瞭解資料流程類型之間的差異

數據流可用來將數據擷取、轉換和載入至記憶體目的地，以便用於不同的案例。 由於並非所有記憶體目的地共用相同的特性，因此某些數據流功能和行為會根據數據流載入數據的記憶體目的地而有所不同。 建立數據流之前，請務必了解數據的使用方式，並根據您的解決方案需求選擇記憶體目的地。

選取數據流的記憶體目的地會決定數據流的類型。 將數據載入 Dataverse 數據表的數據流會分類為 標準數據流。 將數據載入分析數據表的數據流分類為 分析數據流。

在 Power BI 中建立的數據流一律是分析數據流。 根據您在建立數據流時選取的專案而定，在Power Apps 中建立的數據流可以是標準或分析。

標準數據流

標準數據流會將數據載入 Dataverse 數據表。 標準數據流只能在Power Apps中建立。 建立此數據流類型的其中一個優點是，任何相依於 Dataverse 數據的應用程式都可以使用標準數據流所建立的數據。 利用 Dataverse 數據表的典型應用程式包括 Power Apps、Power Automate、AI Builder 和 Power Virtual Agent。

標準數據流版本

我們一直在處理標準數據流的重大更新，以改善其效能和可靠性。 這些改進最終將可供所有標準數據流使用。 但在過渡期間，我們將藉由在PowerApps中新增版本指標，區分現有的標準數據流（第1版）和新的標準數據流（第2版）。

標準數據流版本功能比較

下表列出標準數據流 V1 和 V2 之間的主要功能差異，並提供每個版本中每個功能行為的相關信息。

功能	標準 V1	Standard V2
每個客戶租用戶可使用自動排程儲存的數據流數目上限	50	無限制
每個查詢/數據表擷取的記錄數目上限	500,000	無限。 每個查詢或數據表可以擷取的記錄數目上限現在取決於擷取時的 Dataverse 服務保護限制。
將速度擷取至 Dataverse	基準效能	透過幾個因素改善效能。 實際結果可能會因擷取數據的特性而有所不同，並在擷取時載入 Dataverse 服務。
累加式重新整理原則	不支援	支援
復原	遇到 Dataverse 服務保護限制時，最多會重試記錄 3 次。	遇到 Dataverse 服務保護限制時，最多會重試記錄 3 次。
Power Automate 整合	不支援	支援

分析數據流

分析數據流會將數據載入已針對分析優化的記憶體類型—Azure Data Lake 儲存體。 Microsoft Power Platform 環境和 Power BI 工作區為客戶提供與這些產品授權配套的受控分析儲存位置。 此外，客戶可以將其組織的 Azure Data Lake 記憶體帳戶連結為數據流的目的地。

分析數據流具有額外的分析功能。 例如，與 Power BI 的 AI 功能整合，或使用稍後將討論的計算實體。

您可以在 Power BI 中建立分析數據流。 根據預設，它們會將數據載入 Power BI 的受控記憶體。 但您也可以將 Power BI 設定為將資料儲存在組織的 Azure Data Lake 儲存體。

您也可以在 Power Apps 和 Dynamics 365 客戶深入解析入口網站中建立分析數據流。 當您在Power Apps入口網站中建立數據流時，可以在Dataverse受控分析記憶體或組織的 Azure Data Lake 儲存體 帳戶中選擇。

AI 整合

有時候，視需求而定，您可能需要透過數據流對數據套用一些 AI 和機器學習功能。 這些功能可在Power BI資料流中使用，而且需要 進階版工作區。

下列文章將討論如何在數據流中使用 AI 函式：

• Power BI 中的 Azure 機器學習 整合
• Power BI 中的認知服務
• Power BI 中的自動化 機器學習

請注意，上述功能是Power BI特定功能，在Power Apps或 Dynamics 365 客戶深入解析入口網站中建立數據流時無法使用。

計算數據表

使用計算數據表的其中一個原因是能夠處理大量數據。 計算數據表有助於這些案例。 如果您的數據流中有數據表，且相同數據流中的另一個數據表會使用第一個數據表的輸出，此動作會建立計算數據表。

計算數據表有助於數據轉換的效能。 轉換只會在計算數據表中執行一次，而不是多次重新執行第一個數據表所需的轉換。 然後在其他數據表中多次使用結果。

若要深入瞭解計算數據表，請移至 在數據流中建立計算數據表。

計算數據表只能在分析數據流中使用。

標準與分析數據流

下表列出標準數據表與分析數據表之間的一些差異。

作業	標準	分析
如何建立	Power Platform 資料流程	Power BI 資料流程 建立數據流時，僅選取 [分析實體] 複選框來產生Power Platform數據流
儲存體選項	Dataverse	Power BI 提供適用於 Power BI 數據流的 Azure Data Lake Storage、Dataverse 提供適用於 Power Platform 數據流的 Azure Data Lake 記憶體，或客戶提供的 Azure Data Lake Storage
Power Query 轉換	Yes	Yes
AI 函式	No	Yes
計算數據表	No	Yes
可用於其他應用程式中	是，透過 Dataverse	Power BI 數據流：僅在 Power BI 中 Power Platform 數據流或 Power BI 外部資料流：是，透過 Azure Data Lake 儲存體
對應至標準數據表	Yes	Yes
累加式載入	默認累加式載入 您可以使用 載入設定的 [查詢輸出 ] 複選框中不再存在的 [刪除資料列] 變更	默認完整載入 在數據流設定中設定累加式重新整理，以設定累加式重新整理
排程的重新整理	Yes	是，失敗時可能會通知數據流擁有者

使用每個數據流類型的案例

以下是每種數據流類型的一些範例案例和最佳做法建議。

跨平臺使用 — 標準數據流

如果您的建置數據流計劃是使用多個平臺的預存數據（不僅 Power BI，還有其他 Microsoft Power Platform 服務、Dynamics 365 等等），標準數據流是不錯的選擇。 標準數據流會將資料儲存在 Dataverse 中，您可以透過許多其他平臺和服務進行存取。

大型資料表上的大量資料轉換 — 分析資料流

分析數據流是處理大量數據的絕佳選項。 分析數據流也會增強轉換背後的運算能力。 將數據儲存在 Azure Data Lake 儲存體 會增加寫入至目的地的速度。 相較於 Dataverse（在數據記憶體時可能有許多規則要檢查），Azure Data Lake 儲存體 對於大量數據進行讀取/寫入交易的速度較快。

AI 功能 — 分析數據流

如果您打算透過資料轉換階段使用任何 AI 功能，您會發現使用分析數據流很有説明，因為您可以使用所有支援的 AI 功能搭配這種類型的數據流。