Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Data Factory di Microsoft Fabric adalah generasi Azure Data Factory berikutnya, dibuat untuk menangani tantangan integrasi data Anda yang paling kompleks dengan pendekatan yang lebih sederhana dan lebih kuat.
Panduan ini membantu Anda memahami perbedaan utama antara kedua layanan ini, sehingga Anda dapat membuat pilihan yang tepat untuk perusahaan Anda. Kami akan memandu Anda melalui apa yang baru, apa yang berbeda, dan keuntungan apa yang ditawarkan oleh Fabric.
Siap untuk menjelajahi opsi migrasi Anda? Lihat panduan migrasi kami.
Membandingkan fitur secara berdampingan
Berikut adalah perbandingan fitur inti antara Azure Data Factory dan Fabric Data Factory. Kami telah menyoroti apa yang berubah, yang baru, dan apa yang tetap sama.
| Azure Data Factory | Data Factory di Fabric | Apa yang berbeda |
|---|---|---|
| Pipeline | Pipeline | Integrasi yang lebih baik: Alur dalam Fabric bekerja dengan mulus dengan Lakehouse, Gudang Data, dan layanan Fabric lainnya langsung dari kotak. Alur fabric mencakup lebih banyak aktivitas berbasis SaaS dan berbeda dalam definisi JSON. Lihat perbandingan fitur alur kami untuk detail selengkapnya. |
| Pemetaan aliran data | Aliran Data Gen2 | Lebih mudah digunakan: Dataflow Gen2 memberi Anda pengalaman yang lebih sederhana untuk membangun transformasi. Kami menambahkan lebih banyak fitur aliran data pemetaan ke Gen2 sepanjang waktu. |
| Kegiatan | Kegiatan | Lebih banyak aktivitas yang akan datang: Kami berupaya menghadirkan semua aktivitas ADF favorit Anda ke Fabric. Selain itu, Anda mendapatkan yang baru seperti aktivitas Office 365 Outlook yang tidak tersedia di ADF. Lihat perbandingan aktivitas kami untuk detailnya. |
| Kumpulan Data | Koneksi saja | Pendekatan yang lebih sederhana: Tidak ada konfigurasi himpunan data yang lebih kompleks. Untuk Data Factory di Fabric, Anda menggunakan koneksi untuk menautkan ke sumber data Anda dan mulai bekerja. Fabric menghapus himpunan data, menentukan properti data secara langsung dalam aktivitas. |
| Layanan Tertaut | Koneksi | Lebih intuitif: Koneksi berfungsi seperti layanan tertaut tetapi lebih mudah disiapkan dan dikelola. |
| Pemicu | Jadwalkan dan arsipkan pemicu peristiwa | Penjadwalan bawaan: Gunakan penjadwal Fabric dan event Reflex untuk menjalankan pipeline Anda secara otomatis. Pemicu peristiwa file berfungsi secara asli di Fabric tanpa penyiapan tambahan. Fabric mengintegrasikan pemicu ke dalam kerangka kerja Activator-nya, tidak seperti pemicu mandiri ADF. |
| Terbitkan | Simpan dan Jalankan | Tidak ada langkah penerbitan: Di Fabric, lewati langkah penerbitan sepenuhnya. Cukup pilih Simpan untuk menyimpan pekerjaan Anda, atau pilih Jalankan untuk menyimpan dan menjalankan alur Anda segera. |
| Penyelesaian Otomatis dan Runtime Integrasi Azure | Tidak diperlukan | Arsitektur yang disederhanakan: Tidak perlu mengelola runtime integrasi. Fabric menangani komputasi untuk Anda. |
| Runtime integrasi yang dihost sendiri | Gateway Data di lokasi | Akses lokal yang sama: Sambungkan ke data lokal Anda menggunakan Gateway Data Lokal yang sudah dikenal. Pelajari selengkapnya di panduan akses data lokal kami. |
| Azure-SSIS runtime integrasi | Akan ditentukan | Kemampuan masa depan di Fabric: Kami masih mengerjakan desain untuk integrasi SSIS di Fabric. |
| Jaringan virtual terkelola dan titik akhir privat | Untuk ditentukan. | Kemampuan masa depan di Fabric: Kami masih mengerjakan integrasi untuk jaringan virtual terkelola dan titik akhir privat di Fabric. |
