Freigeben über

Zugriff auf eingehende eingeschränkte Lakehouse-Daten aus Power BI mithilfe eines lokalen Datengateways

Sie können ein lokales Datengateway (OPDG) verwenden, um eine arbeitsbereichübergreifende Kommunikation zwischen einem geöffneten Arbeitsbereich und einem Arbeitsbereich einzurichten, der den eingehenden öffentlichen Zugriff einschränkt. Wenn Sie beispielsweise aus Power BI-Berichten und semantischen Modellen in einem geöffneten Arbeitsbereich auf ein Lakehouse in einem eingeschränkt eingehenden Arbeitsbereich zugreifen möchten, können Sie ein OPDG einrichten.

Ein OPDG wird in der Regel auf einem virtuellen Computer oder einem physischen Server in einem privaten Netzwerk installiert. Sie dient als Brücke zwischen Ihren Daten und Microsoft Fabric-Clouddiensten.

Im folgenden Diagramm enthält der geöffnete Arbeitsbereich (Arbeitsbereich 1) Power BI-Berichte und ein semantisches Modell, das an eine OPDG gebunden ist. Die OPDG ermöglicht die Verbindung zum Lakehouse im eingehend beschränkten Arbeitsbereich. Mit diesem Setup können Power BI-Berichte und semantische Modelle in Workspace 1 sicher auf das Seehaus in Workspace 2 zugreifen, ohne sie für den öffentlichen Zugriff verfügbar zu machen.

Diagramm, das eine Verbindung veranschaulicht, die ein lokales Datengateway verwendet.

In diesem Artikel wird erläutert, wie Sie einen geöffneten Arbeitsbereich mit Daten in einem eingeschränkten Arbeitsbereich mithilfe eines OPDG für Power BI-Semantikmodelle verbinden. Außerdem wird erläutert, wie Semantikmodelle im Import- und DirectQuery-Modus für ein Lakehouse in einem Arbeitsbereich mit eingeschränktem Zugriff erstellt werden.

Hinweis

Semantische Modelle im Direct Lake-Modus werden noch nicht für Datenquellen in eingeschränkten eingehenden Arbeitsbereichen unterstützt.

Schritt 1: Erstellen der Arbeitsbereiche

Sie benötigen sowohl einen geöffneten Arbeitsbereich als auch einen eingeschränkten Arbeitsbereich. Dieser Artikel bezieht sich wie folgt auf die Arbeitsbereiche:

  • Der Quellarbeitsbereich ist der geöffnete Arbeitsbereich ohne Einschränkung des öffentlichen Zugriffs. Hier erstellen Sie die Berichte und semantischen Modelle.
  • Der Zielarbeitsbereich ist der eingeschränkte Arbeitsbereich mit einschränkung des öffentlichen Zugriffs. Hier erstellen Sie das Seehaus.

Führen Sie die folgenden Schritte aus, um die Arbeitsbereiche zu erstellen:

  1. Erstellen Sie zwei Arbeitsbereiche in Fabric. Ausführliche Informationen finden Sie unter Erstellen eines Arbeitsbereichs.

  2. Aktivieren Sie in den Mandanteneinstellungen den Schutz vor eingehendem Zugriff auf Arbeitsbereichsebene.

  3. Richten Sie für den Zielarbeitsbereich private Links auf Arbeitsbereichsebene ein.

In diesem Artikel wird auch der PlatzhalterarbeitsbereichFQDN verwendet, der sich auf den vollqualifizierten Domänennamen (Fully Qualified Domain Name, FQDN) des Arbeitsbereichs bezieht. Das Format ist einer der folgenden Typen:

  • https://{workspaceID}.z{xy}.w.api.fabric.microsoft.com
  • https://{workspaceID}.z{xy}.onelake.fabric.microsoft.com

In den FQDN-Formaten {workspaceID} ist die Arbeitsbereichs-ID ohne Gedankenstriche und {xy} die ersten beiden Buchstaben der Arbeitsbereichsobjekt-ID. Weitere Informationen finden Sie unter Herstellen einer Verbindung mit Arbeitsbereichen.

Sie finden eine Arbeitsbereichs-ID, indem Sie die Arbeitsbereichsseite im Fabric-Portal öffnen und die ID nach groups/ der URL notieren. Sie können auch einen FQDN für einen Arbeitsbereich finden, indem Sie die List Workspace oder Get Workspace API verwenden.

Schritt 2: Erstellen eines Lakehouse im eingeschränkten Zielarbeitsbereich

Erstellen Sie ein Seehaus im Zielarbeitsbereich, und laden Sie eine Delta Lake-Tabelle mit den folgenden Schritten hoch:

  1. Erstellen Sie ein Seehaus im Zielarbeitsbereich mithilfe der API. Verwenden Sie das folgende Format:

    POST https://{workspaceFQDN}/v1/workspaces/{workspaceID}/lakehouses

    In diesem Code ist {workspaceFQDN}{workspaceID}.z{xy}.w.api.fabric.microsoft.com.

    Beispiel: POST https://aaaaaaaa000011112222bbbbbbbbbbbb.zaa.w.api.fabric.microsoft.com/v1/workspaces/aaaaaaaa-0000-1111-2222-bbbbbbbbbbbb/lakehouses.

  2. Fügen Sie dem Seehaus Daten hinzu, indem Sie den Azure Storage-Explorer verwenden, um den Ordner für Ihre Delta Lake-Tabelle in das Lakehouse hochzuladen. Wählen Sie im Speicher-Explorer ADLS Gen2-Container oder -Verzeichnis aus.

    Screenshot der Auswahl einer Ressource.

  3. Melden Sie sich an. Geben Sie einen Anzeigenamen für den Speicher ein, und geben Sie dann die BLOB-Container-URL im folgenden Format ein:

    https://{workspaceFQDN}/{workspaceID}/{lakehouseID}

    In dieser URL {workspaceFQDN} lautet {workspaceID}.z{xy}.onelake.fabric.microsoft.com.

    Beispiel: POST https://aaaaaaaa000011112222bbbbbbbbbbbb.zaa.w.api.fabric.microsoft.com/v1/workspaces/aaaaaaaa-0000-1111-2222-bbbbbbbbbbbb/bbbbbbbb-1111-2222-3333-cccccccccccc.

  4. Wählen Sie Verbinden aus. Der Speicher wird jetzt angezeigt.

  5. Laden Sie unter dem Ordner "Tabellen " die Tabelle "Delta Lake" hoch, die Sie verwenden möchten (z. B. die Tabelle "Kunden ").

    Screenshot des Bereichs zum Hochladen eines Ordners.

Schritt 3: Erstellen eines semantischen Modells im geöffneten Arbeitsbereich

Nachdem Sie nun über ein Seehaus im eingeschränkten Arbeitsbereich verfügen, können Sie ein semantisches Modell im geöffneten Arbeitsbereich erstellen, das auf dieses Seehaus verweist. Verwenden Sie Folgendes:

  • Die Webmodellierung im Power BI-Portal.
  • Power BI Desktop.
  • REST-APIs zum Bereitstellen einer Modelldefinition mit demselben Tabellenschema wie im eingeschränkten Lakehouse.
  • XMLA-basierte Tools zum programmgesteuerten Bereitstellen eines semantischen Modells (siehe Semantikmodellkonnektivität mit dem XMLA-Endpunkt).

Erstellen eines semantischen Modells mithilfe der Webmodellierung

  1. Wählen Sie im Quellarbeitsbereich "Neues Element" aus. Wählen Sie im Bereich "Neues Element " die Kachel des semantischen Modells aus.

  2. Wählen Sie auf der Seite "Daten hinzufügen" aus, um mit dem Erstellen einer Berichtsseite zu beginnen. Wählen Sie dann Azure SQL-Datenbank aus, um über den SQL-Analyseendpunkt eine Verbindung mit der Datenquelle herzustellen.

    Hinweis

    Verwenden Sie nicht die OneLake-Katalogkachel, da die Webmodellierungsoberfläche ein Direct Lake-Modell erstellt, wenn Sie eine Verbindung mit einer Datenquelle im OneLake-Katalog herstellen. Direct Lake wird für Datenquellen in einem eingehenden eingeschränkten Arbeitsbereich noch nicht unterstützt. Alle SQL Server-Konnektivitätsoptionen, z. B. eine Azure SQL-Datenbank, werden vollständig unterstützt und funktionieren erwartungsgemäß, wenn Sie eine Verbindung mit dem SQL-Analyseendpunkt herstellen.

