Reading time: 93 minutes

Bem-vindo ao resumo de recursos de março!

Desde a inovadora biblioteca de variáveis (versão prévia) até o poderoso suporte à entidade de serviço nos recursos de CI/CD, há muito o que explorar. Aprofunde-se e descubra como as novas cargas de trabalho de parceiros no Fabric trazem recursos de ponta para seu espaço de trabalho. Além disso, a segurança aprimorada do OneLake garante que seus dados estejam protegidos. E não perca a disponibilidade regional expandida para os endpoints privados gerenciados da Eventstream, tornando mais fácil para organizações em todo o mundo criar soluções de streaming seguras e escaláveis.

Prepare-se para explorar esses recursos e muito mais nas atualizações de março de 2025 do Fabric!

Vamos lá?

Power BI

No mês de março foram apresentadas uma série de novos recursos e melhorias que elevarão sua experiência de análise e visualização de dados. Entre os destaques estão o recurso Copiar nome do objeto de relatório, que simplifica a localização e identificação de objetos dentro da pasta PBIR, e a melhor narrativa com anotações de dados no Power BI para PowerPoint, permitindo que você adicione texto descritivo diretamente às visualizações em suas apresentações.

Além disso, foram feitas melhorias significativas nas Linhas de Referência, permitindo que você adicione áreas de sombra para todos os tipos de linha de referência e suporte a linhas de referência no eixo Y para gráficos de linhas e colunas empilhadas. Os aprimoramentos de categoria para novos cartões trazem novos estilos para categorias, incluindo estilo de tabela e estilo de cartões, com opções de formatação condicional. Mergulhe para explorar esses recursos interessantes e veja como eles podem ajudá-lo a aproveitar ao máximo seus dados.

Para saber mais sobre esses recursos e muito mais, acesse o Resumo de recursos de março de 2025 do Power BI.

Plataforma Fabric

Biblioteca de variáveis (versão prévia)

Foi anunciado a próxima visualização de um novo recurso de CI/CD – Item de biblioteca variável no Microsoft Fabric. Esse recurso foi projetado para fornecer uma maneira unificada e centralizada de gerenciar configurações, reduzindo a necessidade de valores codificados e simplificando seus processos de CI/CD, facilitando o gerenciamento de configurações em diferentes ambientes.

O que é a Biblioteca de Variáveis?

A biblioteca de variáveis é um novo tipo de item no Microsoft Fabric que permite aos usuários definir e gerenciar variáveis no nível do espaço de trabalho, para que em breve possam ser usadas em vários itens do espaço de trabalho, como pipelines de dados (já disponíveis!), notebooks, atalho para lakehouse e muito mais.

Principais recursos e benefícios

Configurações específicas do ambiente: com a biblioteca de variáveis, você pode definir
diferentes conjuntos de valores para suas variáveis, por exemplo, um para cada estágio do pipeline de lançamento. Isso significa que você pode alternar facilmente as configurações com base no ambiente de implantação, como desenvolvimento, teste e produção.

1. Gerenciamento centralizado: a biblioteca de variáveis fornece um local centralizado para gerenciar todas as suas variáveis de configuração. Isso facilita a atualização e a manutenção das configurações, garantindo a consistência entre suas implantações.

• Integração com pipelines de CI/CD: A biblioteca de variáveis se integra perfeitamente às suas práticas de CI/CD – É um item de malha compatível com pipelines de integração e implantação do Git e possui APIs para automatizar seu gerenciamento.

3. Suporte para vários tipos de variáveis: a biblioteca de variáveis oferece suporte a vários tipos de variáveis, incluindo booleano, inteiro, número, cadeia de caracteres, GUID e DateTime. Essa flexibilidade permite que você defina e use as variáveis que melhor atendem às suas necessidades.

Itens do Fabric que suportam a biblioteca de variáveis

A biblioteca Variable é suportada em breve por meio de vários itens de estrutura:

• Pipeline de dados – Onde a biblioteca de variáveis pode ser usada em campos de conteúdo dinâmico.
• Notebook – Que dará suporte ao uso nativo de variáveis no código do Notebook.
• Atalho para Lakehouse – Onde a biblioteca de variáveis será usada para parametrizar a configuração do atalho. Isso inclui o gerenciamento de conexões com fontes de dados e a definição de caminhos.

Mais itens de apoio estão em andamento, então fique ligado!

O novo recurso CI/CD da biblioteca de variáveis estará disponível no início de abril no Microsoft Fabric e requer aprovação do administrador. Experimente a partir de meados de abril de 2025 e faça parte desta emocionante jornada!

O que é a biblioteca Fabric Variable? Para saber mais, consulte a documentação da biblioteca de variáveis.

Novos recursos de CI/CD

Além da biblioteca de variáveis, a plataforma CI/CD está lançando algumas atualizações importantes para melhorar a experiência do desenvolvedor ao configurar seu processo de CI/CD no Fabric.

Suporte à entidade de serviço

O seguinte conjunto de APIs também começará a dar suporte à Entidade de Serviço:

• APIs de pipelines de implantação
• GitHub (por meio de APIs Git)

Chamar APIs do Git ao trabalhar com o Azure DevOps como seu provedor Git ainda está sendo trabalhado e será lançado nos próximos meses. Por favor, fique atento e obrigado por sua paciência!

Se você quiser saber mais sobre como automatizar seu processo de CI/CD no Fabric, poderá usar um dos seguintes recursos:

• Automatizar a integração do Git usando APIs
• Automatizar o pipeline de implantação usando APIs do Fabric
• tecido-cicd

Ramificar para o espaço de trabalho existente

Ao trabalhar no Fabric usando o controle do código-fonte, recomendamos trabalhar em sua própria ramificação de recursos em um ambiente isolado. No Fabric, isso significa que você precisa de outro espaço de trabalho. Por isso, esse processo foi facilitado com a capacidade de ‘ramificar’, levando você diretamente a um novo espaço de trabalho, já conectado e sincronizado com a nova ramificação.

Agora, estamos tornando as coisas ainda mais fáceis, pois você pode ramificar para um espaço de trabalho existente.

Se você tiver seu próprio espaço de trabalho de desenvolvedor, não precisará criar outro para trabalhar em sua próxima tarefa. Você pode simplesmente escolher o mesmo espaço de trabalho, que já tem todas as configurações definidas e dados em vigor e continua trabalhando instantaneamente após conectá-lo à nova filial.

Novas cargas de trabalho de parceiros no Fabric

Os parceiros do Fabric estão oferecendo novos recursos totalmente integrados ao Fabric como cargas de trabalho! Isso permite a criação de novos tipos de itens em áreas de trabalho compartilhadas para colaboração em equipe.

O Workload Hub é o mercado de produtos do Fabric para parceiros que se integraram nativamente ao Fabric para fornecer à nossa comunidade a capacidade de experimentar e comprar aplicativos de dados líderes, desde ferramentas de armazenamento, transformação e conectividade de dados até plataformas MDM e visualização – tudo na experiência nativa do Fabric que conhecemos e amamos!

Adicionar uma carga de trabalho no hub de carga de trabalho descreve como os clientes podem adicionar e gerenciar cargas de trabalho que foram publicadas como cargas de trabalho de malha.

Confira a seção Cargas de trabalho do parceiro neste blog para saber quais cargas de trabalho foram lançadas no mês passado.

Melhorias no Workload Development Kit

O Microsoft Fabric Workload Development Kit foi projetado para aprimorar a experiência do Microsoft Fabric integrando recursos personalizados ao Fabric. Ele permite que desenvolvedores e parceiros da Microsoft criem e publiquem cargas de trabalho, proporcionando uma experiência de usuário perfeita sem sair do Fabric.

Usando o Workload Development Kit, os desenvolvedores podem inserir novos recursos no Microsoft Fabric, simplificar os processos de análise e explorar novos caminhos para geração de receita.

Será introduzido várias novas funcionalidades que capacitarão nossa comunidade a criar cargas de trabalho mais integradas para o Fabric de forma independente.

Integração com o OneLake

As cargas de trabalho agora podem aproveitar a nova integração do OneLake, que permite armazenar dados estruturados e não estruturados diretamente como parte do item de carga de trabalho do parceiro. Essa integração permite que os clientes acessem os dados por meio de APIs padrão do OneLake e os exponham como um item de dados no catálogo do OneLake. É importante ressaltar que todos os dados do cliente são armazenados e protegidos no locatário do cliente.

Experiência de navegação aprimorada

A experiência de navegação em relação ao Workload Development Kit está melhor. A comunidade agora pode criar cargas de trabalho que abrem novas guias e navegam diretamente para outros itens dentro do espaço de trabalho, proporcionando uma experiência de usuário mais suave e intuitiva.

Promovendo soluções de carga de trabalho

Em resposta às solicitações dos desenvolvedores de carga de trabalho, temos o prazer de apresentar suporte para a incorporação de vídeos na página de carga de trabalho. Além disso, lançamos novas diretrizes de monetização do Fabric que a comunidade pode utilizar como parte do sistema Fabric UX.

Integração de inteligência em tempo real

Para desenvolvedores de carga de trabalho, o exemplo para incluir a inteligência em tempo real está aumentado. Agora, os parceiros agora podem usar o seletor Event House em suas cargas de trabalho para oferecer aos clientes experiências ricas em tempo real. Também incluímos um exemplo de como usar as APIs em tempo real e executar consultas na Event House.

Há várias mudanças adicionais que estão ajudando a comunidade a criar novas cargas de trabalho. Não deixe de conferir o Kit de Desenvolvimento de Carga de Trabalho – Anunciando o suporte ao OneLake e os aprimoramentos da Experiência do Desenvolvedor para saber mais.

Impulsione a descoberta e a curadoria de dados com tags (disponível ao público em geral)

As tags no Fabric permitem flexibilidade na forma como você estrutura e gerencia seu patrimônio de dados e agora estão disponíveis para o público em geral.

Ao fornecer a capacidade de aplicar metadados adicionais a itens no Fabric, as tags ajudam os administradores e proprietários de dados a categorizar os dados, aprimorando a capacidade de pesquisa e aumentando as taxas de sucesso e a eficiência para os usuários finais.

Para saber mais sobre marcas no Microsoft Fabric, consulte a documentação.

No catálogo do OneLake, a experiência de marcação foi refinada ainda mais com marcas aplicadas com reconhecimento de contexto. Agora, quando os usuários filtram dados por tags, eles verão apenas tags relevantes aplicáveis ao seu contexto atual, em vez de navegar por toda a coleção de tags da organização. Esse aprimoramento reduz a desordem e melhora a eficiência ao pesquisar ativos marcados.

Domínios do Fabric

A arquitetura de malha de dados do Microsoft Fabric oferece suporte à organização de dados em domínios e subdomínios, ajudando os administradores a gerenciar e controlar os dados por contexto de negócios com várias configurações delegadas. A estrutura de domínios e subdomínios permite que os consumidores de dados filtrem e descubram conteúdo da área mais relevante para eles.

A visibilidade do domínio selecionado no catálogo do OneLake foi enriquecida e a galeria de imagens de domínio com imagens novas e vívidas.

Agora, quando os usuários filtrarem por domínio no catálogo do OneLake, eles verão a imagem de capa do domínio exibida em segundo plano. Isso criará mais clareza para os usuários em seu contexto atual enquanto navegam no catálogo.

Em breve – criar Tags em domínios

Em breve, os administradores de domínio poderão criar uma lista de tags em seu domínio.

Os proprietários de itens poderão aplicar essas tags a seus itens dentro do domínio e os consumidores de dados poderão usá-las para filtrar e pesquisar dados relevantes.

O catálogo OneLake e o Modern Get Data agora estão integrados ao Excel para Windows

Agora é ainda mais fácil do que nunca trabalhar com seus dados do Fabric no Excel! O catálogo do OneLake agora está integrado à experiência moderna de Obter dados no Excel, permitindo que os usuários descubram e se conectem facilmente aos seus ativos do Lakehouse ou do Warehouse. Com apenas alguns cliques, você pode trazer os dados do Fabric para o Excel para análise e tomada de decisões. Essa integração está atualmente disponível para clientes inscritos no programa M365 Insiders no Canal Beta (Insiders Fast), com planos para uma distribuição mais ampla em breve.

Para obter mais informações, consulte Anunciando uma nova experiência moderna de conectividade e descoberta de dados em fluxos de dados.

Pesquisa aprimorada em tabelas e colunas no catálogo do OneLake

Navegar pelos seus dados ficou mais eficiente! Nosso novo recurso de pesquisa aprimorada permite que os usuários pesquisem subitens como tabelas, colunas e medidas diretamente em seus itens de dados. Essa funcionalidade de pesquisa está disponível para os usuários depois que eles clicam em um item específico, garantindo acesso rápido a informações relevantes sem navegação desnecessária.

Nova ação rápida para navegação perfeita no catálogo do OneLake

Para otimizar fluxos de trabalho, agora você pode abrir rapidamente um editor ou visualizador de itens com um único clique por meio de uma ação rápida dedicada, em vez de navegar até a página Detalhes do Item primeiro. Essa melhoria acelera o acesso a itens usados com frequência e aumenta a produtividade de todos os usuários.

Políticas de DLP (Prevenção contra Perda de Dados) do Purview para KQL e DBs Espelhados

As equipes de segurança podem usar políticas DLP para atender aos requisitos de segurança e conformidade para dados confidenciais na nuvem. Essas políticas aproveitam a verificação de conteúdo para detectar automaticamente o upload de informações confidenciais e disparar ações de correção de risco (como dicas de política, logs de auditoria e alertas) em modelos semânticos e lakehouses. As políticas DLP dão suporte a bancos de dados KQL e bancos de dados espelhados (incluindo bancos de dados Snowflake e Azure).

Cobertura DLP com este aprimoramento:

• Banco de dados KQL
• Azure Cosmos DB espelhado
• BD espelhado do Azure para PostgreSQL
• Banco de Dados SQL do Azure espelhado
• Instância Gerenciada de SQL do Azure espelhada
• Banco de dados espelhado
• Floco de neve espelhado
• Banco de dados espelhado do SQL Server
• Lakehouse (anteriormente suportado)
• Modelo semântico (com suporte anteriormente)

Comece a usar as políticas de prevenção contra perda de dados para o Fabric e o Power BI para saber mais.

As políticas DLP restringem a ação de acesso para lakehouses

As políticas DLP no Fabric ajudam as organizações a detectar informações confidenciais em seus dados tabulares e apresentá-las aos usuários finais e administradores de segurança por meio de dicas de política, logs de auditoria e alertas.

A Ação de Restrição de Acesso permite maior controle sobre os itens de dados depois que informações confidenciais são descobertas, permitindo que os administradores de segurança definam quem pode acessar o item após a detecção de DLP.

Este anúncio significa que, uma vez que informações confidenciais sejam encontradas no Fabric Lakehouse, usuários não autorizados serão impedidos de acessá-las até que os dados sejam removidos. Os itens podem ser bloqueados de todos os usuários (excluindo os proprietários de dados que sempre mantêm o acesso) ou de usuários convidados no locatário.

Saiba mais sobre Restringir acesso no DLP no Fabric.

MTO (organização multilocatário) (disponível ao público em geral)

O suporte para organizações multilocatários no Fabric agora está disponível para o público em geral (GA). Os usuários do Entra ID do tipo membro externo são suportados na plataforma Fabric. Os usuários podem se autenticar, trazer suas próprias licenças de seus locatários iniciais e usar cargas de trabalho do Fabric para desenvolvimento e consumo. Há algumas limitações ao usar o Fabric com um usuário externo.

Para obter mais informações, consulte a documentação Distribuir conteúdo do Power BI para usuários convidados externos com o Microsoft Entra B2B.

One Lake

Segurança OneLake

O gerenciamento da segurança de dados granulares em vários aplicativos e mecanismos de análise é complexo, muitas vezes levando a restrições excessivas ou exposição acidental. É por isso que estamos introduzindo a segurança do OneLake como um avanço na proteção de dados.

Com a segurança do OneLake, você define o acesso uma vez e o Fabric o aplica de forma consistente em todos os mecanismos. Os proprietários de dados podem criar direitos de acesso, conceder permissões precisas e controlar o acesso no nível de linha e coluna, por exemplo, restringindo informações de identificação pessoal (PII) enquanto mantêm outros dados disponíveis. Essa segurança se propaga automaticamente, garantindo que, independentemente de os usuários consultarem por meio do SQL ou criarem relatórios do Power BI, eles verão apenas o que estão autorizados a acessar. A segurança do OneLake substitui o recurso de visualização de funções de acesso a dados existente do OneLake.

Os usuários começam criando direitos de acesso do OneLake que concedem acesso a dados específicos em um lakehouse. Além de selecionar tabelas e pastas, a segurança do OneLake também permite que a segurança em nível de linha e coluna seja definida. Usando o T-SQL, o acesso à tabela pode ser restrito apenas a linhas específicas em que a instrução T-SQL é verdadeira. Para proteger colunas inteiras, as funções podem conter definições de segurança no nível da coluna que bloqueiam o acesso às colunas confidenciais. Atribua membros à sua função para conceder a eles acesso apenas aos itens permitidos nessa função.

Com a função criada, os usuários podem usar qualquer mecanismo do Fabric para consultar os dados e ver resultados consistentes. Todas as consultas por meio de um bloco de anotações do Spark são protegidas com a segurança do OneLake. O Ponto de Extremidade da Análise de SQL agora usa a definição de segurança do OneLake para proteger os dados ao ser executado no modo de identidade do usuário. Os modelos semânticos podem usar o modo Direct Lake para proteger dados usando a segurança do OneLake. Mesmo que os usuários acessem os dados no OneLake diretamente por meio de chamadas de API ou do explorador de arquivos do OneLake, os usuários sempre serão restritos pelos direitos de acesso relevantes do OneLake.

A segurança do OneLake será visualizada nos próximos meses, inscreva-se para acesso antecipado.

Acesse a documentação de segurança do OneLake para obter mais informações.

Aprimoramentos de compartilhamento de dados externos

Recentemente, foram lançados vários aprimoramentos muito esperados no recurso de compartilhamento de dados externos. O compartilhamento de dados externos permite o compartilhamento in-loco de dados do OneLake entre limites de locatário. Essas atualizações incluem suporte para compartilhar várias tabelas e pastas, bem como esquemas inteiros do Lakehouse. As alterações feitas em um esquema de lakehouse compartilhado são refletidas automática e imediatamente no Lakehouse do consumidor. Além disso, as tabelas compartilhadas externamente agora podem ser consumidas por meio do modelo semântico e do ponto de extremidade da Análise SQL do lakehouse, permitindo a integração perfeita com relatórios do Power BI.

Confira o anúncio completo do compartilhamento de dados externos.

SAS (assinaturas de acesso compartilhado) do OneLake (disponível ao público em geral)

As assinaturas de acesso compartilhado (SAS) do OneLake agora estão em GA (disponibilidade geral)! Os tokens SAS do OneLake fornecem acesso delegado seguro de curto prazo aos seus recursos no OneLake, ajudando você a compartilhar ou distribuir dados por meio de tokens SAS com escopo reduzido. Os tokens SAS e as chaves de delegação de usuário são sempre apoiados por uma identidade do Microsoft Entra e sempre limitados a um tempo de vida de 1 hora, garantindo que todo o acesso aos seus dados seja por meio de uma identidade aprovada e por um período limitado.

Você pode saber mais sobre como expandir seu patrimônio de dados com o OneLake SAS na documentação do OneLake: O que é uma assinatura de acesso compartilhado do Onelake.

Engenharia de dados

Recursos de gravação e suporte ao PySpark no Conector do Spark para DW de Malha

Agora é possível adicionar recursos de gravação com o conector do Fabric Spark para Fabric Data Warehouse (DW) no tempo de execução do Fabric Spark. Esse conector utiliza um processo de gravação de duas fases em uma tabela DW de malha. Inicialmente, ele prepara os dados do dataframe do Spark no armazenamento intermediário, seguido pelo comando COPY INTO para ingerir os dados na tabela DW do Fabric. Essa abordagem garante escalabilidade com volumes de dados crescentes e oferece suporte a vários modos para gravar dados em uma tabela DW.

Além disso, o suporte do PySpark para este conector já está funcionando. Isso significa que você não precisa mais usar uma solução alternativa para utilizar esse conector no PySpark, pois agora ele está disponível como um recurso nativo no PySpark. O conector será incluído como uma biblioteca padrão no Fabric Runtime, eliminando a necessidade de instalação separada.

Para saber mais sobre o Conector do Spark para Fabric Data Warehouse (DW), consulte a documentação: Conector do Spark para Fabric Data Warehouse.

Integração do ArcGIS GeoAnalytics da Esri com o Microsoft Fabric Spark (Versão Prévia)

A Esri é reconhecida como líder de mercado global em tecnologia de sistema de informações geográficas (GIS), inteligência de localização e mapeamento, principalmente por meio de seu principal software, o ArcGIS. A Esri capacita empresas, governos e comunidades a enfrentar os desafios mais urgentes do mundo por meio de análise espacial e insights de localização.

Ou seja, agora a Microsoft e a Esri fizeram uma parceria para trazer a análise espacial para o Microsoft Fabric e lançaram a visualização pública. A colaboração com a Esri apresenta análises espaciais visuais de ponta diretamente nos notebooks do Microsoft Fabric Spark e nas definições de trabalho do Spark (nas experiências de Engenharia de Dados e Ciência de Dados).

Com sua experiência de produto integrada, ele capacita os desenvolvedores do Spark ou cientistas de dados a usar nativamente os recursos do ArcGIS para executar funções e ferramentas do GeoAnalytics no Fabric Spark para transformação, enriquecimento e análise de padrões/tendências de dados em diferentes casos de uso sem a necessidade de instalação e configuração separadas.

Exemplo– Como transformar os dados com a função espacial do ArcGIS para descobrir o padrão de interesse, por exemplo, resumindo o número total de apólices de propriedades seguradas por caixas hexagonais:

Exemplo– Entenda o impacto de riscos naturais ou eventos atuais nas propriedades seguradas, trazendo um conjunto de dados com probabilidades de ventos com força de furacão e unindo-o espacialmente às propriedades seguradas. A junção espacial vincula as propriedades seguradas às probabilidades de velocidade do vento e, com isso, para cada propriedade, saberíamos a probabilidade de ventos com força de furacão e poderíamos executar modelos preditivos para avaliar possíveis reivindicações de seguro.

Para saber mais sobre esta integração e recursos, consulte a documentação: ArcGIS GeoAnalytics for Microsoft Fabric (Versão Prévia).

Pipeline de implantação dentro da Definição de Trabalho do Spark (versão prévia)

A Definição de Trabalho do Spark agora dá suporte ao Pipeline de Implantação. Com essa atualização, você pode implantar facilmente seu item SJD (Definição de Trabalho do Spark) em diferentes estágios (Desenvolvimento, Teste, Produção) e garantir que o estado adequado do item SJD seja sincronizado entre esses estágios. Você também pode personalizar a implantação com regras de implantação para especificar o lakehouse padrão e o lakehouse adicional do SJD.

Antes de disparar a implantação, você pode verificar a diferença de detalhes com a exibição ‘Comparar’.

Após a conclusão da implantação, no estágio/workspace de destino, um novo item SJD será criado com base no estado do stage/workspace de origem, e a associação com outros artefatos, como Lakehouse e Environment, também será definida automaticamente.

A regra de implantação tem suporte para substituir a associação padrão do Lakehouse padrão e do Lakehouse Adicional.

Ao fornecer a ID do Lakehouse, o nome do Lakehouse e a ID do workspace em que o Lakehouse está localizado, você pode especificar qual Lakehouse deve ser definido como padrão no estágio de destino. Você precisa executar a implantação depois de atualizar a regra de implantação para torná-la efetiva.

Para saber mais sobre isso, consulte a documentação: Suporte ao pipeline de implantação de definição de trabalho do Spark.

Segurança em nível de linha e coluna no Spark

Temos o prazer de anunciar a introdução da segurança em nível de linha e coluna para o Spark no Microsoft Fabric. Essa atualização aprimora significativamente a governança de dados, incorporando controles de segurança refinados no Spark.

As políticas de controle de acesso são estabelecidas na segurança do OneLake especificando fatores limitantes para linhas e colunas em conjunto com tabelas durante a definição da função. O Spark usa essas funções associadas ao usuário que executa o código e aplica a filtragem de dados de linha e coluna adequadamente antes de apresentar os dados ao código do usuário.

Esses aprimoramentos oferecem maior flexibilidade, conformidade mais forte e gerenciamento de acesso simplificado em todo o ecossistema de dados unificado do Fabric.

Apresentando o suporte à linguagem Pylance para o Fabric Notebook

Os desenvolvedores de Python que usam o Fabric Notebook agora podem aproveitar o Pylance, um servidor de linguagem poderoso e rico em recursos, para aprimorar sua experiência de codificação. Com conclusões sensíveis ao contexto, melhor detecção de erros e insights de código aprimorados, o Pylance torna o desenvolvimento do PySpark e do Python mais suave e produtivo.

Principais melhorias com o Pylance

O preenchimento automático mais inteligente vai além das sugestões básicas de palavras-chave e variáveis para conclusões sensíveis ao contexto, ajudando os usuários a encontrar rapidamente nomes e funções de variáveis relevantes.

Antes do Pylance

Com Pylance

Suporte aprimorado à expressão lambda: conclusões mais precisas nas funções lambda embutidas, melhorando a legibilidade e a eficiência da programação funcional.

Conclusões de parâmetros: sugestões inteligentes baseadas em dicas de tipo e inferência de tipo, simplificando as chamadas de função.

Informações aprimoradas do hover: insights mais detalhados ao passar o mouse sobre variáveis e elementos de código.

Melhor renderização de Docstring: formatação e apresentação mais claras de strings de documentação para melhor legibilidade.

Marcadores de erro e realce semântico: detecção de erros e visualização de código aprimoradas, tornando a depuração mais intuitiva.

Com o Pylance no Fabric Notebook, escrever código Python e PySpark é mais rápido, preciso e eficiente.

Para saber mais sobre o Pylance no Notebook: Desenvolver, executar e gerenciar blocos de anotações do Microsoft Fabric.

Compartilhamento de ambiente entre workspaces (versão prévia)

Agora você pode anexar ambientes de diferentes workspaces em seus blocos de anotações e definições de trabalho do Spark! Isso é feito sem esforço com um explorador novinho em folha! Gerencie e utilize facilmente recursos em vários espaços de trabalho explorando ambientes dos espaços de trabalho que você possui, aos quais tem acesso ou que são compartilhados com você por outras pessoas.

Esse recurso fornece flexibilidade no gerenciamento de permissões de ambiente. Os visualizadores do espaço de trabalho podem usar o Ambiente para executar trabalhos sem acesso para editar conteúdo, enquanto as funções acima do visualizador do espaço de trabalho podem atualizar o conteúdo. Para garantir que apenas usuários autorizados possam acessar ou atualizar ambientes, agora você pode gerenciar ambientes em um espaço de trabalho, conceder acesso a diferentes usuários com funções diferentes ou compartilhar o ambiente com outras pessoas com permissões de leitura/compartilhamento novamente/edição.

Observe que o uso de um ambiente de um workspace diferente não interrompe as configurações de computação e segurança definidas pelos administradores.

Quando você anexa um ambiente de outro espaço de trabalho, ambos os espaços de trabalho devem ter as mesmas configurações de capacidade e segurança de rede. Embora você possa selecionar ambientes de workspaces com diferentes capacidades ou configurações de segurança de rede, a sessão não será iniciada. Além disso, a configuração de computação nesse ambiente é ignorada. Em vez disso, as configurações de pool e computação serão padronizadas para as configurações do seu workspace atual.

Para saber mais sobre a anexação de ambientes: Crie, configure e use um ambiente no Fabric.

Atalhos agora suportados na representação de metadados do Git do Lakehouse e nos pipelines de implantação do Fabric

O suporte do Git e do Deployment Pipelines para objetos do Lakehouse é uma das principais solicitações em toda a nossa base de clientes, e temos o prazer de anunciar que agora as definições de atalhos na seção Tabelas e Arquivos do lakehouse são compatíveis com a plataforma Git/ALM do Fabric. Este é um marco empolgante, permitindo que os clientes controlem a versão e orquestrem atalhos usando os recursos de gerenciamento do ciclo de vida do aplicativo Fabrics.

