El grupo de productos Microsoft hizo recientemente unAMA en Redditsobre su producto analítico más nuevo y mejor, “Microsoft Fabric”, anunciado en la conferencia de construcción.
Dataflows Gen2 ofrece una experiencia completa de integración de datos ETL/ELT, revolucionando la forma en que las empresas extraen, transforman y cargan datos. En esta publicación de blog, profundizamos en las interesantes características y avances que hacen de Dataflows Gen2 un punto de inflexión en el ámbito de la integración de datos.
Comparación tabular entre Dataflows y Dataflows Gen2:
| Característica | Flujos de datos | Flujos de datos Gen2 |
|---|---|---|
| Integración | Parte de Power BI/Power Platform | Capacidad de integración de datos de uso general (más allá de Power BI) |
| Destinos de salida | Destinos limitados (Power BI) | Múltiples destinos (Fabric/Synapse Lakehouse, Warehouse, Real-Time Analytics, SQL y más) |
| Rendimiento y escala | Rendimiento y escala limitados | Construido sobre motores informáticos Fabric para mejorar el rendimiento y la escala |
| Puesta en escena | Utiliza el mecanismo de preparación predeterminado | Utiliza Fabric Lakehouse para la puesta en escena, lo que resulta en un mejor rendimiento |
| Funcionalidad de copia | No admite copia a escala de petabytes | Se integra con copia a escala de petabytes para una importación/copia de datos más rápida |
| Integración de monitoreo | No especificado | Se integra completamente con el centro de Fabric Monitoring |
| Crear/Guardar modelo | Mejoras generales | Experiencia mejorada de creación y guardado de modelos. |
| Licencias | Capacidades premium de Power BI | Funciona con capacidades Fabric y capacidades Premium de Power BI |
Dataflows Gen2 se presenta como una evolución de Dataflows con varias mejoras y capacidades. Introduce destinos de salida, lo que permite escribir los resultados de la transformación en varios destinos.
Lectura sugerida:Comparación de Google Workspace con M365, Microsoft 365 Business y Enterprise
Está construido sobre motores informáticos Fabric y aborda problemas de rendimiento y escala. Aprovecha Fabric Lakehouse para la puesta en escena y se integra con el monitoreo. La importación/copia de datos se agiliza con la integración de la copia a escala de petabytes.
En general, Dataflows Gen2 tiene como objetivo proporcionar una experiencia de transformación de datos más versátil y flexible con mejor rendimiento y escala en comparación con su predecesor, Dataflows.
En Microsoft Fabric, una casa del lago se implementa mediante Azure Data Lake Storage y un modelo/conjunto de datos se implementa mediante Azure SQL Database.
Aquí hay una tabla que resume las diferencias entre una casa en el lago y un modelo/conjunto de datos:
| Característica | casa del lago | Modelo de datos/conjunto de datos |
|---|---|---|
| Arquitectura de almacenamiento | Repositorio único | Repositorios separados |
| Flexibilidad | muy flexible | Menos flexible |
| Manejabilidad | Puede ser difícil de manejar | Más fácil de gestionar |
| Consistencia | Puede ser difícil garantizar la coherencia | La coherencia es más fácil de garantizar |
| Exactitud | Puede ser difícil garantizar la precisión | La precisión es más fácil de garantizar |
| Idoneidad para diferentes propósitos. | Adecuado para una variedad de propósitos | No apto para todos los propósitos. |
Conclusión:
Con la introducción de Dataflows Gen2, las organizaciones ahora tienen acceso a una herramienta de integración de datos potente y versátil que va más allá de los límites de Power BI.
La capacidad de aprovechar múltiples destinos de salida, el rendimiento y la escala mejorados, la perfecta integración de monitoreo y las capacidades de creación mejoradas hacen de Dataflows Gen2 un componente vital en el conjunto de herramientas de administración de datos.
A medida que Microsoft continúa perfeccionando y ampliando esta tecnología, las posibilidades de transformar y extraer conocimientos de los datos se vuelven aún más convincentes. Aproveche el poder de Dataflows Gen2 y descubra un mundo de potencial para sus necesidades de integración de datos.