使用來自其他 Azure 數據工作負載的 Microsoft Power Platform 數據流輸出

視 Microsoft Power Platform 數據流輸出的記憶體而定，您可以在其他 Azure 服務中使用該輸出。

使用 Power Platform 數據流輸出的優點

使用 Power Platform 數據流，您可以重新調整、清理及準備數據，以進一步分析和取用。 有許多其他 Azure 資料服務會使用數據做為輸入，並提供動作。

• Azure 機器學習 可以取用數據流的輸出，並將其用於機器學習案例（例如預測性分析）。
• Azure Data Factory 可以透過更大規模的數據流輸出，結合巨量數據源的數據，取得進階數據整合解決方案。
• Azure Databricks 可以取用數據流的輸出，以在 Apache Spark 後端中使用巨量數據擴展的已套用數據科學演算法和進一步 AI。
• 其他 Azure 資料服務可以使用 Power Platform 數據流的輸出，對該數據執行進一步的動作。

具有外部 Azure Data Lake 儲存體 的數據流

如果您已將外部 Azure Data Lake 儲存體 儲存器連線到 Power Platform 數據流，您可以使用任何 Azure Data Lake 儲存體 做為來源的 Azure 服務進行連線，例如 Azure 機器學習、Azure Data Factory、Azure Databricks 和 Azure Analysis Services。

在上述任何服務中，使用 Azure Data Lake 儲存體 作為來源。 您將能夠輸入記憶體的詳細數據，並連線到其中的數據。 數據會以 CSV 格式儲存，而且可透過任何這些工具和服務讀取。 下列螢幕快照顯示 Azure Data Lake 儲存體 是 Azure Data Factory 的來源選項。

使用 Dataverse 的數據流

如果您使用將數據儲存在 Dataverse 的標準數據流，您仍然可以從許多 Azure 服務連線到 Dataverse。 下圖顯示，在 Azure Data Factory 中，來自 Dataverse 的數據流輸出可用來作為來源。

具有內部 Azure Data Lake 儲存體 的數據流

當您使用Power Platform 資料流所提供的內部 Data Lake 記憶體時，該記憶體只限於 Power Platform 工具，而且無法從其他 Azure 數據工作負載存取。