Agora, os atalhos são exportados automaticamente como metadados JSON para o repositório git conectado aos espaços de trabalho. Além disso, você pode modificar as propriedades do atalho diretamente no git usando sua ferramenta de criação favorita e importar as alterações diretamente para a área de trabalho. Os pipelines de implantação do Fabric funcionam conforme o esperado, os atalhos agora são implantados nos estágios definidos na configuração do pipeline.

Este é o primeiro passo, nas próximas versões, adicionaremos suporte incremental a tipos de objetos adicionais no Lakehouse, como Pastas, Tabelas, Exibições e muito mais.

Saiba mais informações sobre o recurso nos pipelines de implantação do Lakehouse e na documentação de integração do git.

Anunciando as funções de dados do usuário do Fabric (versão prévia)

O Fabric User Data Functions é uma plataforma sem servidor que oferece aos desenvolvedores de aplicativos e engenheiros de dados a capacidade de escrever e executar aplicativos facilmente no Fabric. O User Data Functions permite que você implemente lógica personalizada sempre que necessário em seu ecossistema do Fabric, aproveitando integrações nativas com fontes de dados do Fabric, Fabric Notebooks e pipelines de dados.

Você pode usar suas funções para executar tarefas de engenharia de dados, como validação ou limpeza de dados, criar integrações com sistemas externos ou criar bibliotecas de funções reutilizáveis.

Saiba mais sobre esse recurso na documentação do Fabric User Data Functions.

Link para o vídeo do YouTube

Nesta atualização, adicionamos recursos que ajudarão você a aproveitar ao máximo suas funções no conforto do seu navegador.

Editor de portal

Agora você pode criar, modificar, excluir ou editar suas funções diretamente em seu navegador. Essa experiência oferece ferramentas poderosas para adicionar ao seu código de funções com a conveniência de usar o portal do site do Fabric. O editor apresenta a funcionalidade Intellisense e Pylance para ajudá-lo a escrever código Python de qualidade, bem como funcionalidades de edição comuns, como histórico de edições, localizar e substituir e muito mais.

Inserir exemplos de código

Um dos recursos mais convenientes no editor do portal é a função Inserir Amostras, que permite inserir código para começar rapidamente a desenvolver padrões de caso de uso comuns, como leitura e gravação em uma fonte de dados do Fabric, execução de transformações de dados e muito mais.

Adicione suas bibliotecas PyPI favoritas!

Outro novo recurso é a experiência de gerenciamento de biblioteca, que permite usar o navegador para adicionar bibliotecas PyPI ao seu projeto. Pense nisso como seu arquivo requirements.txt. Você pode selecionar a biblioteca em um menu suspenso de nomes e escolher uma versão que melhor atenda às suas necessidades. As versões serão filtradas para aquelas compatíveis com o ambiente Python suportado.

Novos casos de uso e fontes de dados!

As funções de dados do usuário estão profundamente integradas ao ecossistema do Fabric. Agora você pode invocar suas funções de diferentes tipos de itens do Fabric, como notebooks do Fabric, relatórios do Power BI e pipelines de dados. Além disso, você pode se conectar a fontes de dados do Fabric, como warehouses, lakehouses, bancos de dados SQL e bancos de dados espelhados para todos os seus aplicativos de dados.

Saiba mais sobre esse recurso na documentação do Fabric User Data Functions.

Comandos OPTIMIZE FAST e FSCK no Fabric Runtime 1.3 para Apache Spark (disponível ao público em geral)

O comando Spark SQL FSCK REPAIR TABLE e o rápido OPTIMIZE for V-Order agora estão disponíveis no Fabric Runtime 1.3 (Spark 3.5 / Delta 3.2).

O FSCK foi projetado para remover com segurança arquivos parquet ausentes do log de transações Delta, para restaurar a consistência de leitura da tabela. Esta não é uma funcionalidade de recuperação de dados, os arquivos parquet ausentes e os dados contidos nele são perdidos. O comando remove as referências para que a tabela possa voltar a um estado legível. O comando também pode ser executado com um modo de avaliação DRY RUN e listará todos os arquivos que estão ausentes no armazenamento, mas ainda referenciados pelo log de transações Delta, para ajudá-lo a avaliar problemas com a tabela antes de prosseguir.

O OPTIMIZE VORDER do Delta Lake agora pode ser executado com idempotência, o que significa que os arquivos parquet anteriormente ordenados por V que já estão dentro do tamanho do arquivo de destino não serão considerados para compactação de compartimento. Isso melhora significativamente o desempenho do comando OPTIMIZE. Habilite-o definindo parquet.vorder.fast.optimize.enabled como true na configuração da sessão do Spark diretamente em Notebooks, Trabalhos do Spark ou usando Ambientes.

Encontre mais informações na documentação do Fabric Runtime 1.3 (GA).

APIs de monitoramento do Fabric Spark (versão prévia)

A versão prévia das APIs de monitoramento do Fabric Spark, um conjunto robusto de ferramentas projetadas para aprimorar a observabilidade e simplificar o monitoramento e o gerenciamento de aplicativos Spark no Microsoft Fabric está na hora.

Para melhorar a experiência do desenvolvedor, o monitoramento de APIs para aplicativos do Fabric Spark é essencial para otimizar o desempenho, depurar problemas e garantir o gerenciamento eficiente da carga de trabalho. Essas APIs permitem que os clientes automatizem o gerenciamento de trabalhos do Spark e monitorem os trabalhos do Spark programaticamente usando APIs e SDKs.

Principais recursos das APIs de monitoramento do Fabric Spark

Com essas APIs, os usuários podem:

• Liste todos os aplicativos do Spark em um workspace.
• Recupere aplicativos do Spark para itens específicos, incluindo Notebooks, Definições de Trabalho do Spark e Lakehouse.
• Acesse métricas detalhadas do aplicativo Spark usando o Livy ID.
• Aproveite as APIs do Servidor de Histórico do Spark para obter métricas de execução e detalhes de eventos de trabalho para um único aplicativo Spark, incluindo trabalhos, estágios, tarefas, executores e logs de eventos.

Esses recursos capacitam os usuários com maior automação, visibilidade aprimorada e insights mais profundos sobre as cargas de trabalho do Spark no Fabric.

Integração do notebook com UDFs (funções de dados do usuário) (versão prévia)

Apresentando a versão prévia da integração do Notebook com as UDFs (User Data Functions)! Esse novo recurso permite que você defina lógica e cálculos personalizados que podem ser reutilizados em vários Notebooks, ajudando a simplificar os fluxos de trabalho e aprimorar a modularidade do código.

Com o NotebookUtils, agora você pode acessar e invocar UDFs diretamente do código do seu Notebook, tornando mais fácil do que nunca integrar funções reutilizáveis ao seu processamento e análise de dados.

Principais recursos e cenários

Veja como você pode aproveitar as UDFs em seus Notebooks:

Invocando uma função

• O IntelliSense e o preenchimento automático dão suporte a nomes de funções, melhorando a usabilidade.
• Para ajudá-lo a entender melhor as funções UDF, introduzimos um método de ajuda display(myFunction.functionDetails). Isso fornece uma visão clara dos detalhes da função, incluindo parâmetros e tipos de retorno, garantindo que você possa invocar funções corretamente.

Idiomas suportados

Essa integração está disponível para Python, PySpark, Scala e R, tornando-a acessível em vários fluxos de trabalho de ciência e engenharia de dados.

Para obter mais detalhes, confira nossa documentação: NotebookUtils (antigo MSSparkUtils) para Fabric.

Ciência de Dados

Copilot em Notebooks Aprimoramentos de agencia e UX

O aprimoramento do Copilot in Notebooks Agentic introduziu várias melhorias significativas destinadas a aprimorar a experiência e a produtividade do usuário. Um dos principais aprimoramentos é o histórico de conversas aprimorado, que permite que os usuários mantenham o contexto e a continuidade em suas interações. Além disso, houve aprimoramentos de bate-papo e saída de linguagem natural por meio de algoritmos aprimorados que garantem uma geração de código mais precisa e relevante. Os recursos aprimorados de geração de código agora oferecem raciocínio avançado para solução de problemas complexos, tornando mais fácil para os usuários escrever, depurar e entender o código no ambiente do notebook.

Também adicionamos um novo modal de interação para o Copilot, ações rápidas e na célula. O Copilot em Notebooks on-cell e ações rápidas apresenta recursos poderosos projetados para simplificar e aprimorar o fluxo de trabalho de codificação. O botão On-Cell Copilot, convenientemente posicionado acima de cada célula do notebook, permite que os usuários executem tarefas avançadas de manipulação de dados, como tabelas dinâmicas, junção de conjuntos de dados e agregação de dados com base em critérios específicos.

Além disso, o botão de ações rápidas, localizado logo abaixo da célula, simplifica tarefas tediosas usando IA, como corrigir erros de código e adicionar comentários de código.

Esses recursos não apenas melhoram a eficiência das tarefas de codificação, mas também aprimoram a experiência geral do usuário, fornecendo ferramentas intuitivas e acessíveis diretamente no ambiente do notebook. Com esses aprimoramentos, os usuários podem obter resultados mais precisos e eficientes, tornando seu processo de codificação mais suave e produtivo.

Agente de dados de malha

Desde o lançamento da habilidade de IA em agosto de 2024, melhoramos as habilidades de conversação, o suporte para várias fontes de dados e muito mais. Para refletir melhor esses recursos agenciais aprimorados, a habilidade de IA agora é agente de dados do Fabric!

Os recursos de Copilot e IA agora estão disponíveis em todos os SKUs pagos

Temos o prazer de anunciar que estamos removendo o requisito de SKU para acessar os recursos do Copilot e da IA em todos os SKUs pagos. Isso significa que os clientes da F2 e superior poderão usar o Copilot e os recursos de IA, como o Copilot no Power BI e o agente de dados do Fabric, para simplificar fluxos de trabalho, gerar insights e tomar decisões impactantes.

Integração do agente de dados do Fabric com o Serviço de Agente de IA do Azure (versão prévia)

Agora existe a integração de agentes de dados no Fabric com o Serviço de Agente de IA do Azure do Azure AI Foundry. Um componente crítico do Serviço de Agente de IA do Azure é a capacidade de fundamentar com segurança as saídas do agente de IA no conhecimento corporativo, garantindo que as respostas sejam precisas, relevantes e contextualmente conscientes. Os agentes de dados no Fabric podem recuperar conhecimento usando várias ferramentas especializadas de linguagem de consulta que ajudam a IA a gerar SQL, KQL e DAX.

Ao combinar a sofisticada análise de dados do Fabric sobre dados corporativos com a tecnologia GenAI de ponta do Azure AI Foundry, as empresas podem criar agentes de IA conversacional personalizados aproveitando a experiência do domínio. Essa integração perfeita permite que as organizações desenvolvam agentes que não são apenas baseados em dados não estruturados no Azure AI Search ou no SharePoint, mas também se integram a dados estruturados e semânticos no Microsoft OneLake, aprimorando assim a tomada de decisões controlada por dados.

SDK do agente de dados do Fabric (versão prévia)

A visualização do SDK do Python do agente de dados do Fabric. A biblioteca Python SDK do agente de dados do Fabric é uma ferramenta poderosa projetada para simplificar o desenvolvimento e a prototipagem de assistentes de IA na plataforma Fabric. Ele se destina a usuários que desejam criar, gerenciar e utilizar agentes de dados do Fabric programaticamente. A biblioteca fornece um conjunto de APIs simples que facilitam várias operações, como o gerenciamento de agentes de dados do Fabric e a integração de várias fontes de dados para análises e insights aprimorados. Também facilita a interação dos usuários com o agente de dados do Fabric usando a API OpenAI Assistants. Isso permite que os usuários criem protótipos e experimentem rapidamente os agentes de dados do Fabric para refinar suas soluções.

Com o SDK do Python do agente de dados do Fabric, os usuários podem automatizar fluxos de trabalho e reduzir o esforço manual. Os usuários podem criar, atualizar e excluir facilmente artefatos do agente de dados do Fabric, otimizar configurações de recursos e obter insights valiosos de seus dados. Para começar, os usuários podem aproveitar a documentação abrangente e o código de exemplo fornecidos com o SDK. Ao automatizar os processos de experimentação e validação, o

O Python SDK do agente de dados do Fabric garante que os desenvolvedores possam atender com eficiência às necessidades dos clientes e fornecer soluções de alta qualidade, tornando-o uma ferramenta inestimável para trabalhar com agentes de dados.

INSTALE o agente de dados do Fabric.

Data warehouse

Funções de IA no Data Warehouse

As funções de IA agora estão disponíveis em visualização privada to Data Warehouse e Lakehouse SQL Endpoint, facilitando a transferência de insights orientados por IA diretamente para seus fluxos de trabalho SQL. Com essas funções integradas, você pode resumir conteúdo, traduzir texto, extrair dados importantes, analisar sentimentos e muito mais, diretamente do T-SQL. Isso elimina a necessidade de processamento externo, ajudando você a simplificar a análise e tomar decisões mais rápidas e informadas em seu data warehouse.

Figura 1: Alguns exemplos de uso de funções de IA.

Consulte o blog detalhado Funções no Data Warehouse para saber mais e inscrever-se para visualização.

Funções de dados do usuário do Fabric no data warehouse

As funções do Scalar Fabric agora estão disponíveis em visualização privada to Data Warehouse e Lakehouse SQL Endpoint, oferecendo a flexibilidade de estender os recursos do SQL além das funções internas. Com esse recurso, você pode escrever funções personalizadas em Python (e em breve em outras linguagens) e invocá-las diretamente por meio do T-SQL, assim como as funções escalares regulares definidas pelo usuário. Isso permite que você aproxime lógica complexa, transformações personalizadas e cálculos avançados de seus dados, reduzindo a necessidade de processamento externo.

Consulte o blog detalhado Funções no Data Warehouse para saber mais e inscrever-se para visualização.

