一个 语义模型 通过对象、计算和逻辑为数据赋予含义，用来表示现实世界的业务流程，例如销售或定价。 语义模型是Microsoft Fabric 和 Power BI 的核心组件 ；也是端到端解决方案中你需要管理的最重要项目类型之一，因为终端用户主要通过它与数据交互。 因此，了解如何高效地设计、构建和部署高质量的语义模型很重要，这样你才能满足业务数据需求！
在本系列中，我们提供一些建议和指导，帮助你高效构建语义模型。 在 上一篇文章中，我们介绍了在开始构建模型之前如何评估数据，以便识别并解决潜在问题。 这一步同样有助于弄清楚需要做哪些转换，才能把数据整理成适合构建优质模型的形态。
在本文中，我们将展示在使用 Tabular Editor 或 Power BI Desktop 构建模型时，如何连接并转换数据。
注意 |
选择你的数据转换方式
要为语义模型转换数据，你在 Fabric 和 Power BI 中有很多选择。 根据你的需求、可用资源、技能和偏好的工作流，你可以选择不同的工具；没有所谓“最佳”方案。 通常认为，一个良好的实践是尽量把这些转换尽可能前移到上游，并在确有必要时才放到下游（这一范式常被称为 “Roche’s maxim”）。 原因在于：下游转换往往更难维护，也可能带来性能影响。
在转换数据时，你的目标是创建最贴合模型预期用途的数据结构。 通常，这意味着创建一个包含清晰事实表与维度表的星型架构；但模型的具体结构会因你的需求以及你想实现的目标而不同。
使用 Fabric 和 Power BI 转换数据的方法
在 Fabric 和 Power BI 中，你都有不同工具可用于转换数据。 下图展示了一些常见工具示例。
图 1： 在 Fabric 和 Power BI 中，你可以在不同位置转换数据。 了解各选项及其适用场景很重要，包括优缺点和成本影响 (即 Fabric Capacity Units; CUs)。 对症选工具；当有更好的上游工具可用时，不要把所有转换都放在语义模型里完成。 同样，遵循 Roche’s maxim of data transformation：能上移就上移，必要时才下沉到下游。
下面是一些示例，展示你可以如何用 Fabric 里提供的不同项目来转换数据。 通常，这些工具会从数据源摄取数据、进行转换，并将结果落地到语义模型可以访问的位置。 你可能会使用其中一种或多种工具来转换数据。
注意由于本系列聚焦语义模型，下面仅列出可用选项的简要清单；本文不展开解释各方法的差异与考量。 这也会因你的需求、技能和具体情况而有很大差异。 |
- Dataflow Gen2 (Power Query)
下面是一些使用 Power BI 转换数据的示例：
- Power BI 数据流 (Gen1 数据流; Power Query)
- Power BI Datamarts (预览版; Power Query)
- 语义模型 (Power Query 或 DAX)
TIP如果你将在 Power Query 中转换数据，请阅读 Microsoft 文档中的 使用 Power Query 的最佳实践。 本文还提供了一些有用的建议，帮助提升查询性能。 |
一般来说，你最好在数据到达语义模型之前，尽量用合适的工具完成这些繁重的转换工作。 当你计划构建使用 Direct Lake（仅限 Fabric）或 DirectQuery 存储模式的语义模型时，这一点至关重要。 不过，如果你要构建导入模式下的模型，仍然常常需要在 Power Query 中做一些轻度到中度的转换。 此类转换示例包括：
-
减少明细粒度，例如限制行数、列数或小数精度（这些都是减小导入模式下的模型大小并提升性能的关键步骤）。
-
添加用于 Report 的表，例如度量值表、日期表或选择表。
-
添加用于 Report 的列，例如用于排序、分箱或以特定方式对数据分组。
在本文的后续内容中，我们将展示如何使用 Tabular Editor、Power BI Desktop，或两者结合，在 Power Query 中连接并转换数据。
在语义模型中连接并转换数据
根据你的模型和数据，在 Power Query 中为语义模型进行转换完全可行。 在你开始转换数据之前，需要提醒你：在语义模型中执行大量转换可能会带来问题。 例如，与其他上游工具相比，这种方法在数据量更大、转换更复杂时，可扩展性就不那么理想。
警告 |
要在 Tabular Editor 中构建模型的同时，在 Power Query 中连接并转换数据，你可以选择以下三种不同的方法。
方法 1：使用表导入向导连接到受支持的数据源
对于 SQL Endpoint 或 Dataflow 等受支持的数据源，Tabular Editor 中的表导入向导会为你创建对象，并生成 Power Query 代码。 在以下情况下用这种方法：
-
你要连接的是受支持的数据源。
-
你不需要使用 Power Query 用户界面（UI）。
-
你不需要在用 Power Query / M 转换数据时实时查看数据。
