Bemærk
Adgang til denne side kræver godkendelse. Du kan prøve at logge på eller ændre mapper.
Adgang til denne side kræver godkendelse. Du kan prøve at ændre mapper.
Data Factory i Microsoft Fabric (Fabric Data Factory) er næste generation af Azure Data Factory. Ved at bruge OneLake som det samlede lagerlag reducerer Fabric Data Factory infrastrukturens kompleksitet og dataflytning. Pipelines kan arbejde direkte med live-data via OneLake-genveje og deling på tværs af lejere.
Denne artikel sammenligner de centrale funktioner, aktiviteter, forbindelser og infrastrukturkomponenter i begge tjenester. For at planlægge en migration, se migrationsplanlægningsguiden.
Sammenlign funktioner side om side
Sådan stabler kernefunktionerne sig mellem Azure Data Factory og Fabric Data Factory. Tabellen fremhæver, hvad der er ændret, hvad der er nyt, og hvad der forbliver det samme.
| Azure Data Factory | Datafabrik i Fabric | Hvad er anderledes |
|---|---|---|
| Pipeline | Pipeline | Bedre integration: Pipelines i Fabric fungerer problemfrit med Lakehouse, data warehouse og andre Fabric-tjenester med det samme. Strukturpipelines indeholder flere SaaS-baserede aktiviteter og adskiller sig i JSON-definitioner. Se vores sammenligning af pipelinefunktioner for at få flere oplysninger. |
| Tilknytning af dataflow | Dataflow Gen2 | Nemmere at bruge: Dataflow Gen2 giver dig en enklere oplevelse, når du skal bygge transformationer. Vi føjer hele tiden flere tilknytningsfunktioner for dataflow til Gen2. |
| Aktiviteter | Aktiviteter | Der kommer flere aktiviteter: Vi arbejder på at overføre alle dine foretrukne ADF-aktiviteter til Fabric. Derudover får du nye, f.eks. Office 365 Outlook-aktiviteten, der ikke er tilgængelig i ADF. Se vores aktivitetssammenligning for detaljer. |
| Datasæt | Kun forbindelser | Enklere tilgang: Ikke flere komplekse konfigurationer af datasæt. For Data Factory i Fabric bruger du forbindelser til at linke til dine datakilder og begynde at arbejde. Fabric eliminerer datasæt og definerer dataegenskaber indbygget i aktiviteter. |
| Sammenkædet tjeneste | Forbindelser | Mere intuitiv: Forbindelser fungerer som sammenkædede tjenester, men er lettere at konfigurere og administrere. |
| Udløsere | Udløsere for planlægnings- og filhændelser | Indbygget planlægning: Brug Fabric's planlægnings- og reflekshændelser til automatisk at køre dine pipelines. Filhændelsesudløsere fungerer oprindeligt i Fabric uden ekstra konfiguration. Fabric integrerer triggere i sit Activator-framework, i modsætning til ADF's selvstændige triggere. |
| Publicer | Gem og kør | Intet udgivelsestrin: I Fabric skal du springe publiceringstrinnet helt over. Du skal blot vælge Gem for at gemme dit arbejde eller vælge Kør for at gemme og udføre pipelinen med det samme. |
| Kørsel af Autoresolve og Azure Integration | Ikke nødvendig | Forenklet arkitektur: Det er ikke nødvendigt at administrere integrationskørsler. Fabric håndterer beregningen for dig. |
| Kørsel af integration via selvvært | Datagateway i det lokale miljø | Samme adgang i det lokale miljø: Opret forbindelse til dine data i det lokale miljø ved hjælp af den velkendte datagateway i det lokale miljø. Få mere at vide i vores vejledning til dataadgang i det lokale miljø. |
| Kørsel af Azure-SSIS-integration | Skal bestemmes | Fremtidig funktionalitet i Fabric: Vi arbejder stadig på designet til SSIS-integration i Fabric. |
| Administrerede virtuelle netværk og private slutpunkter | Skal bestemmes. | Fremtidig funktionalitet i Fabric: Vi arbejder stadig på integration for administrerede virtuelle netværk og private slutpunkter i Fabric. |
