Vista previa del código de AutoML en primer lugar |
En Ciencia de datos de Fabric, la nueva característica AutoML permite la automatización del flujo de trabajo de aprendizaje automático. AutoML o aprendizaje automático automatizado es un conjunto de técnicas y herramientas que pueden entrenar y optimizar automáticamente modelos de Machine Learning para cualquier tipo de datos y tareas determinado. |
Experiencia de usuario de Código bajo de AutoML en Fabric (versión preliminar) |
AutoML o Machine Learning automatizado es un proceso que automatiza las tareas complejas y lentas de desarrollo de modelos de aprendizaje automático. La nueva experiencia de AutoML de código bajo admite una variedad de tareas, como regresión, previsión, clasificación y clasificación de varias clases. Para empezar, cree modelos con Ml automatizado (versión preliminar). |
Elementos de Azure Data Factory |
Ahora puede traer su instancia de Azure Data Factory (ADF) existente al área de trabajo de Fabric. Esta nueva funcionalidad de versión preliminar le permite conectarse a su instancia de Azure Data Factory existente desde el área de trabajo de Fabric. Seleccione "Crear Azure Data Factory" dentro del área de trabajo de Fabric Data Factory y puede administrar las factorías de datos de Azure directamente desde el área de trabajo tejido. |
Vista previa de grupos de capacidad |
Los administradores de capacidad ahora pueden crear grupos personalizados (versión preliminar) en función de sus requisitos de carga de trabajo, lo que proporciona control pormenorizado sobre los recursos de proceso. Los grupos personalizados para Ingeniero de datos y Ciencia de datos se pueden establecer como opciones de grupo de Spark en los elementos de entorno y configuración de Spark del área de trabajo. |
Versión preliminar de ajuste de hiperparámetros de Code First |
En Ciencia de datos de Fabric, FLAML ahora está integrado para el ajuste de hiperparámetros, actualmente una característica en versión preliminar. La característica flaml.tune de Fabric simplifica este proceso, ofreciendo un enfoque rentable y eficaz para el ajuste de hiperparámetros. |
Copilot en Fabric está disponible en todo el mundo |
Copilot en Fabric ya está disponible para todos los clientes, incluido Copilot para Power BI, Data Factory, Ciencia de datos e Ingeniería de datos, e Inteligencia en tiempo real. Obtenga más información en nuestra Información general sobre Copilot en Fabric. |
Copia de trabajo |
El trabajo de copia(versión preliminar) tiene ventajas sobre la actividad de copia heredada. Para obtener más información, consulte Anuncio de la versión preliminar: Copiar trabajo en Microsoft Fabric. Para ver un tutorial, consulte Aprenda a crear un trabajo de copia (versión preliminar) en Data Factory para Microsoft Fabric. |
Vista previa de trabajos de Apache Airflow de Data Factory |
Trabajo de Apache Airflow (versión preliminar) en Data Factory, con tecnología de Apache Airflow, ofrece una experiencia de creación, programación y supervisión sin problemas para los procesos de datos basados en Python definidos como Grafos Acíclicos dirigidos (DAG). Para más información, vea Inicio rápido: Creación de un flujo de trabajo de datos. |
Funcionalidades de canalización de datos en Copilot para Data Factory (versión preliminar) |
Las nuevas funcionalidades de canalización de datos de Copilot para Data Factory ya están disponibles en versión preliminar. Estas características funcionan como expertos en inteligencia artificial para ayudar a los usuarios a crear, solucionar problemas y mantener canalizaciones de datos. |
Versión preliminar de Data Wrangler en DataFrames de Spark |
Data Wrangler ahora admite DataFrames de Spark en versión preliminar, de modo que los usuarios ya pueden editar DataFrames de Spark además de DataFrames de Pandas con Data Wrangler. |
Aptitud de inteligencia artificial de Ciencia de datos (versión preliminar) |
Ahora puede compilar sus propias experiencias de inteligencia artificial generativa a través de sus datos en Fabric con la aptitud de IA (versión preliminar). Puede compilar sistemas de inteligencia artificial de preguntas y respuestas a través de Lakehouses y almacenes. Para obtener más información, consulte Introducción a las aptitudes de inteligencia artificial en Microsoft Fabric: Ahora en versión preliminar. Para empezar, pruebe elEjemplo de aptitud de inteligencia artificial con el conjunto de datos AdventureWorks. |
Flujo de datos Gen2 con integración de CI/CD y de Git |
Flujo de datos Gen2 ahora admite la integración continua e implementación continua (CI/CD) y la integración de Git. Esta característica en versión preliminar permite crear, editar y administrar flujos de datos en un repositorio de Git conectado al área de trabajo de Fabric. Además, puedes usar la característica de canalizaciones de implementación para automatizar la implementación de flujos de datos desde su área de trabajo a otras áreas de trabajo. Además, puede usar la API de Fabric de crear, leer, actualizar, eliminar (CRUDL) para administrar Dataflow Gen2. |
Asignación de columnas Delta en el punto de conexión de análisis SQL |
El punto de conexión de análisis SQL ahora admite Tablas Delta con la asignación de columnas habilitada. Para obtener más información, consulte Asignación de columnas Delta y Limitaciones del punto de conexión de análisis SQL. Esta funcionalidad actualmente está en su versión preliminar. |
Dominios en OneLake (versión preliminar) |
Los dominios de OneLake te ayudan a organizar los datos en una malla de datos lógica, lo que permite la gobernanza federada y la optimización para las necesidades empresariales. Ahora puedes crear subdominios, dominios predeterminados para los usuarios y mover áreas de trabajo entre dominios. Para más información, consulta Dominios de Fabric. |
Modo de simultaneidad alta para cuadernos en canalizaciones (versión preliminar) |
El modo de simultaneidad alta para cuadernos en canalizaciones permite a los usuarios compartir sesiones de Spark en varios cuadernos dentro de una canalización. Con el modo de simultaneidad alta, los usuarios pueden desencadenar trabajos de canalización y estos trabajos se empaquetan automáticamente en sesiones de alta simultaneidad existentes. |
La puerta de enlace de Fabric habilita los accesos directos de OneLake a los datos locales |
Conectarse a orígenes de datos locales con una puerta de enlace de datos local de Fabric en un equipo de su entorno, con visibilidad de red del origen de datos compatible con S3 o Google Cloud Storage. Después, cree el acceso directo y seleccione esa puerta de enlace. Para más información, vea Creación de accesos directos a datos en el entorno local. |
Conector de Fabric Spark para Fabric Data Warehouse en el runtime de Spark (versión preliminar) |
El conector de Fabric Spark para Data Warehouse (versión preliminar) permite a un desarrollador de Spark o a un científico de datos acceder en los datos de un almacén o un punto de conexión de análisis SQL del lago de datos y trabajar con ellos (ya sea desde el mismo espacio de trabajo o desde distintos espacios de trabajo) con una API de Spark simplificada. |
Emisor de diagnóstico de Spark de Fabric (versión preliminar) |
El Emisor de diagnóstico de Apache Spark de Fabric (versión preliminar) permite a los usuarios de Apache Spark recopilar registros, registros de eventos y métricas de sus aplicaciones Spark y enviarlos a varios destinos, incluidos Azure Event Hubs, Azure Storage, y Azure Log Analytics. |
Base de datos SQL de Fabric (versión preliminar) |
Base de datos SQL de Microsoft Fabric (versión preliminar) es una base de datos transaccional para desarrolladores, basada en Azure SQL Database, que permite crear fácilmente la base de datos operativa en Fabric. Una base de datos SQL de Fabric usa el motor de base de datos SQL como Azure SQL Database. Consulte la guía de decisión para las bases de datos SQL. |
Carpeta en la versión preliminar del área de trabajo |
Como unidad organizativa del área de trabajo, la carpeta soluciona este punto problemático proporcionando una estructura jerárquica para organizar y administrar los elementos. Para obtener más información, consulte Creación de carpetas en áreas de trabajo (versión preliminar). |
Datos de Iceberg en OneLake mediante Snowflake y accesos directos (versión preliminar) |
Ahora puede consumir datos con formato de Cero en Microsoft Fabric sin movimiento o duplicaciónde datos, además de que Snowflake ha agregado la capacidad de escribir tablas de Cero directamente en OneLake. Para obtener más información, consulte Uso de tablas de Iceberg con OneLake. |
