Opprette og bruke dataflyter i Microsoft Power Platform
Bruk av dataflyter med Microsoft Power Platform gjør det enklere å klargjøre data, og lar deg bruke dataforberedelsesarbeidet på nytt i etterfølgende rapporter, apper og modeller.
I en verden med stadig voksende data kan dataforberedelse være vanskelig og dyrt. Den kan bruke så mye som 60 til 80 prosent av tiden og kostnadene for et typisk analyseprosjekt. Slike prosjekter kan kreve krangling av fragmenterte og ufullstendige data, kompleks systemintegrering, data med strukturell inkonsekvens og en barriere med høy kompetansesett.
Power Query og Power Platform-dataflyter ble opprettet for å gjøre det enklere å klargjøre data og hjelpe deg med å få mer verdi ut av dataene.
Med dataflyter henter Microsoft de selvbetjente dataforberedelsesfunksjonene i Power Query inn i Power BI- og Power Apps-nettjenestene, og utvider eksisterende funksjoner på følgende måter:
selvbetjent dataforberedelse for store data med dataflyter: Dataflyter kan brukes til enkelt å innta, rense, transformere, integrere, berike og skjemaisere data fra et stort og stadig voksende utvalg av transaksjons- og observasjonskilder, som omfatter all dataforberedelseslogikk. Tidligere kunne ekstrakt, transformering, innlastingslogikk (ETL) bare inkluderes i semantiske modeller i Power BI, kopiert om og om igjen mellom semantiske modeller og bundet til semantiske innstillinger for modellbehandling.
Med dataflyter heves ETL-logikken til en førsteklasses artefakt i Microsoft Power Platform-tjenester, og inkluderer dedikerte redigerings- og administrasjonsopplevelser. Forretningsanalytikere, BI-fagfolk og dataforskere kan bruke dataflyter til å håndtere de mest komplekse utfordringene for klargjøring av data og bygge videre på hverandres arbeid, takket være en revolusjonerende modelldrevet beregningsmotor. Denne motoren tar seg av all transformasjon og avhengighet logikk-kutte tid, kostnader og kompetanse til en brøkdel av hva som tradisjonelt har vært nødvendig for disse oppgavene. Du kan opprette dataflyter ved hjelp av den velkjente, selvbetjente dataforberedelsesopplevelsen i Power Query. Dataflyter opprettes og administreres enkelt i apparbeidsområder eller -miljøer, i henholdsvis Power BI eller Power Apps, og nyter alle funksjonene disse tjenestene har å tilby, for eksempel tillatelsesadministrasjon og planlagte oppdateringer.
Last inn data til Dataverse eller Azure Data Lake Storage: Avhengig av brukstilfellet kan du lagre data utarbeidet av Power Platform-dataflyter i dataverset eller organisasjonens Azure Data Lake Storage-konto:
Dataverse lar deg lagre og administrere data som brukes av forretningsprogrammer på en sikker måte. Data i Dataverse lagres i et sett med tabeller. En tabell er et sett med rader (tidligere kalt poster) og kolonner (tidligere kalt felt/attributter). Hver kolonne i tabellen er utformet for å lagre en bestemt type data, for eksempel navn, alder, lønn og så videre. Datavers inkluderer et basissett med standardtabeller som dekker vanlige scenarioer, men du kan også opprette egendefinerte tabeller som er spesifikke for organisasjonen og fylle dem ut med data ved hjelp av dataflyter. Apputviklere kan deretter bruke Power Apps og Power Automate til å bygge rike programmer som bruker disse dataene.
Azure Data Lake Storage kan du samarbeide med personer i organisasjonen ved hjelp av Power BI, Azure Data og AI-tjenester, eller ved hjelp av spesialbygde Bransjeprogrammer som leser data fra innsjøen. Dataflyter som laster inn data til en Azure Data Lake Storage-konto, lagrer data i Common Data Model-mapper. Common Data Model-mapper inneholder skjemaerte data og metadata i et standardisert format, for å forenkle datautveksling og for å muliggjøre full interoperabilitet på tvers av tjenester som produserer eller bruker data som er lagret i organisasjonens Azure Data Lake Storage-konto som det delte lagringslaget.