图 2：你可以对受支持的数据源使用表导入向导，Tabular Editor 会自动为你生成 Power Query（M 代码）以及表/列。
要用这种方法，按下面步骤操作：
-
在“模型”菜单中，选择“导入表”。
-
选择“使用隐式数据源（凭据由 Fabric/Power BI 服务管理）”。
-
从列表中选择你的数据源。
-
输入相应的连接信息并进行身份验证，以连接到你的数据源。
-
选择要从中导入元数据的源表/视图。 在选择表或视图时，你可以选择特定列，甚至预览数据。
-
按向导继续并确认；Tabular Editor 会自动将对象添加到模型中。
-
选择表分区以查看（并调整）Power Query（M 代码）。
使用这种方法时，你可以把转换下推到上游工具，然后从受支持的数据源（例如 Fabric OneLake）连接到已转换的数据。 如果你是少数擅长编写 M 代码的人之一，还可以直接在 Tabular Editor 中进一步调整分区表达式。
不过，如果你连接的是这个表导入向导不支持的数据源，例如 SharePoint，该怎么办？ 或者，如果你还想做更多转换，并且需要 Power Query UI 呢？
方法 2：使用 Power Query，并把 高级编辑器 的代码复制到 Tabular Editor
你可以在 Power BI Desktop、Excel 或 Dataflow 的 Power Query 用户界面中连接到数据源，然后等准备好了，再把 M 代码复制到 Tabular Editor。 通过这种方法，你可以使用 Power Query UI 并在转换时看到数据；但需要手动在工具之间切换。
在以下情况下用这种方法：
-
你要连接的是不受支持的数据源。
-
你熟悉并愿意使用 Power Query 的操作体验。
-
你有理由更喜欢在“断开连接模式”下处理模型元数据，而不是保持在“连接模式”下持续连接，或像在 Power BI Desktop 中那样导入数据。
要用这种方法，按下面步骤操作：
-
像平时一样，在你选择的客户端工具中连接到数据源。
-
像平时一样，使用 Power Query 转换数据。
-
准备就绪后，打开“高级编辑器”并复制代码。
-
在 Tabular Editor 中，新建一个表。
-
选择表分区，并粘贴你复制的 M 代码。
-
保存更改，然后右键单击该表，选择“更新表架构”。 Tabular Editor 会根据你的代码自动创建列并设置其数据类型。
注意 |
方法 3：将 Tabular Editor 作为 Power BI Desktop 的外部工具使用
你也可以继续在 Power BI Desktop 中开发模型，并保存和部署 Power BI 项目（.pbip）文件。 在这种场景下，你既能享受 Tabular Editor 的效率提升，也能保留 Power BI 用户界面在管理查询和其他功能上的便利。
在以下情况下使用此方法：
-
你最习惯使用 Power BI Desktop 来开发和发布语义模型。
-
你使用的是 Tabular Editor 3 桌面版许可证。
要使用这种方法，请按以下步骤操作：
-
像平时一样，在 Power BI Desktop 中连接到并转换你的数据源。
-
连接到数据后，你可以根据需要结合使用 Power BI Desktop 和 Tabular Editor 来继续开发。 你可以从“外部工具”功能区打开 Tabular Editor 2 或 3。
注意 |
如有需要，添加静态表或计算表格
很多语义模型除了从数据源添加的表之外，还包含额外的表。 这些表通常在模型里或连接到它的 Report 里承担特定功能。 这些表的示例包括：
-
度量值表：用于将度量值与其他对象分开排序和组织的表。
-
日期表：使用 Power Query 或 DAX 创建、用于时间智能的表(当数据源中没有合适的日期表时)。
-
上次刷新：对于导入存储模式的模型，一个包含标量值的表，用于记录最近一次成功刷新模型的日期和时间。
-
静态表：用于多种目的的表，通常用于实现特定 Report 功能，例如 动态度量值选择。
通常，在创建新模型时，你需要添加同一批静态表。 所以，用 Tabular Editor 中的 C# Script 把这个流程自动化，是个不错的选择。 例如，这个脚本会创建度量值表，这个脚本会创建日期表。
注意 |
当你完成以上步骤，并在模型中具备所有表后，就可以继续创建关系、编写 DAX，并添加额外的业务逻辑。
总结
在收集完语义模型的需求后，下一步就是连接到数据。 在进行这一步之前，你需要确保数据已经适合建模；如果还没有，请先处理数据质量问题，并用你选择的合适工具完成转换。 如果你需要在 Power Query 中转换数据，那么在 Tabular Editor、Power BI Desktop，或两者结合的开发方式下，你都有多种可选方案来完成这件事。
在本系列的下一篇文章中，我们将分享如何使用 Tabular Editor 和 Power BI Desktop 在语义模型中创建、测试并管理关系。