Actualización incremental para Dataflow Gen2 (versión preliminar) |
La actualización incremental de Dataflows Gen2 en Fabric Data Factory está diseñada para optimizar la ingesta y transformación de datos, especialmente a medida que los datos continúan expandiéndose. Para obtener más información, consulte Anuncio de la versión preliminar: actualización incremental en Dataflow Gen2. |
Invocación de canalización remota (versión preliminar) en canalización de datos |
Ahora puede usar la actividad Invocar canalización (versión preliminar) para llamar canalizaciones desde canalizaciones de Azure Data Factory o Synapse Analytics. Esta característica le permite usar las canalizaciones de ADF o Synapse existentes dentro de una canalización de Fabric mediante una llamada a ella en línea a través de esta nueva actividad Invocar canalización. |
Característica de esquemas de almacén de lago |
La característica de esquemas de Lakehouse (versión preliminar) presenta compatibilidad con la canalización de datos para leer la información de esquema de las tablas de Lakehouse y admitirá la escritura de datos en tablas en esquemas especificados. Los esquemas de almacenes de lago le permiten agrupar las tablas para mejorar la detección de datos, el control de acceso y mucho más. |
Compatibilidad de los almacenes de lago con las canalizaciones de implementación e integración de Git (versión preliminar) |
El almacén de lago ya se integra con las funcionalidades de administración del ciclo de vida de Microsoft Fabric, lo que proporciona una colaboración estandarizada entre todos los miembros del equipo de desarrollo durante toda la vida del producto. La administración del ciclo de vida facilita un proceso eficaz de versiones y versiones del producto mediante la entrega continua de características y correcciones de errores en varios entornos. |
Redes virtuales administradas (versión preliminar) |
Las redes virtuales administradas son redes virtuales creadas y administradas por Microsoft Fabric para cada área de trabajo de Fabric. |
El conector de Microsoft 365 ya admite la ingesta de datos en el almacén de lago (versión preliminar) |
El conector de Microsoft 365 ya admite la ingesta de datos en tablas de almacén de lago. |
API de administración de Microsoft Fabric |
Las API de administración de Fabric están diseñadas para simplificar las tareas administrativas. El conjunto inicial de API de administración de Fabric se adapta para simplificar la detección de áreas de trabajo, elementos de Fabric y detalles de acceso de usuarios. |
Creación de reflejo en Microsoft Fabric (versión preliminar) |
Con la creación de reflejo de la base de datos en Fabric, puede fácilmente Incorporar las bases de datos a OneLake en Microsoft Fabric, lo que permite una conexión sin problemas de ETL, información casi en tiempo real sobre los datos – y desbloquear el almacenamiento, BI, inteligencia artificial, etc. Para obtener más información, vea ¿Qué es la creación de reflejo en Fabric? |
Motor de ejecución nativo en tiempo de ejecución 1.3 (versión preliminar) |
El motor de ejecución nativo para Fabric Runtime 1.3 ya está disponible en versión preliminar, lo que ofrece un rendimiento superior de las consultas en el procesamiento de datos, ETL, ciencia de datos y consultas interactivas. No se requiere ningún cambio de código para acelerar la ejecución de Trabajos de Apache Spark al usar el motor de ejecución nativo. |
Expresiones de tabla comunes anidadas (CTE) (versión preliminar) |
Fabric Warehouse y el punto de conexión de análisis de SQL admiten estándar, secuenciales, y anidadosCTE. Si bien los CTE están disponibles de forma general en Microsoft Fabric, las expresiones comunes de tabla anidadas (CTE) en el almacén de datos de Fabric son actualmente una función de versión preliminar. |
Depuración de cuadernos en vscode.dev (versión preliminar) |
Ahora puede colocar puntos de interrupción y depurar el código del cuaderno con la extensión Synapse VS Code - Remote en vscode.dev. Esta actualización comienza por primera vez con Fabric Runtime 1.3. |
Roles de acceso a datos de OneLake |
Los roles de acceso a datos de OneLake para lagos de datos están en versión preliminar. Los permisos de rol y las asignaciones de usuarios o grupos se pueden actualizar fácilmente desde una nueva interfaz de usuario de seguridad de carpetas. |