| Bahasa ekspresi | Bahasa ekspresi | Ekspresi yang sama: Pengetahuan Anda tentang ekspresi yang ada dapat langsung dialihkan. Sintaks hampir identik. |
| Jenis autentikasi | Jenis autentikasi | Opsi lainnya: Semua metode autentikasi ADF populer Anda berfungsi di Fabric, ditambah kami telah menambahkan jenis autentikasi baru. |
| CI/CD | CI/CD | Kemampuan yang ditingkatkan di luar ADF termasuk cherry-picking yang mudah, promosi item individual, kemampuan enablement repo Git, dan opsi CI/CD SaaS yang terintegrasi. |
| Ekspor/impor templat ARM | Simpan sebagai | Duplikasi cepat: Di Fabric, gunakan "Simpan sebagai" untuk menduplikasi alur dengan cepat untuk pengembangan atau pengujian. |
| Pemantauan | Pusat Pemantauan + Riwayat Pelaksanaan | Pemantauan tingkat lanjut: Hub pemantauan menawarkan pengalaman modern dengan wawasan lintas ruang kerja dan kemampuan penelusuran yang lebih baik. |
| Pemecahan Masalah | Mode interaktif | Penelusuran kesalahan yang disederhanakan: Fabric menghapus mode debug ADF. Anda selalu dalam mode interaktif. |
| Ubah Pengambilan Data (CDC) | Pekerjaan Salinan | Perpindahan data bertahap: Fabric mengelola perpindahan data bertahap melalui tugas Salin alih-alih artefak CDC. |
| Azure Synapse Link | Pencerminan | Replikasi data: Fabric menggantikan Azure Synapse Link dengan fitur pencerminan untuk replikasi data. |
| Menjalankan aktivitas pipeline | Memanggil aktivitas alur | Pemanggilan lintas platform: Fabric meningkatkan aktivitas Eksekusi alur ADF dengan pemanggilan lintas platform. |
Perbandingan fitur alur
| Kategori | Alur ADF | Pipeline Fabric |
|---|---|---|
| Jenis layanan | Layanan PaaS Integrasi Data | Layanan SaaS Integrasi Data |
| Lingkungan Penulisan | Azure portal (ADF Studio) | Ruang kerja Fabric / PBI (antarmuka pengguna terpadu dengan Lakehouses, Gudang, dll.) |
| Orkestrasi Alur | Alur kerja yang berfitur lengkap dengan aktivitas, pemicu, dan parameter | Model orkestrasi yang sama, didesain ulang untuk Fabric UX |
| Pergerakan Data | Aktivitas salin, pemetaan aliran data, dukungan runtime integrasi lokal, Jaringan virtual terkelola | Aktivitas salin, Aliran Data Gen2, konektivitas bawaan ke item OneLake dan Fabric, Gateway Data Lokal, gateway jaringan virtual |
| Komputasi / IR | Dihost sendiri, SSIS, dan Azure IR (untuk pergerakan + transformasi) | Koneksi cloud, lokal (on-premise), dan gateway jaringan virtual |
| Aliran Data | Azure Blob, Data Lake Storage, SQL, 100+ konektor | Konektor yang sama + integrasi bawaan OneLake, penyelarasan ruang kerja Fabric yang lebih ketat |
| Pemantauan | Alur dan Aliran Data di ADF Studio dengan eksekusi, pemicu, pemberitahuan | Memantau Hub dan Pemantauan Ruang Kerja dengan tampilan terpadu di seluruh Alur, Aliran Data, Notebook, Database, dll. |
| Pemicu | Jadwal, jendela bergulir, pemicu berbasis peristiwa | Jadwal, pemicu peristiwa, pemicu jendela bergulir sebagai jadwal interval |
| CI/CD | Templat ARM + Integrasi repositori Azure DevOps atau GitHub | Alur penyebaran terintegrasi di Fabric, eskalasi level ruang kerja (Dev → Test → Production), dan integrasi repo eksternal. |
| Keamanan | Identitas terkelola, integrasi Key Vault, titik akhir privat | Model keamanan yang sama ditambah pengendalian akses berbasis peran (RBAC) ruang kerja Fabric; Integrasi keamanan OneLake |
| Pricing | Pay-as-you-go berbasis penggunaan Azure (per aktivitas yang dijalankan, pergerakan data, dan komputasi) | Berbasis kapasitas (Fabric F SKU) tanpa biaya untuk aktivitas eksternal atau aktivitas pipeline, hanya eksekusi aktivitas dan pergerakan data pipeline |
Perbandingan aktivitas
Dengan Data Factory di Microsoft Fabric, kami terus mempertahankan tingkat kelangsungan yang tinggi dengan Azure Data Factory. Sekitar 90% aktivitas yang dapat diakses di ADF sudah tersedia di bawah Data Factory di Fabric. Berikut adalah perincian aktivitas dan ketersediaannya di ADF dan Data Factory di Fabric:
| Aktivitas | ADF | Data Factory di Fabric |
|---|---|---|
| ADX/KQL | Y | Y |
| Tambahkan Variabel | Y | Y |
| Kustom (Azure Batch in Fabric) | Y | Y |
| Azure Databricks | Aktivitas notebook • Aktivitas Jar • Aktivitas Python • Aktivitas pekerjaan | Aktivitas Azure Databricks |
| Azure Machine Learning | Y | Y |
| Eksekusi Azure Machine Learning Batch | Deprecated | N/A |
| Sumber Daya Pembaruan Azure Machine Learning | Deprecated | N/A |
| Menyalin | Menyalin data | Aktivitas Salin |
| Aliran Data Gen2 | N/A | Y |
| Delete | Y | Y |
| Jalankan/Panggil Alur | Jalankan alur kerja | Memanggil alur |
| Buku Catatan Kain | N/A | Y |
| Gagal | Y | Y |
| Filter | Y | Y |
| Untuk Masing-masing | Y | Y |
| Functions | Fungsi Azure | Aktivitas fungsional |
| Dapatkan Metadata | Y | Y |
| HDInsight | Aktivitas Apache Hive • Aktivitas Pig • Aktivitas MapReduce • Aktivitas Spark • Aktivitas Streaming | Aktivitas HDInsight |
| Kondisi If | Y | Y |
| Pemeriksaan | Y | Y |
| Pemetaan Aliran Data | Y | Dataflow Gen2 |
| Office 365 Outlook | N/A | Y |
| Power Query (hanya ADF - Pengolahan Alur Data) | Deprecated | N/A |
| Skrip | Y | Y |
| Penyegaran model semantik | N/A | Y |
| Atur Variabel | Y | Y |
| Sproc | Y | Y |
| SSIS | Y | N/A |
| Prosedur yang Disimpan dalam Database | Y | Y |
| Beralih | Y | Y |
| Aktivitas Synapse Notebook dan SJD | Y | N/A |
| Teams | N/A | Y |
| Hingga | Y | Y |
| Validation | Y | Dapatkan metadata & Jika |
| Wait | Y | Y |
| Web | Y | Y |
| Webhook | Y | Y |
| Pengaturan Aliran Data | Y | Dataflow Generasi 2 |
Aktivitas baru di Fabric Data Factory
Selain menjaga kelangsungan aktivitas, Data Factory di Fabric memperkenalkan beberapa aktivitas baru untuk memenuhi kebutuhan orkestrasi Anda yang lebih kaya. Aktivitas baru ini adalah:
- Outlook: Tersedia di Fabric Data Factory untuk memfasilitasi integrasi dengan layanan Outlook.
- Teams: Tersedia di Fabric Data Factory untuk mengaktifkan orkestrasi aktivitas Microsoft Teams.
- Refresh model semantik: Tersedia di Fabric Data Factory untuk meningkatkan kemampuan refresh model semantik Power BI.
- Dataflow Gen2: Tersedia di Fabric Data Factory untuk memberdayakan orkestrasi data dengan fitur aliran data tingkat lanjut.
Untuk daftar semua aktivitas Fabric Data Factory yang tersedia, lihat Ringkasan aktivitas.
Perbandingan konektor
Untuk perbandingan semua konektor dan ketersediaannya di Azure Data Factory dan Fabric Data Factory, lihat artikel Perbandingan konektor.
Integration Runtime (SHIR) yang dihost sendiri vs. Gateway Data Lokal (OPDG)
Nota
Layanan yang didukung oleh SHIR dan ODPG berbeda:
- Integration Runtime (SHIR) yang dihost sendiri): Mendukung Azure Data Factory, Azure Synapse Analytics, studio Azure Machine Learning, dan Azure Purview.
- Gateway Data On-premises (OPDG): Mendukung Power BI, Power Apps, Power Automate, Azure Analysis Services, Logic Apps, Fabric Dataflow Gen2, Fabric Pipeline, Fabric Copy Job, dan Fabric Mirroring.
| Kategori | Integration Runtime (SHIR) yang dihost sendiri | Gateway Data Lokal (OPDG) |
|---|---|---|
| Layanan yang Didukung | - Azure Data Factory - Studio Azure Machine Learning - Azure Synapse Analytics - Azure Purview |
- Power BI - Power Apps - Power Automate - Azure Analysis Services - Logic Apps - Fabric Dataflow Gen2 - Jalur Fabrik - Tugas Salinan Fabric - Pencerminan Jaringan |
| Penginstalan & Pendaftaran | - Didaftarkan dengan kunci - Berjalan dalam mode layanan |
- Terdaftar dengan akun ID Microsoft Entra - Mendukung mode pengguna |
| Platform | -Windows - Gambar kontainer didukung |
- Hanya Windows - Tidak ada dukungan kontainer |
| Dukungan Proksi | - Mendukung sistem dan proksi kustom | - Mendukung proksi kustom |
| Ikatan Wilayah | - Diatur ke wilayah Data Factory - Tidak dapat mengubah wilayah default |
- Wilayah dapat diubah |
| Relai Kustom | - Tidak didukung | -Didukung; pelanggan dapat membawa relai mereka sendiri |
| Berbagi Di Seluruh Layanan | - Dibagikan dengan hingga 120 Data Factory - Tidak dapat dibagikan antar ruang kerja ADF, Synapse, Purview, atau Synapse |
- Tersedia untuk semua layanan yang didukung dalam tenant |
| Ketersediaan Tinggi (HA) | - Hingga 8 simpul (4 default) | - Hingga 10 simpul |
| Recovery | - Memerlukan penginstalan ulang | - Kunci pemulihan didukung |
| Penyeimbangan Beban | - Penyeimbangan beban tingkat tugas berdasarkan jumlah pekerja yang tersedia (CPU + memori) | - Penyeimbangan beban pada tingkat kueri - Opsi distribusi Round Robin atau Acak |
| Penyimpanan Kredensial | - Disimpan secara lokal pada simpul SHIR - Azure Key Vault didukung |
- Disimpan secara terpusat di layanan cloud Gateway - Tidak ada integrasi Key Vault |
| Pembaruan otomatis | - Didukung | - Tidak didukung |
| Ekstensibilitas Konektor | - Tidak didukung | - Didukung |
| Penulisan Interaktif | - Didukung | - Didukung |
| Link Pribadi untuk Alur Kontrol | - Didukung | - Tidak didukung |
| Penerapan versi | - Dua rilis per bulan; satu dirilis sebagai pembaruan otomatis - Mendukung rilis 12 bulan terakhir |
- Satu rilis per bulan - Mendukung 6 rilis terakhir |
| - Tidak didukung | - Didukung | |
| Batas Pemrosesan | - Tidak ada batas keras; bergantung pada bandwidth jaringan | Batas khusus layanan: Power Apps / Power Automate / Logic Apps: - Tulis: Batas maksimum payload 2-MB - Baca: Batas permintaan 2 MB, batas respons terkompresi 8 MB - Batas URL permintaan GET: 2.048 karakter Kueri Langsung Power BI: Batas respons 16-MB yang tidak dikompresi |
ADF Managed Virtual Network vs. Fabric Virtual Network Data Gateway
Azure Data Factory (ADF) Managed Virtual Network dan Microsoft Fabric Virtual Network (jaringan virtual) Data Gateway keduanya membantu Anda terhubung ke sumber data dengan aman, tanpa mengeksposnya ke internet publik. Meskipun kedua opsi mendukung konektivitas privat untuk beban kerja cloud, opsi tersebut berbeda dalam cara mereka disiapkan, siapa yang mengelolanya, dan layanan mana yang mereka dukung.
ADF Managed VNET
Microsoft memiliki dan mengelola lingkungan jaringan. Anda mendapatkan penyiapan sederhana, tetapi Anda tidak dapat mengontrol pengaturan jaringan atau aturan firewall.Fabric VNET Data Gateway
Anda menyebarkan gateway di dalam jaringan virtual Azure Anda sendiri. Ini memberi Anda kontrol penuh atas jaringan, firewall, dan penskalakan. Anda memutuskan bagaimana gateway tersambung ke sumber daya Anda dan mengelola semua pengaturan jaringan.
Gunakan tabel di bawah ini untuk membandingkan perbedaan utama dan pilih opsi yang sesuai dengan beban kerja dan kebutuhan tata kelola Anda.
| Kategori | Jaringan Virtual Terkelola ADF | Fabric Virtual Network Data Gateway |
|---|---|---|
| Layanan yang Didukung | Azure Data Factory & Synapse pipeline. | Microsoft Fabric Dataflow Gen2, alur data Fabric, Fabric Copy Job, Fabric Mirroring, model semantik Power BI, dan laporan paginated Power BI |
| Kepemilikan VNET | Jaringan virtual yang dikelola Microsoft (pelanggan tidak mengontrol jaringan). | Jaringan virtual yang dikelola pelanggan (pelanggan memiliki kontrol penuh). |
| Titik Akhir Privat | Dibuat otomatis dan dikelola oleh ADF untuk layanan yang didukung (Azure Storage, SQL DB, dll.). | Pelanggan mengonfigurasi Gateway jaringan virtual untuk menghubungkan beban kerja Fabric ke sumber daya di dalam jaringan virtual mereka. |
| Kontrol Jaringan | Terbatas—pelanggan hanya dapat mengizinkan runtime integrasi jaringan virtual daftar ke titik akhir privat. | Kontrol penuh—pelanggan mengonfigurasi firewall, aturan NSG, perutean di jaringan virtual mereka sendiri. |
| Penginstalan/Penyebaran | Tidak diperlukan penginstalan; dikelola sepenuhnya oleh Microsoft di dalam jaringan virtual tersembunyi. | Memerlukan penyebaran Gateway Data Jaringan Virtual ke dalam jaringan virtual pelanggan. |
| Ketersediaan Tinggi | Dikelola Microsoft, diskalakan otomatis di dalam jaringan virtual ADF. Beralih ke mode cadangan saat mengaktifkan TTL. | Mendukung penskalaan dan ketersediaan tinggi (kluster berbasis node), tetapi berjalan di dalam jaringan virtual yang dikelola pelanggan. Mendukung hingga 7 simpul. |
Fitur Utama Fabric Data Factory
Di Fabric Data Factory, membangun alur, aliran data, dan item Data Factory lainnya sangat mudah dan cepat karena integrasi asli dengan fitur AI Microsoft yang mengubah game Co-Pilot. Dengan Copilot for Data Factory, Anda dapat menggunakan bahasa alami untuk menentukan proyek integrasi data Anda dengan mudah.
Integrasi Native Lakehouse dan Gudang Data
Salah satu keuntungan terbesar Fabric Data Factory adalah caranya terhubung dengan platform data Anda. Lakehouse dan Gudang Data berfungsi sebagai sumber dan tujuan dalam alur Anda, sehingga memudahkan untuk membangun proyek data terintegrasi.
Pemberitahuan email pintar dengan Office 365
Perlu memantau tim Anda tetap terinformasi? Aktivitas Office 365 Outlook memungkinkan Anda mengirim pemberitahuan email yang dikustomisasi tentang eksekusi alur, status aktivitas, dan hasil—semuanya dengan konfigurasi sederhana. Tidak ada lagi memeriksa dasbor secara konstan atau menulis kode pemberitahuan kustom.
Pengalaman koneksi data yang disederhanakan
Pengalaman modern Pengambilan data Fabric memudahkannya untuk menyediakan pipeline penyalinan dan membuat koneksi baru. Anda akan menghabiskan lebih sedikit waktu untuk mengonfigurasi dan lebih banyak waktu untuk mendapatkan data Anda ke tempat yang dibutuhkan.
Penyempurnaan kemudahan penggunaan dalam pengalaman CI/CD
Dalam Fabric, pengalaman CI/CD jauh lebih mudah dan lebih fleksibel daripada di Azure Data Factory atau Synapse. Tidak ada koneksi antara templat CI/CD dan ARM di Fabric sehingga sangat mudah untuk memilih bagian individual dari ruang kerja Fabric Anda untuk check-in, check-out, validasi, dan kolaborasi. Di ADF dan Synapse, satu-satunya opsi untuk CI/CD adalah menggunakan repositori Git Anda sendiri. Namun, di Fabric, Anda dapat secara opsional menggunakan fitur alur penyebaran bawaan yang tidak mengharuskan membawa repositori Git eksternal Anda sendiri.
Pemantauan dan wawasan tingkat berikutnya
Pengalaman pemantauan di Fabric Data Factory adalah tempat Anda benar-benar akan melihat perbedaannya. Hub pemantauan memberi Anda tampilan lengkap dari semua beban kerja Anda, dan Anda dapat menelusuri aktivitas apa pun untuk wawasan terperinci. Analisis lintas ruang kerja dibangun tepat di dalamnya, sehingga Anda dapat melihat gambaran besar di seluruh organisasi Anda.
Saat memecahkan masalah aktivitas salin, Anda akan menyukai tampilan perincian terperinci. Pilih tombol jalankan detail (ikon kacamata) untuk melihat persis apa yang terjadi. Perincian Durasi menunjukkan berapa lama setiap tahap berlangsung, sehingga pengoptimalan performa lebih mudah.
Duplikasi jalur cepat
Perlu membuat alur serupa? Fitur Simpan sebagai memungkinkan Anda menduplikasi alur yang ada dalam hitungan detik. Ini sempurna untuk membuat versi pengembangan, menguji variasi, atau menyiapkan alur kerja serupa.
Konten terkait
Untuk informasi selengkapnya, lihat sumber daya berikut ini: