Microsoft Fabric F64 與 Power BI Embedded A4 和 EM SKU 成本

1.快速瀏覽決策輔助

如果您時間有限，此信息圖總結了核心決策。最重要的一個問題是：誰是你的觀眾？

您是否正在為……提供分析服務

內部員工？

您的目標是建立自助數據文化並避免為數千名觀眾支付每用戶許可證費用。

選擇面料F64

您的應用程序中有外部客戶嗎？

您的目標是提供無縫的白標體驗，客戶不需要 Power BI 帳戶。

這是主要的分界線。本文的其餘部分將探討這一基本選擇背後的細微差別。

2. 解構平台與組件模型

為了正確選擇，您必須了解您不僅僅是在比較 SKU，而是在比較兩代不同的 Microsoft 數據策略。 Fabric是整體平台； Power BI Embedded 是專門的 PaaS 組件。

Microsoft Fabric F64：統一 SaaS 平台

一種一體化分析解決方案，可在單一環境中管理整個數據生命週期。其核心是 OneLake——“數據 OneDrive”。

Power BI Embedded A4：專用 PaaS 組件

以開發人員為中心的計算層，用於將視覺效果嵌入到您的自定義應用程序中。它通過 API 連接到外部數據源。

Microsoft 已將 Power BI Premium P SKU 轉換為 Microsoft Fabric F SKU，引導客戶使用將 Power BI 與 Azure Synapse 和數據工廠等服務捆綁在一起的統一平台。其通用指標是**容量單位 (CU)**，F64 和 A4 都提供 64 個 CU，確保 BI 任務的性能同等。

有關的：TCO 計算器：Power BI Embedded 與 Microsoft Fabric 成本分析

3. 正面技術比較

微軟有意將性能作為一個決定因素。 F64 和 A4 都為 Power BI 工作負載提供相同的原始計算能力，相當於舊版 P1 SKU。選擇是關於生態系統，而不是速度。

4. Direct Lake 優勢：Fabric 的秘密武器

也許 Fabric 中 Power BI 工作負載的最大技術差異是直接湖模式。這是 Fabric 平台獨有的突破性語義模型功能，從根本上改變了性能和數據新鮮度之間的權衡。

老困境：導入與直接查詢

傳統上，Power BI 開發人員面臨著一個艱難的選擇：

• 導入方式：性能極快，但數據陳舊且需要計劃刷新。
• 直接查詢方式：實時數據，但性能較慢，因為每個視覺對象的查詢都直接發送到源數據庫。

直接湖：兩全其美

Direct Lake 模式打破了這一困境。它允許 Power BI 引擎直接從 OneLake 加載 Parquet 格式的數據，而無需導入或複制它。這提供了導入模式的性能和直接查詢的實時數據訪問。

“Direct Lake 模式提供與導入模式相當的查詢性能，無需數據複製或刷新管理。”

— GigXP 分析

僅此功能就足以證明選擇 Fabric 的合理性，因為它消除了複雜的刷新計劃、減少了數據延遲並簡化了大型數據集的數據架構。

5. 許可鴻溝：免費查看者與應用程序身份驗證

您的選擇會對用戶許可和成本產生深遠的影響。這是兩種能力之間最關鍵的非技術差異。

Power BI Embedded A4：“應用程序擁有數據”

該模型專為 ISV 設計。您的應用程序使用服務主體（非人類身份）向 Power BI 進行身份驗證。您的最終用戶不需要 Power BI 帳戶或許可證。成本完全取決於您提供的計算容量。這對於向外部客戶提供無縫的白標體驗至關重要。

Microsoft Fabric F64：“用戶擁有數據”

該模型適用於企業內部BI。任何擁有免費 Power BI 許可證的內部用戶都可以查看分配給 F64 容量的工作區中的任何內容。只有需要創建、編輯或發佈內容的用戶才需要付費 Power BI Pro 許可證（9.99 美元/用戶/月）。這是經濟高效、大規模內部 BI 部署的關鍵。

