«Soporte técnico de Microsoft Fabric» puede referirse a dos cosas diferentes, dependiendo del contexto:
Compatibilidad con Azure Service Fabric
Compatibilidad con Microsoft Power BI Fabric
Próximos pasos para el soporte técnico de Microsoft Fabric
Los precios de Microsoft Fabric pueden resultar un poco complejos, ya que implican dos aspectos: el precio de la computación para ejecutar sus cargas de trabajo y el precio del almacenamiento para sus datos. A continuación se ofrece un desglose:
Cálculo de precios
Precios de almacenamiento
Consideraciones adicionales:
Próximos pasos para respaldar los precios de los tejidos
No hay certificaciones específicas exclusivas para «Microsoft Fabric», ya sea en referencia a Microsoft Service Fabric o Fluent UI (antes Office UI Fabric). Sin embargo, hay certificaciones relacionadas disponibles para tecnologías y plataformas más amplias dentro del ecosistema de Microsoft que abarcan habilidades y conocimientos relacionados con estos servicios.
Para quienes trabajan con Microsoft Service Fabric, las certificaciones pertinentes podrían incluir:
Certificaciones Azure
– Certificado por Microsoft: Azure Developer Associate (Examen AZ-204): esta certificación está dirigida a desarrolladores que diseñan, crean, prueban y mantienen aplicaciones y servicios en la nube en Microsoft Azure, lo que puede incluir aplicaciones creadas con Service Fabric.
– Certificado por Microsoft: Experto en arquitectura de soluciones Azure (exámenes AZ-303 y AZ-304): esta certificación avanzada abarca aspectos de la implementación de soluciones en Azure, incluyendo computación, redes, almacenamiento y seguridad, que pueden ser aplicables a las arquitecturas Service Fabric.
Certificaciones DevOps
– Certificación Microsoft: Experto en ingeniería DevOps (examen AZ-400): esta certificación está dirigida a personas que combinan personas, procesos y tecnologías para ofrecer continuamente productos y servicios valiosos que satisfacen las necesidades de los usuarios finales y los objetivos empresariales, relevantes para los microservicios y las aplicaciones en contenedores gestionadas a través de Service Fabric.
Para Fluent UI (antes Office UI Fabric), las certificaciones estarían más alineadas con el desarrollo y el diseño front-end, como por ejemplo:
Certificaciones de Microsoft 365
– Certificación de Microsoft: Desarrollador asociado (Examen MS-600): esta certificación implica ampliar Microsoft 365, lo que puede incluir el desarrollo de interfaces de usuario personalizadas que se ajusten al marco Fluent UI para lograr un diseño coherente en todas las aplicaciones de Microsoft 365.
Certificaciones en desarrollo y diseño web
– Aunque no existen certificaciones específicas de Microsoft para el diseño web que estén directamente relacionadas con Fluent UI, las certificaciones más generales en desarrollo web pueden resultar útiles. Entre ellas se incluyen las certificaciones en HTML, CSS, JavaScript y marcos web modernos.
Aunque estas certificaciones no se centran específicamente en Microsoft Service Fabric o Fluent UI, los conocimientos y habilidades adquiridos a través de ellas pueden ser muy relevantes y beneficiosos para los profesionales que trabajan con estas tecnologías.
A continuación, ofrecemos una breve introducción a Microsoft Fabric, centrándonos en su compatibilidad con el análisis de datos:
Fabric es una plataforma unificada dentro de Azure que proporciona una experiencia fluida para la ingesta, transformación, análisis y visualización de datos. Combina múltiples herramientas como Azure Synapse Analytics, Power BI y Data Factory en un único entorno.
