventura mía,
que el bien y el miedo me quitó en un día.

Danubio, río divino,[310]

que por fieras naciones[311]
vas con tus claras ondas discurriendo, 55
pues no hay otro camino
por donde mis razones
vayan fuera de aquí, sino corriendo
por tus aguas y siendo
en ellas anegadas; 60
si en tierra tan ajena
en la desierta arena
fueren de alguno acaso en fin halladas,
entiérrelas, siquiera,
porque su error se acabe en tu ribera. 65

Aunque en el agua mueras,

canción, no has de quejarte;
que yo he mirado bien lo que te toca.
Menos vida tuvieras
si hubieras de igualarte 70
con otras que se me han muerto en la boca.
Quién tiene culpa desto,
allá lo entenderás de mí muy presto.
 C A N C I Ó N C U A RTA [ 3 1 2 ]

El aspereza de mis males quiero[313]

que se muestre también en mis razones,
como ya en los efetos se ha mostrado.
Lloraré de mi mal las ocasiones,
sabrá el mundo la causa por que muero, 5
y moriré a lo menos confesado.[314]
Pues soy por los cabellos arrastrado
de un tan desatinado pensamiento,
que por agudas peñas peligrosas,
por matas espinosas, 10
corre con ligereza más que el viento,
bañando de mi sangre la carrera;
y para más despacio atormentarme,
llévame alguna vez por entre flores,
a do de mis tormentos y dolores 15
descanso, y dellos vengo a no acordarme;
mas él a más descanso no me espera;
antes, como me ve desta manera,
con un nuevo furor y desatino
toma a seguir el áspero camino. 20

No vine por mis pies a tantos daños;

fuerzas de mi destino me trajeron,
y a la que me atormenta me entregaron.
Mi razón y juicio bien creyeron
guardarme, como en los pasados años 25
de otros graves peligros me guardaron;
mas cuando los pasados compararon
con los que venir vieron, no sabían
lo que hacer de sí ni dó meterse;
que luego empezó a verse 30
la fuerza y el rigor con que venían.
Mas de pura vergüenza constreñida,
con tardo paso y corazón medroso
al fin ya mi razón salió al camino.
Cuanto era el enemigo más vecino, 35
tanto más el recelo temeroso
le mostraba el peligro de su vida.
Pensar en el temor de ser vencida,
la sangre alguna vez le calentaba,
mas el mismo temor se la enfriaba. 40

Estaba yo a mirar, y peleando

en mi defensa mi razón estaba
cansada, y en mil partes ya herida;
y sin ver yo quién dentro me incitaba,
ni saber cómo, estaba deseando 45
que allí quedase mi razón vencida.[315]
Nunca en todo el proceso de mi vida
cosa se me cumplió que desease
tan presto como aquesta; que a la hora[316]
se rindió la señora, 50
y al siervo consintió que gobernase[317]
y usase de la ley del vencimiento.
Entonces yo sentime salteado
de una vergüenza libre y generosa;
corrime gravemente que una cosa 55
tan sin razón hubiese así pasado.
Luego siguió el dolor al corrimiento
de ver mi reino en mano de quien cuento
que me da vida y muerte cada día,
y es la más moderada tiranía. 60

Los ojos, cuya lumbre bien pudiera

tornar clara la noche tenebrosa,
y escurecer al sol a mediodía,
me convirtieron luego en otra cosa.
En volviéndose a mí la vez primera 65
con el calor del rayo que salía
de su vista, que en mí se difundía,
y de mis ojos la abundante vena
de lágrimas, al sol que me inflamaba,
no menos ayudaba 70
a hacer mi natura en todo ajena
de lo que era primero. Corromperse
sentí el sosiego y libertad pasada,
y el mal de que muriendo estó, engendrarse,
y en tierra sus raíces ahondarse 75
tanto cuanto su cima levantada
sobre cualquier altura hace verse.
El fruto que de aquí suele cogerse,
mil es amargo, alguna vez sabroso;
mas mortífero siempre y ponzoñoso. 80

De mí agora huyendo, voy buscando

a quien huye de mí como enemiga;
que al un error añado el otro yerro,
y en medio del trabajo y la fatiga
estoy cantando yo, y está sonando 85
de mis atados pies el grave hierro;
mas poco dura el canto si me encierro
acá dentro de mí, porque allí veo
un campo lleno de desconfianza.
Muéstrame la esperanza 90
de lejos su vestido y su meneo;
mas ver su rostro nunca me consiente.
Torno a llorar mis daños, porque entiendo
que es un crudo linaje de tormento
para matar aquel que está sediento, 95
mostralle el agua por que está muriendo;
de la cual el cuitado juntamente
la claridad contempla, el ruido siente;
mas cuando llega ya para bebella,
gran espacio se halla lejos della.[318] 100

De los cabellos de oro fue tejida

la red que fabricó mi sentimiento,
do mi razón revuelta y enredada
con gran vergüenza suya y corrimiento,
sujeta al apetito y sometida, 105
en público adulterio fue tomada,
del cielo y de la tierra contemplada.[319]
Mas ya no es tiempo de mirar yo en esto,
pues no tengo con qué considerallo,
y en tal punto me hallo, 110
que estoy sin armas en el campo puesto,
y el paso ya cerrado y la huida.
¿Quién no se espantará de lo que digo?
Que es cierto que he venido a tal estremo,
que del grave dolor que huyo y temo, 115
me hallo algunas veces tan amigo,
que en medio dél, si vuelvo a ver la vida
de libertad, la juzgo por perdida,
y maldigo las horas y momentos
gastados mal en libres pensamientos. 120

No reina siempre aquesta fantasía,

que en imaginación tan variable
no se reposa un hora el pensamiento.
Viene con un rigor tan intratable
a tiempos el rigor, que al alma mía 125
desampara, huyendo, el sufrimiento,
lo que dura la fuerza del tormento.
No hay parte en mí que no se me trastorne
y que en torno de mí no esté llorando;
de nuevo protestando 130
que de la vía espantosa atrás me torne.
Esto ya por razón no va fundado,
ni le dan parte dello a mi juicio,
que este discurso todo es ya perdido;
mas es en tanto daño del sentido 135
este dolor, y en tanto perjuicio,
que todo lo sensible atormentado,
del bien, si alguno tuvo, ya olvidado
está de todo punto, y solo siente
la furia y el rigor del mal presente. 140

En medio de la fuerza del tormento

una sombra de bien se me presenta,
do el fiero ardor un poco se mitiga.
Figúraseme cierto a mí que sienta
alguna parte de lo que yo siento 145
aquella tan amada mi enemiga.
Es tan incomportable la fatiga,
que si con algo yo no me engañase
para poder llevalla, moriría;
y así, me acabaría 150
sin que de mí en el mundo se hablase.
Así que, del estado más perdido
saco algún bien; mas luego en mí la suerte
trueca y revuelve el orden; que algún hora,
si el mal acaso un poco en mí mejora, 155
aquel descanso luego se convierte
en un temor que me ha puesto en olvido
aquella por quien sola me he perdido.
Así, del bien que un rato satisface,
nace el dolor que el alma me deshace. 160

Canción, si quien te viere se espantare

de la instabilidad y ligereza
y revuelta del vago pensamiento;
estable, grave y firme es el tormento
le di, que es causa; cuya fortaleza 165
es tal, que en cualquier parte que tocare,
la hará revolver hasta que pare
en aquel fin de lo terrible y fuerte,
que todo el mundo afirma que es la muerte.
 C A N C I Ó N Q U I N TA

Si de mi baja lira[320]
tanto pudiese el son, que un momento
aplacase la ira
del animoso viento,
y la furia del mar y el movimiento;[321] 5

y en ásperas montañas
con el suave canto enterneciese
las fieras alimañas,
los árboles moviese,
y al son confusamente los trajese;[322] 10

no pienses que cantado

sería de mí, hermosa flor de Nido,[323]
el fiero Marte airado,
a muerte convertido,
de polvo y sangre y de sudor teñido; 15

ni aquellos capitanes
en las sublimes ruedas colocados,[324]
por quien los alemanes
el fiero cuello atados,
y los franceses van domesticados.[325] 20

Mas solamente aquella

fuerza de tu beldad sería cantada,
y alguna vez con ella
también sería notada
el aspereza de que estás armada;
 y cómo por ti sola, 25
y por tu gran valor y hermosura,
convertida en viola,[326]
llora su desventura
el miserable amante en su figura. 30

Hablo de aquel cativo,

de quien tener se debe más cuidado,
que está muriendo vivo,
al remo condenado,
en la concha de Venus amarrado.[327] 35

Por ti, como solía,

del áspero caballo no corrige
la furia y gallardía,
ni con freno le rige,
ni con vivas espuelas ya le aflige. 40

Por ti, con diestra mano

no revuelve la espada presurosa,
y en el dudoso llano
huye la polvorosa
palestra como sierpe ponzoñosa.[328] 45

Por ti, su blanda musa,

en lugar de la cítara sonante,
tristes querellas usa,[329]
que con llanto abundante
hacen bañar el rostro del amante. 50

Por ti, el mayor amigo

le es importuno, grave y enojoso;
yo puedo ser testigo,
que ya del peligroso
naufragio fui su puerto y su reposo. 55

Y agora en tal manera

vence el dolor a la razón perdida,
que ponzoñosa fiera
nunca fue aborrecida
tanto como yo dél, ni tan temida. 60

No fuiste tú engendrada
ni producida de la dura tierra;
no debe ser notada
que ingratamente yerra
quien todo el otro error de sí destierra.[330] 65

Hágate temerosa
el caso de Anajerete, y cobarde,
que de ser desdeñosa
se arrepintió muy tarde;
y así, su alma con su mármol arde.[331] 70

Estábase alegrando
del mal ajeno el pecho empedernido,
cuando abajo mirando,
el cuerpo muerto vido
del miserable amante, allí tendido. 75

Y al cuello el lazo atado,

con que desenlazó de la cadena
el corazón cuitado,
que con su breve pena
compró la eterna punición ajena. 80

Sintió allí convertirse

en piedad amorosa el aspereza.
¡Oh tarde arrepentirse!
¡Oh última terneza!
¿Cómo te sucedió mayor dureza? 85

Los ojos se enclavaron

en el tendido cuerpo que allí vieron,
los huesos se tornaron
más duros y crecieron,
y en sí toda la carne convirtieron; 90

las entrañas heladas

tornaron poco a poco en piedra dura;
por las venas cuitadas
la sangre su figura
iba desconociendo y su natura;[332] 95

hasta que, finalmente,

en duro mármol vuelta y trasformada,
hizo de sí la gente
no tan maravillada
cuanto de aquella ingratitud vengada. 100

No quieras tú, señora,

de Némesis airada las saetas[333]
probar, por Dios, agora;
baste que tus perfetas
obras y hermosura a los poetas 105

den inmortal materia,

sin que también en verso lamentable
celebren la miseria
de algún caso notable
que por ti pase triste y miserable. 110