Condividi tramite


Eseguire la migrazione su Data Factory in Microsoft Fabric

Data Factory in Microsoft Fabric riunisce Power Query e Azure Data Factory in un'esperienza moderna e attendibile di integrazione dei dati che consente ai professionisti dati e aziendali di estrarre, caricare e trasformare i dati per l'organizzazione. Inoltre, potenti funzionalità di orchestrazione dei dati consentono di creare flussi di lavoro di dati semplici e complessi che orchestrano i passaggi necessari per le esigenze di integrazione dei dati.

Concetti chiave di Data Factory in Microsoft Fabric

  • Ottenere dati e trasformazione: Dataflow Gen2 è un'evoluzione dei flussi di dati in Power BI. Dataflow Gen2 viene riprogettato per l'uso dei motori di calcolo di Fabric per l'elaborazione e la trasformazione dei dati. In questo modo è possibile inserire e trasformare i dati su qualsiasi scala.

  • Orchestrazione dei dati: grazie all’uso di pipeline di dati già note agli utenti di Azure Data Factory (ADF), Microsoft Fabric abilita le stesse funzionalità di orchestrazione offerte in Azure Data Factory. Nell'ambito della release a disponibilità generale di Fabric, le pipeline di dati supportano la maggior parte delle attività disponibili in Azure Data Factory.

    Fare riferimento a questo elenco di attività che fanno parte delle pipeline di dati in Fabric.

  • Spostamento dei dati pronto per l'organizzazione: indipendentemente dal fatto che si tratti di piccoli spostamenti di dati o di petabyte, Data Factory offre una piattaforma per lo spostamento dei dati serverless e intelligente che consente di spostare dati tra origini e destinazioni dati diverse in modo affidabile. Con il supporto per oltre 170 connettori, Data Factory in Microsoft Fabric consente di spostare dati tra multi-cloud, origini dati locali e all'interno di reti virtuali. L'ottimizzazione intelligente della velocità effettiva consente alla piattaforma per lo spostamento dei dati di rilevare automaticamente le dimensioni dell’ambiente di calcolo necessario per lo spostamento dei dati.

Eseguire la migrazione da Azure Data Factory (ADF)

Per consentire ai clienti di eseguire l'aggiornamento a Microsoft Fabric da Azure Data Factory (ADF), sono supportate le funzionalità seguenti:

  • Attività pipeline di dati: è supportata la maggior parte delle attività già usate in Azure Data Factory in Data Factory di Fabric. Sono state inoltre aggiunte nuove attività per le notifiche, ad esempio le attività di Teams e Outlook. Fare riferimento a questo elenco di attività disponibili in Data Factory in Fabric.

  • Connettore OneLake/Lakehouse in Azure Data Factory: per molti clienti di Azure Data Factory, è ora possibile integrare Microsoft Fabric e trasferire i dati in OneLake di Fabric.

  • Flusso di dati per il mapping di Azure Data Factory su Fabric: questa guida per i clienti di Azure Data Factory prende in considerazione la creazione di nuove trasformazioni di dati in Fabric.

    Inoltre, per i clienti che stanno valutando la migrazione dei flussi di dati di mapping di Azure Data Factory su Fabric, è possibile applicare il codice di esempio del team di consulenza clienti di Fabric (Fabric CAT) per convertire i flussi di dati di mapping in codice Spark. Per altre informazioni, vedere Flussi di dati di mapping su Microsoft Fabric.

  • Azure Data Factory in Fabric (anteprima): viene introdotta una nuova funzionalità che consente di connettersi alle factory di Azure Data Factory esistenti dall'area di lavoro Fabric. Facendo clic su "Azure Data Factory" all'interno dell'area di lavoro Data Factory di Fabric, ora sarà possibile gestire completamente le factory di Azure Data Factory direttamente dall'interfaccia utente dell'area di lavoro di Fabric. Sarà possibile attivare, eseguire e monitorare le pipeline come si fa in Azure Data Factory, ma direttamente all'interno di Fabric.

Nell'ambito della roadmap di Data Factory in Microsoft Fabric, Microsoft sta lavorando per l'anteprima di quanto segue a partire dal Q2 CY2024:

  • Eseguire l'aggiornamento dalle pipeline di Azure Data Factory a Fabric: stiamo lavorando con i clienti e la community per ottenere informazioni sul modo in cui poter supportare al meglio gli aggiornamenti delle pipeline di dati da Azure Data Factory a Fabric. Come parte di questa operazione, verrà fornita un'esperienza di aggiornamento che consente di testare le pipeline di dati esistenti in Fabric usando il montaggio e l'aggiornamento delle pipeline di dati.

Eseguire la migrazione di Dataflow Gen1 Power BI a Dataflow Gen2 in Fabric

Dataflow Gen2 in Fabric offre molti vantaggi e nuove funzionalità rispetto ai flussi di dati (Gen1) in Power BI:

  • Recupero dati su larga scala ("Copia rapida")
  • Trasformazioni dei dati su larga scala (con il motore SQL Lakehouse di Fabric)
  • Altre destinazioni di output: database Azure SQL, Lakehouse, Warehouse, SharePoint, database KQL e altro ancora
  • Esperienza avanzata cronologia aggiornamenti e monitoraggio
  • Esperienze avanzate di creazione e pubblicazione.

È consigliabile che i clienti inizino a provare Dataflow Gen2, per ricreare gli scenari di Dataflow Gen1 esistenti o per provare quelli nuovi. Commenti e suggerimenti tempestivi su Dataflow Gen2 ci aiuteranno a sviluppare e maturare le funzionalità del prodotto.

Sono disponibili alcune opzioni con cui i clienti possono ricreare i flussi di dati Gen1 come Dataflow Gen2:

  • Esportare query Dataflow Gen1 e importarle in Dataflow Gen2: è ora possibile esportare query sia nelle esperienze di creazione Dataflow che Dataflow Gen2 e salvarle in file PQT importabili poi in Dataflow Gen2. Per altre informazioni, vedere Usare la funzionalità modello di esportazione.
  • Copiare e incollare in Power Query: se si dispone di un flusso di dati in Power BI o Power Apps, è possibile copiare le query e incollarle nell'esperienza di modifica dell'artefatto di Dataflow Gen2. Questa funzionalità consente di eseguire la migrazione del flusso di dati a Gen2 senza dover riscrivere le query. Per altre informazioni, vedere Copiare e incollare le query dei flussi di dati esistenti (Gen1).

Per altre considerazioni, vedere anche l'articolo seguente: Differenze tra Dataflow Gen1 e Gen2