| Udtrykssprog | Udtrykssprog | Samme udtryk: Din eksisterende udtryk viden overførsler direkte. Syntaksen er næsten identisk. |
| Godkendelsestyper | Godkendelsestyper | Flere indstillinger: Alle dine populære ADF-godkendelsesmetoder fungerer i Fabric, og vi har tilføjet nye godkendelsestyper. |
| CI/CD | CI/CD | Forbedrede funktioner ud over ADF omfatter nem udvælgelse af kirsebær, promovering af individuelle genstande, aktivering af Git-repo og indbyggede SaaS CI/CD-muligheder. |
| Eksport/import af ARM-skabeloner | Gem som | Hurtig duplikering: I Fabric skal du bruge "Gem som" til hurtigt at duplikere pipelines til udvikling eller test. |
| Overvågning | Overvågningshub + kørselshistorik | Avanceret overvågning: Overvågningshubben giver en moderne oplevelse med indsigt på tværs af arbejdsområder og bedre detailudledningsfunktioner. |
| Fejlfinding | Interaktiv tilstand | Forenklet fejlfinding: Fabric fjerner ADF's debug-tilstand. Du er altid i interaktiv tilstand. |
| Registrering af ændringsdata (CDC) | Kopier job | Trinvis dataflytning: Fabric administrerer trinvis dataflytning via kopijob i stedet for CDC-artefakter. |
| Azure Synapse-link | Mirroring | Datareplikering: Fabric erstatter Azure Synapse Link med spejlingsfunktioner til datareplikering. |
| Udfør pipelineaktivitet | Aktivér pipelineaktivitet | Cross-platform invocation: Fabric forbedrer ADF's Execute pipeline-aktivitet med cross-platform invocation. |
Sammenligning af pipelinefunktioner
| kategori | ADF-rørledninger | Rørledninger til stof |
|---|---|---|
| Type af tjeneste | PaaS-tjeneste til dataintegration | SaaS-tjeneste til dataintegration |
| Oprettelsesmiljø | Azure portal (ADF Studio) | Fabric / Power BI workspace (samlet UX med Lakehouses, Warehouses osv.) |
| Orkestrering af pipeline | Pipelines med alle funktioner med aktiviteter, triggere, parametre | Samme orkestreringsmodel, genfortolket til Fabric UX |
| Dataflytning | Kopiaktivitet, tilknytning af dataflow, IR-understøttelse i det lokale miljø, administreret virtuelt netværk | Kopieringsaktivitet, Dataflows Gen2, indbygget forbindelse til OneLake og Fabric-elementer, OneLake-genveje til live dataadgang uden kopi, On-premises Data Gateway, virtuel netværksgateway |
| Beregning / IR | Selvhostet, SSIS og Azure IR (til bevægelse + transformation) | Cloudforbindelser, gateway i det lokale miljø og virtuel netværksgateway |
| Datastrømme | Azure Blob, Data Lake Storage, SQL, 100+ connectorer | Samme stik + indbygget OneLake-integration, tættere justering af Fabric-arbejdsområdet |
| Overvågning | Pipelines og dataflow i ADF Studio med kørsler, udløsere, beskeder | Overvågning af hub og overvågning af arbejdsområder med ensartede visninger på tværs af pipelines, dataflows, notesbøger, databaser osv. |
| Udløsere | Tidsplaner, tumbling-vindue, hændelsesbaserede udløsere | Tidsplaner, hændelsesudløsere, faldende vinduesudløsere som intervalplaner. Pipelines, der bruger live data via OneLake-genveje og deling på tværs af lejere, fungerer problemfrit med alle Fabric-triggertyper. |
| CI/CD | ARM-skabeloner + Azure DevOps- eller GitHub-lagerintegration | Indbyggede udrulningspipelines i Fabric; Promovering på arbejdsområdeniveau (Dev → Test → Production) og integration af eksternt lager |
| Sikkerhed | Administrerede identiteter, Key Vault-integration, private slutpunkter | Samme sikkerhedsmodel plus Fabric workspace RBAC; OneLake-sikkerhedsintegration |
