通过

使用来自其他 Azure 数据工作负荷的 Microsoft Power Platform 数据流的输出

  • 项目

根据 Microsoft Power Platform 数据流输出的存储，可在其他 Azure 服务中使用该输出。

使用 Power Platform 数据流输出的好处

通过使用 Power Platform 数据流，可重塑、清理和准备数据，以便进一步分析和使用。 其他很多 Azure 数据服务均将数据用作输入并提供操作。

  • Azure 机器学习可使用数据流的输出，并将其用于机器学习场景（例如预测分析）。
  • 对于高级数据集成解决方案，Azure 数据工厂可大规模获取数据流的输出，并结合来自大数据数据源的数据。
  • Azure Databricks 可将数据流的输出用于已应用的数据科学算法和深度 AI 应用（在 Apache Spark 后端具有大数据规模）。
  • 其他 Azure 数据服务可使用 Power Platform 数据流的输出从而对这些数据执行进一步操作。

使用外部 Azure Data Lake Storage 的数据流

如果已将外部 Azure Data Lake Storage 存储连接到 Power Platform 数据流，则可使用将 Azure Data Lake Storage 作为源的任意 Azure 服务（例如 Azure 机器学习、Azure 数据工厂、Azure Databricks 和 Azure Analysis Services）与其进行连接。

在所有这些服务中，均将 Azure Data Lake Storage 用作源。 你可输入存储的详细信息并连接到其中的数据。 数据将以 CSV 格式存储，并可通过上述任意工具和服务进行读取。 以下屏幕截图显示了 Azure Data Lake Storage 如何用作 Azure 数据工厂的源选项。

在外部 Data Lake Storage 中使用 Power Platform 数据流的输出。

使用 Dataverse 的数据流

如果使用的是将数据存储在 Dataverse 中的标准数据流，则仍可从各种 Azure 服务连接到 Dataverse。 下图显示，在 Azure 数据工厂中，Dataverse 数据流的输出可用作源。

使用来自 Dataverse 的 Power Platform 数据流的输出。

使用内部 Azure Data Lake Storage 的数据流

使用 Power Platform 数据流提供的内部 Data Lake 存储时，该存储仅限 Power Platform 工具访问，而无法从其他 Azure 数据工作负荷访问。