データフローの種類の違いについて
データフローは、データを抽出し、変換して保存先ストレージに読み込み、さまざまなシナリオで利用できるようにするために使用されます。 すべての保存先ストレージが同じ特性を共有するわけではないため、データフローでデータが読み込まれる保存先ストレージによって、一部のデータフロー機能と動作が異なります。 データフローを作成する前に、データがどのように使用されるのかを理解し、ご自身のソリューションの要件に従って保存先ストレージを選択することが重要です。
データフローの保存先ストレージを選択すると、データフローの種類が決まります。 データを Dataverse テーブルに読み込むデータフローは、標準データフロー として分類されます。 データを分析テーブルにロードするデータフローは、分析データフロー として分類されます。
Power BI で作成されるデータフローは、常に分析データフローです。 Power Apps で作成されるデータフローは、データフロー作成時の選択に応じて、標準または分析のいずれかになります。
標準データフロー
標準データフローでは、データが Dataverse テーブルに読み込まれます。 標準データフローは Power Apps でのみ作成できます。 この種類のデータフローを作成する利点の 1 つは、Dataverse のデータに依存するすべてのアプリケーションで、標準データフローによって作成されたデータを操作できることです。 Dataverse テーブルを利用する一般的なアプリケーションは、Power Apps、Power Automate、AI Builder、Power Virtual Agents です。
Standard データフローのバージョン
パフォーマンスと信頼性の向上のために、私たちは標準データフローの重要な更新に取り組んできました。 これらの機能強化は、最終的にすべての標準データフローで利用できるようになります。 しかし、それまでの間、Power Apps ではバージョン インジケーターを追加することによって既存の標準データフロー (バージョン 1) と新しい標準データフロー (バージョン 2) を区別します。
標準データフロー バージョンの機能の比較
次の表に、標準データフロー V1 と V2 の主な機能の相違点と、それぞれのバージョンでの各機能の動作に関する情報を示します。
| 機能 | 標準 V1 | 標準 V2 |
|---|---|---|
| 顧客テナントごとに自動スケジュールを使用して保存できるデータフローの最大数 | 50 | 無制限 |
| クエリまたはテーブルごとに取り込まれるレコードの最大数 | 500,000 | 無制限。 現在、クエリまたはテーブルごとに取り込むことができるレコードの最大数は、取り込み時点での Dataverse サービス保護制限に依存しています。 |
| Dataverse への取り込み速度 | ベースライン パフォーマンス | いくつかの要因によるパフォーマンスの向上。 実際の結果は、取り込まれるデータの特性と、取り込み時の Dataverse サービスの負荷によって異なる可能性があります。 |
| 増分更新ポリシー | サポートされていません | サポートされています |
| 回復性 | Dataverse サービス保護制限が検出された場合、レコードは最大 3 回再試行されます。 | Dataverse サービス保護制限が検出された場合、レコードは最大 3 回再試行されます。 |
| Power Automate の統合 | サポートされていません | サポートされています |
分析データフロー
分析データフローは、分析用に最適化されたストレージ タイプ (Azure Data Lake Storage) にデータを読み込みます。 Microsoft Power Platform 環境と Power BI ワークスペースは、それらの製品ライセンスにバンドルされた、マネージド型の分析ストレージの場所をお客様に提供します。 さらに、お客様は組織の Azure Data Lake ストレージ アカウントをデータフローの送信先としてリンクできます。
分析データフローは、優れた追加の分析機能です。 たとえば、Power BI の AI 機能との統合や、後で説明する計算されたエンティティの使用などです。
Power BI で分析データフローを作成できます。 既定では、データは Power BI のマネージド ストレージに読み込まれます。 ただし、組織の Azure Data Lake Storage にデータを格納するように Power BI を構成することもできます。
Power Apps と Dynamics 365 顧客分析情報ポータルで分析データフローを作成することもできます。 Power Apps ポータルでデータフローを作成する場合、Dataverse で管理された分析ストレージか組織の Azure Data Lake Storage アカウントのいずれかを選択できます。
AI 統合
場合によっては、要件に応じて、データフローを通じて AI および機械学習の機能をデータに適用することが必要になることがあります。 これらの機能は Power BI データフローで使用でき、Premium ワークスペースが必要です。
次の記事では、データフローで AI 機能を使用する方法について説明しています。
上記の機能は Power BI に固有のものであり、Power Apps または Dynamics 365 顧客分析情報ポータルでデータフローを作成するときには使用できないことに注意してください。
計算されたテーブル
計算テーブルを使用する理由の 1 つは、大量のデータを処理できることです。 計算されたテーブルは、これらのシナリオに役立ちます。 データフロー内にテーブルがあり、同じデータフロー内の別のテーブルが最初のテーブルの出力を使用する場合、このアクションにより計算テーブルが作成されます。
計算されたテーブルは、データ変換のパフォーマンスに役立ちます。 計算されたテーブルは、データ変換のパフォーマンスに役立ちます。 その後、結果は他のテーブルで複数回使用されます。
計算テーブルの詳細については、データフローでの計算テーブルの作成を参照してください。
計算テーブルは分析データフローでのみ使用できます。
標準データフローと分析データフロー
次の表に、標準テーブルと分析テーブルの相違点をいくつか示します。
| 操作 | Standard | 分析 |
|---|---|---|
| 作成する方法 | Power Platform データフロー | Power BI データフロー データフローの作成時に [分析エンティティのみ] チェックボックスを選択して Power Platform データフローを作成します。 |
| ストレージ オプション | Dataverse | Power BI データフロー用に Power BI が提供する Azure Data Lake ストレージ、Power Platform データフロー用に Dataverse が提供する Azure Data Lake ストレージ、または顧客が提供する Azure Data Lake ストレージ |
| Power Query の変換 | はい | はい |
| AI 関数 | いいえ | はい |
| 計算されたテーブル | いいえ | はい |
| 他のアプリケーションで使用可能 | はい (Dataverse を通して) | Power BI データフロー: Power BI 内のみ Power Platform データフローまたは Power BI 外部データフロー: はい (Azure Data Lake Storage を通して) |
| 標準テーブルへのマッピング | はい | はい |
| 増分読み込み | 既定での増分読み込み 読み込みの設定で [クエリ出力に存在しない行を削除します] チェックボックスを使用して変更できます |
デフォルトのフルロード 増分更新を設定できます (データフローの設定で増分更新を設定する) |
| スケジュールされた更新 | はい | はい。エラー発生時にデータフロー所有者に通知する可能性があります |
各データフローの種類を使用するシナリオ
ここでは、データフローの種類ごとにサンプル シナリオとベスト プラクティスの推奨事項をいくつか紹介します。
クロスプラットフォームの使用 - 標準のデータフロー
データフローの構築計画で、複数のプラットフォーム (Power BI だけでなく、その他の Microsoft Power Platform サービスや Dynamics 365 など) に格納されたデータを使用しようとしている場合、標準データフローが最適な選択肢です。 標準データフローでは Dataverse にデータを格納し、他の多くのプラットフォームやサービスを通じてアクセスできます。
大規模なデータ テーブルでの大量のデータ変換 - 分析データフロー
分析データフローは、大量のデータを処理するための優れたオプションです。 また、分析データフローによって、変換の背後での計算の能力も向上します。 Azure Data Lake Storage にデータを格納することで、変換先への書き込み速度が向上します。 大量のデータに対する読み取り/書き込みトランザクションの場合、Dataverse (データを格納する時点で確認するルールが多数存在することがある) と比較して、Azure Data Lake Storage の方が高速です。
AI 機能 - 分析データフロー
データ変換ステージで AI 機能を使用する予定がある場合は、分析データフローを使用すると便利です。この種類のデータフローでサポートされているすべての AI 機能を使用できます。
フィードバック
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「https://aka.ms/ContentUserFeedback」を参照してください。
フィードバックの送信と表示