Funções escalares definidas pelo usuário do SQL

As UDFs (Funções Definidas pelo Usuário) do SQL escalar agora estão disponíveis em visualização privada to o Data Warehouse e o ponto de extremidade de análise do SQL.

As UDFs (Funções Definidas pelo Usuário) do SQL Escalar são a base da programação T-SQL, amplamente reconhecidas e utilizadas por sua capacidade de encapsular regras de negócios e cálculos em um código reutilizável. Esse recurso oferece uma solução eficiente para promover a modularidade de código em consultas T-SQL, aproveitando nativamente o mecanismo distribuído do Fabric Warehouse.

Em um exemplo abaixo, usando quatro (4) funções diferentes, podemos aplicar facilmente a lógica de mascaramento de dados em nossa tabela de clientes.

Consulte o blog detalhado Funções no Data Warehouse para saber mais e inscrever-se para visualização.

Experiências do desenvolvedor no Fabric Warehouse

Cláusula do IntelliSense para Collate

A cláusula COLLATE no Microsoft Fabric Warehouse e no SQL Analytics Endpoint do Lakehouse (LH) é essencial para gerenciar o processamento de dados baseado em texto, garantindo classificação, filtragem e comparações precisas. Considerando que o Warehouse, o Ponto de Extremidade da Análise SQL do LH e outros itens dão suporte a variações de configurações que não diferenciam maiúsculas de minúsculas e maiúsculas e minúsculas, as configurações de agrupamento fornecem aos usuários controle preciso sobre o tratamento de texto em suas cargas de trabalho. Ao definir explicitamente a ordenação para campos VARCHAR e CHAR em definições de tabela, modificações de esquema e consultas, os usuários podem garantir a consistência entre as transformações. O suporte para agrupamento de DATABASE_DEFAULT simplifica ainda mais o gerenciamento de esquema, permitindo que as tabelas herdem as configurações no nível do banco de dados para facilitar a administração e o alinhamento com os padrões organizacionais.

O recurso de agrupamento no Microsoft Fabric Warehouse e no SQL Analytics Endpoint é aprimorado com o IntelliSense e o realce de sintaxe, proporcionando uma experiência de desenvolvimento mais intuitiva e eficiente. O IntelliSense oferece sugestões em tempo real, validação para nomes de agrupamento, ajudando os usuários a evitar erros de sintaxe e garantindo a compatibilidade com as configurações de agrupamento com suporte. O realce de sintaxe melhora ainda mais a legibilidade distinguindo visualmente as cláusulas de agrupamento, facilitando a identificação e o gerenciamento das configurações de agrupamento nas instruções CREATE TABLE, ALTER TABLE, SELECT e CTAS. Esses recursos simplificam o desenvolvimento de consultas, reduzem erros e aumentam a produtividade ao trabalhar com configurações de dados que diferenciam maiúsculas de minúsculas e não diferenciam maiúsculas de minúsculas nos ambientes SQL do Microsoft Fabric.

Alguns exemplos são:

CRIAR TABELA [SampleData_CI_UTF8] (

[ID da amostra] INT NOT NULL, — Identificador exclusivo para cada amostra

[Valor da amostra] VARCHAR(50) COLLATE Latin1_General_100_CI_AS_KS_WS_SC_UTF8, — Valor de amostra com ordenação especificada

[Criado em] DATETIME2(6) NOT NULL — Carimbo de data/hora para quando a amostra foi criada

);

CRIAR TABELA [SampleData_DB_Default] (

[ID da amostra] INT NOT NULL, — Identificador exclusivo para cada amostra

[Valor da amostra] VARCHAR(50) COLLATE DATABASE_DEFAULT, — Valor de amostra com ordenação especificada

[Criado em] DATETIME2(6) NOT NULL — Carimbo de data/hora para quando a amostra foi criada

);

INSERT INTO [SampleData_CI_UTF8] ([SampleID], [SampleValue], [CreatedAt])

VALUES (1, ‘Sample1’, GETDATE()), — Inserindo dados de amostra

(2, ‘Sample2’, GETDATE());

INSERT INTO [SampleData_DB_Default] ([SampleID], [SampleValue], [CreatedAt])

VALUES (1, ‘Sample1’, GETDATE()), — Inserindo dados de amostra

(2, ‘Sample2’, GETDATE());

— Agrupar em Selecionar

Selecione [SampleValue] AGRUPAR Latin1_General_100_CI_AS_KS_WS_SC_UTF8

de [SampleData_DB_Default]

Selecione [SampleValue] AGRUPAR DATABASE_DEFAULT

de [SampleData_CI_UTF8]

–Agrupar no CTAS

CREATE TABLE SampleDataCreate AS

Selecione [SampleValue] COLLATE Latin1_General_100_CI_AS_KS_WS_SC_UTF8 como SampleValue_CI_UTF8

de [SampleData_CI_UTF8]

CREATE TABLE SampleDataCreate AS

Selecione [SampleValue] COLLATE DATABASE_DEFAULT como SampleValue_CI_UTF8

de [SampleData_CI_UTF8]

— Agrupar na tabela ALTER Adicionar nova coluna

ALTER TABELA SampleData_CI_UTF8

ADD Column4 VARCHAR(10) COLLATE Latin1_General_100_CI_AS_KS_WS_SC_UTF8 NULL;

ALTER TABELA SampleData_DB_Default

ADD Column4 VARCHAR(10) COLLATE DATABASE_DEFAULT NULL;

Dados JSON em OPENROWSET

Essas atualizações do IntelliSense e da gramática tornam o trabalho com OPENROWSET, JSON mais simples e eficiente. Com realce de sintaxe aprimorado e validação de consulta, o desenvolvimento do SQL agora é mais rápido e livre de erros.

Modelos dinâmicos

Escrever consultas T-SQL com eficiência é crucial para desenvolvedores de banco de dados. Os Modelos ao Vivo são snippets de código predefinidos que podem ser inseridos no editor T-SQL com o mínimo de esforço. Eles ajudam a reduzir a codificação repetitiva, aplicar as práticas recomendadas e melhorar a produtividade do desenvolvedor.

Principais benefícios:

• Desenvolvimento de consultas mais rápido
• Formatação SQL padronizada
• Redução de erros em tarefas repetitivas

Expanda e recolha objetos corretamente no filtro e na pesquisa

As experiências de pesquisa e filtro estão mais intuitivas! Agora, os objetos que atendem aos seus critérios de pesquisa e filtro serão expandidos automaticamente, dando a você visibilidade instantânea dos dados relevantes. No futuro, expandiremos apenas o que é necessário, mantendo seu explorador de objetos limpo e eficiente, a menos que nenhuma correspondência seja encontrada.

Barra de status do artefato

O componente da barra de status do item do Git oferece uma experiência comparável à barra de status no espaço de trabalho. Ao acessar a página do item, você pode visualizar os detalhes da conexão entre o workspace e o repositório Git, como:

• O nome da ramificação à qual o workspace está conectado
• A hora do último evento de sincronização entre o workspace e o repositório
• Um hiperlink para a confirmação mais recente no branch.

Cancelar consulta no editor de fechamento

Lidar com consultas de longa duração com eficiência é crucial para uma experiência de warehouse perfeita. Para melhorar o controle do usuário, foi introduzindo um prompt de cancelamento de consulta aprimorado que garante que os usuários possam tomar decisões informadas ao fechar o editor enquanto uma consulta ainda está em execução.

How it works

1. Solicitando usuários ao fechar uma consulta ativa

Se um usuário tentar fechar o editor enquanto uma consulta estiver em execução, ele verá uma mensagem de confirmação:

‘Deseja cancelar a consulta?’

• Sim: a consulta é cancelada e o editor é fechado imediatamente.
• Não: o editor é fechado, mas a consulta continua em execução na seção Consultas, garantindo que os usuários não percam o progresso.

Isso ajuda a evitar cancelamentos acidentais e, ao mesmo tempo, permite que os usuários saiam do editor sem problemas.

2. Personalizando prompts futuros

Quando um usuário escolhe Sim para cancelar uma consulta pela primeira vez, ele verá um prompt adicional:

“Você quer ver esta mensagem da próxima vez?”

• Sim: o prompt continuará aparecendo para futuros cancelamentos de consulta.
• Não: o editor cancelará automaticamente as consultas sem mostrar a mensagem de confirmação no futuro.

Essa configuração é específica do usuário, o que significa que cada usuário pode personalizar sua experiência individualmente. Os usuários que optarem por não participar não serão mais interrompidos, tornando seu fluxo de trabalho mais rápido e eficiente.

Por que isso importa:

• Evita o cancelamento acidental de consultas – Garante que os usuários não interrompam consultas importantes acidentalmente.
• Reduz interrupções – Os usuários podem escolher se desejam ver o prompt no futuro, mantendo seu fluxo de trabalho tranquilo.
• Experiência personalizada – Cada usuário tem a flexibilidade de decidir como lidar com consultas ativas ao fechar o editor.

Mostrar atalhos do editor de consultas

Navegar em seu data warehouse ficou mais rápido! Nossa interface do usuário de atalhos de teclado aumenta a eficiência em áreas-chave:

• Pesquisador de objetos – Navegue e gerencie rapidamente objetos de banco de dados.
• Faixa de opções – Acesse comandos essenciais com um único pressionamento de tecla.
• Editor T-SQL – Acelere a gravação e a execução de consultas.
• Grade de resultados – filtre, copie e analise os resultados da consulta sem problemas.

Por que usar atalhos de teclado?

• Navegação mais rápida – Reduza a dependência do mouse e mova-se rapidamente pelos objetos.
• Maior produtividade – Execute consultas, formate código e gerencie resultados sem problemas.
• Fluxo de trabalho simplificado – Gaste menos tempo em ações repetitivas e mais em insights de dados.

Logs de auditoria SQL (versão prévia)

Os logs de auditoria do SQL estão agora em versão prévia no Microsoft Fabric Data Warehouse! Os logs de auditoria fornecem um registro detalhado da atividade do depósito, capturando informações essenciais, como quando os eventos ocorrem, quais os dispararam e a instrução T-SQL por trás do evento. Esse recurso é crucial para segurança e conformidade, ajudando as organizações a monitorar padrões de acesso, detectar anomalias e atender aos requisitos regulatórios.

Anteriormente, o rastreamento de eventos do armazém tornava as auditorias de segurança e as investigações forenses complicadas. Com o registro de auditoria nativo no Fabric Data Warehouse, as organizações obtêm registro automatizado e inviolável, simplificando as operações de segurança. Se você precisa investigar o acesso não autorizado, analisar tendências de execução de consultas ou garantir a adesão às políticas de governança, os logs de auditoria do SQL fornecem a transparência e o controle necessários para proteger seus dados.

Permissões de item do Data Warehouse do Fabric

Recursos aprimorados de compartilhamento no Microsoft Fabric Data Warehouse estão disponíveis. Com essas novas atualizações, agora você pode conceder permissões adicionais para monitorar consultas e atividades de auditoria, fornecendo visibilidade mais profunda das operações do depósito. Esses aprimoramentos permitem que as organizações deleguem acesso com mais eficiência, permitindo que equipes de segurança, auditores e equipe de operações acompanhem o desempenho da consulta, analisem cargas de trabalho e auditem a atividade com o nível apropriado de controle.

Ao melhorar a segurança, a governança e os insights operacionais, esses novos recursos ajudam as organizações a manter a conformidade e, ao mesmo tempo, garantir o gerenciamento eficiente dos dados.

Quais permissões podem ser atribuídas aos usuários?

Quando se trata de atribuir permissões, é importante entender os diferentes tipos de permissões disponíveis e suas implicações. Aqui estão algumas permissões principais e personalizadas que podem ser atribuídas aos usuários:

• Leitura: permite que os usuários visualizem os dados.
• Gravação: concede aos usuários a capacidade de modificar os dados.
• Compartilhar novamente: permite que os usuários compartilhem dados com outras pessoas.
• Monitorar: fornece aos usuários a capacidade de monitorar atividades de banco de dados e encerrar sessões.
• Auditoria: permite que os usuários configurem e acessem logs de auditoria.
• Restaurar: permite que os usuários executem restaurações de dados no local.

Como atribuir permissões

A atribuição de permissões pode ser feita por meio de interfaces de usuário na caixa de diálogo de compartilhamento:

Depois de clicar na opção, poderemos ver as opções exibidas no menu de diálogo:

Você também pode validar as permissões na opção Gerenciar permissões no menu de compartilhamento:

As permissões de itens são um aspecto fundamental do gerenciamento de dados, fornecendo os controles necessários para proteger, cumprir e colaborar de forma eficaz. Ao entender e implementar permissões como Monitorar, Compartilhar novamente e Auditar, as organizações podem aprimorar sua postura de segurança de dados e promover um ambiente colaborativo.

Visualização Privada dos Pontos de Extremidade SQL do OneLake Security for Lakehouse Analytics

À medida que a governança de dados se torna mais central, o OneLake Security para Pontos de Extremidade da Análise de SQL está disponível em Visualização Privada! Esse recurso poderoso simplifica a forma como a segurança é imposta no Microsoft Fabric, permitindo que você configure o acesso uma vez no OneLake e tenha essa segurança respeitada em suas cargas de trabalho SQL.

Com esta versão, as organizações agora podem controlar dados em escala com uma abordagem consistente e unificada, quer você esteja implementando controles de segurança centralizados ou precise de permissões granulares baseadas em SQL. O OneLake Security capacita as equipes a proteger, simplificar e dimensionar o acesso em toda a arquitetura do Lakehouse.

Dois modos de acesso flexíveis para atender às suas necessidades

O OneLake Security apresenta dois modos de acesso distintos para pontos de extremidade da Análise de SQL:

1. Modo de identidade do usuário

Nesse modo, o Ponto de Extremidade SQL usa a identidade do usuário conectado para acessar dados no OneLake. Ele respeita totalmente as regras RLS (Row Level Security), CLS (Column Level Security) e OLS (Object Level Security) definidas no OneLake.

Ótimo para: Organizações que desejam controle centralizado e alinhamento com segurança no nível do data lake.

