比较 Microsoft Fabric 上的 PowerBI DataFlows 与 Dataflows Gen2

微软产品组最近做了一个Reddit 上的 AMA关于他们在构建会议上宣布的最新、最伟大的分析产品“Microsoft Fabric”。

Dataflows Gen2 带来了完整的 ETL/ELT 数据集成体验，彻底改变了企业提取、转换和加载数据的方式。在这篇博文中，我们深入研究了令人兴奋的功能和进步，使 Dataflows Gen2 成为数据集成领域的游戏规则改变者。

特征	数据流	数据流 Gen2
一体化	Power BI / Power Platform 的一部分	通用数据集成功能（超越 Power BI）
输出目的地	有限的目的地 (Power BI)	多个目的地（Fabric/Synapse Lakehouse、仓库、实时分析、SQL 等）
性能和规模	性能和规模有限	构建在 Fabric 计算引擎之上，以提高性能和规模
分期	使用默认的暂存机制	使用 Fabric Lakehouse 进行暂存，从而获得更好的性能
复印功能	不支持PB级复制	与 PB 级复制集成，以实现更快的数据导入/复制
监控集成	未指定	与结构监控中心完全集成
创作/保存模型	整体改进	改进了创作和保存模型的体验
许可	Power BI 高级功能	适用于结构容量和 Power BI Premium 容量

Dataflows Gen2 是 Dataflows 的演变，具有多项增强功能和功能。它引入了输出目的地，允许将转换结果写入各种目标。

建议阅读：比较 Google Workspace 与 M365 Microsoft 365 商业版与企业版

它基于 Fabric 计算引擎构建，解决性能和规模问题。它利用 Fabric Lakehouse 进行暂存并与监控集成。通过集成 PB 级复制，数据导入/复制速度更快。

总体而言，Dataflows Gen2 的目标是提供更通用、更灵活的数据转换体验，与其前身 Dataflows 相比，具有更好的性能和规模。

在 Microsoft Fabric 中， Lakehouse 是使用 Azure Data Lake Storage 实现的，数据模型/数据集是使用 Azure SQL 数据库实现的。

下面的表格总结了 Lakehouse 和数据模型/数据集之间的差异：

特征	莱克豪斯	数据模型/数据集
存储架构	单一存储库	单独的存储库
灵活性	非常灵活	灵活性较差
可管理性	可能难以管理	更容易管理
一致性	可能很难确保一致性	更容易保证一致性
准确性	可能很难确保准确性	精度更容易保证
适合不同用途	适合多种用途	并不适合所有用途

结论：

随着 Dataflows Gen2 的推出，组织现在可以使用超越 Power BI 范围的强大且多功能的数据集成工具。

利用多个输出目标的能力、改进的性能和规模、无缝监控集成以及增强的创作功能使 Dataflows Gen2 成为数据管理工具包中的重要组件。

随着 Microsoft 不断完善和扩展这项技术，从数据中转换和提取见解的可能性变得更加引人注目。拥抱 Dataflows Gen2 的强大功能，释放满足您数据集成需求的无限潜力。