Compartir a través de

Modelos semánticos de Power BI en Microsoft Fabric

Se aplica a:✅Punto de conexión de análisis SQL, Almacenamiento y Base de datos reflejada en Microsoft Fabric

En Microsoft Fabric, los modelos semánticos de Power BI son una descripción lógica de un dominio analítico, con métricas, terminología y representación fáciles de usar para la empresa, para habilitar un análisis más profundo. Este modelo semántico suele ser un esquema de estrella con hechos que representan un dominio, y dimensiones que permiten analizar o segmentar el dominio para profundizar, filtrar y calcular diferentes análisis.

Nota:

Para el 30 de noviembre de 2025, todos los modelos semánticos predeterminados de Power BI se desconectan de su elemento y se convierten en modelos semánticos independientes. Puede conservarlos si todavía los usa para informes o paneles o eliminarlos de forma segura si ya no son necesarios. Para obtener más información, vea Blog: Desacoplamiento de modelos semánticos predeterminados para elementos existentes en Microsoft Fabric.

Microsoft cambió el nombre del tipo de contenido del conjunto de datos de Power BI al modelo semántico de Power BI o simplemente al modelo semántico. Esto también se aplica a Microsoft Fabric. Para más información, consulte Nuevo nombre para conjuntos de datos de Power BI. Para más información sobre los modelos semánticos de Power BI, consulte Modelos semánticos en el servicio Power BI.

Modo Direct Lake

El modo Direct Lake es una nueva funcionalidad innovadora del motor para analizar conjuntos de datos muy grandes en Power BI. La tecnología se basa en la idea de consumir archivos con formato de parquet directamente desde un lago de datos, sin tener que consultar un almacén o un punto de conexión de análisis SQL, y sin tener que importar o duplicar datos en un modelo semántico de Power BI. Esta integración nativa aporta un modo único de acceso a los datos desde el almacén o el punto de conexión de análisis SQL, denominado Direct Lake. La información general de Direct Lake contiene más información sobre este modo de almacenamiento para los modelos semánticos de Power BI.

Direct Lake proporciona la experiencia de consulta y creación de informes más eficaces. Direct Lake es una ruta rápida para consumir los datos del lago de datos directamente en el motor Power BI, listo para el análisis.

  • En el modo DirectQuery tradicional, el motor de Power BI consulta directamente los datos del origen para cada ejecución de consulta y el rendimiento de la consulta depende de la velocidad de recuperación de datos. DirectQuery elimina la necesidad de copiar datos, asegurando que cualquier cambio en la fuente se refleje inmediatamente en los resultados de la consulta.

  • En el modo Importar, el rendimiento es mejor porque los datos están disponibles fácilmente en la memoria, sin tener que consultar los datos del origen para cada ejecución de consulta. Sin embargo, el motor de Power BI primero debe copiar los datos en la memoria, en el momento de la actualización de datos. Los cambios realizados en el origen de datos subyacente se recopilan durante la siguiente actualización de datos.

  • El modo Direct Lake elimina el requisito de importación para copiar los datos consumiendo los archivos de datos directamente en la memoria. Dado que no hay ningún proceso de importación explícito, es posible recoger los cambios en el origen a medida que se produzcan. Direct Lake combina las ventajas del modo DirectQuery e Importar, a la vez que evita sus desventajas. El modo Direct Lake es la opción ideal para analizar conjuntos de datos muy grandes y conjuntos de datos con actualizaciones frecuentes en la fuente. Direct Lake regresará automáticamente a DirectQuery mediante el punto de conexión de SQL Analytics del almacén o el punto de conexión de análisis SQL cuando Direct Lake supere los límites de la SKU o use características no admitidas, lo que permitirá a los usuarios del informe continuar sin interrupciones.

  • El modo Direct Lake es el modo de almacenamiento para los nuevos modelos semánticos de Power BI creados en un punto de conexión de un almacén de datos o SQL Analytics.

  • Con Power BI Desktop, también puede crear modelos semánticos de Power BI mediante el punto de conexión de análisis de SQL del almacén o el punto de conexión de análisis de SQL como origen de datos para modelos semánticos en modo de almacenamiento de DirectQuery o de importación.

Creación y administración de modelos semánticos de Power BI

Al crear un modelo semántico en un lakehouse o un almacén de datos, puede elegir las tablas que se van a agregar. Desde allí, puede actualizar manualmente un modelo semántico de Power BI.

Para empezar, consulte:

Limitaciones

  • Los modelos semánticos de Fabric siguen las limitaciones actuales de los modelos semánticos en Power BI. Aprende más:
  • Los modelos semánticos son elementos independientes de Fabric y se pueden administrar a través de las API REST para enumerar modelos semánticos en un área de trabajo, comprobar las dependencias (informes o paneles) y el contenido del modelo, y eliminar los que no se usan. Esto incluye modelos semánticos desacoplados creados de forma predeterminada en el pasado, que ya no se crean automáticamente.
  • Si los tipos de datos parquet, Apache Spark o SQL no se pueden asignar a uno de los tipos de datos de Power BI Desktop, se quitan como parte del proceso de sincronización. Esto está en línea con el comportamiento actual de Power BI. Para estas columnas, se recomienda agregar conversiones de tipos explícitas en sus procesos de ETL para convertirlos en un tipo compatible. Si se necesitan tipos de datos ascendentes, los usuarios pueden especificar opcionalmente una vista en SQL con la conversión de tipos explícita deseada. La sincronización recogerá esto o se puede agregar manualmente como se indicó anteriormente.
  • Los modelos semánticos solo se pueden editar en el punto de conexión o almacenamiento de SQL Analytics.

Paso siguiente

Creación de un modelo semántico de Power BI

Contenido relacionado

  • Last updated on