2. Modo de identidade delegada

Aqui, o Ponto de Extremidade SQL usa a identidade do proprietário do workspace ou do artefato para se conectar ao OneLake. Isso permite o gerenciamento de segurança tradicional baseado em SQL com suporte total para GRANT, funções personalizadas, mascaramento e outros recursos avançados de segurança de banco de dados.

Ótimo para: Administradores de SQL e casos de uso avançados que precisam de controle de acesso SQL refinado.

Identidade do usuário x modo delegado

Capacidade	Modo de identidade do usuário	Modo de identidade delegada
Contexto de acesso	Usuário conectado	Proprietário do Datawarehouse
OneLake RLS/CLS/OLS	Aplicada	Não Aplicado
SQL GRANT em tabelas	Não permitido	Permitido
SQL GRANT em exibições/procedimentos	Permitido	Permitido
Mascaramento de dados dinâmicos	Não suportado	Suportado
Funções SQL personalizadas	Não suportado	Suportado

Com o OneLake Security for SQL Endpoints, o Microsoft Fabric continua sua missão de tornar a governança de dados intuitiva e escalonável. Esteja você criando uma cultura de análise de autoatendimento ou aplicando políticas de conformidade rígidas, o OneLake Security oferece as ferramentas para fazer as duas coisas com confiança.

Inteligência em tempo real

Fontes de fluxo de eventos: MQTT, Solace, ADX, clima e Azure Event Grid

O Eventstream é um recurso poderoso do Fabric Real-time Intelligence que permite aos usuários ingerir, transformar e rotear fluxos de dados em tempo real para vários destinos no Fabric. Temos o prazer de anunciar a adição de cinco novas fontes e fluxos de dados de amostra adicionais. Essas novas fontes aprimoram os recursos de streaming do Eventstream, permitindo a ingestão contínua de dados e a transformação em tempo real em vários fluxos de dados.

Vamos nos aprofundar nas funcionalidades de cada conector e explorar como elas podem beneficiar suas necessidades de processamento de dados.

• Conector MQTT: conecte-se a um agente MQTT, assine tópicos específicos e transmita dados desses tópicos para o Eventstream.
• Solace PubSub+: leia mensagens de um cluster do Solace PubSub+ Event Broker e transmita-as para o Eventstream para processamento de dados em tempo real.
• Azure Data Explorer: transmite dados de um banco de dados do Azure Data Explorer em tempo real para o Fabric.
• Clima em tempo real: assimile dados meteorológicos ao vivo de uma cidade selecionada no Eventstream, incluindo temperatura, umidade e velocidade do vento.
• Namespace da Grade de Eventos do Azure: transmita MQTT, IoT ou qualquer mensagem do namespace da Grade de Eventos do Azure para o Eventstream.
• Fluxos de dados de amostra: inicie seus projetos de streaming com fluxos de amostra pré-criados adicionais, incluindo dados de rastreamento de ônibus em tempo real e dados do mercado de ações do S&P 500.

Esses novos conectores abrem um mundo de possibilidades para integração e análise de dados. Para saber mais sobre streaming e processamento em tempo real no Fabric Eventstream, confira a documentação de visão geral do Fabric Eventstream.

Eventstream CI/CD & REST APIs (Geralmente Disponível)

Colaborar em soluções de streaming de dados pode ser um desafio, especialmente quando vários desenvolvedores trabalham no mesmo item do Eventstream. Desafios de controle de versão, ineficiências de implantação e conflitos geralmente retardam o desenvolvimento. Desde a introdução das ferramentas de CI/CD do Fabric para o Eventstream no ano passado, muitos clientes simplificaram seus fluxos de trabalho, garantindo melhor controle de origem e controle de versão contínuo. Agora, temos o prazer de anunciar a disponibilidade geral (GA) das APIs de CI/CD e REST do Eventstream, tornando esses recursos ainda mais acessíveis e poderosos para todos os usuários.

Principais benefícios de aproveitar as ferramentas de CI/CD no Eventstream:

1. Colaboração aprimorada: com a integração do Git, os desenvolvedores podem usar o GitHub ou o Azure DevOps para sincronizar com o workspace do Fabric e trabalhar em paralelo no mesmo item do Eventstream sem conflitos.
2. Implantações simplificadas: o recurso de pipeline de implantação acelera e padroniza as implantações do Eventstream em vários estágios, como espaço de trabalho de teste e produção, com o mínimo de esforço manual na interface do usuário do Fabric. Isso garante um processo de implantação mais eficiente e confiável.
3. Fluxos de trabalho automatizados: a disponibilidade das APIs REST do Eventstream permite que os desenvolvedores criem pipelines de CI/CD totalmente automatizados e integrem aplicativos externos. Esse recurso garante qualidade, confiabilidade e produtividade para projetos de streaming de dados, reduzindo a intervenção manual e possíveis erros.
4. Maior produtividade: ao aproveitar essas poderosas ferramentas de CI/CD, as equipes podem se concentrar mais na transformação no Eventstream e menos no gerenciamento de conflitos e problemas de implantação. Em última análise, isso aumenta a produtividade geral e o sucesso do projeto.

No geral, o GA de APIs de CI/CD e REST para Fabric Eventstream capacita os usuários a obter uma experiência de desenvolvimento mais eficiente, confiável e colaborativa. Para saber mais sobre o CI/CD da Eventstream, confira:

• Eventstream CI/CD – Pipeline de integração e implantação do Git
• Eventstream REST API

Disponibilidade regional expandida para endpoints privados gerenciados do Eventstream (Secure Outbound)

O Managed Private Endpoint (MPE) é um recurso de segurança da plataforma Fabric que permite que itens do Fabric, como o Eventstream, se conectem com segurança a fontes de dados atrás de firewalls ou redes protegidas. Desde que introduzimos essa integração no ano passado, muitos clientes confiaram nela para estabelecer conexões de saída seguras entre o Eventstream e suas fontes de dados.

Esse recurso garante que seus dados sejam transmitidos com segurança por uma rede privada, permitindo que você aproveite totalmente o poder do streaming em tempo real e do processamento de dados de alto desempenho no Eventstream. O diagrama abaixo mostra uma configuração típica usando o MPE no Eventstream.

Os endpoints privados gerenciados agora estão disponíveis em ainda mais regiões, tornando mais fácil para as organizações em todo o mundo criar soluções de streaming seguras e escalonáveis. A tabela abaixo lista as regiões com suporte para o MPE do Eventstream:

Para saber mais sobre Pontos de Extremidade Privados Gerenciados, confira os recursos Conectar-se ao Azure com segurança usando o MPE no Eventstream.

Conectar-se ao Eventstream usando a autenticação de ID do Microsoft Entra

Temos o prazer de apresentar a autenticação de ID do Microsoft Entra para o Endpoint Personalizado da Eventstream! Esse recurso aumenta a segurança eliminando a necessidade de chaves SAS ou cadeias de conexão, reduzindo o risco de acesso não autorizado. Em vez disso, a autenticação do Entra ID garante que as permissões do usuário estejam diretamente vinculadas ao acesso ao espaço de trabalho do Fabric, permitindo que apenas usuários autorizados enviem e busquem dados do Eventstream.

A captura de tela demonstra como esse recurso funciona no Endpoint personalizado do Eventstream!

Além disso, se você estiver usando um recurso do Azure, como os Aplicativos Lógicos do Azure, com uma identidade atribuída pelo sistema ou gerenciada pelo usuário, agora poderá atribuir permissões de workspace do Fabric a essa identidade. Isso permite que os Aplicativos Lógicos do Azure se conectem diretamente ao Eventstream usando a autenticação de Identidade Gerenciada.

A captura de tela demonstra como habilitar a identidade nos Aplicativos Lógicos do Azure e atribuir permissão no workspace do Fabric.

Para saber mais sobre a autenticação de ID do Entra no Endpoint Personalizado do Eventstream, consulte nossa documentação Conectar-se ao Eventstream usando a autenticação de ID do Microsoft Entra.

Visualize fluxos de dados em tempo real para Apache Kafka, Confluent Cloud, Amazon MSK e Amazon Kinesis

A transformação de dados no Eventstream requer um esquema real derivado de dados recebidos, o que pode retardar o desenvolvimento e a solução de problemas. Para simplificar esse processo, temos o prazer de apresentar a visualização de dados, um grande aprimoramento de usabilidade para conectores de terceiros no Fabric Eventstream, incluindo Apache Kafka, Confluent Cloud, Amazon Managed Streaming for Apache Kafka (MSK) e Amazon Kinesis Data Streams. Com esse novo recurso, os usuários podem visualizar um snapshot de seus dados de origem diretamente no modo Eventstream Edit e processar dados com esquemas inferidos.

Por que a visualização de dados é importante

O recurso de visualização de dados permite que os usuários:

• Habilite o Eventstream para inferir o esquema a partir de dados de entrada, facilitando a configuração de operadores, como filtragem e agregação.
• Verifique se uma fonte do Eventstream está configurada corretamente.
• Visualização de instantâneos de dados em tempo real para confirmar se os dados estão sendo assimilados conforme o esperado.

How it works

Usar a visualização de dados no Eventstream é simples:

• Selecione um conector de origem no Eventstream (por exemplo, Confluent Cloud).
• Clique na guia ‘Visualização de dados’ para visualizar um instantâneo dos dados de origem.
• Altere e corresponda o formato de dados de origem para visualização.

A captura de tela abaixo mostra um instantâneo dos fluxos de dados do Confluent no Eventstream

Modo de edição:

Com a visualização de dados, as equipes podem criar, testar e implantar itens do Eventstream com mais rapidez e confiança. Comece hoje mesmo e experimente o poder do processamento em tempo real para seus conectores de terceiros no Eventstream!

Melhorias contínuas na experiência de obtenção de dados do Eventhouse

Existem alguns métodos diferentes para obter dados na carga de trabalho do Real-Time Intelligence, dependendo das necessidades da sua organização. Os dados podem ser enviados ou puxados para um Eventstream de um dos muitos conectores e, em seguida, colocados em uma casa de eventos. Como alternativa, há várias maneiras de assimilar dados diretamente no Eventhouse.

Os dados podem ser diretamente de:

• Arquivos locais
• Armazenamento do Azure
• Amazônia S3
• Hub de eventos
• Fluxos de eventos
• Um Lago

Obter dados no Eventhouse oferece um processo passo a passo, orientando você desde a importação dos dados, passando pela inspeção dos dados recebidos, criando ou editando o esquema da tabela de destino até a exploração do resultado assimilado.

Nos últimos meses, nossa equipe tem trabalhado incansavelmente para trazer novos recursos para o assistente Obter Dados, criando uma interface mais simples, navegação mais rápida e automação adicional, tudo com o objetivo de oferecer uma melhor experiência ao usuário e melhor desempenho.

As principais alterações introduzidas:

1. Otimização automatizada de esquema: Como o mecanismo do Eventhouse é altamente otimizado para operações de data/hora e cadeia de caracteres, em certos casos, o mapeamento de dados importados para esses tipos de dados pode oferecer um aumento significativo no desempenho da consulta. Ao introduzir o uso do plug-in de esquema inferido, na maioria dos casos aplicáveis, um mapeamento de dados ideal será inferido e aplicado automaticamente aos seus dados, aprimorando o desempenho de consulta e indexação do Eventhouse. Por exemplo, ele pode detectar colunas que armazenam valores de data e hora do Unix e convertê-los em data e hora. Da mesma forma, ele pode reconhecer que uma coluna chamada ‘id’ usando um tipo long deve ser convertida em cadeia de caracteres. Quaisquer alterações de mapeamento automático são claramente refletidas no editor de esquema, com um ícone de lâmpada e uma breve explicação do mapeamento aplicado. As alterações podem ser facilmente revertidas manualmente usando o menu suspenso ‘Tipo’, embora isso geralmente não seja recomendado.

• Inspeção simplificada de esquema: A etapa Inspeção de esquema permite que os usuários visualizem os esquemas da tabela de destino, modifiquem o esquema se alguma alteração for necessária ou extraiam os comandos KQL para criação de tabela e esquema. Com base nos comentários recebidos de nossos clientes, melhoramos a experiência de inspeção de esquema para tornar a visualização e edição do esquema uma experiência perfeita. Os usuários agora podem alternar facilmente entre a visualização do esquema; Modos de visualização de comandos e edição de esquema com uma experiência intuitiva de switcher. Também simplificamos o arquivo de inferência, formatos, mapeamento e opções JSON aninhadas para torná-los mais acessíveis.

2. Amostragem de dados em tempo real:
Graduamos a opção de dados de amostra na etapa de inspeção para amostragem de dados em tempo real. Isso permite que os usuários visualizem como os dados ficariam quando ingeridos, mesmo antes de finalizar o esquema de dados.

3. Detecção automática de linha de cabeçalho para arquivos CSV:
o assistente Obter dados agora detecta perfeitamente se um CSV tem uma linha de cabeçalho e a usa para nomes de coluna. O tipo de dados da coluna é inferido com base nos dados nas linhas restantes. Isso torna o processo de definição de esquema, quando seu arquivo tem cabeçalhos, um processo indolor.

Crie fluxos de trabalho controlados por eventos com eventos do Azure e do Fabric (disponível para o público geral)

O Azure e o Fabric Events, um recurso poderoso que permite que as organizações capturem, processem e respondam a eventos no Microsoft Fabric, agora estão em disponibilidade geral. Com esses eventos, as empresas podem integrar soluções orientadas a eventos em seus fluxos de trabalho, permitindo automação perfeita, observabilidade aprimorada e tomada de decisão mais rápida.

O que são eventos do Azure e do Fabric?

Os Eventos do Azure e do Fabric oferecem uma funcionalidade no Real-Time Intelligence que permite:

• Eventos de ingestão disponíveis no Microsoft Fabric, como eventos Onelake, eventos de armazenamento de blobs do Azure, eventos de trabalho, eventos de item do workspace
• Filtre esses eventos usando recursos avançados de filtragem nas propriedades do esquema de eventos.
• Integre esses eventos aos consumidores no Microsoft Fabric, como o Activator para definir alertas baseados em eventos ou o Eventstream para transmitir eventos para outros destinos.

