Partager via

Mettre à niveau un Datamart Power BI vers un entrepôt

s’applique à :✅ Warehouse dans Microsoft Fabric

Ce guide vous aide à migrer un datamart Power BI existant vers Fabric Data Warehouse.

Fabric Data Warehouse est plus évolutif, plus sécurisé, plus prêt pour l’entreprise et fournit une prise en charge T-SQL étendue par rapport aux Datamarts Power BI, qui restent une fonctionnalité en préversion. Fabric Data Warehouse repose sur la technologie d’analytique de nouvelle génération et évolue à partir d’Azure Synapse Analytics et DE SQL Server.

Depuis le 1er juin 2025, la création d’un datamart Power BI redirige vers la création d’un entrepôt Fabric.

Important

Depuis le 1er novembre 2025, les datamarts Power BI ne sont plus pris en charge et les datamarts ne sont plus accessibles à partir d’espaces de travail. Pour éviter de perdre vos données et de rendre inutilisables vos rapports basés sur des data marts, migrez votre data mart vers l’entrepôt de données. Pour mettre à niveau des datamarts existants vers Fabric Data Warehouse, suivez les étapes décrites dans ce guide.

Conditions préalables

Options de migration

Vous avez deux options pour mettre à niveau un datamart existant vers un entrepôt :

Étapes de mise à niveau manuelles

  1. Dans votre Datamart Power BI, sélectionnez Transformer des données dans le ruban Accueil . Choisissez Exporter un modèle pour exporter votre schéma de datamart Power BI et vos données en tant que modèle dans Power Query Online.

    Capture d’écran de Power BI Desktop, montrant l’onglet Accueil et le bouton Exporter le modèle.

  2. Dans le portail Fabric, créez un entrepôt Fabric vide.

  3. Sous l’onglet Accueil de l’entrepôt, sélectionnez la liste déroulante Obtenir les données , puis sélectionnez Nouveau dataflow Gen2.

    Capture d’écran du portail Fabric de la liste déroulante Obtenir des données, montrant l’option New Dataflow Gen2.

  4. Dans le nouvel éditeur Dataflow Gen2, sélectionnez Importer à partir d’un modèle Power Query.

    Capture d’écran du portail Fabric d’un nouveau Dataflow Gen2, mettant en évidence l’importation à partir d’un lien de modèle Power Query.

  5. Sélectionnez Enregistrer & exécuter, qui publiera tous les deux votre dataflow et démarrera une actualisation de vos données chargées dans l’entrepôt Fabric.

  6. Connectez vos rapports et tableaux de bord Power BI à votre entrepôt de données Fabric via le modèle sémantique ou en tant que source de données.

Remarque

Le 30 novembre 2025, tous les modèles sémantiques par défaut Power BI sont déconnectés de leur élément et deviennent des modèles sémantiques indépendants. Vous pouvez les conserver si vous les utilisez toujours pour les rapports ou les tableaux de bord ou les supprimer en toute sécurité s’ils ne sont plus nécessaires. Pour plus d’informations, consultez blog : découplage des modèles sémantiques par défaut pour les éléments existants dans Microsoft Fabric.

Modifier des modèles sémantiques sur votre entrepôt de données Fabric

Dans Fabric Data Warehouse, le modèle sémantique n’hérite pas de toutes les tables et vues lors de la création.

Pour en savoir plus sur la modification des modèles de données dans le service Power BI, consultez Modifier les modèles de données.

Vous pouvez également générer un script sur les définitions RLS à partir de datamart et les réappliquer à un nouveau jeu de données par programmation.

  1. Pour scripter le schéma TMSL (Tabular Model Scripting Language) du modèle sémantique, vous pouvez utiliser SQL Server Management Studio (SSMS). Pour vous connecter, utilisez la chaîne de connexion du modèle sémantique, qui ressemble à powerbi://api.powerbi.com/v1.0/myorg/myusername.
    • Vous trouverez la chaîne de connexion de votre modèle sémantique dans Paramètres, sous Paramètres du serveur.
  2. Générez un script XMLA du modèle sémantique via l’action de menu contextuel Script de SSMS. Pour en savoir plus, consultez Connectivité des jeux de données avec le point de terminaison XMLA.

Optimiser votre data mart pour Fabric Data Warehouse

Voici quelques conseils pour optimiser votre datamart mis à niveau en tant qu’entrepôt Fabric. Bien que facultatif, ces rubriques peuvent être utiles en fonction du type de fonctionnalités datamart que votre organisation utilise.

Générer et recréer une sécurité au niveau des lignes (RLS)

La sécurité au niveau des lignes (RLS) doit être recréée dans l'entreposage, à l’aide du contrôle d’accès en fonction du rôle (RBAC) et de la sécurité au niveau des lignes dans l’entreposage de données Fabric.

L’entrepôt Fabric prend en charge davantage de contrôles de sécurité et de gouvernance que les datamarts Power BI à un niveau granulaire.

  • Dans datamart, les données étaient ingérées dans les tables du schéma dbo, mais les utilisateurs ont reçu des vues correspondantes sur ces tables dans le schéma model. Chaque objet dans datamarts est accessible via une vue dans le model schéma.
  • Dans un entrepôt, pour reproduire les mêmes objets, créez un schéma nommé model et créez des vues dans le model schéma sur chaque table. Vous pouvez appliquer la sécurité SQL dans une vue et/ou fournir une sécurité T-SQL personnalisée en fonction des besoins, avec plus de fonctionnalités que dans l’interface demart de données dans Power BI. Pour plus d’informations, consultez Sécurité au niveau des lignes dans l’entreposage de données Fabric.

Actualisation incrémentielle avec les flux de données Gen2

L’actualisation incrémentielle est une fonctionnalité qui vous permet d’actualiser uniquement les données qui ont changé depuis la dernière actualisation, au lieu d’actualiser l’intégralité des données.

Cela peut améliorer les performances et l’efficacité de vos dataflows et réduire la charge sur vos sources et destinations. Pour obtenir des conseils sur la configuration de l’actualisation incrémentielle avec Dataflow Gen2, consultez Modèle pour accumuler des données de manière incrémentielle avec Dataflow Gen2.

Contenu connexe

  • Last updated on