| Datadeling og styring | NIELSEN | Deling af data på tværs af lejere via OneLake-genveje muliggør styret, live dataadgang på tværs af organisationsgrænser uden duplikation |
| Pricing | Azure-udnyttelsesbaseret betalt efter forbrug (pr. aktivitetskørsel, dataflytning og beregning) | Kapacitetsbaseret (Fabric F SKU) uden gebyrer for eksterne aktiviteter eller pipelineaktiviteter, kun aktivitetskørsler og pipelinedataflytning |
Sammenligning af aktiviteter
Med Data Factory i Microsoft Fabric fortsætter vi med at opretholde en høj grad af kontinuitet med Azure Data Factory. Ca. 90% af aktiviteter, der er tilgængelige i ADF, er allerede tilgængelige under Data Factory in Fabric. Her er en oversigt over aktiviteterne og deres tilgængelighed i både ADF og Data Factory i Fabric:
| Aktivitet | ADF | Datafabrik i Fabric |
|---|---|---|
| ADX/KQL | Y | Y |
| Tilføj variabel | Y | Y |
| Custom (Azure Batch in Fabric) | Y | Y |
| Azure Databricks | Aktivitet i notesbog • Jar-aktivitet • Python-aktivitet • Jobaktivitet | Azure Databricks-aktivitet |
| Azure Machine Learning | Y | Y |
| Batchkørsel af Azure Machine Learning | Frarådet | NIELSEN |
| Opdateringsressource til Azure Machine Learning | Frarådet | NIELSEN |
| Kopiér | Kopier data | Kopier aktivitet |
| Dataflow Gen2 | NIELSEN | Y |
| Slet | Y | Y |
| Udfør/påkald pipeline | Udfør pipeline | Aktivere pipeline |
| Notesbøger i stof | NIELSEN | Y |
| Dumpet | Y | Y |
| Filter | Y | Y |
| For hver | Y | Y |
| Functions | Azure, funktionen | Funktion aktivitet |
| Hent metadata | Y | Y |
| HDInsight | Bikubeaktivitet • Griseaktivitet • KortReducer aktivitet • Gnistaktivitet • Streamingaktivitet | HDInsight-aktivitet |
| Hvis betingelse | Y | Y |
| Søg | Y | Y |
| Kortlægning af dataflow | Y | Dataflow Gen2 |
| Office 365 Outlook | NIELSEN | Y |
| Power-forespørgsel (kun ADF – Wrangling Dataflow) | Frarådet | NIELSEN |
| Script | Y | Y |
| Opdatering af semantisk model | NIELSEN | Y |
| Indstil variabel | Y | Y |
| Sproc | Y | Y |
| SSIS | Y | NIELSEN |
| Gemt procedure | Y | Y |
| Switch | Y | Y |
| Synapse Notebook og SJD-aktiviteter | Y | NIELSEN |
| Teams | NIELSEN | Y |
| Indtil | Y | Y |
| Validering | Y | Hent metadata & If-betingelse |
| Wait | Y | Y |
| web | Y | Y |
| Webhook | Y | Y |
| Organisering af dataflow | Y | Dataflow Gen2 |
Nye aktiviteter i Fabric Data Factory
Ud over at opretholde aktivitetskontinuitet introducerer Data Factory i Fabric nogle nye aktiviteter, der opfylder dine større orkestreringsbehov. Disse nye aktiviteter er:
- Outlook: Tilgængelig i Fabric Data Factory for at lette integrationen med Outlook-tjenester.
- Teams: Tilgængelig i Fabric Data Factory for at muliggøre orkestrering af Microsoft Teams-aktiviteter.
- Opdatering af semantisk model: Tilgængelig i Fabric Data Factory for at forbedre funktionerne til opdatering af semantiske modeller i Power BI.
- Dataflow Gen2: Tilgængelig i Fabric Data Factory for at styrke dataorkestrering med avancerede dataflowfunktioner.
Du kan finde en liste over alle tilgængelige Fabric Data Factory-aktiviteter i aktivitetsoversigten.
Sammenligning af stik
Du kan finde en sammenligning af alle connectorer og deres tilgængelighed i Azure Data Factory og Fabric Data Factory i artiklen Sammenligning af connectorer.
Selvhostet integrationskørsel (SHIR) vs. OPDG (On-premises Data Gateway)
Notat
De tjenester, som SHIR og OPDG støtter, er forskellige:
- Selvhostet integrationskørsel (SHIR): Understøtter Azure Data Factory, Azure Synapse Analytics, Azure Machine Learning Studio og Azure Purview.
