Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Dica
O Power BI Dataflow Gen1 agora está em um estado herdado e não receberá novos investimentos em recursos. O Dataflow Gen2 no Data Factory para Microsoft Fabric reúne a preparação de dados de autoatendimento de fluxos de dados do Power Platform e a integração em escala empresarial do Azure Data Factory em uma única experiência unificada com mais destinos, orquestração de pipeline e IA interna. Para saber mais sobre como atualizar fluxos de dados existentes, consulte Upgrade from Dataflow Gen1 to Dataflow Gen2.
Fluxos de dados do Microsoft Power Platform e fluxos de dados do Azure Data Factory geralmente são considerados como fazendo a mesma coisa: extrair dados de sistemas de origem, transformar os dados e carregar os dados transformados em um destino. No entanto, há diferenças nesses dois tipos de fluxos de dados e você pode ter uma solução implementada que funciona com uma combinação dessas tecnologias. Este artigo descreve essa relação com mais detalhes.
Fluxos de dados do Power Platform
Os fluxos de dados do Power Platform são serviços de transformação de dados capacitados pelo mecanismo do Power Query e hospedados na nuvem. Esses fluxos de dados obtêm dados de diferentes fontes de dados e, depois de aplicar transformações, armazenam-no no Dataverse ou no Azure Data Lake Storage.
Fluxos de dados de manipulação do Data Factory
O Data Factory é um serviço ETL (extração, transformação, carregamento) baseado em nuvem que dá suporte a muitas fontes e destinos diferentes. Há dois tipos de fluxos de dados sob essa tecnologia: mapear fluxos de dados e estruturar fluxos de dados. O mecanismo do Power Query capacita fluxos de dados de manipulação para transformação de dados.
O que eles têm em comum?
Fluxos de dados do Power Platform e fluxos de dados de manipulação do Data Factory são ambos úteis para obter dados de uma ou mais fontes, aplicar transformações nos dados usando o Power Query e carregar os dados transformados em destinos. Além disso:
- A transformação de dados do Power Query capacita ambos.
- Ambas são tecnologias baseadas em nuvem.
Qual é a diferença?
O ponto principal é conhecer suas diferenças, pois você pode pensar em cenários em que deseja usar um ou outro.
| Features | Fluxos de dados do Power Platform | Fluxos de dados de manipulação do Data Factory |
|---|---|---|
| Destinos | Dataverse ou Azure Data Lake Storage | Muitos destinos (acesse a lista aqui) |
| Transformação Power Query | Todas as funções do Power Query têm suporte | Há suporte para um conjunto limitado de funções (vá para a lista aqui) |
| Sources | Há suporte para várias fontes | Apenas algumas fontes (acesse a lista aqui) |
| Escalabilidade | Depende da capacidade Premium e do uso do mecanismo de computação aprimorado | Altamente escalonável |
Qual persona de usuário é adequada para qual tipo de fluxo de dados?
Se você for um desenvolvedor de aplicativos cidadãos ou analista de dados cidadão com dados de pequena e média escala a serem integrados e transformados, os fluxos de dados do Power Platform serão mais convenientes. O grande número de transformações disponíveis, a capacidade de trabalhar com elas sem ter conhecimento do desenvolvedor e o fato de que os fluxos de dados podem ser criados, monitorados e editados no Power BI ou no Power Platform— todos são motivos que tornam os fluxos de dados do Power Platform uma ótima solução de integração de dados para esse tipo de desenvolvedor.
Se você é um desenvolvedor de dados lidando com big data e conjuntos de dados enormes, com um grande número de linhas a serem ingeridas sempre, os wrangling dataflows do Data Factory são a ferramenta mais adequada para o trabalho. O gerenciamento do fluxo de dados traduz o M gerado pelo Editor de Mashup do Power Query Online em código Spark para execução em escala na nuvem. Trabalhar com o portal do Azure para criar, monitorar e editar fluxos de dados de estruturação requer uma curva de aprendizado de desenvolvedor maior do que a experiência em fluxos de dados do Power Platform. Fluxos de dados de manipulação são mais adequados para esse tipo de público.