6. 開發者體驗 (DevEx)：Integrated Studio 與 API Toolkit

您的團隊構建和部署分析解決方案的方式在兩個生態系統之間存在顯著差異。

Fabric：統一工作空間

開發人員在一個基於 Web 的 Fabric 工作區中工作。他們可以在編寫 Spark 筆記本、構建數據管道和設計 Power BI 報告之間無縫切換。這減少了上下文切換並簡化了數據工程師和分析師之間的協作。

嵌入式：API 優先工具包

開發人員使用多種工具進行工作：用於報告的 Power BI Desktop、用於應用程序後端代碼的 Visual Studio Code 以及用於容量管理的 Azure 門戶。這種體驗是 API 驅動的，需要軟件工程技能來集成各種組件。

7. 安全模型深入探討：RLS 和身份

在行級別保護數據的方式完全不同，並且代表了關鍵的架構決策點。

嵌入式 A4：程序化 RLS

安全性是在您的應用程序代碼中處理的。您可以在 Power BI Desktop 中定義 RLS 角色，但在運行時，應用程序的後端會為每個用戶生成特定的嵌入令牌，告訴 Power BI 服務要應用哪個角色。這是強大且靈活的，但將安全責任完全放在應用程序的邏輯上。

• 專業人士：高度動態且具有租戶意識。
• 缺點：安全邏輯分散在應用程序代碼中，更難以審計。

Fabric F64：集中式和身份驅動的 RLS

安全性集中在 Fabric 服務內。 RLS 規則是直接針對用戶身份（用戶主體名稱）或 Microsoft Entra ID 組定義的。當用戶登錄時，Fabric 會自動執行分配給他們的規則。這簡化了模型並使其易於審核，因為安全規則與數據一起存在。

• 專業人士：集中、可審計且更易於管理。
• 缺點：對於復雜的多租戶 ISV 場景來說靈活性較差。

8. 性能和並發性：共享計算與專用計算

雖然這兩個 SKU 都有 64 個容量單元，但這些單元的用途是關鍵的性能差異化因素。

Fabric 的通用計算模型

Fabric F64 在“通用計算”模型上運行。您的 64 個 CU 構成了所有 Fabric 工作負載（Power BI、Spark 筆記本、SQL 查詢和數據工廠管道）的共享處理能力池。這提供了令人難以置信的靈活性，但引入了“吵鬧鄰居”的風險，其中大型數據工程作業可能會暫時消耗 Power BI 報表渲染所需的資源。

為了管理這個問題，Fabric 採用了工作負載平滑，對 24 小時內的計算使用情況進行平均，以防止短期峰值立即限制您的服務。它還支持爆裂，允許您在短時間內超出您的能力。

Power BI Embedded 的專用計算

Power BI Embedded A4 更簡單。其 64 個 CU *僅*專用於 Power BI 操作（渲染視覺效果、處理 DAX 查詢、刷新數據模型）。這為您的嵌入式分析提供了可預測的、獨立的性能，與您可能在其他地方運行的任何其他數據工作負載完全隔離。

9. 包含的服務：一體化服務與工具包

這就是價值主張截然不同的地方。 F64 是一個完整的數據平台。 A4 是一個專注的開發人員工具包。

使用 Fabric F64 可以獲得什麼：

• 數據工廠（ETL/ELT）
• Synapse 數據工程 (Spark)
• Synapse 數據科學（ML）
• 突觸數據倉庫
• Synapse 實時智能
• 數據激活器（警報）
• 所有 Power BI Premium 和嵌入式功能

使用 Power BI Embedded A4 可以獲得什麼：

• 用於管理的 REST API
• 客戶端 SDK（JS、.NET、Python）
• “應用程序擁有數據”身份驗證
• 定制與品牌
• 核心 Power BI 渲染引擎

至關重要的是，F64 容量可以執行 A4 可以執行的所有功能，包括外部嵌入。當不需要更廣泛的 Fabric 服務時，A4 SKU 純粹是為了成本優化而選擇的。

10. 戰略用例分析

正確的選擇取決於誰將查看您的報告以及他們將如何訪問這些報告。本部分包含一個交互式過濾器來幫助您做出決定。

交互式決策過濾器

選擇您的主要用例以查看下面突出顯示的我們的建議。

我是一名面向外部客戶嵌入的 ISV
我正在為內部員工構建 BI
重置

場景 1：ISV 和“應用程序擁有數據”

這是經典用例FI 嵌入式 A4 A4 的打孔器。您的應用程序通過服務主體進行身份驗證，並且您的最終用戶不需要 Power BI 許可證。這對於商業可擴展的 SaaS 產品至關重要。

外部用戶
沒有查看者許可證

場景 2：企業和“用戶擁有數據”

這是哪裡微軟織物F64閃閃發光。通過將內容放置在 F64 容量上，成千上萬的內部查看者可以使用免費許可證訪問它，從而節省了 Power BI Pro 許可證的巨大成本（9.99 美元/用戶/月）。

內部員工
需要專業版創作者

11.交互式總擁有成本（TCO）計算器

標題價格只是一個開始。最大的成本驅動因素是每用戶許可。使用我們的交互式計算器找到您組織內部 BI 需求的收支平衡點。

內部 BI 查看者數量：500

模型假設有 10 位創作者，每人每月 9.99 美元。 Fabric F64 成本基於 1 年預留實例（約 5,003 美元/月）。 Power BI Pro 模型成本僅基於許可證。

12. 高級成本動態：超越計算器

計算器顯示許可影響，但其他因素會影響真實成本。

交互式 DevOps 自動化成本計算器

估算為 Power BI Embedded A-SKU 構建自定義暫停/恢復和擴展自動化的“隱藏”成本。對於 Fabric F-SKU 來說，這一成本幾乎為零。

開發人員每小時費率：100 美元

初始構建時間：40小時

每月維護：4小時/月

嵌入式 A4 的預計自動化成本：

一次性構建成本

4,000 美元

年度維護費用

$4,800

第一年總成本

$8,800

此計算突出顯示了 A-SKU 自動化所需的大量開發人員資源。借助 Fabric，這種成本可以被簡單的“暫停”按鈕和本機 API 有效取代，從而加快實現價值的速度。

13. 現實世界案例研究

讓我們將這些概念應用到兩個常見的業務場景中。

案例研究 1：“SaaSCo”——B2B 應用程序

SaaSCo 為 300 家不同的公司提供項目管理軟件。他們希望將客戶特定的儀表板直接嵌入到他們的網絡應用程序中。他們的客戶不應該知道正在使用 Power BI，也不應該需要許可證。

明確的選擇：Power BI Embedded A4。

“應用程序擁有數據”模式是不容協商的。它使 SaaSCo 能夠提供無縫的白標體驗。成本是可預測的，並且隨著應用程序的計算需求而不是客戶的用戶數量而變化。

案例研究 2：“GlobalCorp”——企業

GlobalCorp 擁有 8,000 名員工，希望為其銷售、營銷和財務團隊提供自助分析。他們有 50 名分析師（創建者），目標是讓數千名員工（查看者）定期訪問報告。

戰略選擇：Microsoft Fabric F64。

購買 8,000 個 Pro 許可證在經濟上是昂貴的。借助 F64，他們只需向 50 名創作者授予許可。 F64容量允許其他人免費觀看。這也讓他們能夠隨著時間的推移使用 Fabric 的其他工具實現整個數據堆棧的現代化。

14. 監控和容量管理

了解容量的使用方式對於性能調整和成本控制至關重要。監控體驗是根據每個產品的範圍量身定制的。

嵌入式 A4：重點 Power BI 指標

對於嵌入式，您可以使用Power BI Premium 容量指標應用。此應用提供 Power BI 特定指標的詳細視圖：報表性能、數據集刷新時間、DAX 查詢負載和內存使用情況。它非常適合深入研究 Power BI 性能，但無法提供其他數據管道活動的可見性。

Fabric F64：統一工作負載監控

織物提供了織物容量指標應用程序。這是一個更加全面的工具，可以顯示*所有* Fabric 工作負載中的容量單位 (CU) 消耗。您可以在單個時間線上查看 Spark 筆記本對 Power BI 報表交互性能的影響。這種統一的視圖對於管理共享計算池和識別“吵鬧的鄰居”問題至關重要。

15. 運營動態：管理和擴展

日常管理揭示了成本控制和擴展自動化方面的關鍵差異。

• 暫停能力：這兩個 SKU 都可以通過 Azure 門戶暫停以節省成本。然而，暫停 F SKU 會導致其整個 OneLake 數據無法訪問，這比暫停孤立的 A SKU 需要更多的協調。

• 自動縮放：F SKU 與 Azure 集成，以提供更多本機自動縮放功能。 SKU 缺乏本機自動縮放功能，迫使開發人員構建和維護自定義自動化腳本，這是一種隱藏的 DevOps 成本。

• 治理與安全：Fabric 通過 Microsoft Purview 集成和跨服務的統一安全策略實現集中治理。通過嵌入式，行級安全性 (RLS) 在應用程序代碼中以編程方式進行管理，提供強大的每用戶數據切片，但需要更複雜的開發。

16. 高級主題：混合架構——同時使用

選擇並不總是相互排斥的。大型、成熟的組織可能會發現在混合模型中使用 F-SKU 和 A-SKU 來服務不同受眾的戰略價值。

場景：“GlobalCorp”的客戶門戶

回想一下 GlobalCorp，他們為 8,000 名內部員工選擇了 Fabric F64。現在，他們希望推出一個新的門戶來為外部業務合作夥伴提供分析。他們無法向這些合作夥伴授予 Power BI Pro 帳戶許可。

混合解決方案：

• 面料F64繼續為其整個內部數據平台提供支持——ETL、倉儲和員工自助服務 BI。
• 他們購買單獨的Power BI 嵌入式 A-SKU（例如 A2 或 A4）專門致力於為外部客戶門戶提供支持。
• 數據可以安全地從其內部 Fabric Lakehouse 傳輸到嵌入式容量讀取的服務層（例如 Azure SQL），從而確保單一事實來源。

該架構將每種功能用於其預期目的：用於廣泛內部數據文化的結構和用於可擴展、編程式外部交付的嵌入式。

17. 遷移和麵向未來

您今天的選擇會影響您明天的敏捷性。考慮前進的道路以及每個選項如何與更廣泛的技術領域保持一致。

遷移路徑

好消息是您沒有被鎖定。內容可以在 A-SKU 和 F-SKU 容量之間移動。只需在管理門戶中單擊幾下，即可將 Power BI 工作區從 A4 容量重新分配為 F64 容量（反之亦然）。這使您可以從 ISV 產品的戰術 A4 解決方案開始，然後採用 Fabric 進行內部 BI，而無需重建報告。

Fabric 和 AI 面向未來

微軟的戰略方向很明確：Fabric 是他們數據平台的未來。所有重大的新投資，特別是在人工智能和 Copilot 領域，都建立在統一的 Fabric 架構之上。例如，使用 Copilot for Power BI 根據自然語言提示創建報告需要 F64 或更高容量。通過選擇 Fabric，您可以讓您的組織在這些下一代功能可用時立即利用它們。

18. 最終建議和決策矩陣

選擇是一種戰略選擇：與 Microsoft 的統一數據平台願景保持一致以實現未來增長，或者部署戰術性、經濟高效的組件來滿足當前需求。

飛行前檢查表：問這 5 個問題

在做出承諾之前，請與您的團隊一起回答以下關鍵問題：

1. 誰是我們的主要用戶？（內部員工與外部客戶）
2. 我們的許可容忍度是多少？（我們可以管理每用戶許可證還是它們必須是不可見的？）
3. 這是更大數據戰略的一部分嗎？（我們只是嵌入一份報告，還是構建一個全新的平台？）
4. 實時數據有多重要？（Fabric中的Direct Lake模式是否解決了我們的一大痛點？）
5. 我們的 5 年數據願景是什麼？（我們需要集成的人工智能、數據科學和 ETL，還是只需要 BI 渲染？）

戰略要務

選擇 F64 可以使您的組織與 Microsoft 的戰略軌跡保持一致，確保獲得最新的創新成果，例如人工智能驅動的 Copilots（需要 F64+）。雖然 A SKU 得到完全支持，但它們代表了基於組件的方法。該決定更多的是在採用平台還是購買功能之間進行選擇，而不是比較兩個 SKU。