详细内容或原文请订阅后点击阅览
Power BI 开发人员的 Microsoft Fabric 生存指南
Power BI Premium 已消失。 Microsoft Fabric 取代了它。以下是您实际发生的变化、没有发生的变化以及从哪里开始 — 无需恐慌。《Microsoft Fabric 的 Power BI 开发人员生存指南》一文首先出现在 Towards Data Science 上。
来源:走向数据科学在过去 12 个月里，我一直在与许多 Power BI 开发人员交谈，他们确实对 Fabric 感到焦虑。说实话，来自微软的信息一直在炒作，社区也一直在快速发展。每次你打开 LinkedIn 或 Reddit 时，都会有人宣布一项你从未听说过的 Fabric 新功能，并附有一张你看不懂的 Lakehouse 屏幕截图，谈论 MLV 和 OneLake 上的 Direct Lake 以及 Fabric IQ，就好像每个人都已经知道这些东西是什么一样。
我明白了。感觉就像脚下的地面在移动。
因此，我要告诉大家的第一件事（以及所有参加过我的培训/现场课程的人都已经从我这里听到过这一点）：您的 Power BI 技能完好无损。您的报告仍然有效。您的 DAX 指数比以往任何时候都更加重要。而且这个周末你不需要学习 Spark。
你需要的是一张地图。它告诉您作为 Power BI 开发人员实际发生了什么变化，您现在可以安全地忽略什么，以及当您准备好采取下一步时从哪里开始。本文旨在成为该地图。
没有改变的地方（从这里开始，呼吸）
在我们讨论任何新内容之前，让我先确认一下哪些内容仍然完全相同。因为在所有关于 Fabric 的争论中，这部分有时会被忽视。
Power BI 的创作体验仍然相同。无论您是在 Power BI Desktop 中还是在浏览器中使用 Web 建模（现在基本上与 Desktop 相同）构建模型和报表，您知道的工作流程都没有改变。您仍然加载数据、构建模型、编写 DAX、设计报告并发布。相同的技能，相同的模式。
DAX 仍然是语义模型的“语言”，而且它不会消失。如果说有什么不同的话，那就是现在更重要了——Copilot 生成 DAX，Direct Lake 查询在 DAX 上运行，Fabric 中的每个新 AI 功能都依赖于编写良好的度量。 DAX 越好，下游的一切工作就越好。
Power Query 和 M 语言仍然处理跨桌面、Web 建模和数据流的数据转换。而且，尽管旧的 Dataflows Gen1 将被正式弃用，但 Gen2 版本仍将保留，并且它依赖于 Power Query/M 技能。您现有的 Power Query 模式知识（合并、追加、条件列、参数）仍然适用。
语义模型还是一样的。相同的 VertiPaq 列式存储、相同的关系、相同的计算列、相同的度量、相同的最佳实践分析器规则...
Power BI 服务现在是 Fabric 门户的一部分，但如果您明天早上登录，您会发现相同的工作区、相同的报告、相同的计划刷新、相同的应用程序体验。连网址都没有变。
导入模式和 DirectQuery 仍然像以前一样工作。您不必使用 Direct Lake。如果您的报告在导入模式下运行良好且每日刷新，那么这在 2026 年是一个完全有效的架构。
行级安全性、部署管道、网关、应用程序 - 一切仍然存在。什么都没有被删除。
好的，看来你的基础很扎实了。但有些事情确实发生了变化，其中一些对你来说确实很重要。让我带您了解那些值得您花时间的内容。
发生了什么变化并且对您来说真正重要
我已经确定了五件事。如果您了解这五个变化，您就了解了作为 Fabric 中的 Power BI 开发人员 90% 的不同之处。
1.您的许可证已更改（并且没问题）
要记住的关键一点是，在转换过程中没有任何问题发生。报告工作、语义模型工作、分页报告工作、计划刷新工作……您现有的投资将得到保留。
2025 年 1 月，Microsoft 停用了 Power BI Premium P SKU。如果您的组织在 Premium 上运行 - P1、P2、P3 - 您的环境已转移到结构容量 (F SKU)。 P1大致相当于F64。 P2大致就是F128，以此类推。
您获得的是在同一许可证下访问完整的 Fabric 平台 - Lakehouse、仓库、管道、实时智能，所有这些。您不必使用它们，但它们就在那里，包括在内，在您需要时随时可用。
要记住的一件事：在 F64 以下，报表使用者仍然需要 Power BI Pro 许可证才能查看内容。在 F64 及更高版本中，查看者访问权限包含在容量许可证中，这就是为什么 F64 是大多数拥有超过 300 个报表使用者的组织所瞄准的商业门槛的原因。
2. OneLake 存在，您的数据现在就在那里
OneLake 是 Fabric 中所有内容的统一存储层。可以将其视为“数据 OneDrive”。一湖。一个地点。一份。
当您创建 Lakehouse（Fabric 中的仓库）时，数据将以 Delta 格式存储在 OneLake 中，这种开放表格式已成为分析的行业标准。您的语义模型、Lakehouse 表、Warehouse 表，它们都位于下面的同一个位置。
作为 Power BI 开发人员，为什么这对您很重要？因为接下来的改变……
3. Direct Lake 是一种新的存储模式选项
您已经了解两种存储模式：导入（将数据加载到模型中，按计划刷新）和 DirectQuery（每次实时查询源）。每种方法都有权衡，您可能已经通过惨痛的教训了解到：导入速度快但陈旧，DirectQuery 新鲜但速度慢。
Direct Lake 是第三种选择。它直接从 OneLake 将 Delta 表读取到内存中 — 没有计划刷新，没有实时查询开销。快速查询和新鲜数据。 Direct Lake 是 Power BI 提供的最接近“两者兼得”的功能。
要记住的关键一点是构建报告的体验不会改变。您仍然以相同的方式编写 DAX，仍然以相同的方式设计视觉效果。底层的机制发生了变化（您的模型直接从 OneLake 中的 Delta 读取，而不是保存自己的副本），但作为开发人员，工作流程看起来是一样的。
您什么时候应该关心 Direct Lake？如果您的语义模型很大（数百万行、多 GB 模型）并且刷新时间很痛苦，那么 Direct Lake 值得研究。如果您的模型很小并且刷新需要 30 秒，导入模式仍然完全没问题。没有紧迫感。
我写了有关 Direct Lake 的两种风格的文章 - SQL 上的 Direct Lake 和 OneLake 上的 Direct Lake，因此您可能也想阅读该版本。
4. 副驾驶无处不在
Power BI 中的 Copilot 在去年得到了显着扩展。您可以在桌面（生成报告页面、生成 DAX、建议措施、解释公式）、服务（报告级聊天、根据自然语言创建视觉效果）和移动设备（截至 2026 年 4 月，在手机或平板电脑上进行对话式报告探索）中找到它。
我在 Power BI 中的 Copilot 上构建了完整的 Pluralsight 课程，所以这是我的诚实看法：它很有用，而不是神奇。 Copilot 非常擅长生成入门 DAX 度量、总结报告页面上的内容以及帮助您提出模型的探索性问题。它不擅长从头开始编写复杂的度量、理解微妙的业务逻辑或使用设计不良的语义模型。
你可以安全地忽略什么（是的，我是认真的）
您可以安全地忽略其中的大部分内容。我将尝试分享细分：
“从这里开始”路径
我所看到的模式是一致的：语义模型越好，Copilot 的性能就越好。好的表名称、好的列名称、正确定义的度量、清晰的关系……如果这些都到位，Copilot 就会成为真正的生产力工具。如果不是，副驾驶就会发出看似合理的废话。
现在，没有人会为你写的部分:) Fabric 生态系统是巨大的：Spark、KQL、实时智能、数据工厂、数据激活器、MLV、Fabric IQ、数据代理……而社交媒体驱动的立即学习所有这些的压力是错误的。
Spark 笔记本和 PySpark。除非您的角色扩展到数据工程，否则您不需要这些。您的 Power Query 技能仍然是 Power BI 数据准备的正确工具。如果您团队中的数据工程师构建了一个 Spark 笔记本，可以将干净的 Delta 表放入 OneLake 中，那就太棒了。你消耗它们。你不需要写它们。
KQL 数据库和实时智能。仅在您处理流数据、物联网遥测或大容量事件日志时才相关。大多数 PBI 开发人员都不是。如果您的数据存在于数据库中并每天刷新，那么实时智能不是您的问题。
数据激活器。事件驱动的自动化。老实说，这很有趣，但不是报告开发的核心。将其归档在“当好奇心将您吸引到那里时进行探索”。
Fabric IQ 和数据代理。新的 AI/自然语言层可让用户用简单的英语询问数据问题。值得关注，但您还不需要围绕它进行架构设计。
物化湖景 (MLV)。对于构建奖章架构的数据工程师来说非常有用。不是 Power BI 开发人员需要创建的东西，尽管您会很乐意使用数据工程师为您构建的白银和黄金 MLV。如果您好奇，我的 MLV 深入研究会详细解释它们。但你不需要阅读它来继续做好你的工作。
关键信息：当您的角色需要或当您的好奇心真正将您拉向它们时，请学习这些内容。不是因为算法告诉你要害怕。
好的，您已经准备好迈出第一个具体步骤了。以下是我推荐的顺序——当团队中的 Power BI 开发人员询问从哪里开始时，我会给出这个顺序。
步骤 1：了解您的容量。了解您的组织是否使用 Fabric 容量（F SKU）、Power BI Pro 或 Premium Per User。这一事实决定了您可以使用什么。
第 2 步：探索 OneLake 和 Lakehouse。在工作区中创建 Lakehouse。上传 CSV 文件。看着它变成一张 Delta 桌子。从 SQL 分析端点查询它。将 Power BI 连接到它 — 从桌面或直接在浏览器中，您可以选择。这个单一的实践练习揭开了您所见过的 80% Fabric 术语的神秘面纱。最好的事情？需要一个下午的时间。
步骤 3：在非生产数据集上尝试 Direct Lake。使用 Direct Lake 存储模式从 Lakehouse 创建语义模型。建立一个小报告。请注意，没有刷新按钮 - 您只需发布，并且数据始终是最新的。将查询性能与现有导入模型进行比较。了解 Direct Lake 的行为方式。
步骤 4：让 Copilot 为您提供实际帮助，但请验证。打开 Copilot - 无论您在何处创作 Power BI 内容，都可以使用它。要求它为您的模型特定的内容生成 DAX 度量。检查其工作。迭代。然后要求 Copilot 总结报告页面并查看摘要是否准确。建立您自己的感觉，了解 Copilot 哪里值得信赖，哪里不值得信赖。
每一步都需要一个下午的时间。不是一个月或一个季度。
没人想问的职业问题
总结
最后，让我来谈谈房间里的大象：“我的 Power BI 职业安全吗？”
简短回答：是的。但长答案更有趣、更微妙。我已经写了一篇关于 Power BI 的未来的文章，其中涉及 AI 生成的仪表板的快速崛起。在这里，我想通过 Fabric 的视角来关注 Power BI 的未来。
Power BI 开发人员不会被 Fabric 开发人员取代。角色不同。 Power BI 开发——语义建模、DAX、报告设计、面向业务的分析，是该平台从根本上依赖的独特且有价值的技能组合。
正在发生的变化是，2026 年最优秀的 Power BI 开发人员将了解数据的来源（OneLake、Lakehouses、Warehouses）以及数据如何到达那里。您不需要构建管道。但是，了解报告的架构可以使您在与数据工程师、架构师和利益相关者的对话中变得更加有效和更有价值。
如果您正在寻找认证作为证明您技能的方法，那么有一些认证值得您关注。 PL-300（Power BI 数据分析师）仍然是核心 PBI 认证，并且一直保持最新状态 — 它仍然是基础。 Power BI 开发人员进入 Fabric 的下一步自然是 DP-600（Fabric 分析工程师助理）。 DP-600 从 BI 角度连接语义建模、DAX 和更广泛的 Fabric 平台。如果您团队中的同事正在进入数据工程领域，DP-700（结构数据工程师助理）就是他们的道路——不同的角色，不同的考试。对于 Power BI 开发人员，我推荐 PL-300 和 DP-600 的组合。
还有一点值得大声说出来：您的 DAX 和建模技能在 Fabric 中更有价值，而不是更少。 Direct Lake 性能取决于精心设计的 Delta 表和清晰的语义模型。副驾驶在干净的模型上表现更好。数据代理从干净的模型中生成更好的答案。 Fabric IQ 从干净的模型中获得更好的见解。下游的一切都取决于语义层的质量，而语义层是您的领域。
您现在可以采取的最佳职业举措不是学习 Spark。它在语义建模和 DAX 方面变得更加出色。掌握 Power BI 的建模基础知识，熟悉高级 DAX 模式，了解如何设计具有 Direct Lake 性能的模型，然后，当您准备好时，围绕它添加 Fabric 上下文。
Fabric 并不是 Power BI 的替代品。这是 Power BI 现在所在的平台。你的技能完好无损。你的报告有效。您的 DAX 指数比以往任何时候都更加重要。而且您无需学习整个 Fabric 堆栈即可出色地完成您的工作。
从四个步骤开始。按照你自己的节奏进行，忽略那些不适用于你的角色的部分，如果你想更深入地了解，我一直在写关于 Fabric 架构、Direct Lake、物化湖景以及 Warehouse 与 Lakehouse 决策的文章 - 所有这些都是从工作建筑师的角度出发的。
你没有错过公共汽车。你就在上面。目的地只是比你想象的远一点点。
感谢您的阅读！
感谢 Claude 创作了这些漂亮的插图。