Componentes clave
Introducción
Beneficios
| Característica | Microsoft Fabric | Power BI |
|---|---|---|
| Enfoque | Plataforma unificada de análisis de datos | Herramienta de inteligencia empresarial y visualización de datos |
| Ámbito de aplicación | Ingesta, transformación, análisis, gobernanza y visualización de datos. | Visualización de datos, paneles interactivos, informes |
| Componentes | Almacenamiento OneLake, Data Factory, Synapse Analytics, Azure Cognitive Services | Aplicación de escritorio, servicio en la nube, aplicaciones móviles, conectores |
| Fuentes de datos | Diversos, incluyendo estructurados, semiestructurados y no estructurados. | Datos principalmente estructurados, conectados a diversas fuentes externas. |
| Capacidades de análisis | Almacenamiento de datos, análisis en tiempo real, ciencia de datos, aprendizaje automático. | Paneles interactivos, análisis ad hoc, supervisión de KPI |
| Usuarios objetivo | Analistas de datos, científicos de datos, desarrolladores, profesionales de TI | Analistas de negocios, responsables de la toma de decisiones, ejecutivos, científicos de datos ciudadanos. |
| Curva de aprendizaje | Más pronunciado debido a un alcance más amplio y a aspectos técnicos. | Más fácil de aprender para casos de uso básicos, las funciones avanzadas tienen una curva de aprendizaje más pronunciada. |
| Coste | Pago por uso para servicios individuales | Precios por usuario o por espacio de trabajo, dependiendo de las características y la implementación. |
Similitudes
Diferencias
Casos de uso de soporte
Información adicional
La asistencia para licencias de Microsoft Fabric implica una combinación de suscripciones a servicios individuales y posibles costes adicionales en función de su uso específico. A continuación se muestra un desglose:
Servicios básicos compatibles
Costes de almacenamiento de OneLake
Consideraciones adicionales sobre licencias
Guía para la concesión de licencias de tejidos
Microsoft Fabric es compatible con una gran variedad de arquitecturas, ya que su flexibilidad le permite adaptarse a diferentes necesidades y escenarios. Sin embargo, estos son algunos patrones arquitectónicos comunes que se utilizan con Fabric:
Factores a tener en cuenta al elegir una arquitectura
Consideraciones adicionales
| Característica | Microsoft Fabric | Databricks |
|---|---|---|
| Enfoque | Plataforma unificada de análisis de datos | Plataforma de procesamiento de big data y aprendizaje automático |
| Puntos fuertes | Integración de datos, gobernanza, escalabilidad, integración con Azure. | Procesamiento de datos escalable, análisis en tiempo real, aprendizaje automático, ecosistema de código abierto. |
| Componentes | Almacenamiento OneLake, Data Factory, Synapse Analytics, Azure Cognitive Services | Apache Spark, Databricks Runtime, MLflow, Unity Catalog |
| Fuentes de datos | Diversos, incluyendo estructurados, semiestructurados y no estructurados. | Estructurado principalmente, admite diversas fuentes externas. |
| Capacidades de análisis | Almacenamiento de datos, análisis en tiempo real, ciencia de datos, aprendizaje automático. | Procesamiento de datos a gran escala, cuadernos interactivos, análisis de streaming, aprendizaje automático distribuido. |
| Usuarios objetivo | Analistas de datos, científicos de datos, desarrolladores, profesionales de TI | Científicos de datos, ingenieros de datos, analistas, desarrolladores |
| Curva de aprendizaje | Más pronunciado debido a un alcance más amplio y a aspectos técnicos. | Más complejo para funciones avanzadas, pero accesible para el procesamiento básico de datos. |
| Coste | Pago por uso para servicios individuales | Pago por uso de los recursos informáticos, tarifas adicionales opcionales por servicios. |
| Independiente de la nube | No, nativo de Azure. | Sí, funciona en múltiples plataformas en la nube y en las instalaciones. |
Similitudes
Diferencias
Tomar la decisión correcta
Consideraciones adicionales sobre el soporte técnico
El coste del soporte técnico de «Microsoft Fabric» puede variar dependiendo de si se refiere a Microsoft Service Fabric o Fluent UI (antes Office UI Fabric) y de cómo piense utilizarlos. Dado que ambas son tecnologías distintas dentro del ecosistema de Microsoft, sus costes de soporte técnico varían según la plataforma.
Microsoft Service Fabric
Coste del servicio: Microsoft Service Fabric es una plataforma gratuita y de código abierto. No hay ningún coste directo por utilizar Service Fabric.
Costes de infraestructura: si implementa Service Fabric en Azure, pagará por los recursos de Azure que consuma (por ejemplo, máquinas virtuales, almacenamiento, redes). Estos costes dependen de la escala y el tamaño de la implementación.
Costos del plan de soporte técnico: si necesita soporte técnico oficial de Microsoft (por ejemplo, para la resolución de problemas o asistencia avanzada), normalmente necesitará un plan de soporte técnico. Los planes de soporte técnico de Microsoft Azure van desde Developer hasta Premier, con costos que varían desde unos pocos cientos hasta miles de dólares al mes. US Cloud ofrece soporte técnico de terceros para aquellos que buscan una alternativa más asequible a Microsoft.
Costes de desarrollo y mantenimiento: Existen costes asociados al desarrollo y mantenimiento de las aplicaciones creadas en Service Fabric. Estos incluyen los salarios de los desarrolladores, la formación y, potencialmente, los honorarios de consultoría si se requiere experiencia externa.
Fluent UI (antes Office UI Fabric)
Coste del marco: Fluent UI es un marco gratuito y de código abierto. No hay que pagar nada por utilizarlo.
Costes de desarrollo: El coste principal de utilizar Fluent UI estaría relacionado con el desarrollo, es decir, pagar a los desarrolladores que crean y mantienen la interfaz de usuario de sus aplicaciones.
Formación y aprendizaje: si su equipo no está familiarizado con Fluent UI, es posible que haya costes asociados a la formación o los recursos de aprendizaje.
Consideraciones generales de soporte técnico
Integración y compatibilidad: También pueden surgir costes derivados de la integración de estas tecnologías en sus sistemas existentes, especialmente si se producen problemas de compatibilidad.
Escalabilidad y complejidad: a medida que aumenta el uso de estas tecnologías, también pueden aumentar los costes relacionados con la infraestructura, el soporte y el mantenimiento.
Soporte técnico y actualizaciones: El soporte técnico continuo y la actualización de los sistemas con las últimas versiones también pueden contribuir a los costes.
El coste total de propiedad (TCO) incluye los costes de infraestructura, desarrollo y operativos, y puede variar considerablemente en función del caso de uso específico y la escala de implementación. Para obtener una evaluación detallada y precisa de los costes, es recomendable consultar con US Cloud o con un representante de ventas de Microsoft, especialmente si se está considerando una implementación a gran escala o a nivel empresarial.
Microsoft Fabric es compatible con Copilot, un asistente de desarrollo de IA que ayuda a los desarrolladores a escribir mejor código. Copilot se puede utilizar con Fabric para mejorar el desarrollo de canalizaciones de datos, scripts de transformación de datos y otras aplicaciones de Fabric.
Uso de Copilot con Fabric
Para utilizar Copilot con Fabric, deberá instalar la extensión Copilot para su IDE.
Copilot está disponible actualmente para Visual Studio Code y PyCharm. Una vez instalada la extensión, puedes empezar a utilizar Copilot escribiendo código en tu IDE y pulsando la tecla Tab. Copilot te sugerirá fragmentos de código y completará las instrucciones de código por ti.
Ventajas de utilizar Microsoft Copilot con Fabric
Microsoft Fabric ofrece varias opciones de soporte de inicio de sesión para ayudarle a acceder a sus recursos de Fabric de forma segura y eficiente. A continuación se ofrece una descripción general de los métodos disponibles:
Además de estos métodos de inicio de sesión, Fabric también ofrece compatibilidad con la autenticación multifactor (MFA) para mejorar la seguridad y proteger contra intentos de acceso no autorizados.
Microsoft Fabric ofrece compatibilidad completa con la arquitectura Lakehouse, lo que permite a las organizaciones almacenar, gestionar y analizar diversos tipos de datos en un repositorio unificado. Sus componentes principales, como el almacenamiento OneLake, Data Factory y Synapse Analytics, están diseñados para facilitar una experiencia Lakehouse fluida.
Almacenamiento OneLake
Fábrica de datos
Análisis de sinapsis
En general, la compatibilidad de Microsoft Fabric con la arquitectura Lakehouse permite a las organizaciones:
Microsoft Fabric, que generalmente se refiere a Microsoft Service Fabric o Fluent UI (anteriormente Office UI Fabric), no proporciona directamente soporte para almacenes de datos como su función principal. Sin embargo, estas tecnologías pueden interactuar con sistemas que incluyen almacenamiento de datos en una arquitectura empresarial más amplia o darles soporte.
Microsoft Service Fabric
Microservicios para el procesamiento de datos: aunque Service Fabric no es en sí mismo una herramienta de almacenamiento de datos, se puede utilizar para desarrollar microservicios que procesan y gestionan datos, que luego se pueden almacenar en un almacén de datos.
Integración con sistemas de datos: los microservicios que se ejecutan en Service Fabric pueden diseñarse para interactuar con almacenes de datos, realizando tareas como la ingesta, la transformación y el movimiento de datos. Service Fabric puede gestionar la coordinación y la escalabilidad de estos servicios.