OneLake SAS (versión preliminar) |
La compatibilidad con ONELake SAS de corta duración y delegada por el usuario ahora está en versión preliminar. Esta funcionalidad permite a las aplicaciones solicitar una clave de delegación de usuarios respaldada por Microsoft Entra ID y a continuación, usar esta clave para construir un token de SAS de OneLake. Este token se puede entregar para proporcionar acceso delegado a otra herramienta, nodo o usuario, lo que garantiza un acceso seguro y controlado. |
Creación de reflejo abierta (versión preliminar) |
La creación de reflejo abierta permite a cualquier aplicación escribir datos modificados directamente en una base de datos reflejada en Fabric, en función de las API públicas de creación de reflejo abierta y el enfoque. La creación de reflejo abierta está diseñada para ser extensible, personalizable y abierta. Es una característica eficaz que amplía la creación de reflejos en Fabric en función del formato de tabla de Delta Lake abierto. Para empezar, consulte Tutorial: Configuración de bases de datos reflejadas abiertas de Microsoft Fabric. |
Servicios de Azure AI precompilados en la versión preliminar de Fabric |
La versión preliminar de los servicios de IA precompilados en Fabric es una integración con los Servicios de Azure AI, anteriormente conocidos como Azure Cognitive Services. Los Servicios de Azure AI precompilados permiten mejorar fácilmente los datos con modelos de IA precompilados sin requisitos previos. Actualmente, los servicios de IA precompilados están en versión preliminar e incluyen compatibilidad con el Microsoft Azure OpenAI Service, el lenguaje de Azure AI y el traductor de Azure AI. |
Las directivas de prevención de pérdida de datos de Purview se han ampliado a Fabric lakehouses |
La ampliación de las Directivas de prevención de pérdida de datos (DLP) de Microsoft Purview a Fabric lakehouses ya está en fase de versión preliminar. |
Las directivas de prevención de pérdida de datos de Purview ahora admiten la acción restringir el acceso para los modelos semánticos |
Restringir el acceso en función del contenido confidencial de los modelos semánticos, ahora en versión preliminar, le ayuda a detectar automáticamente información confidencial a medida que se carga en Fabric Lakehouses y modelossemánticos. |
Paneles en tiempo real y separación de acceso de bases de datos KQL subyacentes (versión preliminar) |
Con permisos independientes para paneles y datos subyacentes, los administradores ahora tienen la flexibilidad de permitir a los usuarios ver paneles sin conceder acceso a los datos sin procesar. |
Reserva de núcleos máximos para trabajos (versión preliminar) |
Una nueva configuración de nivel de área de trabajo permite reservar núcleos máximos para los trabajos activos para cargas de trabajo de Spark. Para más información, consulte Modo de simultaneidad alta en Apache Spark for Fabric. |
Versión preliminar de las API de REST para canalizaciones de Fabric Data Factory |
Las API de REST para canalizaciones de Fabric Data Factory ya están en versión preliminar. Las API REST para canalizaciones de Data Factory permiten ampliar la funcionalidad integrada de Fabric para crear, leer, actualizar, eliminar y enumerar canalizaciones. |
Protección del streaming de datos con puntos de conexión privados administrados en Eventstream (versión preliminar) |
Al crear un punto de conexión privado administrado de Fabric, ahora puede conectar de forma segura Eventstream a los servicios de Azure, como Azure Event Hubs o IoT Hub, dentro de una red privada o detrás de un firewall. Para obtener más información, consulte Transmisión segura de datos con puntos de conexión privados administrados en Eventstream (versión preliminar). |
Actividad de actualización del modelo semántico (versión preliminar) |
Use la actividad de actualización del modelo semántico para actualizar un conjunto de datos de Power BI (versión preliminar),la manera más eficaz de actualizar los modelos semánticos de Fabric. |
Control de expiración de sesión en la configuración del área de trabajo para ejecuciones interactivas de Cuadernos (versión preliminar) |
