Начинаю встречать варианты DWH на Data Lake, модель данных плоскими csv файлами Job-ами через U-SQL и всё такое (вперемешку с XML/JSON)..
Кимбал со своей Star Schema (и созвездиями) как-бы тоже прямо так и не пишет в определениях что обязательно должно висеть на RDBMS,
так что вроде как-бы вполне по фэн-шую получается, чисто вопрос требований к балансу производительности/цены..
нужно быстро и интерактивно по большим объёмам - MPP, если какие-то постоянные отчёты
по расписанию - то и такое подойдёт, тем более обслуживать чуть проще получается.

Если вопрос именно по MS то я как-бы согласен с тем что будущее U-SQL (и ADLA) весьма под большим вопросом
(вместе с ADLS Gen1 на Hadoop), т.к. не совместимо с ADLS Gen2 (что в принципе уже другой продукт) и с последней версией стало
легче напрямую работать (парсить/конвертировать файлы) другими инструментами (DataBricks, Python, PS / CloudShell / C# и пр.)

Тот-же SQL Server (и его облачные клоны) довольно давно (кажется появилось в 2016-й версии) вполне даже адаптированны именно
под такой подход (чаще используемый в ETL целях) через External Tables (Data Sources / File Formats) на PolyBase (без всяких MapReduce)
даже не говоря об ещё раньше появившихся Linked Servers или OpenQuery/OpenRowset

Что собственно не меняет самой сути - где и в каком виде хранятся данные (вплоть до SchemaOnRead): в RDBMS/MPP или на диске..
По скоростям конечно далеко до MPP несмотря на кластеры (Compute/Worker ноды) со стороны обработки файлов (партиционирование и пр.)
но для моделирования и не быстрых вариантов DWH медленной отчётности подешевле с файловой системы - вполне годится.

Там так замутили чисто из-за того что DL помойка уже была общая для всего энтерпрайса
(куда бросали всё, отовсюду и в разных форматах, структурированное и нет),
с оркестрацией через ADF, и решили не заморачиваться лишними расходами типа Synapse плюс разработка.
(MPP который вроде-бы как всё равно архитектурно работает на ADLS Gen2,
к тому-же теперь включает интегрированный Apache Spark {Scala} тоже на ADLS Gen2
{опять-же вспоминается DataBricks со своей встроенной / native поддержкой SQL
да на их-то масштабируемых кластерах фактически опять получается тот-же MPP})


Synapse есть - но он для других более критичных целей аналитики
я так понял что по их оценке неоправданно было из финансовых соображений многие проекты на MPP/DWH переносить
т.е. в их случае часть Power BI отчётности (в пределах нескольких датамартов) приемлемо работала и с DL без проблем
(данные из новых заброшенных в контейнер файлов появлялись на фронт-енде автоматически)

Даже облачный SSAS (AAS табличный) работает с DataLake напрямую (нет необходимости прокачивать данные по всей длинной цепи до DWH)

По поводу DataBricks (и Power BI) - eсли через Hive сделал то вот здесь на 9й минуте говорят (и показывают) что видно.