Procesamiento de datos en tiempo real: Service Fabric es adecuado para escenarios que requieren el procesamiento y análisis de datos en tiempo real antes de que se almacenen en un almacén de datos.
Contenedorización e implementación: para las arquitecturas de datos modernas que utilizan contenedores, Service Fabric proporciona una plataforma para implementar y administrar estos contenedores, que pueden incluir aplicaciones utilizadas para tareas de almacenamiento de datos.
Interfaz de usuario fluida (Office UI Fabric)
Interfaz de usuario para aplicaciones de datos: Fluent UI se puede utilizar para crear la interfaz de aplicaciones que interactúan con almacenes de datos. Se puede emplear para crear paneles, informes y otras herramientas de visualización de datos que extraen datos de almacenes de datos.
Consistencia en el diseño: para las organizaciones que utilizan ampliamente los productos de Microsoft, incluidas sus soluciones de almacenamiento de datos (como Azure Synapse Analytics), Fluent UI ayuda a mantener una apariencia coherente en todas sus herramientas y aplicaciones internas.
Ecosistema de Microsoft y almacenamiento de datos
– Azure Synapse Analytics: En el ecosistema de Microsoft, Azure Synapse Analytics es el principal servicio ofrecido para el almacenamiento de datos. Aunque las tecnologías Microsoft Fabric no son directamente compatibles con Azure Synapse Analytics, pueden formar parte de una solución global que incluya el almacenamiento de datos.
– Integración y conectividad: Tanto Microsoft Service Fabric como Fluent UI pueden formar parte de una arquitectura más amplia que incluya el almacenamiento de datos, especialmente en un entorno centrado en Microsoft, donde la integración con los servicios de Azure es un factor clave.
Las tecnologías de Microsoft Fabric, como Service Fabric y Fluent UI, no proporcionan directamente soporte para almacenes de datos, pero pueden desempeñar funciones de apoyo e integración en una arquitectura que incluya el almacenamiento de datos. Contribuyen al procesamiento, la coordinación, la gestión y la presentación de datos, que son aspectos clave de una estrategia integral de almacenamiento de datos.
Microsoft Fabric es totalmente compatible con la arquitectura OneLake, lo que permite a las organizaciones almacenar, gestionar y analizar diversos tipos de datos en un repositorio unificado. El almacenamiento OneLake, un componente básico de Fabric, proporciona un data lakehouse escalable y seguro que puede albergar datos estructurados, semiestructurados y no estructurados.
Ventajas de la compatibilidad con OneLake en Microsoft Fabric
El soporte integral de Microsoft Fabric para la arquitectura OneLake permite a las empresas:
Al aprovechar la compatibilidad con OneLake de Fabric, las empresas pueden liberar todo el potencial de sus activos de datos e impulsar la innovación y la ventaja competitiva.
La hoja de ruta de Microsoft Fabric hace hincapié en la mejora continua de la ingesta, transformación, análisis, gobernanza, observabilidad e integración de datos con prácticas de dataOps. Estos avances tienen como objetivo capacitar a las organizaciones para que obtengan información más detallada a partir de sus datos, adquieran ventajas competitivas y tomen decisiones informadas.
| Área | Objetivos clave (2024) | Objetivos clave (2025) |
|---|---|---|
| Ingesta de datos | – Mejora las capacidades de ingestión de datos en tiempo real para IoT, datos de streaming y captura de datos modificados (CDC). | – Ampliar la integración con fuentes de datos externas y plataformas en la nube. |
| – Introducir canales de ingesta de datos de autoservicio para los usuarios empresariales. | – Optimizar la utilización de recursos y el coste de los procesos de ingestión de datos. | |
| Transformación de datos | – Fortalecer las funciones avanzadas de transformación de datos con el procesamiento de datos y la detección de anomalías impulsados por la inteligencia artificial. | – Automatizar las tareas de limpieza y validación de datos mediante algoritmos de aprendizaje automático. |
| – Integrar los procesos de transformación de datos con el seguimiento del linaje de los datos para mejorar la gobernanza. | – Habilite herramientas visuales de manipulación de datos para una preparación de datos fácil de usar. | |
| Análisis de datos | – Capacidades avanzadas de IA explicable (XAI) para obtener información más detallada sobre los modelos de aprendizaje automático. | – Introducir herramientas interactivas de exploración de datos con visualizaciones inmersivas y compatibilidad con consultas en lenguaje natural. |
| – Fomentar la colaboración en materia de datos mediante espacios analíticos compartidos y paneles de control en tiempo real. | – Integrar funciones avanzadas de modelización estadística y previsión para el análisis predictivo. | |
| Gobernanza de datos | – Ampliar el seguimiento del linaje de los datos para abarcar todo el ciclo de vida de los datos, incluyendo el control de acceso y la auditoría. | – Implementar políticas automatizadas de cumplimiento normativo en materia de datos y detección de anomalías para la mitigación proactiva de riesgos. |
| – Habilite la gobernanza descentralizada de datos con un control de acceso granular en varios niveles de datos. | – Mejorar las funciones de privacidad de los datos para garantizar la seguridad en el intercambio de datos y las capacidades de anonimización. | |
| Observabilidad de datos | – Proporcionar supervisión del rendimiento en tiempo real y detección de anomalías para los canales de datos y la infraestructura. | – Integre el análisis de las causas raíz y los flujos de trabajo de corrección automatizados para acelerar la resolución de problemas. |
| – Habilite herramientas de observabilidad de autoservicio para analistas de datos y usuarios empresariales. | – Implementar capacidades de mantenimiento predictivo para una gestión proactiva de la infraestructura. | |
| Integración de DataOps | – Optimizar la implementación y las actualizaciones de datos mediante procesos de integración continua y entrega continua (CI/CD). | – Automatizar el control de versiones, las pruebas y la implementación del código para las prácticas de DataOps. |
| – Establecer paneles de control centralizados para las operaciones de datos con el fin de unificar la supervisión y la gestión. | – Fomentar la colaboración y la comunicación entre ingenieros de datos, analistas y partes interesadas. | |
| Rendimiento y escalabilidad | – Optimice la utilización de recursos y el coste de las cargas de trabajo de procesamiento de datos mediante funciones sin servidor y de autoescalado. | – Mejorar la resiliencia de la plataforma y las funcionalidades de recuperación ante desastres para una alta disponibilidad. |
| – Implementar herramientas de evaluación comparativa y optimización del rendimiento para la mejora continua. | – Explora las posibilidades de la computación periférica para escenarios de procesamiento de datos sensibles a la latencia. |
Nota: Esta tabla es un resumen y no es exhaustiva. Las características específicas y los plazos pueden estar sujetos a cambios.
La hoja de ruta de Microsoft Fabric para 2024 y 2025 se centra en:
Estos avances tienen como objetivo capacitar a las empresas para que obtengan una visión más profunda de los datos, mejoren la toma de decisiones basada en datos y optimicen sus operaciones de análisis de datos.
Microsoft Fabric y Microsoft Synapse son tecnologías claramente diferenciadas dentro del ecosistema de Microsoft, cada una con su propia finalidad específica.
Microsoft Fabric
«Microsoft Fabric» puede referirse a dos tecnologías diferentes de Microsoft: Microsoft Service Fabric y Fluent UI (antes Office UI Fabric).
– Tipo: Una plataforma de sistemas distribuidos utilizada para crear microservicios escalables y fiables y aplicaciones en contenedores.
– Objetivo: Dirigido principalmente a desarrolladores para gestionar e implementar aplicaciones complejas a gran escala, centrándose en la alta disponibilidad, la resiliencia y la gestión de microservicios.
– Uso: Se utiliza para la infraestructura backend, la coordinación de servicios, la gestión del ciclo de vida de las aplicaciones y para garantizar que estas puedan escalarse y recuperarse de los fallos.
– Tipo: Marco de trabajo front-end para crear interfaces de usuario en línea con los principios de diseño de Microsoft.
– Objetivo: Diseñado para ayudar a los desarrolladores a crear aplicaciones web que se alineen visual y funcionalmente con Microsoft 365.
– Uso: Proporciona componentes React y estilos que siguen el lenguaje de diseño de Microsoft, lo que garantiza una apariencia y un funcionamiento coherentes en todas las aplicaciones web.
Microsoft Synapse (Azure Synapse Analytics)
– Tipo: Servicio de análisis que combina big data y almacenamiento de datos.
– Objetivo: Diseñado para permitir a las empresas consultar y analizar grandes volúmenes de datos de manera eficiente. Proporciona una experiencia unificada para ingestar, preparar, gestionar y servir datos para necesidades inmediatas de BI y aprendizaje automático.