  3. Geben Sie im Feld "Server " den WorkspaceFQDN-Wert mithilfe des Formats für Lagerverbindungszeichenfolgen ein: https://{GUID}-{GUID}.z{xy}.datawarehouse.fabric.microsoft.com. Das heißt, fügen Sie z{xy} der regulären Warehouse-Verbindungszeichenfolge unter der SQL-Verbindungszeichenfolge hinzu. Die GUIDs im FQDN entsprechen der Mandanten-GUID in Base32 bzw. der Arbeitsbereichs-GUID in Base32.

  4. Geben Sie optional im Feld "Datenbank " die GUID des SQL-Analyseendpunkts ein, mit dem Sie eine Verbindung herstellen möchten.

  5. Wenden Sie unter "Verbindungsanmeldeinformationen" die folgenden Konfigurationseinstellungen an:

    Eingabekontrolle Wert
    Verbindung Wählen Sie in der Liste die Option "Neue Verbindung erstellen" aus.
    Verbindungsname Übernehmen Sie die Standardeinstellung, oder geben Sie einen aussagekräftigen Namen an.
    Datengateway Wenn bereits ein Datengateway installiert ist, wählen Sie ein OPDG für die Datenverbindung aus. Sie können diesen Schritt auch weiter unten in diesem Artikel ausführen.
    Authentifizierungsart Wählen Sie " Organisationskonto" und dann " Anmelden" aus, um die Anmeldeinformationen für den Zugriff auf die Datenquelle anzugeben.

  6. Übernehmen Sie die verbleibenden Standardeinstellungen, und wählen Sie dann "Weiter" aus.

  7. Wählen Sie auf der Seite " Daten auswählen " die Tabellen aus, die Sie in das semantische Modell aufnehmen möchten, und wählen Sie dann " Bericht erstellen" aus.

  8. Überprüfen Sie im Dialogfeld " Neuen Bericht erstellen ", ob der Quellarbeitsbereich ausgewählt ist. Geben Sie einen aussagekräftigen Semantikmodellnamen an, und wählen Sie dann "Erstellen" aus.

  9. Wählen Sie im Dialogfeld "Einige Schritte nicht abgeschlossen " die Option "Modellansicht öffnen" aus. Beachten Sie, dass das semantische Modell im eingehenden eingeschränkten Zielarbeitsbereich noch keine Verbindung mit dem SQL-Analyseendpunkt herstellen kann. Sie schließen die Verbindungskonfiguration weiter unten in diesem Artikel ab.

Erstellen eines semantischen Modells mithilfe von Power BI Desktop

  1. Stellen Sie in Power BI Desktop auf einem Computer mit privatem Netzwerkzugriff auf den Zielarbeitsbereich sicher, dass Sie mit Ihrem Benutzerkonto angemeldet sind.

  2. Wählen Sie im Menüband " Start " die Option " Daten>mehr>Azure SQL-Datenbank abrufen" aus.

    Hinweis

    Verwenden Sie den OneLake-Katalog nicht, da Power BI Desktop noch keine Verbindung mit OneLake-Katalogdatenquellen in einem eingehenden eingeschränkten Arbeitsbereich herstellen kann. Alle SQL Server-Konnektivitätsoptionen, z. B. eine Azure SQL-Datenbank, werden vollständig unterstützt und funktionieren erwartungsgemäß, wenn Sie eine Verbindung mit dem SQL-Analyseendpunkt herstellen.

  3. Geben Sie im Feld "Server " den WorkspaceFQDN-Wert mithilfe des Formats für Lagerverbindungszeichenfolgen ein: https://{GUID}-{GUID}.z{xy}.datawarehouse.fabric.microsoft.com. Das heißt, fügen Sie z{xy} in die reguläre Warehouse-Verbindungszeichenfolge innerhalb der SQL-Verbindungszeichenfolge ein. Die GUIDs im FQDN entsprechen der Mandanten-GUID in Base32 bzw. der Arbeitsbereichs-GUID in Base32.

  4. Geben Sie optional im Feld "Datenbank " die GUID des SQL-Analyseendpunkts ein, mit dem Sie eine Verbindung herstellen möchten.

  5. Wählen Sie im Modus "Datenkonnektivität" die Option "Importieren " oder "DirectQuery " gemäß Ihren Anforderungen aus. Wählen Sie dann OK aus.

  6. Wenn Sie dazu aufgefordert werden, wählen Sie im Dialogfeld "Authentifizierung" das Microsoft-Konto aus. Wählen Sie dann "Anmelden" aus, um die Anmeldeinformationen für den Zugriff auf die Datenquelle anzugeben.

  7. Wählen Sie im Dialogfeld "Navigator " die Tabellen aus, die Sie in das semantische Modell aufnehmen möchten. Wählen Sie dann "Laden" aus.

  8. Fügen Sie der Berichtsfläche ein visuelles Element hinzu. Wählen Sie dann im Menüband " Start " die Option "Veröffentlichen" aus.

  9. Speichern Sie Ihre Änderungen in einer Power BI Desktop-Datei auf dem lokalen Computer. Wählen Sie im Dialogfeld "In Power BI veröffentlichen " den Quellarbeitsbereich aus. Alternativ können Sie die Power BI Desktop-Datei in den Quellarbeitsbereich im Power BI-Portal importieren.

Erstellen eines semantischen Modells durch Bereitstellen einer Semantikmodelldefinition

  1. Erstellen Sie im geöffneten Arbeitsbereich ein semantisches Modell mithilfe einer Definition mit demselben Tabellenschema wie im eingeschränkten Seehaus. Verwenden Sie die folgende API:

    POST https://{workspaceFQDN}/v1/workspaces/{workspaceID}/semanticModels

    In diesem Code: {workspaceFQDN} ist {workspaceID}.z{xy}.w.api.fabric.microsoft.com.

  2. Bevor Sie mit dem Erstellen des semantischen Modells fertig sind, bearbeiten Sie die Datenquelle, um auf die Verbindungszeichenfolge und die Lakehouse-ID des eingeschränkten Lakehouses zu verweisen. Konvertieren Sie die definition/tables/customers.tmdl Datei aus der Semantikmodelldefinition von Base64 in JSON, und kopieren Sie die Ausgabe.

    Screenshot der Konvertierung von Base64 in JSON.

  3. Aktualisieren Sie die Quelle mit der Verbindungskette und der Datenbank-ID des eingeschränkten Lakehouses. Konvertieren Sie dann den JSON-Code zurück in Base64, und verwenden Sie ihn in Ihrer Anforderung für die Erstellung des semantischen Modells.

    Screenshot der Konvertierung von JSON zurück in Base64.

  4. Verwenden Sie die Get Lakehouse-API, um die Verbindungszeichenfolge und die Lakehouse-ID abzurufen:

    GET https://{workspaceFQDN}/v1/workspaces/{workspaceID}/lakehouses

    In diesem Code {workspaceFQDN} ist {workspaceID}.z{xy}.w.api.fabric.microsoft.com.

Schritt 4: Aktivieren einer Gatewayverbindung in den Semantikmodelleinstellungen

Damit das semantische Modell eine Verbindung mit dem Seehaus im eingeschränkten Arbeitsbereich herstellen kann, müssen Sie ein OPDG einrichten und an das semantische Modell binden:

  1. Aktivieren Sie in den Einstellungen für Ihr Power BI-Semantikmodell den Umschalter unter Gatewayverbindungen.

    Screenshot der Aktivierung von Gatewayverbindungen.

  2. Installieren und Konfigurieren eines OPDG auf einem virtuellen Computer, wie unter Installieren eines lokalen Datengateways beschrieben.

  3. Verwenden Sie die API, um die Gateway-ID für die installierte OPDG-Instanz abzurufen:

    https://api.fabric.microsoft.com/v1/gateways

  4. Erstellen Sie in Power BI die SQL Server-Verbindung für das OPDG. Verwenden Sie den Lakehouse-Servernamen und die Lakehouse-ID als Datenbank, authentifizieren Sie sich mit OAuth2, und kopieren Sie die resultierende Verbindungs-ID.

    Screenshot des Festlegens eines Verbindungsnamens.

  5. Verwenden Sie die API, um das semantische Modell an die Gateway-ID und die Verbindungs-ID zu binden:

    https://api.powerbi.com/v1.0/myorg/groups/{workspaceID}/datasets/{SemanticModelID}/Default.BindToGateway

    Screenshot der Bindung eines semantischen Modells.

  6. Überprüfen Sie die Gatewaybindung. Aktualisieren Sie die Seite in den Semantikmodelleinstellungen. Vergewissern Sie sich, dass das OPDG jetzt als aktives Gateway angezeigt wird.

    Screenshot eines lokalen Datengateways, das als aktives Gateway angezeigt wird.

  7. Aktualisieren Sie das Dataset, und erstellen Sie einen Bericht.

    Screenshot eines Berichts aus einem aktualisierten Dataset.

  • Last updated on