- Datagateway i det lokale miljø (OPDG): Understøtter Power BI, Power Apps, Power Automate, Azure Analysis Services, Logic Apps, Fabric Dataflow Gen2, Fabric Pipeline, Fabric Copy Job og Fabric Mirroring.
| kategori | Selvhostet integrationskørsel (SHIR) | Datagateway i det lokale miljø (OPDG) |
|---|---|---|
| Understøttede tjenester | - Azure Data Factory - Azure Machine Learning-studie - Azure Synapse Analytics - Azure Purview |
- Power BI – Power Apps - Power Automate - Azure Analysis Services - Logiske apps - Fabric Dataflow Gen2 - Rørledning til stof - Kopi af stof - Spejling af stof |
| Installation og registrering | - Registreret med nøgle - Kører i servicetilstand |
- Registreret med Microsoft Entra ID-konto - Understøtter brugertilstand |
| Perron | -Windows - Containerbillede understøttes |
- Kun Windows - Ingen understøttelse af containere |
| Understøttelse af proxy | - Understøtter både system og brugerdefineret proxy | - Understøtter brugerdefineret proxy |
| Binding af regioner | - Rettet til Data Factory-området - Kan ikke ændre standardområde |
- Region kan ændres |
| Brugerdefineret relæ | - Understøttes ikke | -Understøttes; Kunder kan medbringe deres eget relæ |
| Deling på tværs af tjenester | - Deles med op til 120 datafabrikker - Kan ikke deles på tværs af ADF-, Synapse-, Purview- eller Synapse-arbejdsområder |
- Tilgængelig for alle understøttede tjenester i en lejer |
| Høj tilgængelighed (HA) | - Op til 8 noder (4 standard) | - Op til 10 noder |
| Gendannelse | - Kræver geninstallation | - Gendannelsesnøgle understøttes |
| Belastningsjustering | - Belastningsjustering på opgaveniveau baseret på tilgængeligt antal medarbejdere (CPU + hukommelse) | - Belastningsjustering på forespørgselsniveau - Round robin eller tilfældig fordeling muligheder |
| Opbevaring af legitimationsoplysninger | - Gemt lokalt på SHIR-noder - Azure Key Vault understøttes |
- Gemt centralt i Gateway cloud-tjeneste - Ingen Key Vault-integration |
| Automatisk opdatering | -Understøttes | - Understøttes ikke |
| Mulighed for udvidelse af stik | - Understøttes ikke | -Understøttes |
| Interaktiv redigering | -Understøttes | -Understøttes |
| Privat link til kontrolflow | -Understøttes | - Understøttes ikke |
| Versionering | - To udgivelser om måneden; en skubbet som autoopdatering - Understøtter de sidste 12 måneders udgivelser |
- En udgivelse pr. måned - Understøtter de sidste 6 udgivelser |
| Begrænsning af CPU og hukommelse | - Understøttes ikke | -Understøttes |
| Grænser for gennemløb | - Ingen hård grænse; afhængig af netværksbåndbredde | Tjenestespecifikke grænser: Power Apps/Power Automate/Logic Apps: - Skrivning: Overførselsgrænse på 2 MB - Læs: 2 MB anmodningsgrænse, 8 MB komprimeret svargrænse - Grænse for GET-anmodnings-URL: 2.048 tegn Power BI Direct-forespørgsel: 16 MB ukomprimeret svargrænse |
ADF-administreret virtuelt netværk vs. datagateway til virtuelt strukturnetværk
Azure Data Factory (ADF) Managed virtuelt netværk og Microsoft Fabric virtuelt netværk (virtuelt netværk) Data Gateway hjælper dig begge med at oprette forbindelse til datakilder på en sikker måde uden at udsætte dem for det offentlige internet. Selvom begge muligheder understøtter privat forbindelse til arbejdsbelastninger i skyen, er de forskellige med hensyn til, hvordan de er konfigureret, hvem der administrerer dem, og hvilke tjenester de understøtter.
ADF-administreret VNET
Microsoft ejer og administrerer netværksmiljøet. Du får en simpel opsætning, men du kan ikke styre netværksindstillingerne eller firewallreglerne.Fabric VNET-datagateway
Du udruller gatewayen i dit eget virtuelle Azure-netværk. Dette giver dig fuld kontrol over netværk, firewall og skalering. Du bestemmer, hvordan gatewayen opretter forbindelse til dine ressourcer, og administrerer alle netværksindstillinger.