– Uso: Synapse se utiliza para la exploración de datos, el almacenamiento de datos, la integración de datos y el análisis de big data. Ofrece una profunda integración con otros servicios de Azure, proporcionando herramientas como almacenamiento de datos SQL, Apache Spark y Data Explorer.
Diferencias entre Support Fabric y Synapse
– Área de interés: Microsoft Fabric (tanto Service Fabric como Fluent UI) se centra en el desarrollo de aplicaciones (back-end y front-end), mientras que Azure Synapse Analytics se centra en el procesamiento, el almacenamiento y el análisis de datos.
– Público objetivo: Las tecnologías de estructura están dirigidas a desarrolladores de software y profesionales de TI para la creación y gestión de aplicaciones. Por el contrario, Synapse está orientado a ingenieros de datos, científicos de datos y analistas de negocios para el análisis de datos y la obtención de información.
– Funcionalidad: Service Fabric se encarga de coordinar y gestionar los servicios para las aplicaciones, Fluent UI garantiza la coherencia del diseño de la interfaz de usuario y Synapse se ocupa del análisis y la gestión integral de los datos.
– Integración: aunque ambas tecnologías se integran en el ecosistema de Microsoft, sirven para diferentes etapas de la pila tecnológica: Fabric en el desarrollo y la implementación de aplicaciones, y Synapse en el análisis de datos y la inteligencia empresarial.
Comprender estas diferencias es fundamental para determinar qué tecnología se adapta mejor a las necesidades específicas de un proyecto o una organización, ya que abordan diferentes aspectos de la infraestructura tecnológica y la gestión de datos.
| Característica | Microsoft Fabric | Copo de nieve |
|---|---|---|
| Enfoque | Plataforma unificada de análisis de datos | Almacén de datos en la nube como servicio (DWaaS) |
| Usuarios objetivo | Analistas de datos, científicos de datos, desarrolladores, profesionales de TI | Analistas de datos, científicos de datos, ingenieros |
| Casos de uso | Ingesta, transformación, análisis, gobernanza y visualización de datos. | Almacenamiento de datos, lagos de datos, análisis, aprendizaje automático, big data. |
| Almacenamiento de datos | OneLake (almacén de datos unificado) | Almacenamiento independiente para lago de datos/almacén de datos (almacenamiento de objetos, formato columnar) |
| Motor de procesamiento | Diverso: Azure Data Factory, Spark, varios motores. | Principalmente SQL, compatible con Python y Spark para análisis avanzados. |
| Capacidades analíticas | Diverso: SQL, Python, Spark, aprendizaje automático. | Centrado en SQL, con Python y Spark para análisis avanzados, algunas funciones de aprendizaje automático integradas. |
| Gobernanza y seguridad | Origen centralizado de los datos, control de acceso, cumplimiento normativo | Funciones completas de gobernanza de datos, control de acceso basado en roles, cifrado. |
| Escalabilidad y rendimiento | Altamente escalable y elástico | Lago de datos elástico, servidor sin servidor dedicado o grupos aprovisionados para almacén de datos. |
| Coste | Pago por uso para servicios individuales | Pago por uso por horas de computación, cargos de almacenamiento por lago/almacén de datos. |
| Integración | Estrecha integración con otros servicios de Azure | Se integra con los servicios de Azure y conectores adicionales para herramientas externas. |
Similitudes entre el soporte para tela y el soporte para copos de nieve
Diferencias entre tela y copo de nieve
Tomar la decisión correcta
Aunque Microsoft Fabric y Snowflake forman parte del panorama general de la tecnología en la nube, satisfacen necesidades muy diferentes. Microsoft Fabric se centra en la creación y gestión de aplicaciones, mientras que Snowflake se centra en el almacenamiento y análisis de datos. La elección entre uno u otro dependerá de si el requisito principal es el desarrollo de aplicaciones o las soluciones de almacenamiento de datos.
