Inzicht in de verschillen tussen gegevensstroomtypen
Gegevensstromen worden gebruikt voor het extraheren, transformeren en laden van gegevens naar een opslagbestemming waar deze kunnen worden gebruikt voor verschillende scenario's. Omdat niet alle opslagbestemmingen dezelfde kenmerken hebben, verschillen sommige gegevensstroomfuncties en -gedrag afhankelijk van de opslagbestemming waar de gegevensstroom gegevens in laadt. Voordat u een gegevensstroom maakt, is het belangrijk om te begrijpen hoe de gegevens worden gebruikt en de opslagbestemming te kiezen op basis van de vereisten van uw oplossing.
Als u een opslagbestemming van een gegevensstroom selecteert, bepaalt u het type gegevensstroom. Een gegevensstroom die gegevens in Dataverse-tabellen laadt, wordt gecategoriseerd als een standaardgegevensstroom. Gegevensstromen die gegevens laden naar analytische entiteiten, worden gecategoriseerd als een analytische gegevensstroom.
Gegevensstromen die zijn gemaakt in Power BI zijn altijd analytische gegevensstromen. Gegevensstromen die zijn gemaakt in Power Apps kunnen standaard of analytisch zijn, afhankelijk van uw selectie bij het maken van de gegevensstroom.
Standaard gegevensstromen
Een standaardgegevensstroom laadt gegevens in Gegevensverse tabellen. Standaardgegevensstromen kunnen alleen worden gemaakt in Power Apps. Een voordeel van het maken van dit type gegevensstroom is dat elke toepassing die afhankelijk is van gegevens in Dataverse kan werken met de gegevens die zijn gemaakt door standaardgegevensstromen. Typische toepassingen die gebruikmaken van Dataverse-tabellen zijn Power Apps, Power Automate, AI Builder en Power Virtual Agents.

Standaardversies van gegevensstromen
We hebben gewerkt aan belangrijke updates voor standaardgegevensstromen om de prestaties en betrouwbaarheid te verbeteren. Deze verbeteringen zijn uiteindelijk beschikbaar voor alle standaardgegevensstromen. Maar in de tussentijd maken we onderscheid tussen bestaande standaardgegevensstromen (versie 1) en nieuwe standaardgegevensstromen (versie 2) door een versie-indicator toe te voegen in Power Apps.

Functievergelijking van standaardgegevensstroomversies
De volgende tabel bevat de belangrijkste verschillen in functies tussen standaardgegevensstromen V1 en V2 en bevat informatie over het gedrag van elke functie in elke versie.
| Functie | Standard V1 | Standard V2 |
|---|---|---|
| Maximum aantal gegevensstromen dat kan worden opgeslagen met automatische planning per klantten tenant | 50 | Onbeperkt |
| Maximum aantal records dat per query/tabel is opgenomen | 500.000 | Niet-gebonden. Het maximum aantal records dat per query of tabel kan worden opgenomen, is nu afhankelijk van de dataverse-servicebeveiligingslimieten op het moment van opname. |
| Opnamesnelheid in Dataverse | Basislijnprestaties | Verbeterde prestaties met enkele factoren. De werkelijke resultaten kunnen variëren en afhankelijk zijn van kenmerken van de opgenomen gegevens en de belasting van de Dataverse-service op het moment van opname. |
| Beleid voor incrementeel vernieuwen | Niet ondersteund | Ondersteund |
| Flexibiliteit | Wanneer er beveiligingslimieten voor de Dataverse-service worden aangetroffen, wordt een record maximaal drie keer opnieuw proberen. | Wanneer er beveiligingslimieten voor de Dataverse-service worden aangetroffen, wordt een record maximaal drie keer opnieuw proberen. |
Analytische gegevensstromen
Een analytische gegevensstroom laadt gegevens naar opslagtypen die zijn geoptimaliseerd voor analyse — van Azure Data Lake Storage. Microsoft Power Platform omgevingen Power BI werkruimten bieden klanten een beheerde analytische opslaglocatie die is gebundeld met deze productlicenties. Daarnaast kunnen klanten het Azure Data Lake-opslagaccount van hun organisatie koppelen als bestemming voor gegevensstromen.
Analytische gegevensstromen zijn geschikt voor aanvullende analytische functies. Bijvoorbeeld de integratie met Power BI AI-functies of het gebruik van berekende entiteiten die later worden besproken.
U kunt analytische gegevensstromen maken in Power BI. Standaard laden ze gegevens in Power BI van de beheerde opslag. Maar u kunt ook Power BI om de gegevens op te slaan in de Azure Data Lake-Storage.

U kunt ook analytische gegevensstromen maken in Power Apps portals voor Dynamics 365-klantinzichten. Wanneer u een gegevensstroom maakt in Power Apps Portal, kunt u kiezen tussen Dataverse beheert analytische opslag of in het Azure Data Lake Storage-account van uw organisatie.