Com o Azure e o Fabric Events, as organizações podem reduzir a latência, melhorar a eficiência operacional e criar aplicativos escalonáveis controlados por eventos.

Para saber mais, acesse a documentação do Azure e do Fabric Events e, para obter o comunicado completo, consulte o blog de anúncios.

A disponibilidade do Eventhouse OneLake agora oferece suporte ao preenchimento

A disponibilidade do Eventhouse OneLake permite criar uma representação de dados em parquet delta no Eventhouse. Anteriormente, quando você ativava a disponibilidade, somente novos dados eram disponibilizados no OneLake, sem preenchimento de dados existentes. Isso pode causar inconsistências entre os dados no Eventhouse e no OneLake.

Agora, o OneLake Availability oferece suporte ao preenchimento, disponibilizando todos os dados novos e existentes no Eventhouse, independentemente de quando você o ativa. Esse é o comportamento padrão quando você habilita a disponibilidade por meio da interface do usuário.

Saiba mais sobre a disponibilidade do Eventhouse OneLake.

Alertas aprimorados do Ativador do Power BI

Tornamos mais fácil do que nunca criar e gerenciar alertas do Ativador em seus relatórios do Power BI. Redesenhamos a experiência de “Definir Alerta” do Power BI para que você possa gerenciar convenientemente seus alertas inteiramente em seus relatórios, sem precisar abrir o Ativador. Também simplificamos a experiência para que você possa configurar um alerta com menos etapas.

Para conferir a nova experiência, abra um relatório do Power BI e selecione ‘Adicionar Alerta’ em um visual ou escolha ‘Definir Alerta’ na faixa de opções.

Figura 2: A experiência aprimorada de “Definir Alerta” no Power BI torna mais fácil do que nunca criar e gerenciar alertas do Ativador em seus relatórios.

Exemplos de inteligência em tempo real de ponta a ponta

Temos o prazer de anunciar uma nova experiência de amostra de RTI que permite criar um fluxo de RTI de ponta a ponta totalmente funcional em segundos. O fluxo de amostra permite explorar os principais recursos do Real-Time Intelligence com dados de amostra. Ele fornece uma solução abrangente de ponta a ponta, demonstrando como os componentes do Real-Time Intelligence trabalham juntos para transmitir, analisar e visualizar dados em tempo real em um contexto do mundo real.

1. Você pode acessar os exemplos na home page da carga de trabalho do RTI.
2. Selecione o cenário de exemplo de sua escolha. Escolha de aluguel de bicicletas ou dados de ações do S&P 500.
3. Crie uma solução de exemplo com todos os itens de RTI em segundos.

Saiba mais sobre o exemplo de ponta a ponta.

Ferramentas de migração do Synapse Data Explorer para o Eventhouse (versão prévia)

A próxima geração da oferta do Azure Synapse Data Explorer está evoluindo para se tornar o Eventhouse, parte do Real-Time Intelligence no Microsoft Fabric. Para clientes que desejam migrar para o Eventhouse, estamos fornecendo uma ferramenta de migração que permite migrar perfeitamente o cluster do Synapse Data Explorer para um Eventhouse no Fabric.

O processo de migração é executado usando endpoints da API REST do Fabric. As etapas recomendadas para realizar a migração são as seguintes:

1. Validar: use o ponto de extremidade Validar migração para o Eventhouse para verificar se o cluster do Data Explorer do Azure Synapse Analytics pode ser migrado para um eventhouse.
2. Migrar: use o conteúdo Migrar para Eventhouse com migrationSourceClusterUrl para criar um eventhouse com a URL do cluster de origem da migração. O processo é executado de forma assíncrona para criar uma nova casa de eventos e migrar todos os bancos de dados do cluster de origem para a casa de eventos.
3. Monitorar: use o Monitorar o progresso da migração para acompanhar o progresso da migração.
4. Verificar: verifique a migração verificando se o estado do evento é Em execução e se os bancos de dados migrados aparecem na lista de bancos de dados KQL.

Para saber mais sobre como os pontos de extremidade da API podem ser chamados diretamente ou em um script automatizado do PowerShell, consulte nossa documentação da ferramenta de migração.

Fábrica de dados

Prontidão empresarial

Suporte do Gateway VNET para pipelines de dados

O suporte para a funcionalidade de pipeline de dados no gateway de dados da VNet agora está disponível em versão prévia. O gateway de dados da VNet facilita as conexões com fontes de dados que estão atrás de firewalls ou acessíveis em sua rede virtual. Esse recurso permite a execução de atividades de pipeline de dados no gateway de dados da VNet, garantindo conexões seguras com fontes de dados dentro da VNet. Ao contrário dos gateways de dados locais, os gateways de dados VNet são gerenciados pela Microsoft, atualizados de forma consistente, dão suporte ao dimensionamento automático e são desativados quando não estão em uso, tornando-os econômicos.

Para saber mais, consulte a documentação: O que é um gateway de dados de rede virtual (VNet)?
A melhor conectividade e movimentação de dados corporativos da categoria

No cenário de integração de dados em rápida evolução, o Data Factory continua aprimorando os conectores existentes para fornecer uma experiência perfeita e de alto desempenho. Com foco na melhoria da eficiência do conector e na expansão dos recursos, as atualizações recentes fizeram avanços significativos nos conectores Salesforce e Lakehouse. Essas melhorias não apenas aumentam o desempenho, mas também permitem um tratamento de dados mais sofisticado, garantindo que as empresas possam extrair, transformar e carregar dados com maior precisão e eficiência.

Melhoria de desempenho no conector do Salesforce em pipelines de dados

O Salesforce é uma fonte de dados crítica para muitas organizações, abrigando clientes valiosos e dados de negócios. Para melhorar a eficiência da movimentação de dados, o Data Factory introduziu a otimização de desempenho no conector do Salesforce para pipelines. A otimização permite que você busque os dados simultaneamente do Salesforce, aproveitando o recurso de paralelismo, reduzindo significativamente os tempos de extração para grandes conjuntos de dados.

O conector do Lakehouse agora dá suporte ao vetor de exclusão e ao mapeamento de colunas para tabelas delta em pipelines de dados

O conector do Lakehouse no Data Factory foi atualizado para fornecer uma integração mais profunda com a tabela delta. Dois novos recursos principais aprimoram os fluxos de trabalho de processamento de dados:

1. Suporte para exclusão de vetor

A tabela delta usa vetores de exclusão para rastrear registros excluídos com eficiência sem removê-los fisicamente do armazenamento. Com esse novo recurso no conector do Lakehouse, os usuários podem:

• Leia as tabelas Delta respeitando o vetor de exclusão, garantindo que os registros excluídos sejam excluídos automaticamente das consultas.
• Melhore o desempenho aproveitando exclusões reversíveis em vez de modificações de arquivos físicos, tornando as atualizações e a manutenção de dados mais eficientes.
• Habilite a conformidade com as políticas de retenção de dados retendo dados históricos para auditabilidade e, ao mesmo tempo, garantindo que os registros excluídos sejam filtrados das consultas ativas.

2. Suporte ao mapeamento de colunas para tabelas delta

O recurso de mapeamento de colunas da tabela delta permite uma evolução de esquema mais flexível, garantindo que as alterações na estrutura da tabela não interrompam os fluxos de trabalho de dados. Com o suporte ao mapeamento de coluna no conector do Lakehouse, os usuários podem:

• Ler de uma tabela existente do Delta Lake com o modo de nome/ID de mapeamento de coluna habilitado
• Gravar na tabela existente do Delta Lake com o modo de nome/ID de mapeamento de coluna habilitado
• Criar tabela automaticamente com o modo de nome de mapeamento de coluna habilitado quando a tabela do coletor não existe e as colunas do conjunto de dados de origem contêm caracteres e espaços em branco especiais.
• Criar automaticamente tabela com o modo de nome de mapeamento de coluna ativado quando a ação da tabela está substituindo o esquema e as colunas do conjunto de dados de origem contêm caracteres e espaços em branco especiais.

Esses aprimoramentos garantem que os engenheiros de dados possam trabalhar com tabelas delta com mais eficiência, melhorando a governança, o desempenho e a capacidade de manutenção dos dados.

Para saber mais sobre como configurar o Lakehouse em uma atividade de cópia, consulte nossa documentação.

Conectores certificados novos e atualizados para Power BI e fluxos de dados

Como desenvolvedor e proprietário da fonte de dados, você pode criar conectores usando o SDK do Power Query e fazer com que eles sejam certificados por meio do Programa de Certificação do Conector do Data Factory. A certificação de um conector do Data Factory disponibiliza o conector publicamente, pronto para uso, no Microsoft Fabric Data Factory e no Microsoft Power BI nas seguintes experiências

Este mês, temos o prazer de listar os conectores certificados recém-atualizados que fazem parte do Programa de Certificação do Microsoft Data Factory Connector. Certifique-se de verificar a documentação de cada um desses conectores para que você possa ver o que há de novo em cada um deles.

Novos conectores

• Análise ADP
• Dynatrace Grail DQL

Conectores atualizados

• Anaplan
• Asana
• Núcleo BQE
• Construindo conectado
• Compartilhamento Delta
• Central de serviços da SolarWinds
• Supermetria
• Windsor
• Análise do Worksplace
• Dados do Zendesk

Simplificando a ingestão de dados com o trabalho de cópia

O trabalho de cópia está tornando a ingestão de dados mais simples, rápida e intuitiva do que nunca e agora está disponível para o público em geral. Se você precisa de movimentação de dados em lote ou incremental, o Copy Job oferece a flexibilidade para atender às suas necessidades, garantindo uma experiência perfeita.

Desde sua visualização em setembro passado, o Copy Job evoluiu rapidamente com vários aprimoramentos poderosos. Vamos mergulhar no que há de novo!

Suporte público a API e CICD

O Fabric Data Factory agora oferece uma API pública robusta para automatizar e gerenciar o trabalho de cópia com eficiência. Além disso, com pipelines de integração e implantação do Git, você pode aproveitar seus próprios repositórios Git no Azure DevOps ou no GitHub e implantar perfeitamente o trabalho de cópia com os fluxos de trabalho de CI/CD internos do Fabric.

Suporte ao gateway VNET

O Trabalho de Cópia agora dá suporte ao gateway de dados da VNet na versão prévia! O gateway de dados da VNet permite conexões seguras com fontes de dados em sua rede virtual ou atrás de firewalls. Com esse novo recurso, agora você pode executar o Trabalho de Cópia diretamente no gateway de dados da VNet, garantindo a movimentação de dados contínua e segura.

Upsert para o Banco de Dados SQL do Azure e substituição para o Fabric Lakehouse

Por padrão, o trabalho de cópia acrescenta dados para garantir que nenhum dado alterado seja perdido. Mas agora, você também pode optar por fazer upsert de dados diretamente no Azure SQL DB ou SQL Server e substituir dados em tabelas do Fabric Lakehouse. Essas opções oferecem maior flexibilidade para adaptar a ingestão de dados às suas necessidades específicas.

Usabilidade e monitoramento aprimorados

Tornamos o trabalho de cópia ainda mais intuitivo com base em seus comentários, com os seguintes aprimoramentos:

• Mapeamento de coluna para modificação de dados simples no armazenamento como repositório de destino.
• Visualização de dados para ajudar a selecionar a coluna incremental correta.
• Funcionalidade de pesquisa para localizar rapidamente tabelas ou colunas.
• Monitoramento em tempo real com uma visão em andamento da execução de trabalhos de cópia.
• Métodos de atualização e agendamentos personalizáveis antes da criação do trabalho.

Mais conectores, mais possibilidades!

Mais conexões de origem agora estão disponíveis, oferecendo maior flexibilidade para ingestão de dados com o Trabalho de Cópia. E não vamos parar por aqui – ainda mais conectores estão chegando em breve!

O que vem a seguir?

Estamos comprometidos em melhorar continuamente o trabalho de cópia para tornar a ingestão de dados mais simples, inteligente e rápida. Fique ligado para ainda mais aprimoramentos!

Saiba mais sobre Copiar trabalho em: O que é Copiar trabalho no Data Factory

Espelhamento

Espelhamento para Banco de Dados SQL do Azure protegido por um firewall (versão prévia)

Agora você pode espelhar os Bancos de Dados SQL do Azure protegidos por um firewall. O uso do gateway de dados da VNet ou do gateway de dados local para espelhamento está disponível. O gateway de dados facilita conexões seguras com seus bancos de dados de origem por meio de um ponto de extremidade privado ou de uma rede privada específica.

Saiba mais sobre o espelhamento do Banco de Dados SQL do Azure do Microsoft Fabric Bancos de dados espelhados do Banco de Dados SQL do Azure.

Espelhamento para o Servidor Flexível do Banco de Dados do Azure para PostgreSQL (versão prévia)

O espelhamento de banco de dados agora dá suporte à replicação do servidor flexível do Banco de Dados do Azure para PostgreSQL no Fabric! Agora você pode replicar continuamente dados quase em tempo real de sua instância do Servidor Flexível para o Fabric OneLake. Isso permite a integração perfeita de dados, permitindo que você aproveite os recursos de análise do Fabric e, ao mesmo tempo, garanta que seus dados do PostgreSQL permaneçam atualizados. Ao espelhar seus dados do PostgreSQL no Fabric, você pode aprimorar os fluxos de trabalho de relatórios, análises e aprendizado de máquina sem interromper seu banco de dados operacional.

Para saber mais, consulte o blog de visualização de espelhamento do PostgreSQL.

Melhorias na experiência do usuário do Open Mirroring

Fizemos melhorias em nossa experiência completa no produto para o Open Mirroring. Com essas alterações, agora você pode criar um banco de dados espelho e começar a carregar ou arrastar e soltar arquivos parquet e CSV. Agora é mais fácil do que nunca começar a criar seu próprio código-fonte Open Mirror e permitir que você teste nossa tecnologia de replicação antes de produzir com APIs. Depois que seus arquivos forem carregados, você também poderá fazer upload de alterações e atualizações nos dados com o campo __rowMarker__ especificado para nossos recursos de dados de alteração.

Transformações

Salvar um novo Dataflow Gen2 com suporte a CI/CD de um Dataflow Gen1, Gen2 ou Gen2 (CI/CD)

Os clientes geralmente gostariam de recriar um fluxo de dados existente como um novo fluxo de dados Gen2 (CI/CD), obtendo todos os benefícios dos novos recursos de integração GIT e CI/CD. Hoje, para fazer isso, eles precisam criar o novo item do Dataflow Gen2 (CI/CD) do zero e copiar e colar suas consultas existentes ou aproveitar os recursos de modelo Exportar/Importar Power Query. Isso, no entanto, não é apenas inconveniente devido a etapas desnecessárias, mas também não transfere configurações adicionais de fluxo de dados.

Os fluxos de dados no Microsoft Fabric agora incluem um recurso ‘Salvar como’ na versão prévia, que em um único clique permite salvar um fluxo de dados existente Gen1, Gen2 ou Gen2 (CI/CD) como um novo item de fluxo de dados Gen2 (CI/CD).

Atualização incremental para Dataflow Gen2 e novo suporte para Lakehouse como destino com atualização incremental (disponível para o público em geral)

A Atualização Incremental para o Dataflow Gen2 já está em disponibilidade geral!

A atualização incremental para o Dataflow Gen2 permite que você atualize apenas os buckets de dados que foram alterados, em vez de recarregar todo o conjunto de dados em cada atualização de fluxo de dados. Isso não apenas economiza tempo, mas também reduz o consumo de recursos, tornando suas operações de dados mais eficientes e econômicas.

Esses novos recursos foram projetados para ajudá-lo a ter sucesso com suas necessidades de integração de dados e ser o mais eficiente possível. Experimente hoje mesmo em seu espaço de trabalho de malha!

Saiba mais sobre a atualização incremental no Dataflow Gen2: atualização incremental no Dataflow Gen2.

Verificar o status de validação contínua de um Dataflow Gen2 com suporte a CI/CD

Quando você clica em Salvar e executar no Dataflow Gen2 com suporte a CI/CD, o processo que é acionado é duplo:

1. Validação: é um processo em segundo plano em que seu fluxo de dados é validado em relação a um conjunto de regras. Se ele passar em todas as validações e nenhum erro for retornado, ele será salvo com êxito.
2. Executar: usando a versão publicada mais recente do fluxo de dados, um trabalho de atualização é acionado para executar o fluxo de dados.

Se você deseja apenas acionar o processo de validação, basta clicar no botão ‘Salvar’.

E se você quiser verificar o status da validação? Agora você tem um novo ponto de entrada na guia inicial da faixa de opções chamado Verificar validação, no qual você pode clicar a qualquer momento para fornecer informações sobre a validação em andamento ou o resultado de uma execução de validação anterior.

Certifique-se de tentar isso sempre que quiser verificar os resultados de uma validação de salvamento.

Orquestração

Trabalho do Apache Airflow (disponível ao público em geral)

O trabalho do Apache Airflow no Microsoft Fabric agora está disponível para o público geral, fornecendo um tempo de execução do Apache Airflow totalmente integrado para desenvolver, agendar e monitorar fluxos de trabalho de dados baseados em Python usando DAGs (Directed Acyclic Graphs).

Quais as novas:

• Apresentando o controle de versão do tempo de execução do Fabric para o trabalho do Apache Airflow – Isso inclui o tempo de execução do Fabric versão 1.0, que vem com o Apache Airflow 2.10.4 e o Python 3 como o tempo de execução padrão.
• API pública – As APIs agora estão disponíveis para interagir com trabalhos do Apache Airflow para gerenciamento contínuo.
• Suporte ao pipeline de integração e implantação do Git – Os usuários podem utilizar seus repositórios Git (Azure DevOps/GitHub) e implantar com os fluxos de trabalho de CI/CD integrados do Fabric.
  • Logs de diagnóstico – Os usuários podem acessar os logs gerados pelo Apache Airflow por meio da interface do usuário do trabalho do Apache Airflow para observabilidade aprimorada.

Saiba mais sobre o trabalho do Apache Airflow no Microsoft Fabric em O que é o trabalho do Apache Airflow?

Gatilhos de arquivo do OneLake para pipelines

A equipe do Fabric Data Factory tem o prazer de anunciar que a experiência de gatilho de pipeline agora está em GA (disponibilidade geral) e agora inclui acesso a arquivos no OneLake!

Essa nova e empolgante melhoria nos gatilhos de pipeline no Fabric Data Factory significa que agora você pode invocar automaticamente seu pipeline quando arquivos ou pastas tiverem arquivos que chegam, excluem ou renomeiam!

Anteriormente, oferecemos suporte a eventos de arquivo de blob do Azure no Fabric Data Factory, como ADF e Synapse, mas agora que os usuários do Fabric estão aproveitando o OneLake como o hub de dados principal, estamos ansiosos para ver os padrões de pipeline que você criará usando os gatilhos de arquivo do OneLake!

Bibliotecas de variáveis para pipelines (versão prévia)

Um dos recursos mais solicitados no Fabric Data Factory tem sido o suporte para modificar valores ao implantar alterações de espaço de trabalho entre ambientes usando o Fabric CICD. Para acomodar isso, pergunte, integramos pipelines no novo recurso da plataforma Fabric chamado Bibliotecas de Variáveis.

Com as Bibliotecas de Variáveis, você pode atribuir variáveis a valores exclusivos com base em diferentes ambientes, ou seja, dev, test, prod. Em seguida, ao promover sua fábrica para ambientes altos, você pode usar valores diferentes da biblioteca, fornecendo a capacidade de alterar valores quando os pipelines são promovidos para novos ambientes.

Esse novo recurso de visualização será muito útil não apenas para o CICD, mas também permite que você substitua valores codificados por variáveis em qualquer lugar em seus pipelines para obter a mesma funcionalidade que os parâmetros globais no Azure Data Factory também.

Suporte ao parâmetro de atividade de pipeline de definição de trabalho do Spark

A atividade SJD (Definição de Trabalho do Spark) no Data Factory permite que você crie conexões com suas Definições de Trabalho do Spark e execute-as a partir do pipeline de dados.

E temos o prazer de anunciar que a parametrização agora é suportada nesta atividade!

Você encontrará essa atualização nas configurações avançadas, onde poderá configurar seus parâmetros SJD e executar suas definições de trabalho do Spark com os valores de parâmetro definidos, permitindo que você substitua suas configurações de artefato SJD.

A atividade de trabalhos do Azure Databricks agora dá suporte a parâmetros

A parametrização de pipelines de dados para dar suporte a modelos de pipeline reutilizáveis genéricos é extremamente comum no mundo da análise de big data. O Data Factory do Fabric fornece suporte de ponta a ponta para esses padrões e agora está estendendo essa funcionalidade para a atividade de orquestração de pipeline do Azure Databricks. Agora, ao selecionar ‘Trabalhos’ como a origem de sua ação ADB, você pode enviar parâmetros para seu trabalho ADF, permitindo o máximo de flexibilidade e poder de seus trabalhos de orquestração.

Funções de dados do usuário em pipelines de dados (versão prévia)

As funções de dados do usuário agora estão disponíveis em versão prévia na atividade Funções do pipeline de dados. Esse novo recurso foi projetado para aprimorar seus recursos de processamento de dados, permitindo que você crie e gerencie funções personalizadas adaptadas às suas necessidades específicas.

Principais destaques

• Funcionalidade personalizada: As funções de dados do usuário permitem que você defina lógica e cálculos personalizados que podem ser reutilizados em vários pipelines de dados. Isso permite um processamento de dados mais flexível e eficiente.
• Integração em pipelines de dados: Você pode adicionar funções de dados do usuário como atividades em seus pipelines de dados. Isso é feito selecionando a atividade Functions no editor de pipeline, escolhendo suas Funções de Dados do Usuário como o tipo e fornecendo os parâmetros de entrada necessários.

Confira nossa documentação para saber mais sobre como usar as funções de dados do usuário em seus pipelines de dados.

Os pipelines do Data Factory agora dão suporte a até 120 atividades

Aumentamos o limite de atividade padrão de 80 atividades para 120 atividades!

Agora você pode utilizar 40 atividades adicionais para criar pipelines mais complexos para melhor tratamento de erros, ramificação e outros recursos de fluxo de controle.

Fluxo de dados Gen2

Dataflow Gen2 com recursos de CI/CD

Agora você pode adicionar atividades de atualização de fluxo de dados aos seus pipelines no Fabric Data Factory que incluem a nova versão dos fluxos de dados:

Confira nossa documentação sobre o Dataflow Gen2 com integração de CI/CD e Git para saber mais.

Pipelines de dados

Os pipelines de dados têm suporte para recursos de CI/CD e o suporte a APIs REST agora está em disponibilidade geral. A equipe acabou de adicionar suporte ao SPN (Nome da Entidade de Serviço) e às bibliotecas de variáveis para pipelines de dados.

Confira nossa documentação sobre CI/CD para pipelines de dados e recursos de API REST para pipelines de dados para saber mais.

Montagem do ADF (versão prévia)

O suporte a APIs de CI/CD e REST agora está disponível para o item do Azure Data Factory (Montagem do ADF).

Banco de dados espelhado (disponível ao público em geral)

O suporte a CI/CD do banco de dados espelhado agora está disponível para o público em geral.

Saiba mais em CI/CD para bancos de dados espelhados.

O suporte a APIs REST está disponível para o público geral, incluindo o suporte a SPN. Confira nossa documentação sobre Espelhamento de APIs REST públicas.

Trabalho de cópia (disponível ao público em geral)

O suporte a CI/CD e APIs do item de trabalho Copiar agora é Disponibilidade Geral. Isso inclui suporte a SPN para trabalho de cópia.

Confira nossa documentação sobre CI/CD para trabalho de cópia para saber mais.

Parametrização

Conexões parametrizadas em pipelines de dados

Aprimorando sua experiência de integração de dados

O que são conexões parametrizadas?

A parametrização de conexões de dados em pipelines de dados permite especificar valores para espaços reservados de conexão dinamicamente. Isso significa que você pode pré-criar conexões de dados para várias fontes, como Armazenamento de Blobs do Azure, SQL Server ou qualquer outra fonte de dados compatível com pipelines de dados, e referenciá-las por meio das expressões dinâmicas do pipeline de dados em runtime. Esse recurso permite que você crie pipelines de dados mais flexíveis e adaptáveis, capazes de se conectar a diferentes instâncias de conexões de dados do mesmo tipo, como SQL Server, sem alterar a definição do pipeline.

Principais benefícios:

• Flexibilidade: use a mesma definição de pipeline de dados para se conectar dinamicamente a várias instâncias de conexões de dados.
• Eficiência: minimize a necessidade de várias definições de tubulação, reduzindo a complexidade e o esforço de manutenção.
• Escalabilidade: gerencie e dimensione facilmente seus processos de integração de dados aproveitando expressões dinâmicas para lidar com valores de conexão.

Como funciona:

Durante a execução do pipeline, as expressões dinâmicas nos pipelines de dados especificam valores para os espaços reservados de conexão, permitindo a integração perfeita com conexões de dados pré-criadas. Essa inovação garante que seus pipelines de dados não sejam apenas mais eficientes, mas também altamente personalizáveis para atender às suas necessidades específicas.

Acreditamos que esse novo recurso aprimorará significativamente seus recursos de processamento de dados e simplificará seus fluxos de trabalho. Mal podemos esperar para que você experimente os benefícios das conexões parametrizadas em seus projetos de integração de dados.

Suporte ao parâmetro Nome da Tabela para destinos de dados

No Dataflow Gen2, você pode criar parâmetros, eles servem como uma maneira de armazenar e gerenciar facilmente um valor que pode ser reutilizado em todo o seu Dataflow.

Os principais comentários que ouvimos de nossos usuários são a falta desse recurso na experiência de destino de dados do Dataflow Gen2. Graças aos comentários, agora estamos introduzindo o primeiro suporte para parâmetros na experiência de destino de dados, em que você pode definir um parâmetro a ser usado para o nome da tabela do seu destino.

Isso está disponível para todos os destinos que dão suporte a esse campo e estamos trabalhando para estender esse suporte a outras áreas da experiência de destino de dados. Experimente esse novo recurso e diga-nos o que você pensa.

Experiências baseadas em IA

Crie e mantenha com eficiência seus pipelines de dados com recursos aprimorados para o Copilot no Data Factory

Em novembro de 2024, anunciamos a prévia de 3 recursos inovadores no Copilot for Data Factory (Data pipeline). Hoje, estamos entusiasmados em disponibilizar esses recursos ao público em geral, com aprimoramentos para tornar sua integração de dados ainda mais eficiente e sem esforço.

Confira a postagem do blog sobre Criar e manter com eficiência seus pipelines de dados com o Copilot para Data Factory: novos recursos e experiências para saber mais.

Gere seus pipelines de dados sem esforço: entenda sua intenção de negócios e traduza-a sem esforço em atividades de pipeline de dados para criar suas soluções de integração de dados. Na capacidade aprimorada do Copilot, podemos criar facilmente atividades de pipeline de dados mais complexas, por exemplo, atividade de switch, pipeline orientado por metadados, etc. Você também pode atualizar as configurações e configurações do pipeline em lotes com várias atividades!

Solucione com eficiência as mensagens de erro no Copilot do pipeline de dados. Diagnostique e resolva erros de pipeline de forma mais intuitiva, fornecendo um resumo claro e acionável.

Entenda facilmente seus pipelines de dados complexos: Entenda suas configurações complexas de pipeline sem esforço, obtendo um resumo claro e intuitivo fornecido pelo Copilot.

Integração de dados experiências compartilhadas

Cargas de trabalho de parceiros

Estamos entusiasmados em compartilhar as atualizações significativas e as cargas de trabalho recém-lançadas para este mês, mostrando os incríveis esforços e o trabalho inovador de nossos incríveis parceiros.

Cargas de trabalho (disponíveis ao público em geral)

Organização de Dados Osmos AI

Automatize a ingestão de dados com o Osmos AI Data Wrangler para Microsoft Fabric

À medida que as empresas escalam a adoção da IA, elas devem garantir que todos os seus dados estejam prontos para IA. No entanto, os dados corporativos costumam ser confusos – semiestruturados ou não estruturados, chegando em formatos inconsistentes de clientes, parceiros, fornecedores e sistemas internos. Os pipelines ETL tradicionais exigem esforço constante de engenharia para se adaptar ao desvio de esquema, campos ausentes e baixa qualidade de dados, retardando as iniciativas de IA e análise.

O Osmos AI Data Wrangler permite a transformação autônoma de dados como uma carga de trabalho no Microsoft Fabric. A IA agêntica da Osmos automatiza a ingestão de dados limpando, transformando e validando seus dados de forma inteligente, normalizando perfeitamente os dados de bronze confusos em tabelas de prata em seu Lakehouse.

Adquira agora: Osmos AI Data Wrangler para Microsoft Fabric

O Osmos AI Data Wrangler já está disponível!

O AI Data Wrangler da Osmos agora está disponível para o público em geral (GA), com recursos de autoconfiguração, com Wrangler Context de autoconfiguração. Esse recurso permite que os organizadores entendam suas regras de negócios e as apliquem às transformações de dados. Com o novo recurso Wrangler Context, as empresas podem configurar automaticamente seus Wranglers usando a documentação e os trechos de código existentes, oferecendo rapidamente os organizadores de dados de alto desempenho fáceis de configurar.

Por que as empresas escolhem a IA da Osmos para ingestão e transformação de dados

A Osmos ajuda empresas de varejo, manufatura, finanças e auditoria a desbloquear milhões em economias, acelerando insights e novas oportunidades de mercado.

✔ Unifique dados limpos no Lakehouse – Normalize dados díspares provenientes de várias fontes internas e externas em dados limpos e acionáveis prontos para SQL.

✔ Melhore a qualidade dos dados – A validação baseada em IA garante dados estruturados, limpos e precisos para análise e tomada de decisões.

✔ Simplifique os fluxos de trabalho – Elimine a limpeza manual de dados, permitindo que os Wranglers aprendam de forma autônoma com a documentação e as regras de negócios.

✔ Melhore a prontidão de IA e análise – Forneça dados estruturados e confiáveis prontos para insights orientados por IA e análises corporativas.

Confira o vídeo do Osmos AI Data Wrangler com Wrangler Context.

Designer do Power BI (disponível para o público geral)

O Microsoft Fabric, em colaboração com o PowerBI.tips, tem o prazer de compartilhar que o Power BI Designer já está disponível para o público em geral! Você não vai querer perder este aplicativo que economiza tempo. Diga adeus aos relatórios insípidos e padronizados e olá às obras-primas deslumbrantes e altamente estilizadas.

O que é o Power Designer?

O Power Designer é elegante, intuitivo e divertido, fazendo com que o design de relatórios pareça menos trabalho e mais como liberar seu artista interior. Está repleto de recursos que farão você dizer: ‘Por que não tive isso antes?’

Baixe agora: Carga de trabalho do Power Designer.

Vamos mergulhar na magia:

• Crie temas como um profissional: crie arquivos de tema detalhados para seus relatórios do Power BI com facilidade. Personalize cores, fontes e estilos para combinar com sua marca.

• Vibrações visuais em tempo real: veja seus visuais do Power BI serem atualizados ao vivo enquanto você cria seu estilo.

• Várias páginas: adicione imagens de fundo a cada página com um piscar de olhos, transformando seus relatórios em layouts polidos e dignos de revistas.
• Alimentado por IA: deixe a IA assumir o volante com o posicionamento automático de recursos visuais em seus modelos de várias páginas.
• Visualização: teste seu novo tema brilhante em relatórios já publicados em seus workspaces com o recurso de visualização.

Agora que o Power Designer foi lançado oficialmente, é hora de começar a criar. Vá para seus espaços de trabalho do Fabric, inicie o Power Designer e deixe sua imaginação correr solta.

Preparar, definir, projetar! Vamos fazer um pouco de mágica de relatório acontecer!

Saiba mais em PowerBI.tips Designer

YouTube video: Apresentando o Power Designer: Libere seu assistente de relatório interno!

Cargas de trabalho recém-lançadas

Carga de trabalho do Profisee MDM

A Profisee introduziu a primeira carga de trabalho nativa de gerenciamento de dados mestre (MDM) no Microsoft Fabric, integrando perfeitamente sua plataforma MDM ao ambiente do Fabric. Esse avanço permite que os usuários gerenciem e unifiquem dados corporativos sem sair da interface familiar do Fabric.

Obtenha agora: Profisee MDM Workload for Microsoft Fabric.

Ao inserir recursos de MDM diretamente no Microsoft Fabric, o Profisee capacita as organizações a:

• Garanta a consistência dos dados – Alinhe e integre dados de várias fontes enquanto aplica a governança de dados padronizada no OneLake do Fabric.
• Melhore a qualidade dos dados – Aproveite a correspondência, a mesclagem e a padronização inteligentes para criar “registros dourados” confiáveis para seus dados de negócios mais críticos.
• Simplifique os fluxos de trabalho – Gerencie dados dentro do próprio Fabric, eliminando a necessidade de ferramentas externas e reduzindo a alternância de contexto.
• Acelere as iniciativas de IA e análise – Forneça dados consumíveis de alta qualidade prontos para alimentar aplicativos corporativos de IA generativa e análises avançadas.

Essa integração marca um grande avanço no gerenciamento de dados, oferecendo uma plataforma unificada para administração, modelagem e governança de dados. A experiência nativa de MDM no Fabric simplifica a transformação de dados brutos em insights acionáveis, gerando resultados de negócios mais rápido do que nunca.

Para organizações que utilizam IA e análises avançadas, é fundamental ter dados confiáveis e consumíveis (também conhecidos como “medalhão de ouro”). A profunda integração do Profisee com o Microsoft Fabric garante que as empresas possam confiar em seus dados para tomar decisões informadas e impulsionar a inovação.

Essa colaboração entre a Profisee e a Microsoft representa um salto significativo, permitindo que empresas de todos os setores desbloqueiem insights, alimentem oportunidades e, finalmente, tragam seus dados para a era da IA para se tornarem orientados por dados em escala.

Vídeo do YouTube – Bem-vindo à carga de trabalho em destaque do Profisee no Microsoft Fabric

Figura: O Profisee permite que sua arquitetura de medalhão forneça dados consumíveis e confiáveis para IA e análises.

Figura: O Profisee pode combinar, mesclar e padronizar dados de diferentes fontes.

Carga de trabalho do Lumel PowerTables

A carga de trabalho do Lumel Fabric agora está em versão prévia. O PowerTable permite que os usuários corporativos criem aplicativos de tabela sem código e habilitados para write-back no Microsoft Fabric. Ele conecta o LIVE (com sincronização bidirecional) às suas tabelas de data warehouse na nuvem em plataformas como Fabric SQL, Fabric Data Warehouse, Azure SQL, Databricks, Snowflake, Amazon Redshift, Google BigQuery e PostgreSQL.

Adquira agora: Lumel PowerTables Workload.

xistem 3 casos de uso principais para o PowerTable:

1. Crie aplicativos tabulares para dados normalmente mantidos no Excel, como listas de preços de produtos, rastreadores de contratos, atualizações de status do projeto etc.
2. Gerencie dados mestres/dados de referência/metadados que suportam seus aplicativos de relatórios e planejamento. O PowerTable oferece suporte a dados mestres voltados para o futuro (ao contrário de suas plataformas ERP e MDM), como clientes em potencial ou produtos que ainda não foram lançados.
3. Crie aplicativos com base em seus modelos semânticos e facilite a entrada de dados do usuário e o write-back de dados.

O PowerTable oferece os seguintes recursos:

• Inserir e editar registros em massa
• Comentários e colaboração no nível da célula
• Log de alterações com trilha de auditoria
• Suporte para dimensões que mudam lentamente
• Permissões de usuário CRUD em nível de linha
• Permissões no nível do campo
• Aprovações sequenciais e multinível
• Aprovações baseadas em regras
• Notificações do Outlook e do Teams
• Automação do fluxo de trabalho
• Gatilhos e atualizações em cascata
• Integração de webhook
• … e muito mais

Ao contrário de produtos como Airtable ou Smartsheet, que normalmente lutam para lidar com mais de dezenas ou centenas de milhares de linhas, o PowerTable é altamente escalável e pode suportar milhões de linhas. Isso é possível porque nossa arquitetura separa a interface do usuário do armazenamento e da computação e usa instruções SQL pushdown para executar todo o processamento no banco de dados subjacente de sua escolha.

Visite nosso site www.lumel.com para saber mais.

PowerTables Introdução em vídeo de ação.

Carga de trabalho do SAS Decision Builder (versão prévia)

Anunciando o SAS Decision Builder em versão prévia, uma nova carga de trabalho do parceiro de longa data da Microsoft e fornecedor de análise SAS. Essa poderosa solução SaaS foi projetada para ajudar as organizações a automatizar, otimizar e dimensionar seus processos de tomada de decisão em tempo real, seja gerenciando regras de negócios complexas, integrando modelos de aprendizado de máquina ou usando código Python.

Obtenha agora: Carga de trabalho do SAS Decision Builder.

Existem vários casos de uso em muitos setores, incluindo serviços financeiros (aprovações de empréstimos, produtos financeiros), manufatura (qualidade do produto) e setor público (identificação de fraudes, ajuda na escolha de um serviço governamental).

Fluxo de decisão no SAS Decision Builder

Características principais:

• Construa regras de negócios e fluxos de decisão: acesse e processe dados de todas as suas fontes para criar decisões alinhadas às metas de negócios.
• Recursos robustos de governança: teste, valide, programe, execute e monitore decisões no ambiente unificado do Fabric. Ajuste as decisões à medida que as necessidades de negócios evoluem.
• Agregue valor aos seus modelos de ML: chame seus modelos de ML em seu fluxo de decisão para aprimorar ainda mais suas decisões.
• Integre arquivos de código Python às decisões: traga lógica avançada e flexibilidade para seus processos automatizados.

Cargas de trabalho de parceiros – Demonstração em vídeo do SAS

Começando:

Acesse o Construtor de Decisões SAS na guia Cargas de Trabalho em sua instância do Microsoft Fabric. Selecione a página Hub de Carga de Trabalho do SAS Decision Builder, selecione ‘Adicionar Carga de Trabalho’ e faça a transação por meio do processo do Azure Marketplace. Depois de concluído, você pode começar a construir suas decisões com o SAS Decision Builder.

Striim SQL2 Fabric Workload

O ecossistema robusto do Microsoft Fabric capacita os parceiros a integrar recursos personalizados por meio do Fabric Workload Development Kit. A Striim orgulhosamente apresenta uma carga de trabalho do Fabric projetada para ingestão de dados em tempo real, processamento e análise orientada por IA, oferecendo integração, escalabilidade e insights acionáveis perfeitos. A carga de trabalho do Striim se baseia nos recursos de espelhamento aberto fornecidos pelo Fabric para fornecer aos usuários uma cópia gerenciada de seus dados espelhados SQL no ambiente do Fabric.

Obtenha agora: SQL2Fabric-Mirroring

Integração de carga de trabalho incorporada: O Striim é inserido diretamente no Microsoft Fabric Workload Hub, garantindo a orquestração de movimentação de dados em tempo real sem sair do ambiente do Microsoft Fabric. As empresas podem aproveitar essa integração para fluxos de trabalho de dados coesos e capacidade de descoberta aprimorada.

Replicação e streaming de dados em tempo real: O Striim oferece ingestão de latência inferior a um segundo do SQL Server, Oracle, PostgreSQL, MongoDB e Databricks. Esses pipelines estruturados otimizam dados para Azure OpenAI, Fabric Copilot e Vector Search, fornecendo insights prontos para IA.

Segurança e desempenho corporativos: Com criptografia de ponta a ponta, controle de acesso e streaming de eventos de alta taxa de transferência por meio de captura de dados de alteração (CDC), o Striim garante desempenho seguro, escalável e de baixa latência em ambientes híbridos.

Carga de trabalho integrada com o Fabric: O Striim se incorpora perfeitamente ao Microsoft Fabric Workload Hub, permitindo que as empresas orquestrem e automatizem a movimentação de dados em tempo real sem sair do ecossistema do Fabric.

Streaming otimizado para IA: O Striim fornece pipelines de dados estruturados personalizados para Azure OpenAI, Fabric Copilot e Vector Search. Ele garante dados atualizados e prontos para IA para modelos de aprendizado de máquina.

Casos de uso

• Migração e replicação da nuvem híbrida: Espelhe continuamente bancos de dados locais do SQL Server no Fabric OneLake para análise em tempo real.
• Sincronização de dados entre nuvens: Integre dados perfeitamente no Azure, AWS e GCP, reduzindo os silos de dados.
• Insights e automação orientados por IA: Forneça novos pipelines de dados para recomendações baseadas em IA, detecção de fraudes e análise preditiva.
• Automação da carga de trabalho do Fabric: Utilize o Workload Hub para simplificar as transformações de dados baseadas em IA e a automação orientada a eventos.

Source: Blog Microsoft Fabric.

Descubra as Novidades do Microsoft Fabric – E Transforme a Forma Como Sua Empresa Trabalha com Dados

As atualizações de março de 2025 do Microsoft Fabric trouxeram avanços impressionantes, desde a nova biblioteca de variáveis para CI/CD até o suporte completo ao Pylance em notebooks, passando por recursos poderosos de segurança, integração em tempo real e inteligência artificial aplicada à engenharia e ciência de dados. Se você busca mais governança, produtividade e inovação no uso de dados, este é o momento ideal para repensar sua estratégia com base nas possibilidades do Fabric.

Na DataEX, ajudamos empresas a explorar o potencial completo do Microsoft Fabric para criar ambientes de dados modernos, seguros e automatizados. Nossa equipe de especialistas está pronta para apresentar um plano sob medida para sua organização, garantindo que cada funcionalidade se torne uma vantagem competitiva real.

Agende uma reunião com a DataEX e veja como transformar suas operações com o Microsoft Fabric.

Preencha o formulário abaixo e nosso time entrará em contato.

Gostou do nosso conteúdo? Então nos siga em nossas social networks para saber tudo sobre o universo da Engenharia de Dados e Inteligência Artificial e claro, leia diariamente o blog Data Universe.