Advanced Analytics og AI med Azure: Power Platform-dataflyter lagrer data i Dataverse eller Azure Data Lake Storage , noe som betyr at data som inntas gjennom dataflyter, nå er tilgjengelig for datateknikere og dataforskere for å bruke den fulle kraften i Azure Data Services, for eksempel Azure Machine Learning, Azure Databricks og Azure Synapse Analytics for avansert analyse og KUNSTIG. Dette gjør det mulig for forretningsanalytikere, dataingeniører og dataforskere å samarbeide om de samme dataene i organisasjonen.
støtte for Common Data Model: Common Data Model er et sett med standardiserte dataskjemaer og et metadatasystem for å tillate konsekvens av data og dens betydning på tvers av programmer og forretningsprosesser. Dataflyter støtter Common Data Model ved å tilby enkel tilordning fra alle data i en hvilken som helst form til standard Common Data Model-tabeller, for eksempel Forretningsforbindelse og Kontakt. Dataflyter lander også dataene, både standard- og egendefinerte tabeller, i skjemaisert Common Data Model-skjema. Forretningsanalytikere kan dra nytte av standardskjemaet og dens semantiske konsekvens, eller tilpasse tabellene basert på deres unike behov. Common Data Model fortsetter å utvikle seg som en del av Open Data Initiative.
Dataflytfunksjoner i Microsoft Power Platform-tjenester
De fleste dataflytfunksjoner er tilgjengelige i både Power Apps og Power BI. Dataflyter er tilgjengelige som en del av disse tjenestenes planer. Enkelte dataflytfunksjoner er enten produktspesifikke eller tilgjengelige i ulike produktplaner. Tabellen nedenfor beskriver dataflytfunksjoner og tilgjengelighet.
| Dataflytfunksjonalitet | Power Apps | Power BI |
|---|---|---|
| Planlagt oppdatering | Opptil 48 per dag | Opptil 48 per dag |
| Maksimal oppdateringstid per tabell | Opptil 2 timer | Opptil 2 timer |
| Redigering av dataflyt med Power Query Online | Ja | Ja |
| Dataflytbehandling | I administrasjonsportalen for Power Apps | I administrasjonsportalen for Power BI |
| Nye koblinger | Ja | Ja |
| Standardisert skjema / innebygd støtte for Common Data Model | Ja | Ja |
| Dataflytdatakobling i Power BI Desktop | For dataflyter med Azure Data Lake Storage som mål | Ja |
| Integrering med organisasjonens Azure Data Lake Storage | Ja | Ja |
| Integrering med datavers | Ja | Nei |
| Koblede dataflyttabeller | For dataflyter med Azure Data Lake Storage som mål | Ja |
| Beregnede tabeller (transformasjoner i lagring ved hjelp av M) | For dataflyter med Azure Data Lake Storage som mål | Bare Power BI Premium |
| Trinnvis oppdatering av dataflyt | For dataflyter med Azure Data Lake Storage som mål, krever Power Apps Plan2 | Bare Power BI Premium |
| Kjører på Power BI Premium-kapasitet / parallell kjøring av transformeringer | Nei | Ja |
Kjente begrensninger
- Kopiering av dataflyter som en del av en Power Platform-miljøer kopierer operasjon eller Sikkerhetskopierings- og gjenopprettingsmiljøer operasjonen støttes ikke.
- Endre eier for en dataflyt med en tilkobling, og en spørringsparameter vil også endre parameterverdien til en tidligere verdi (hvis en slik verdi er angitt).
Neste trinn
Mer informasjon om dataflyter i Power Apps:
- selvbetjent dataforberedelse i Power Apps
- Opprette og bruke dataflyter i Power Apps
- Koble Azure Data Lake Storage Gen2 til dataflytlagring
- Legge til data i en tabell i Dataverse ved hjelp av Power Query
- Gå til Power Apps -dataflytfelleskapet og del det du gjør, still spørsmål eller sende inn nye ideer
- Gå til fellesskapsforumet for Power Apps-dataflyten og del det du gjør, still spørsmål eller sende inn nye ideer
Mer informasjon om dataflyter i Power BI:
- selvbetjent dataforberedelse i Power BI-
- Opprette og bruke dataflyter i Power BI
- hvitboken dataflyter
- Detaljert video av en gjennomgang av dataflyter
- Gå til Power BI for dataflyter og del det du gjør, still spørsmål eller sende inn nye ideer
Følgende artikler går nærmere inn på vanlige bruksscenarioer for dataflyter.
- Bruke trinnvis oppdatering med dataflyter
- Opprette beregnede tabeller i dataflyter
- Koble til datakilder for
- Koble tabeller mellom dataflyter
Hvis du vil ha mer informasjon om Common Data Model og common data model-mappestandarden, kan du lese følgende artikler: