Microsoft Power Platform'da veri akışları oluşturma ve kullanma
Microsoft Power Platform ile veri akışlarını kullanmak, veri hazırlamayı kolaylaştırır ve sonraki raporlarda, uygulamalarda ve modellerde veri hazırlama çalışmanızı yeniden kullanmanıza olanak tanır.
Sürekli genişleyen veri dünyasında veri hazırlama zor ve pahalı olabilir. Tipik bir analiz projesi için zaman ve maliyetin yüzde 60 ile 80'ine kadar tüketebilir. Bu tür projeler parçalanmış ve eksik verilerin düzenlenmesini, karmaşık sistem tümleştirmesini, yapısal tutarsızlığı olan verileri ve yüksek beceri kümesi engelini gerektirebilir.
Veri hazırlamayı kolaylaştırmak ve verilerinizden daha fazla değer elde etmeye yardımcı olmak için Power Query ve Power Platform veri akışları oluşturuldu.
Veri akışlarıyla Microsoft, Power Query'nin self servis veri hazırlama özelliklerini Power BI ve Power Apps çevrimiçi hizmetlerine getirir ve mevcut özellikleri aşağıdaki yollarla genişletir:
Büyük veriler için self servis veri hazırlığı veri akışları: Veri akışları, tüm veri hazırlama mantığını kapsayan geniş ve sürekli büyüyen bir dizi işlemsel ve gözlemsel kaynaklardan verileri kolayca almak, temizlemek, dönüştürmek, entegre etmek, zenginleştirmek ve şemalandırmak için kullanılabilir. Daha önce ayıklama, dönüştürme, yükleme (ETL) mantığı yalnızca Power BI'daki anlamsal modellere dahil edilebiliyor, semantik modeller arasında tekrar tekrar kopyalanıp semantik model yönetimi ayarlarına bağlanabiliyor.
Veri akışlarıyla ETL mantığı, Microsoft Power Platform hizmetlerinde birinci sınıf bir yapıta yükseltilir ve ayrılmış yazma ve yönetim deneyimleri içerir. İş analistleri, IŞ zekası uzmanları ve veri bilimcileri, devrim niteliğindeki model temelli hesaplama altyapısı sayesinde veri akışlarını kullanarak en karmaşık veri hazırlama zorluklarını işleyebilir ve birbirlerinin çalışmalarını derleyebilir. Bu motor, dönüştürme ve bağımlılık mantığı işlevlerini üstlenerek, bu görevler için geleneksel olarak gerekenden çok daha az süre, maliyet ve uzmanlık gerektirir. Power Query'nin iyi bilinen self servis veri hazırlama deneyimini kullanarak veri akışları oluşturabilirsiniz. Veri akışları, uygulama çalışma alanlarında veya ortamlarda, Sırasıyla Power BI veya Power Apps'te oluşturulur ve kolayca yönetilir ve izin yönetimi ve zamanlanmış yenilemeler gibi bu hizmetlerin sunduğu tüm özelliklerden keyif alır.
Dataverse veya Azure Data Lake Storage'a veri yükleme: Kullanım örneğine bağlı olarak, Power Platform veri akışları tarafından hazırlanan verileri Dataverse'de veya kuruluşunuzun Azure Data Lake Storage hesabında depolayabilirsiniz:
dataverse
, iş uygulamaları tarafından kullanılan verileri güvenli bir şekilde depolamanıza ve yönetmenize olanak tanır. Dataverse içindeki veriler bir tablo kümesinde depolanır. tablo, bir satır (eski adıyla kayıtlar) ve sütunlar (eski adıyla alanlar/öznitelikler) kümesidir. Tablodaki her sütun ad, yaş, maaş gibi belirli bir veri türünü depolamak için tasarlanmıştır. Dataverse, tipik senaryoları kapsayan temel bir standart tablo kümesi içerir, ancak kuruluşunuza özgü özel tablolar da oluşturabilir ve veri akışlarını kullanarak bunları verilerle doldurabilirsiniz. Uygulama oluşturucular bu verileri kullanan zengin uygulamalar oluşturmak için Power Apps ve Power Automate'i kullanabilir. Azure Data Lake Storage Power BI, Azure Data ve AI hizmetlerini kullanarak veya gölden veri okuyan özel oluşturulmuş İş Kolu Uygulamaları kullanarak kuruluşunuzdaki kişilerle işbirliği yapmanıza olanak tanır. Azure Data Lake Storage hesabına veri yükleyen veri akışları, verileri Ortak Veri Modeli klasörlerinde depolar. Ortak Veri Modeli klasörleri, veri alışverişini kolaylaştırmak ve bir kuruluşun Azure Data Lake Storage hesabında depolanan verileri üreten veya kullanan hizmetler arasında paylaşılan depolama katmanı olarak tam birlikte çalışabilirlik sağlamak için standartlaştırılmış biçimde şemalaştırılmış veriler ve meta veriler içerir.
Azureile Gelişmiş Analiz ve Yapay Zeka
: Power Platform veri akışları verileri Dataverse'de veya Azure Data Lake Storage'da depolar; bu da veri akışları aracılığıyla alınan verilerin artık azure machine learning, Azure Databricks ve Azure Synapse Analytics gibi Azure Machine Learning, Azure Databricks ve Azure Synapse Analytics gibi Azure Veri Hizmetleri'nin tüm gücünü uygulama amacıyla veri mühendisleri ve veri bilimciler tarafından kullanılabildiği anlamına gelir. Bu, iş analistlerinin, veri mühendislerinin ve veri bilimcilerinin kuruluşlarında aynı veriler üzerinde işbirliği yapmasına olanak tanır. ortak veri modeliiçin
desteği: Ortak Veri Modeli, uygulamalar ve iş süreçlerinde verilerin ve anlamının tutarlılığını sağlamak için bir dizi standartlaştırılmış veri şeması ve meta veri sistemidir. Veri akışları, herhangi bir şekildeki herhangi bir veriden Hesap ve Kişi gibi standart Ortak Veri Modeli tablolarına kolay eşleme sunarak Ortak Veri Modeli'ni destekler. Veri akışları ayrıca hem standart hem de özel tabloların verilerini şema haline getirilmiş Ortak Veri Modeli formuna getirir. İş analistleri standart şemadan ve anlam tutarlılığından yararlanabilir veya tablolarını benzersiz ihtiyaçlarına göre özelleştirebilir. Ortak Veri Modeli, Açık Veri Girişimikapsamında gelişmeye devam ediyor.
Microsoft Power Platform hizmetlerindeki veri akışı özellikleri
Veri akışı özelliklerinin çoğu hem Power Apps'te hem de Power BI'da kullanılabilir. Veri akışları, bu hizmetlerin planlarının bir parçası olarak kullanılabilir. Bazı veri akışı özellikleri ürüne özgü veya farklı ürün planlarında kullanılabilir. Aşağıdaki tabloda veri akışı özellikleri ve bunların kullanılabilirliği açıklanmaktadır.
Veri akışı özelliği | Power Apps | Power BI |
---|---|---|
Zamanlanmış yenileme | Günde en fazla 48 | Günde en fazla 48 |
Tablo başına en fazla yenileme süresi | 2 saate kadar | 2 saate kadar |
Power Query Online ile veri akışı yazma | Evet | Evet |
Veri akışı yönetimi | Power Apps yönetim portalında | Power BI yönetici portalında |
Yeni bağlayıcılar | Evet | Evet |
Ortak Veri Modeli için standartlaştırılmış şema / yerleşik destek | Evet | Evet |
Power BI Desktop'ta Veri Akışları Veri Bağlayıcısı | Azure Data Lake Storage'ın hedef olduğu veri akışları için | Evet |
Kuruluşun Azure Data Lake Storage ile entegrasyonu | Evet | Evet |
Dataverse ile tümleştirme | Evet | Hayır |
Dataflow ile bağlantılı tablolar | Azure Data Lake Storage'ı hedef olarak kullanan veri akışları için | Evet |
Hesaplanan tablolar (M kullanılarak depolama içi dönüşümler) | Azure Data Lake Storage'ı hedef olarak kullanan veri akışları için | Yalnızca Power BI Premium |
Veri akışının artımlı yenilenmesi | Hedef olarak Azure Data Lake Storage olan veri akışları için Power Apps Plan2 gerekir | Yalnızca Power BI Premium |
Power BI Premium kapasitesinde çalıştırma / dönüşümlerin paralel yürütülmesi | Hayır | Evet |
Bilinen sınırlamalar
- Power Platform ortamlarının bir parçası olarak veri akışlarını kopyalama işlemi kopyalama veya Ortamları yedekleme ve geri yükleme işlem desteklenmez.
- Bağlantı ve sorgu parametresine sahip bir Dataflow'un sahibini değiştirmek, parametre değerinin önceki bir değerine de değişmesine neden olur (böyle bir değer ayarlanmışsa).
Sonraki adımlar
Power Apps'teki veri akışları hakkında daha fazla bilgi:
- Power Apps'ta kendi kendine hizmet veri hazırlığı
- Power Apps'te veri akışları oluşturma ve kullanma
- Veri akışı depolama için Azure Data Lake Storage 2. Nesil'e bağlanma
- Power Query kullanarak Dataverse'de tabloya veri ekleme
- Power Apps veri akışı topluluğu ziyaret edin ve yaptıklarınızı paylaşın, soru sorun veya yeni fikirler gönderin
- Power Apps veri akışı topluluk forumunu ziyaret edin ve ne yaptığınızı paylaşın, soru sorun veya yeni fikirler gönderin
Power BI'daki veri akışları hakkında daha fazla bilgi:
- Power BI'da Self servis veri hazırlığı
- Power BI'da veri akışları oluşturma ve kullanma
- Veri Akışları Teknik İncelemesi
- Veri akışları incelemesinin ayrıntılı videosu
- Power BI veri akışları topluluğu ziyaret edin ve yaptıklarınızı paylaşın, soru sorun veya yeni fikirler gönderin
Aşağıdaki makalelerde, veri akışları için yaygın kullanım senaryoları hakkında daha ayrıntılı bilgi ve bulabilirsiniz.
- Veri akışları artımlı yenileme kullanma
- Veri akışlarında hesaplanan tablolar oluşturma
- Veri akışları için veri kaynaklarına bağlanma
- Tabloları veri akışları arasında bağlama
Ortak Veri Modeli ve Ortak Veri Modeli klasör standardı hakkında daha fazla bilgi için aşağıdaki makaleleri okuyun:
- Ortak Veri Modeli - genel bakış
- Ortak Veri Modeli klasörleri
- Ortak Veri Modeli klasör modeli dosya tanımı