Microsoft Fabric admite una variedad de arquitecturas de fábricas de datos, entre las que se incluyen:
Microsoft Fabric también admite otros patrones de arquitectura, como el data lakehouse, y se puede personalizar para satisfacer las necesidades específicas de cada organización.
| Arquitectura | Ventajas | Contras |
|---|---|---|
| ELT (Extraer, Cargar, Transformar) | Fácil de implementar: más sencillo configurar y gestionar los procesos. | Preocupaciones sobre la calidad de los datos: La limpieza y validación de los datos se realizan posteriormente, lo que puede afectar al análisis. |
| ETL (Extraer, Transformar, Cargar) | Mejora de la calidad de los datos: limpia y valida los datos antes de cargarlos, lo que garantiza un análisis fiable. | Más complejo: Requiere un área de preparación adicional y pasos de transformación, lo que aumenta la complejidad. |
| ELT con Delta Lake: | Combina simplicidad y calidad de datos: aprovecha las características de Delta Lake para el control de versiones y la compatibilidad transaccional. | Requiere configuración adicional: Necesita configuración y gestión de Delta Lake dentro del lago de datos. |
| Fábrica de datos sin servidor: | Rentable: solo se paga por los recursos utilizados, ideal para cargas de trabajo variables. | Control limitado: Menor control sobre la infraestructura en comparación con las fábricas de datos tradicionales. |
| Arquitecturas híbridas: | Flexibilidad: Combina las ventajas de diferentes arquitecturas para necesidades específicas. | Mayor complejidad: Requiere una planificación cuidadosa y la integración de diferentes componentes. |
La mejor arquitectura de fábrica de datos para su empresa dependerá de sus necesidades y requisitos específicos. Debe considerar cuidadosamente su presupuesto, volumen de datos, requisitos de calidad de datos y necesidades de procesamiento antes de tomar una decisión.
Microsoft Fabric admite una amplia variedad de API, entre las que se incluyen:
El ecosistema API de Microsoft Fabric está diseñado para ser flexible y extensible, lo que permite a las organizaciones integrar Fabric con su infraestructura y flujos de trabajo de TI existentes.
| Categoría API | Descripción | Ejemplos |
|---|---|---|
| API de almacenamiento OneLake | Gestiona los datos en el data lakehouse unificado. | – Acceder y gestionar archivos y tablas – Crear, leer, actualizar y eliminar datos – Implementar transacciones ACID y control de versiones |
| API de Data Factory | Orquestar y programar flujos de datos. | – Definir y gestionar flujos de datos – Activar y supervisar la ejecución de flujos – Controlar el flujo y las transformaciones de datos |
| API de Synapse Analytics | Interactuar con servicios de almacenamiento y análisis de datos. | – Consultar y gestionar datos en grupos de SQL de Synapse. – Ejecutar procedimientos y funciones almacenados. – Acceder a recursos y metadatos del almacén de datos. |
| API de Power BI | Incrustar imágenes e informes en aplicaciones | – Acceder y compartir contenido de Power BI – Integrar informes y paneles con herramientas externas – Automatizar la actualización y distribución de contenido |
| API de Azure Cognitive Services | Integrar capacidades cognitivas en el procesamiento de datos. | – Análisis de texto, reconocimiento de voz, análisis de imágenes y mucho más – Mejora los flujos de datos con funciones de IA – Extrae información y automatiza tareas |
| API de conectores personalizados | Cree integraciones personalizadas con fuentes de datos externas. | – Desarrollar y gestionar conectores personalizados. – Ampliar el alcance de Fabric a diversos ecosistemas de datos. – Permitir el intercambio de datos con sistemas especializados o propietarios. |
| API de gestión | Gestionar los recursos y el entorno de Fabric. | – Proporcionar y gestionar espacios de trabajo, cuentas de almacenamiento y canalizaciones. – Controlar el acceso y los permisos. – Supervisar los recursos y resolver problemas. |
Esta tabla representa una descripción general de alto nivel; cada categoría incluye varias API específicas con diferentes funcionalidades.
Microsoft Fabric utiliza API REST y SDK para el acceso programático.
Consulte la documentación oficial de Fabric para obtener referencias detalladas sobre las API y ejemplos de uso.
Además de estas API estándar, Microsoft Fabric también admite una serie de conectores personalizados que se pueden utilizar para conectarse a fuentes de datos o aplicaciones específicas. Por ejemplo, hay conectores personalizados para Salesforce, Amazon S3 y Google Cloud Storage.
La disponibilidad de una amplia gama de API facilita a las empresas la integración de Fabric en sus entornos informáticos y flujos de trabajo existentes. Esta flexibilidad es esencial para las organizaciones que desean adoptar una plataforma de análisis de datos unificada que pueda utilizarse para abordar una gran variedad de casos de uso.