教程：使用 Apache Airflow 作业刷新 Power BI 语义模型

2025-04-21

注意

Apache Airflow 作业由 Apache Airflow 提供支持。

在当今由数据驱动的世界中，确保数据模型保持最新和准确对于制定明智的业务决策至关重要。随着数据的增长，必须定期刷新这些模型，这样才能确保报表和仪表板反映最新信息。手动刷新可能非常耗时且易出错，这时 Apache Airflow 的编排、调度和监视功能就发挥作用了。借助 Airflow，组织可以自动执行 Power BI 语义模型的刷新过程，只需最少的手动干预，就能及时准确地更新数据。

本文介绍了将 Apache Airflow 与 Power BI 集成，以使用数据工作流自动刷新语义模型。本文提供分步指南，用于设置环境、配置连接和创建工作流以无缝更新 Power BI 语义模型。

先决条件

若要开始，必须满足以下先决条件：

租户级管理员必须启用 “服务主体可以调用 Fabric 公共 API”：
1. 转到 Microsoft Fabric 管理员门户，并导航到“租户设置”。
2. 在“开发人员设置”下，展开“服务主体可以调用 Fabric 公共 API”部分。
3. 切换“启用”按钮，然后选择“整个组织”或“特定安全组”。
4. 选择“应用”。
创建服务主体。需要在 Power BI 工作区中将服务主体添加为参与者。
在工作区中创建“Apache Airflow 作业”。
在 Power BI 中创建语义模型

添加 Apache Airflow 要求

导航到“设置”，然后选择“环境配置”。
在“Apache Airflow 要求”下，包含“airflow-powerbi-plugin”。
选择“应用”保存更改。

创建 Apache Airflow 连接以连接到 Power BI 工作区

选择“查看 Airflow 连接”以查看已配置的所有连接的列表。
添加新连接。可以使用 Generic 连接类型。存储以下字段：
- 连接 ID：连接 ID。
- 连接类型：通用
- 登录：服务主体的客户端 ID。
- 密码：服务主体的客户端密码。
- 其他信息：{“tenantId”：服务主体的租户 ID。}
选择“保存”。

创建 Apache Airflow DAG

首先选择“新建 DAG 文件”卡。然后，向文件分配名称并选择“创建”。
创建后，会显示样板 DAG 代码。编辑文件以包含示例 DAG。此 DAG 会同步触发 Power BI 语义模型刷新。使用 Power BI 语义模型 ID 和工作区 ID 分别更新 dataset_id 和 workspace_id 参数。

from datetime import datetime
# The DAG object
from airflow import DAG
from airflow.operators.bash import BashOperator
from airflow_powerbi_plugin.operators.powerbi import PowerBIDatasetRefreshOperator

with DAG(
        dag_id='refresh_dataset_powerbi',
        schedule_interval=None,
        start_date=datetime(2023, 8, 7),
        catchup=False,
        concurrency=20,
) as dag:

    # [START howto_operator_powerbi_refresh_dataset]
    dataset_refresh = PowerBIDatasetRefreshOperator(
        powerbi_conn_id= "powerbi_default",
        task_id="sync_dataset_refresh",
        dataset_id="<dataset_id>",
        group_id="<workspace_id>",
    )
    # [END howto_operator_powerbi_refresh_dataset]

    dataset_refresh

选择“保存”以保存文件。

为 Power BI 创建插件文件（可选）

如果想要从 Airflow UI 启用到 Power BI 的外部监视链接，请执行以下步骤：

在“plugins”文件夹下创建新文件。
将下面提供的内容粘贴到文件中。

from airflow.plugins_manager import AirflowPlugin

from airflow_powerbi_plugin.hooks.powerbi import PowerBIHook
from airflow_powerbi_plugin.operators.powerbi import PowerBILink

# Defining the plugin class
class AirflowExtraLinkPlugin(AirflowPlugin):
    """
    PowerBI plugin.
    """

    name = "powerbi_plugin"
    operator_extra_links = [
        PowerBILink(),
    ]
    hooks= [
        PowerBIHook,
    ]

完成后，会看到使用外部监视链接加载到 Power BI 语义模型刷新的 DAG。

监视数据工作流 DAG 并从 Apache Airflow UI 运行它

单击“保存”后，文件会自动加载到 Apache Airflow UI 中。若要监视这些文件，请选择“在 Apache Airflow 中监视”按钮。

监视 Airflow DAG 的屏幕截图。

快速入门：创建 Apache Airflow 作业