Introducción a los conectores
Data Factory en Microsoft Fabric ofrece un amplio conjunto de conectores que permiten conectarse a diferentes tipos de almacenes de datos. Puede aprovechar esos conectores para transformar datos en flujos de datos o mover un nivel pb de conjunto de datos con gran escala en una canalización de datos.
Importante
Microsoft Fabric está actualmente en versión preliminar. Esta información está relacionada con un producto en versión preliminar que puede modificarse considerablemente antes de su lanzamiento. Microsoft no ofrece ninguna garantía, expresa o implícita, con respecto a la información que se ofrece aquí. Consulte Azure Data Factory documentación del servicio en Azure.
Conectores de datos admitidos en flujos de datos
Los flujos de datos proporcionan funcionalidades de ingesta y transformación de datos en una amplia gama de orígenes de datos. Estos orígenes de datos incluyen varios tipos de archivos, bases de datos, en línea, en la nube y orígenes de datos locales. Hay más de 135 conectores de datos diferentes, a los que se puede acceder desde la experiencia de creación de flujos de datos dentro de la experiencia de obtención de datos.
Puede encontrar una lista completa de todos los conectores admitidos a través de nuestra referencia pública de conectores de Power Query. Los conectores admitidos coinciden con los marcados como compatibles en la columna Power BI (flujos de datos) de la tabla de referencia Power Query.
Los conectores siguientes están disponibles actualmente para los destinos de salida en Dataflow Gen2:
- Explorador de datos de Azure
- Azure SQL
- almacenamiento de datos
- Lakehouse
Almacenes de datos admitidos en la canalización de datos
Data Factory en Microsoft Fabric admite los siguientes almacenes de datos en una canalización de datos a través de las actividades Copiar, Buscar, Obtener metadatos y Eliminar datos. Vaya a cada almacén de datos para conocer las funcionalidades admitidas y las configuraciones correspondientes en detalle.
| Categoría | Almacén de datos | actividad de copia (origen o destino) | Actividad de búsqueda | Actividad de obtención de metadatos | Actividad de eliminación | Actividad de script | Actividad de procedimiento almacenado |
|---|---|---|---|---|---|---|---|
| Área de trabajo | almacenamiento de datos | ✓/✓ | ✓ | ✓ | - | ✓ | ✓ |
| Base de datos KQL | ✓/✓ | ✓ | - | - | - | - | |
| Lakehouse | ✓/✓ | - | - | ✓ | - | - | |
| Azure | Azure Blob Storage | ✓/✓ | ✓ | ✓ | ✓ | - | - |
| Azure Cosmos DB para NoSQL | ✓/✓ | ✓ | ✓ | ✓ | - | - | |
| Azure Data Lake Storage Gen1 | ✓/✓ | ✓ | ✓ | ✓ | - | - | |
| Azure Data Lake Storage Gen2 | ✓/✓ | ✓ | ✓ | ✓ | - | - | |
| Azure Database for PostgreSQL | ✓/✓ | ✓ | - | - | - | - | |
| Azure SQL Database | ✓/✓ | ✓ | ✓ | ✓ | ✓ | ✓ | |
| Instancia administrada de Azure SQL Database | ✓/✓ | ✓ | ✓ | - | ✓ | ✓ | |
| Explorador de Azure SQL | ✓/✓ | ✓ | - | - | - | - | |
| Azure Synapse Analytics | ✓/✓ | ✓ | ✓ | - | ✓ | ✓ | |
| Azure Table Storage | ✓/✓ | ✓ | - | - | - | - | |
| Base de datos | Amazon Redshift | ✓/- | ✓ | - | - | - | - |
| Amazon RDS para SQL Server | ✓/- | ✓ | ✓ | ✓ | - | - | |
| Apache Impala | ✓/- | ✓ | - | - | - | - | |
| Hive | ✓/- | ✓ | - | - | - | - | |
| PostgreSQL | ✓/- | ✓ | - | - | - | - | |
| Spark | ✓/- | ✓ | - | - | - | - | |
| SQL Server | ✓/✓ | ✓ | ✓ | - | ✓ | ✓ | |
| Archivo | Amazon S3 | ✓/- | ✓ | ✓ | ✓ | - | - |
| Amazon S3 Compatible | ✓/- | ✓ | ✓ | ✓ | - | - | |
| Google Cloud Storage | ✓/- | ✓ | ✓ | ✓ | - | - | |
| Genérico | HTTP | ✓/- | ✓ | - | - | - | - |
| OData | ✓/- | ✓ | - | - | - | - | |
| REST | ✓/✓ | - | - | - | - | - | |
| Servicios y aplicaciones | Dataverse | ✓/✓ | ✓ | - | - | - | - |
| Dynamics CRM | ✓/✓ | ✓ | - | - | - | - | |
| Microsoft 365 | ✓/- | - | - | - | - | - | |
| Lista de SharePoint Online | ✓/- | ✓ | - | - | - | - | |
| Snowflake | ✓/✓ | ✓ | - | - | ✓ | - |