DatenWG Library · tool
Deployment Pipelines
Ein manuelles Fabric-Deployment-Release hat einmal insgesamt 14 Stunden gedauert. Im Juni 2024 wurden die Fabric Deployment Pipelines Git-kompatibel, was als Durchbruch für DevOps mit Fabric beschrieben wird. Für die Warehouses wurden im Projekt klassische DACPAC-Deployments über ein SQL-Deployment-Tool eingesetzt, weil die Fabric Deployment Pipelines dafür nicht funktionierten.
Aliase
Bereitstellungspipelines Deployment Pipeline
Kernaussagen
- In diesem Projekt wurden Views im Lakehouse ueber Notebooks per Create-and-Replace angelegt, damit sie sich ueber Deployment Pipelines mitversenden lassen und je Umgebung automatisch das passende Lakehouse zugewiesen wird.
- Es wird empfohlen, fuer Produktivbetrieb und Deployment beziehungsweise Tests getrennte Fabric-Kapazitaeten einzuplanen, damit ein fehlgeschlagenes Deployment nicht das operative System stoert.
- Bei Fabric Deployment Pipelines werden Objekte des SQL-Analytics-Endpunkts eines Lakehouse wie Views nicht mit uebertragen, waehrend das beim Warehouse funktioniert.
- Bei einem Direct-Lake-Modell bleibt das Semantic Model nach einem Deployment über eine Deployment Pipeline weiterhin mit dem Lakehouse der Testumgebung verbunden, die Datenquelle wird also nicht automatisch auf die Zielumgebung umgehängt.
- Ein im Power BI Service umgebundenes Semantic Model eines Reports wird bei einem erneuten Deployment über die Deployment Pipeline wieder auf die ursprüngliche Testquelle zurückgesetzt, sodass die Umbindung nach jedem Deployment wiederholt werden muss.
- Beim Deployment eines Lakehouse über eine Deployment Pipeline werden Views, die im SQL-Endpunkt des Lakehouse angelegt wurden, nicht mit übertragen.
- Als Workaround definiert einer der Sprecher View-Definitionen stattdessen in TSQL-Notebooks, damit sie über die Deployment Pipeline mit transportiert werden.
- Deployment Pipelines unterstützen Dataflows, Lakehouses und Direct Lake nicht zuverlässig, sodass danach oft manuell mit VS Code nachgearbeitet werden muss.
- Für Import-Modelle gibt es in Deployment Pipelines eigene Deployment Rules, für Direct Lake dagegen nicht.
- Dataflow Gen2 mit Git-Integration wird gegenüber Gen1 grundsätzlich empfohlen, weil er inzwischen aus Pipelines nutzbar ist und neue Features bekommt.
- Die neue Variable Library kann sowohl in Dataflows bzw. Data Pipelines als auch im CI/CD-Kontext genutzt werden, um workspace-spezifische Zielwerte für Variablen abzulegen.
- Bei Fabric-Deployment-Pipelines werden Verbindungen zwischen Artefakten je nach Asset-Typ unterschiedlich und inkonsistent gehandhabt.
- Ein manuelles Fabric-Deployment-Release hat einmal insgesamt 14 Stunden gedauert.
- Im Juni 2024 wurden die Fabric Deployment Pipelines Git-kompatibel, was als Durchbruch für DevOps mit Fabric beschrieben wird.
- Fabric Deployment Pipelines kamen im Projekt nicht damit klar, dass eine Abhängigkeit wie ein bestehendes Warehouse schon existieren musste.
- Für die Warehouses wurden im Projekt klassische DACPAC-Deployments über ein SQL-Deployment-Tool eingesetzt, weil die Fabric Deployment Pipelines dafür nicht funktionierten.
- Ein Lakehouse wird beim Deployment in einen neuen Workspace leer angelegt, ohne die enthaltenen Daten mitzukopieren.
- Dataflows sind mittlerweile vollwertig in Pipelines nutzbar und ihre Ziele lassen sich parametrisieren, sodass Parameter und Variablen aus Pipelines an Dataflows uebergeben werden koennen.
- Variable Libraries sind jetzt GA und ermöglichen parametrisierte, dynamische Designansätze über verschiedene Fabric-Objekte hinweg, unter anderem in Dataflows.
Dokumente
- 600 SQL-Tabellen in Fabric
- BI Thinkers Talk n.73
- BI Thinkers Talk n.72
- Daten-WG Life-Update | Fabric Architekturen
- Daten-WG BI Thinkers Talk nr.66
- The Day After Tomorrow – Nach der Einführung geht es erst richtig los | Power BI Summit 2023
- Fabric & Power BI Quarterly | 2025 Q2
- Was ist Self-Service und warum ist das so schwer?
- Fabric & Power BI Quarterly · 2026-1
- Power BI von A bis Z — Einsteiger-Guide (End-to-End)
- BI Thinkers Talk n.74
- 10 Jahre Power BI
- Microsoft Fabric — Einsteiger-Guide
Nachbarthemen
- Lakehouse
- Workspace
- Power BI
- Microsoft Fabric
- Data Pipeline
- Reporting
- Dataflow
- Notebook
- SQL
- Semantic Model
- Warehouse
- Premium
- Direct Lake
- Refresh
- Row-Level Security
Hinweise
Kernaussagen und Beziehungen sind maschinell erzeugt und nicht redigiert. Heuristische Kanten zählen Erwähnungen, keine Bedeutung. Bei Widersprüchen gilt das Video.