Un nuevo control de expiración de sesión en la configuración del área de trabajo ingeniería de datos o ciencia le permite establecer el límite máximo de tiempo de expiración para las sesiones interactivas de cuadernos. De manera predeterminada, las sesiones expiran después de 20 minutos, pero ahora puede personalizar la duración máxima de expiración. |
Característica de uso compartido para la aptitud Fabric AI (versión preliminar) |
La funcionalidad "Compartir" para la aptitud Fabric AI (versión preliminar) le permite compartir la aptitud de IA con otros usuarios mediante una variedad de modelos de permisos. |
Uso compartido de la aptitud Fabric AI (versión preliminar) |
La funcionalidad de uso compartido de la aptitud Fabric AI (versión preliminar) le permite compartir la aptitud de IA con otros usuarios mediante una variedad de modelos de permisos. |
Versión preliminar del análisis de series de ejecución de Spark |
Las características de análisis de series de ejecución de supervisión de Spark permiten analizar la tendencia de la duración de ejecución y la comparación del rendimiento de las instancias de ejecución periódicas de la actividad Spark de canalización y las actividades repetitivas de ejecución de Spark, desde el mismo cuaderno o definición de trabajo de Spark. |
Versión preliminar del complemento Splunk |
El complemento de Microsoft Fabric para Splunk permite a los usuarios ingerir registros de la plataforma Splunk en una base de datos KQL de Fabric mediante el SDK de Python de Kusto. |
Etiquetas |
Las etiquetas (versión preliminar) ayudan a los administradores a clasificar y organizar datos, lo que mejora la capacidad de búsqueda de los datos y aumenta las tasas de éxito y la eficacia de los usuarios finales. |
Flujos de tareas en Microsoft Fabric (versión preliminar) |
La versión preliminar de los flujos de tareas en Microsoft Fabric está habilitada para todos los usuarios de Microsoft Fabric. Con los flujos de tareas de Fabric, al diseñar un proyecto de datos, ya no es necesario usar una pizarra para dibujar las distintas partes del proyecto y sus interrelaciones. En su lugar, puede usar un flujo de tareas para compilar y aportar esta información clave al propio proyecto. |
compatibilidad con varchar(max) y varbinary(max) en la versión preliminar |
La compatibilidad con los tipos de datos varchar(max) y varbinary(max) en Warehouse ahora está en versión preliminar. Para obtener más información, consulte Anuncio de la versión preliminar pública de los tipos VARCHAR(MAX) y VARBINARY(MAX) en Fabric Data Warehouse. |
Proveedor de Terraform para Fabric (versión preliminar) |
El proveedor de Terraform para Microsoft Fabric está ahora en versión preliminar. El proveedor de Terraform para Microsoft Fabric admite la creación y administración de muchos recursos de Fabric. Para obtener más información, consulte Anuncio del nuevo proveedor de Terraform para Microsoft Fabric. |
Compatibilidad con T-SQL en cuadernos de Fabric (versión preliminar) |
La Característica cuaderno de T-SQL de Microsoft Fabric (vista previa) le permite escribir y ejecutar el código T-SQL en un cuaderno. Puede usarlos para administrar consultas complejas y escribir mejor documentación de Markdown. También permite la ejecución directa de T-SQL en el almacenamiento conectado o el punto de conexión de análisis SQL. Para más información, consulte Creación y ejecución de cuadernos de T-SQL. |
Puntos de restauración de almacenamiento y restauración en contexto |
Ahora puede crear puntos de restauración y realizar una restauración local de un almacén a un momento anterior. La restauración en contexto es una parte esencial de la recuperación del almacenamiento de datos que permite restaurar el almacenamiento de datos a un estado confiable conocido anterior al reemplazar o sobrescribir el almacenamiento de datos existente desde el que se ha creado el punto de restauración. |
Control de código fuente de almacenamiento (versión preliminar) |
Mediante la integración de Git o las canalizaciones de implementación con el almacenamiento, puede administrar el desarrollo y la implementación de objetos de almacenamiento con versiones. Puede usar la extensión SQL Database Projects disponible en Azure Data Studio y Visual Studio Code. Para obtener más información sobre el control de código fuente de almacenamiento, consulte CI/CD con almacenamiento en Microsoft Fabric. |