AI-integratie
Soms moet u, afhankelijk van de vereiste, een aantal AI- en machine learning op de gegevens toepassen via de gegevensstroom. Deze functies zijn beschikbaar in Power BI gegevensstromen en vereisen een Premium werkruimte.

In de volgende artikelen wordt besproken hoe u AI-functies gebruikt in een gegevensstroom:
- Azure Machine Learning-integratie in Power BI
- Cognitive Services in Power BI
- Geautomatiseerde Machine Learning in Power BI
Houd er rekening mee dat de bovenstaande functies Power BI zijn en niet beschikbaar zijn bij het maken van een gegevensstroom in de portals Power Apps of Dynamics 365 Customer Insights.
Berekende entiteiten
Een van de redenen om een berekende entiteit te gebruiken, is de mogelijkheid om grote hoeveelheden gegevens te verwerken. De berekende entiteit helpt in deze scenario's. Als u een entiteit in een gegevensstroom hebt en een andere entiteit in dezelfde gegevensstroom de uitvoer van de eerste entiteit gebruikt, wordt er een berekende entiteit gemaakt.
De berekende entiteit helpt bij de prestaties van de gegevenstransformaties. In plaats van de transformaties die nodig zijn in de eerste entiteit meerdere keren opnieuw uit te geven, wordt de transformatie slechts één keer uitgevoerd in de berekende entiteit. Vervolgens wordt het resultaat meerdere keren gebruikt in andere entiteiten.

Zie Berekende entiteiten gebruiken op Power BI Premium voor meer informatie over berekende Power BI Premium.
Berekende entiteiten zijn alleen beschikbaar in een analytische gegevensstroom.
Standaardgegevensstromen versus analytische gegevensstromen
De volgende tabel bevat enkele verschillen tussen een standaardentiteit en een analytische entiteit.
| Bewerking | Standard | Analytische |
|---|---|---|
| Maken | Power Platform-gegevensstromen | Power BI-gegevensstromen Power Platform gegevensstromen door het selectievakje Analytische entiteit te selecteren bij het maken van de gegevensstroom |
| Opslagopties | Dataverse | Azure Data Lake Storage interne voor Power BI gegevensstromen Azure Data Lake Storage extern gekoppeld aan de Power BI of Power Platform gegevensstromen |
| Power Query transformaties | Ja | Ja |
| AI-functies | Nee | Ja |
| Berekende entiteit | Nee | Ja |
| Kan worden gebruikt in andere toepassingen | Ja, via Dataverse | Power BI: alleen in Power BI Power Platform gegevensstromen of Power BI externe gegevensstromen: Ja, via Azure Data Lake Storage |
| Toewijzen aan standaardentiteit | Ja | Ja |
| Incrementeel laden | Standaard incrementeel laden Mogelijk om te wijzigen met behulp van het selectievakje Rijen verwijderen die niet meer bestaan in de query-uitvoer bij de laadinstellingen |
Standaard volledig laden Mogelijk om incrementeel vernieuwen in te stellen door incrementeel vernieuwen in te stellen in de gegevensstroominstellingen |
| Geplande vernieuwing | Ja | Ja, de mogelijkheid om de eigenaren van de gegevensstroom op de hoogte te stellen van de fout |
Scenario's voor het gebruik van elk gegevensstroomtype
Hier volgen enkele voorbeeldscenario's en best practice aanbevelingen voor elk type gegevensstroom.
Standaardgegevensstroom voor — platformoverschrijdend gebruik
Als u van plan bent om gegevensstromen te bouwen met opgeslagen gegevens op meerdere platforms (niet alleen Power BI, maar ook andere Microsoft Power Platform-services, Dynamics 365, en meer), is een standaardgegevensstroom een uitstekende keuze. Standaardgegevensstromen slaan de gegevens op in Dataverse, die u kunt openen via veel andere platforms en services.
Zware gegevenstransformaties op de analytische gegevensstroom van — grote gegevenstabellen
Analytische gegevensstromen zijn een uitstekende optie voor het verwerken van grote hoeveelheden gegevens. Analytische gegevensstromen verbeteren ook de rekenkracht achter de transformatie. Door de gegevens op te slaan in Azure Data Lake Storage de schrijfsnelheid naar een bestemming. Vergeleken met Dataverse (die veel regels kan hebben om te controleren op het moment van gegevensopslag), is Azure Data Lake Storage sneller voor lees-/schrijftransacties voor een grote hoeveelheid gegevens.
Analytische — gegevensstroom van AI-functies
Als u van plan bent om ai-functionaliteit te gebruiken tijdens de gegevenstransformatiefase, is het handig om een analytische gegevensstroom te gebruiken, omdat u alle ondersteunde AI-functies kunt gebruiken met dit type gegevensstroom.