Brug nedenstående tabel til at sammenligne de vigtigste forskelle og vælge den indstilling, der passer til dine arbejdsbelastnings- og styringsbehov.
| kategori | ADF-administreret virtuelt netværk | Datagateway til virtuelt strukturnetværk |
|---|---|---|
| Understøttede tjenester | Azure Data Factory- og Synapse-pipelines. | Microsoft Fabric Dataflow Gen2, Fabric-datapipelines, Fabric Copy Job, Fabric Mirroring, Semantiske Power BI-modeller og sideinddelte Power BI-rapporter |
| VNET-ejerskab | Microsoft-administreret virtuelt netværk (kunden kontrollerer ikke netværket). | Kundeadministreret virtuelt netværk (kunden har fuld kontrol). |
| Private slutpunkter | Automatisk oprettet og administreret af ADF for understøttede tjenester (Azure Storage, SQL DB osv.). | Kunder konfigurerer Virtual Network Gateway til at forbinde Fabric-arbejdsbelastninger til ressourcer i deres virtuelle netværk. |
| Kontrol af netværk | Begrænset - kunder kan kun tildele virtuelt netværksintegrationskørsel til private endepunkter. | Fuld kontrol – kunden konfigurerer firewall, NSG-regler, routing i deres eget virtuelle netværk. |
| Installation / implementering | Ingen installation nødvendig; fuldt administreret af Microsoft i et skjult virtuelt netværk. | Kræver implementering af virtuelt netværk Data Gateway i kundens virtuelle netværk. |
| Høj tilgængelighed | Microsoft-administreret, autoskaleret inde i ADF's virtuelle netværk. Skift til reservetilstand, når du aktiverer TTL. | Understøtter skalering og HA (nodebaserede klynger), men kører i kundeadministreret virtuelt netværk. Understøt op til syv noder. |
Fabric Data Factory-funktioner
Fabric Data Factory inkluderer Copilot for Data Factory, som bruger naturligt sprog til at hjælpe dig med at oprette og administrere pipelines, dataflows og andre Data Factory-elementer.
Integration af Native Lakehouse og data warehouse
En af de største fordele ved Fabric Data Factory er, hvordan den opretter forbindelse til dine dataplatforme. Lakehouse og data warehouse fungerer både som kilder og destinationer i dine pipelines, hvilket gør det nemt at bygge integrerede dataprojekter. Pipelines kan også køre på lakehouse-tabeller understøttet af OneLake-genveje, hvilket gør det muligt at transformere og orkestrere data fra eksterne kilder (inklusive kryds-lejere shares) uden først at kopiere dem ind i dit arbejdsområde.
E-mailnotifikationer med Office 365
Den Office 365 Outlook aktivitet sender tilpassede e-mailnotifikationer om pipeline-kørsler, aktivitetsstatus og resultater.
Strømlinet oplevelse af dataforbindelse
Fabric's Get data-erfaring giver en guidet opsætning til copy pipelines og nye forbindelser.
CI/CD-erfaring
Fabric adskiller CI/CD fra ARM-skabeloner, så du kan udvælge individuelle arbejdsområdeelementer til check-in, check-out, validering og samarbejde. Ud over ekstern Git-repo-integration tilbyder Fabric indbyggede deployment-pipelines, der ikke kræver et eksternt repo.
Overvågningshub og aktivitetsindsigter
Fabric Data Factorys overvågningshub giver oversigt over arbejdsområder på tværs af arbejdsområder i alle arbejdsbelastninger med drilldown i individuelle aktivitetskørsler.
For kopieringsaktiviteter skal du vælge knappen til run-detaljer (brilleikonet) for at se en varighedsopdeling, der viser, hvor lang tid hver bane tog.
Duplikering af hurtig pipeline
Brug funktionen Save as til at duplikere enhver eksisterende pipeline. Brug det til at lave udviklingskopier, teste variationer eller opsætte lignende arbejdsgange.
Relateret indhold
Notat
Nye funktioner udviklet til Data Factory in Fabric bliver ikke backportet til Azure Data Factory eller Azure Synapse pipelines. De to platforme har separate køreplaner. Produktteamene vurderer backport-forespørgsler baseret på feedback fra fællesskabet.
Du kan få flere oplysninger i følgende ressourcer: