<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Berna Taş on Medium]]></title>
        <description><![CDATA[Stories by Berna Taş on Medium]]></description>
        <link>https://medium.com/@bernatas?source=rss-6badf1ef5ef5------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*SA3mOueqLqqUlDaH1scNag.jpeg</url>
            <title>Stories by Berna Taş on Medium</title>
            <link>https://medium.com/@bernatas?source=rss-6badf1ef5ef5------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 00:28:49 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@bernatas/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[End-to-End Data Flow with Microsoft Fabric and Azure Data Factory]]></title>
            <link>https://bernatas.medium.com/end-to-end-data-flow-with-microsoft-fabric-and-azure-data-factory-41bc551365ed?source=rss-6badf1ef5ef5------2</link>
            <guid isPermaLink="false">https://medium.com/p/41bc551365ed</guid>
            <category><![CDATA[fabric-warehouse]]></category>
            <category><![CDATA[microsoft-fabric]]></category>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[azure-data-factory]]></category>
            <category><![CDATA[trigger]]></category>
            <dc:creator><![CDATA[Berna Taş]]></dc:creator>
            <pubDate>Tue, 19 Aug 2025 19:36:06 GMT</pubDate>
            <atom:updated>2025-08-19T19:36:06.280Z</atom:updated>
            <content:encoded><![CDATA[<p>👩‍💻 Merhaba,<br>Bu içeriğimde <strong>Azure Data Factory</strong> üzerinden <strong>Microsoft Fabric Pipeline’ının</strong> nasıl tetikleneceğini ve bu pipeline aracılığıyla elde edilen verilerin <strong>Fabric Warehouse</strong>’a nasıl aktarılacağını adım adım ele alacağım. Sürecin sonunda ise, bu verilerle beslenen Power BI veri setlerinin otomatik olarak nasıl güncelleneceğini açıklayacağım<em>. </em>Akışı 3 ana bölüme bölmek gerekirse:</p><p>→ Fabric Data Pipeline Oluşturulması ve Fabric Warehouse’a Veri Aktarımı</p><p>→ Azure Data Factory Üzerinden Fabric Pipeline’ın Tetiklenmesi</p><p>→ Fabric Pipeline Tetiklemesiyle Power BI Veri Seti Güncellemesi</p><ol><li><strong>Fabric Pipeline ile Warehouse’a Veri Aktarımı</strong></li></ol><p>Microsoft Fabric, veri analizi süreçlerinizi geliştirmek için birçok güçlü bileşen sunar. Bunlardan biri de Azure Data Factory’ye benzer mantıkla çalışan Data Pipeline yapısıdır. Fabric üzerinde oluşturulan bu pipeline’lar, dış sistemlerden — örneğin Azure Data Factory, Power Automate veya REST API gibi — tetiklenebilir. Bu yazıda odaklanacağımız yöntem, Azure Data Factory<strong> </strong>olacaktır.</p><p>Azure SQL Server’daki verileri alıp Fabric Warehouse’a aktaran basit bir işlem hattı (pipeline) oluşturalım. Bunun için Fabric özellikli bir çalışma alanına ihtiyacımız var.</p><p><strong>Power BI Service &gt; Workspace &gt; New Item &gt; Data Pipeline</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/844/1*6E-QsB8jxLsi0N8_XSu3nw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/553/1*NCS6X85163xvjlcbFbScQQ.png" /></figure><p>Aşağıdaki ekran görüntüsünde olduğu gibi, karşınıza boş bir canvas ekranı gelecektir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*pJ2QLuIqffPJgYKDP7ONUg.png" /></figure><p>Belirlediğimiz örnek çalışma için kullanacağımız aktivite Copy Data aktivitesi. <strong>Copy Data aktivitesi</strong>, bir kaynaktan (source) veriyi alıp, belirlenen bir hedefe (destination) kopyalamak için kullanılır. Bu örnekte, Azure SQL Database üzerinde hazırladığımız satış verisini Microsoft Fabric Warehouse ortamına aktarmak istiyoruz. Bu veri aktarımını gerçekleştirmek için Copy Data aktivitesini kullanacağız.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/589/1*fLngnijy0uii_pUSRUIPkA.png" /></figure><p>Copy Data aktivitesinde veri taşıma işlemi yapılmadan önce, ilk adım olarak kaynak veriyi tanımlamak gerekiyor. Bu örneğimizde, veri kaynağı olarak Azure SQL veritabanını kullanıyoruz. Daha önceden tanımlanmış olan <strong>DWH</strong> isimli bağlantı kullanılarak, <strong>EnterpriseDWH</strong> adlı veritabanına erişim sağlıyoruz. Bağlantının çalışır durumda olup olmadığını kontrol etmek için <strong>“Test connection”</strong> seçeneğini kullanıyoruz ve bağlantı başarıyla doğrulanıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/856/1*Jl76NkHQJp1NyIJvmt5VOQ.png" /></figure><p>Devamında, verinin nasıl çekileceğini belirliyoruz. <strong>Table</strong> veya <strong>stored procedure</strong> gibi seçenekler yerine, bu örnekte <strong>“Query”</strong> yöntemini tercih ediyoruz. Bu sayede doğrudan SQL sorgusu yazarak, sadece istenilen verileri filtreleyerek almak mümkün oluyor. Yazılan sorgu sayesinde kaynak sistemden alınacak veri tanımlanıyor ve bir sonraki adımda hedef ortama — <strong>Microsoft Fabric Warehouse</strong> — aktarılmak üzere hazır hale geliyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/648/1*t1i2hY3obX_WwRH7h1LH_g.png" /></figure><p>Bu adımda, Copy Data aktivitesinde verinin gönderileceği hedef ortamı tanımlıyoruz. Hedef olarak, Microsoft Fabric üzerinde <strong>Fabric_AnalyticsDW</strong> isimli yeni bir veri ambarı oluşturuyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/573/1*fqx2UVg8xzpfwhVg0T-O7g.png" /><figcaption><strong>Destination &gt; More &gt; Fabric Warehouse</strong></figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*BEI1T506XGaFvjheqihXMg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/398/1*FtvLavpqik2BXNFmVkxEeQ.png" /></figure><p>Test çalışma alanımızın altında, yeni oluşturduğumuz <strong>Fabric_AnalyticsDW</strong> isimli veri ambarının (warehouse) listede göründüğünü göreceksiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*YKeH8MrQDSQrZcxNY3_ldQ.png" /></figure><p>Tablo seçimi kısmında, <strong>“Auto create table”</strong> seçeneğini işaretliyoruz. Bu sayede, belirttiğimiz tablo hedefte mevcut değilse sistem otomatik olarak bu tabloyu oluşturuyor. Tablo adı olarak da sales şemasında SalesFact adını veriyoruz. Yani verilerimiz, <strong>sales şeması altındaki SalesFact tablosuna</strong> yazılacak şekilde ayarlanıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*NawzjNvLuNu-XMWbBny99A.png" /></figure><p>Mapping kısmı, <strong>veri kaynağındaki (source) alanlarla hedef sistemdeki (destination) alanların eşleştirilmesini</strong> sağlar. Bu, veri transferi sırasında hangi alanın nereye yazılacağını belirlediğimiz kısımdır. Öncelikle, üst kısımda yer alan <strong>“Import schemas”</strong> seçeneğine tıklayarak, hem kaynak (source) hem de hedef (destination) şemanın sütunlarını otomatik olarak içeri aktarıyoruz. Böylece manuel eşleme yapmamıza gerek kalmadan sistem, benzer isimdeki sütunları otomatik olarak eşliyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/302/1*yltJct-6CztWWO-uVv5c3g.png" /></figure><p>Ekranda görüldüğü gibi, kaynak sorgudan gelen kolon isimleri (örneğin: SaleID, CustomerName, Amount gibi) burada listeleniyor. Bu sütunlar, aynı isim ve veri tipine sahip olacak şekilde hedef tabloya yazılacak.</p><p>Mapping işleminin ardından pipeline çalıştırabiliriz.</p><p>Copy Data aktivitemizi çalıştırdıktan sonra, işlemle ilgili detayları bu ekranda görüntülüyoruz. Burada ilk olarak veri kaynağımızın SQL Server olduğunu, ardından verinin geçici alan (Staging) olarak Azure Data Lake Storage Gen2’ye kopyalandığını ve en son hedef olarak Fabric Warehouse’a aktarıldığını görüyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/784/1*MKmkiVAjvP4a3Ee_tB2Pjg.png" /></figure><p>Fabric Warehouse bölümüne giderek, veri aktarımıyla oluşturulan tabloyu aşağıdaki gibi görüntüleyebilirsiniz. Burada “Fabric_AnalyticsDW” isimli veri ambarının altında, “sales” isimli şema içinde “SalesFact” adında bir tablo yer alıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/373/1*6sp0JhXmcqb7eJsHGuMgOQ.png" /></figure><p><strong>2. Azure Data Factory Üzerinden Fabric Pipeline’ın Tetiklenmesi</strong></p><p>Bu bölümde, Azure Data Factory kullanarak oluşturduğumuz Fabric Data Pipeline’ı nasıl tetikleyeceğimizi adım adım ele alacağız. İlk olarak, Azure Data Factory arayüzüne giriş yaparak yeni bir pipeline oluşturuyoruz.</p><p>▶️ Token Almak için Web Aktivitesi Oluşturma</p><p>Azure Data Factory (ADF) üzerinden bir Microsoft Fabric Data Pipeline’ını tetikleyebilmek için önce kimlik doğrulama (authentication) işlemi yapılmalı. Bunun ilk adımı, bir erişim belirteci (access token) almaktır. Bu işlem, OAuth 2.0 client credentials flow yöntemi ile gerçekleştirilir ve ilk adımda Azure AD üzerinden bir erişim token’ı (access token) almamız gerekir.</p><p>Azure Data Factory pipeline’ımıza bir <strong>Web</strong> aktivitesi ekliyoruz ve bu aktivitenin amacı, Microsoft’un kimlik sağlayıcısından bir token almaktır.</p><p><strong>URL</strong>: <em>Bu, Azure AD tenant ID’nize ait token alma endpoint’i.</em></p><pre>https://login.microsoftonline.com/your_tenant_id/oauth2/v2.0/token</pre><p><strong>Method:</strong> POST</p><p><strong>Body: </strong>&lt;CLIENT_ID&gt; ve &lt;CLIENT_SECRET&gt; değerlerini Azure portalda oluşturduğunuz App Registration’dan alabilirsiniz.</p><pre>grant_type=client_credentials&amp;<br>client_id=your_secret_id&amp;<br>client_secret=your_secret_value&amp;<br>scope=https://api.fabric.microsoft.com/.default</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/870/1*4GLKWN36Ve2P2XagBHN5Kg.png" /><figcaption>GET_FABRIC_TOKEN</figcaption></figure><p><strong>Content-Type:</strong> Sunucuya gönderilen isteğin içeriğinin türünü belirtir. Burada application/x-www-form-urlencoded değeri, gönderilen <strong>body verisinin</strong> klasik form verisi (anahtar-değer çiftleri şeklinde) olduğunu gösterir.</p><p>Bu Web aktivitesi çalıştırıldığında, Azure AD’den bir <strong>access token</strong> alınır. Bu token’ı sonraki aşamada Fabric pipeline’ı tetiklemek için kullanacağız.</p><p>Fabric REST API’yi çağırmak için bir Web etkinliği (Web activity) daha kullanacağız. Web etkinliği, Azure Data Factory veya Microsoft Fabric (Data Pipeline) içinde kullanılan bir bileşen olup, temel amacı dış sistemlerle HTTP tabanlı iletişim kurmaktır.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/633/1*Cfrp3Wn4jjAraWPwt_-oAg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/490/1*dQKIFICNMrXIQmLoibCDQQ.png" /><figcaption>Fabric_Pipeline</figcaption></figure><p>URL için şu ifadeyi kullanacağız:</p><pre>= https://api.fabric.microsoft.com/v1/workspaces/@{pipeline().parameters.WorkspaceID}/items/@{pipeline().parameters.FabricPipelineID}/jobs/instances?jobType=Pipeline</pre><p>URL’e eklemek için aşağıdaki bilgilere ihtiyacımız var:</p><p>· <strong>Workspace ID</strong></p><p>· <strong>Fabric üzerindeki Data Pipeline ID</strong></p><p>Power BI Service (Microsoft Fabric) üzerinden aldığımız <strong>Workspace ID</strong> ve <strong>Fabric Pipeline ID</strong> bilgilerini, <strong>Azure Data Factory (ADF)</strong> tarafında <strong>parametre</strong> olarak tanımlıyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/849/1*qD2E1em1wc-NY7EEOtVhmw.png" /></figure><p>POST metodu, HTTP protokolünde kullanılan ve genellikle sunucuya veri göndermek amacıyla tercih edilen bir istektir. Bu nedenle bu adımda POST metodunu seçiyoruz. Azure Data Factory üzerinde <strong>Microsoft Fabric pipeline’ını tetiklemek</strong> için aldığımız token’ı HTTP isteğinin yetkilendirme (Authorization) başlığında kullanmamız gerekiyor. Bu işlem, Azure AD’den aldığımız token’ın <strong>Bearer Token</strong> olarak gönderilmesini sağlar.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/768/1*sEKd3NpG3GmHOpxXde3yMQ.png" /></figure><p>🔐<strong> Authorization Header’ında Token Kullanımı</strong></p><p>Aşağıdaki ifade, Azure Data Factory’nin Web aktivitesinde <strong>Authorization</strong> header değerini dinamik olarak oluşturmak için kullanılır.</p><pre>@concat(&#39;Bearer &#39;, activity(&#39;GET_FABRIC_TOKEN&#39;).output.access_token)</pre><p><strong>Bu ifade ne yapıyor?</strong></p><ul><li>activity(‘GET_FABRIC_TOKEN’): Bu kısım, token almak için daha önce tanımladığımız Web aktivitesine referans verir.</li><li>.output.access_token: Token alma işleminin sonucunda dönen <strong>access token</strong> değerini çeker.</li><li>concat(‘Bearer ‘, …): Çekilen token’ı “Bearer “ kelimesi ile birleştirir. Bu, HTTP isteklerinde standart bir yetkilendirme biçimidir.</li></ul><p>Bu dinamik ifade sayesinde, Azure Data Factory’de ilk Web aktivitesinden aldığınız token otomatik olarak ikinci Web aktivitesine aktarılır.</p><p><strong>Web aktivitesi</strong> çalıştırıldıktan sonra dönen yanıtı yakalayıp bir <strong>pipeline değişkenine</strong> atamak için “Set Variable” ekliyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/863/1*11-qTo-czBIV1xIaVKlbQg.png" /></figure><p>FABRIC_PIPELINE<strong> </strong>adlı Web aktivitesi sonucunda Fabric Pipeline tetikleme işlemi başarıyla gerçekleşirse, sistem bize bir job instance ID dönecek. Bu ID, tetiklenen pipeline’ın çalışmasına özel bir benzersiz kimliktir.</p><p>Sonraki adım olan<strong> Set variable aktivitesinde</strong>, bu dönen job ID değerini, job_instance_id isimli bir pipeline değişkenine atıyoruz.</p><ul><li>@activity(‘FABRIC_PIPELINE’).output.jobId gibi bir ifade ile, Web aktivitesinin çıktısından <strong>jobId değeri</strong> alınıyor.</li><li>Böylece bu değeri, pipeline içinde daha sonra <strong>izleme, koşul kontrolü</strong> veya loglama işlemlerinde kullanabilir durumda olacağız.</li></ul><p>🤔 <strong>Neden Bu Gerekli?</strong></p><p><strong>Azure Data Factory</strong> üzerinde Microsoft Fabric Pipeline’ının sadece tetiklenmesi değil, <strong>tamamlanıp tamamlanmadığının kontrol edilmesi</strong> işlemi için gerekli. Sadece <strong>POST çağrısı</strong> ile Fabric pipeline’ı tetiklemek yetmez. Eğer bu işlemin başarılı şekilde tamamlanıp tamamlanmadığını bilmiyorsak:</p><p>· Hatalı durumları gözden kaçırabiliriz.</p><p>· Sonraki adımlara hatalı veri ile devam edebiliriz.</p><p><strong>🔁 Until Aktivitesi</strong></p><p>Until bloğu, <strong>belirli bir koşul sağlanana kadar</strong> içindeki aktiviteleri tekrar eder. Bu örnekte amaç, Fabric Pipeline tetiklendikten sonra, o pipeline’ın <strong>başarıyla tamamlanıp tamamlanmadığını kontrol etmek.</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*U3SHijvEVr7bPmfhaVvUxA.png" /></figure><p><strong>🔧 Adım Adım Açıklama:</strong></p><p><strong>Set variable: job_instance_id</strong></p><ul><li>Daha önce Web aktivitesi ile başlatılan Fabric pipeline’ın <strong>çalışma (job) ID’si</strong> bu değişkende saklanıyor.</li><li>Bu ID, sonraki adımlarda pipeline’ın durumunu sorgulamak için gerekli.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/902/1*k3EkJhy0MScBt6EgQG821Q.png" /><figcaption>job_instance_id</figcaption></figure><p><strong>Until bloğu (UNTIL_FABRIC_PIPELINE_DONE)</strong></p><ul><li>Bu blok, <strong>pipeline başarılı şekilde bitene kadar</strong> çalışmaya devam eder.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*deaBXWsZAwqwdjrw8fXJMQ.png" /></figure><p><strong>WAIT:</strong></p><ul><li>Her kontrol arasında küçük bir süre bekleniyor (örnekte 60 saniye). Bu, API’yi çok sık çağırmamak için önemli.</li></ul><p><strong>GET_JOB_STATUS (Web activity)</strong>:</p><ul><li>Burada başka bir <strong>GET isteği</strong> gönderilerek, job_instance_id kullanılarak Fabric pipeline’ın <strong>durumu sorgulanıyor</strong>.</li></ul><pre>@concat(<br>  &#39;https://api.fabric.microsoft.com/v1/workspaces/&#39;,<br>  pipeline().parameters.WorkspaceID,<br>  &#39;/items/&#39;,<br>  activity(&#39;FABRIC_PIPELINE&#39;).output.itemId,<br>  &#39;/jobs/instances/&#39;,<br>  variables(&#39;job_instance_id&#39;)<br>)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/965/1*EGi7I1rW7c05EyfeB3Up-w.png" /><figcaption>GET_ JOB_ STATUS</figcaption></figure><p>Authorization :</p><pre>@concat(&#39;Bearer &#39;, activity(&#39;GET_FABRIC_TOKEN&#39;).output.access_token)</pre><p><strong>Set variable: job_run_status</strong></p><ul><li>Gelen yanıt içerisinden alınan status bilgisi (Running, Succeeded, Failed gibi) bu değişkene atanıyor.</li><li>Koşul sağlanırsa (job_run_status == ‘Succeeded’)</li><li>Until bloğu sona eriyor</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/820/1*I6B1lmr6mHjq_YUTkbWQvg.png" /></figure><p>Value:</p><pre>@activity(&#39;GET_JOB_STATUS&#39;).output.status</pre><p>Son adımda pipeline’ı çalıştırıyor ve sürecin doğru şekilde işlediğini test ediyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*SZvIzRY4iSDm7vRv47FWlg.png" /></figure><p>✅ Akış başarılı bir şekilde tamamlandı.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*qAYqwa8Mk20SDxLACM5enA.png" /></figure><p><strong>3. Fabric Pipeline ile Veri Aktarımı Sonrası Power BI Veri Setinin Tetiklenmesi</strong></p><p>Bundan önceki bölümde, Fabric Data Pipeline üzerinden aldığımız veriyi Fabric Warehouse’a yazdık. Daha sonra bu Warehouse’taki veriye bağlı bir Power BI dashboard’u oluşturduğumuzu varsayalım. Bu dashboard’un güncellenmesi, aslında pipeline yenilendikten sonra gerçekleşmeli. Bunun için, veri hattı çalıştıktan sonra dashboard’un otomatik olarak yenilenmesini sağlayan bir akış tasarlamamız gerekiyor.</p><p>🧱 Genel Akış:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*ns0JRY-Z6kqs-CJoZnFzfw.png" /></figure><p>Pipeline üç adımdan oluşuyor:</p><ol><li>Execute Pipeline (Bir önceki bölümde oluşturduğumuz pipeline)</li><li>GET_FABRIC_TOKEN (Token alma adımı)</li><li>RefreshPBIDataset (Power BI dataset’ini yenileyen API çağrısı)</li></ol><p><strong>Power BI API İçin Access Token Alma</strong></p><p>İlk adımda, client credentials flow kullanılarak Azure AD üzerinden bir access token alınır. Bu işlem, Web aktivitesi ile yapılır ve genelde aşağıdaki API’ye POST isteği gönderilerek gerçekleştirilir:</p><pre>https://login.microsoftonline.com/{tenant_id}/oauth2/v2.0/token</pre><p>Body:</p><pre>grant_type=client_credentials<br>client_id={your_client_id}<br>client_secret={your_client_secret}<br>scope=https://analysis.windows.net/powerbi/api/.default</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*C2noLX1rLYuLlpLbsGmPeQ.png" /></figure><p>Bu adımın çıktısı, sonraki aktivite olan RefreshPBIDataset’te kullanılacak olan Bearer Token’dır.</p><p><strong>Dataset Refresh API Çağrısı</strong></p><p>Bu istek, belirli bir dataset’i yenilemek için Power BI REST API tarafından sunulur.</p><pre>POST https://api.powerbi.com/v1.0/myorg/groups/{workspace_id}/datasets/{dataset_id}/refreshes</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*hLZC0HZCFlEgzNmAkXknfA.png" /><figcaption>GET_FABRIC_TOKEN</figcaption></figure><p><strong>Web Activity Ayarları (RefreshPBIDataset)</strong></p><ul><li>Method: POST</li><li>Body: {“notifyOption”:””}</li><li>Authentication: None (çünkü Header ile yetkilendirme yapılıyor)</li><li>Headers:</li></ul><pre>@concat(&#39;Bearer &#39;, activity(&#39;GET_FABRIC_TOKEN&#39;).output.access_token)</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1011/1*q7n53NQMs5pIeGe8PM9iNQ.png" /></figure><p>Tüm yapılandırmaları tamamladıktan sonra, pipeline’ımızı çalıştırıyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*cSOWSSYlnx_-1TGOaYzPog.png" /></figure><p>Yukarıdaki görselde de görüldüğü gibi:</p><ul><li>Fabric Pipeline başarıyla tetiklenmiş,</li><li>Token alma işlemi sorunsuz gerçekleşmiş,</li><li>Ve son olarak Power BI veri seti başarılı bir şekilde yenilenmiştir.</li></ul><p>Bu sayede, veri warehouse’a aktarıldıktan sonra Power BI tarafındaki raporlar da otomatik olarak güncellenmiş olur.</p><p>Bu yazıda, uçtan uca bir senaryoyu ele alarak <strong>Fabric Data Pipeline oluşturulmasından</strong>, verinin <strong>Fabric Warehouse’a aktarılmasına</strong>, ardından <strong>Azure Data Factory üzerinden bu pipeline’ın tetiklenmesine</strong> ve nihayetinde <strong>Power BI veri setinin otomatik olarak güncellenmesine</strong> kadar tüm süreci adım adım inceledik.</p><p>Gerçek bir kullanım senaryosuna dayanan bu örnekle, Microsoft Fabric ve Azure Data Factory’nin birlikte nasıl entegre çalıştığını ve Power BI ile nasıl kesintisiz bir veri akışı sağlanabileceğini göstermeye çalıştım.</p><p>Umarım sizin için faydalı ve yol gösterici bir içerik olmuştur. Herhangi bir sorunuz veya katkınız olursa yorumlarda paylaşabilirsiniz.<br> Yeni içeriklerde görüşmek üzere 👋</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=41bc551365ed" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Using Deployment Pipelines and Parameterizing Data Sources in Power BI]]></title>
            <link>https://bernatas.medium.com/using-deployment-pipelines-and-parameterizing-data-sources-in-power-bi-ac1c8b42dfe9?source=rss-6badf1ef5ef5------2</link>
            <guid isPermaLink="false">https://medium.com/p/ac1c8b42dfe9</guid>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[parametric-modeling]]></category>
            <category><![CDATA[workspace-management]]></category>
            <category><![CDATA[deployment-pipelines]]></category>
            <dc:creator><![CDATA[Berna Taş]]></dc:creator>
            <pubDate>Sat, 04 May 2024 16:24:09 GMT</pubDate>
            <atom:updated>2024-05-04T16:43:29.110Z</atom:updated>
            <content:encoded><![CDATA[<p>Merhaba 👩‍💻</p><p>Bu yazımda, Power BI Deployment Pipelines özelliğini raporlama süreçlerimizde nasıl kullanabileceğimizden ve ortamlar arası geçiş yaparken (örneğin, test ortamından prod ortamına) veri kaynaklarımızı parametrik olarak nasıl değiştirebileceğimizden bahsedeceğim.</p><p>Proje geliştirme süreçlerinde, ortamlarımızı development (dev), test (uat) ve production (prod) olarak ayırmak birçok fayda sağlar. Örneğin değişiklikleri öncelikle test ortamında denemek prod ortamında beklenmedik sorunların ortaya çıkma riskini azaltır. Her bir ortam, farklı kullanım senaryolarına sahiptir:</p><ul><li><strong>Development</strong> (Geliştirme): Yeni özelliklerin ve raporların ilk kez oluşturulduğu ve geliştirildiği yer</li><li><strong>UAT</strong> (Kullanıcı Kabul Testi): Son kullanıcıların veya paydaşların raporun işlevselliğini ve doğruluğunu test ettiği yer</li><li><strong>Production</strong> (Canlı Ortam): Son kullanıcıların raporlara eriştiği canlı ortam</li></ul><p>Power BI Service üzerinde bulunan Deployment Pipelines dediğimiz yapı ise bize bu ortamları sistematik bir şekilde kullanmamızı sağlar. Raporların geliştirilmesi, test edilmesi, dağıtılması (canlı ortam) sürecini içerir. En önemli avantajlarından biri ise içeriğin bir çalışma alanından diğerine taşınmasını otomatikleştirmesidir. Bu özellik mevcut olmadan önce, aşağıdaki akıştaki gibi bir PBIX dosyasını indirip farklı bir çalışma alanına yeniden yayınlamamız gerekiyordu:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/709/1*qmtkxu9z3LH3ITcDc-ooqw.png" /></figure><p>📌 Bilmemiz gerekenler:</p><p>· Dağıtım İşlem Hatlarını kullanabilmek için sizin veya kuruluşunuzun bir Power BI Premium hesabına sahip olması gerekir</p><p>· Deployment Pipeline özelliğini kullanabilmemiz için öncelikle çalışma alanımızın Premium kapasitede olması gerekir</p><p>· Geliştiricilerin, raporları veya veri kümelerini dağıtım hattı boyunca taşımak için dağıtılacak çalışma alanının yöneticisi (admin) olması gerekir</p><p>· Bir çalışma alanı aynı anda yalnızca tek bir deployment pipeline içerisinde kullanılabilir</p><p>Development aşamasında genellikle test verileriyle çalışırız ve sonra raporumuzu son kullanıcılar için canlı veri kaynağından beslenecek şekilde bir değişiklik yaparız. Örneğin, geliştirme sürecinde veri modelimizde farklı tablolarımız mevcut olsun ve bu aşamada test veri kaynağını kullanalım her bir tablomuzun sorgusunu manuel olarak veri kaynağını “prod” ortamı okuyacak şekilde değiştirmek yerine iki veri kaynağı arasında geçiş yapmamızı sağlayan parametrik bir yapı tasarlayabiliriz.</p><p>Bu parametre, hangi ortama (geliştirme veya canlı) bağlanacağını belirler. Geliştirme sırasında parametre “dev” olarak ayarlanabilir ve test verilerine bağlanabilir. Ancak rapor ya da dataset hazır olduğunda, parametreyi “prod” olarak değiştiririz ve canlı veri kaynağına bağlanırız. Bu şekilde, sorguları değiştirmek için manuel düzenlemelerden kaçınarak daha hızlı ve daha güvenli bir geçiş yapabiliriz.</p><p>📋 Birlikte bu yapıyı Power BI üzerinde nasıl uygulayacağımıza adım adım göz atalım:</p><ol><li><strong>Development Raporunun Yayınlanması:</strong></li></ol><p>Öncelikle Power Query kısmından yeni bir parametre tanımlıyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/543/1*Gg4gfw2Y7waDfihsAzXYzA.png" /></figure><p>“<strong>Server</strong>” isminde bir parametre tanımlıyoruz. Parametre değerlerine hem dev hem de prod veri kaynağımızı giriyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/448/1*smsanYA5CL1vKzFjMcHKAA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*FESxgddlwZapAMH5dzs3qQ.png" /></figure><p>Kullanmış olduğumuz veri kaynağı Google Big Query. İçeriye aldığımız Customer tablosunun sorgusunda hem Billing Project hem de Database ismini oluşturduğumuz parametrenin ismi ile aynı değere sahip olacak şekilde değiştiriyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/864/1*dQ-grS9cOWrJHw6T-nnTsw.png" /></figure><p>Şu an bu sorguda dev sunucusu kullanılmakta. Çünkü default ve current values olarak <strong>datalake-dev</strong> adresini girmiştik. Geliştirme aşamasındaki raporumuzu Power BI Desktop’ta hazırladıktan ve parametreleri dev ortamına göre ayarladıktan sonra, raporumuzu Power BI Service’e yayınlıyoruz.</p><p>Bundan sonraki aşamada Deployment Pipeline özelliğini kullanarak bir pipeline oluşturacağız ve Development çalışma alanından UAT çalışma alanına raporumuzu deploy ederken veri kaynağımızın parametresini dev ortamdan değil prod ortamdan canlı verileri alacak şekilde bir rule tanımlayarak UAT çalışma alanına taşımış olacağız.</p><p>2. <strong>Deployment Pipeline Oluşturma:</strong></p><ul><li>Power BI Service üzerinden “Deployment Pipelines” sekmesine gidin.</li><li>“New Pipeline” seçeneğini kullanarak yeni bir deployment pipeline oluşturun.</li><li>Pipeline adını ve gerekli ayarları belirleyin.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/678/1*GjYEx9dSvj9z3oRsstQ70w.png" /></figure><p>Zorunlu olarak 3 ortamın hepsine sahip olmanıza gerek yok. Yalnızca 2 ortamınız varsa Test ve Production olarakta kullanabilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/454/1*uhZJ3PZdy3cRHyPiRaOl7A.png" /></figure><p>Bir sonraki aşamada sizden Development-Test-Production ortamı olarak kullanmak istediğiniz workspaceleri atamanız istenecektir. Çalışma alanı bir <strong>Premium çalışma alanı</strong> (Premium hesapla oluşturulmuş) olmalıdır ve bu çalışma alanının Yöneticisi (<strong>Admin</strong>) olmanız gerekir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/979/1*H3oIZmF5wnCN0i82THGiow.png" /></figure><p>Her çalışma alanı arasındaki boşluğun yeşil bir onay işareti veya turuncu bir “X” olduğunu görebilirsiniz. Bu iki sembolün amacı, çalışma alanları arasındaki içeriğin eşleşip eşleşmediğini belirtmektir. Aşağıdaki ekran görüntüsünde olduğu gibi Development-UAT-Production ortamlarımıza ilgili workspace atamalarını gerçekleştirdik.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/995/1*y3XyfMvu5hKP-7IHhORT7A.png" /></figure><p>“Dynamic Parameter” isimli projemizi Dev çalışma alanından UAT çalışma alanına taşımak isteyelim. Bu işlemi gerçekleştirirken Dev ortamındaki raporumuzun veri kaynağı test veri tabanı olduğu için UAT aşamasında artık raporumuzun canlı verilerden beslenecek şekilde oluşturduğumuz parametreyi kullanarak ilgili değişikliği yapalım.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/860/1*fu4qIHxjr1EE4QSwBHYtaA.png" /></figure><p>⚙️UAT kısmında deployment rules tanımlıyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/460/1*i6AtIv_l7dXlAWKUlCPDWA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/453/1*xivHSskk3wrR-d6z60QANg.png" /></figure><p>Parameter rules kısmında Power Query de tanımladığımız “Server” ismindeki parametremizin geldiğini görüceksiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/594/1*uDxz3yRyexzl_hCPu1EK3A.png" /></figure><p>Server parametresini bu aşamada prod veri kaynağımıza eşitliyoruz. Böylelikle UAT çalışma alanına raporumuz canlı verilerden beslenecek şekilde deploy edilecektir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/624/1*1yrFA_9NaNmVHefv_gypOQ.png" /></figure><p>Veri kaynağı ve parametre kuralları güncellendikten sonra, veri kümesinin ve içeriklerin 2 ortam arasında senkronize olduğunu (farklı ortamlardaki veri kaynaklarına bağlı olsalar bile) göstermek için yeşil onay işaretinin kalması gerekir (aşağıdaki ekran görüntüsündeki gibi).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/828/1*1m7yExvaiLSjXt64ectb6Q.png" /></figure><p><strong>Kısaca özetlemek gerekirse;</strong></p><p>Power BI’daki Deployment Pipeline konusunu ele aldığımız bu içeriğimizde, raporlama süreçlerimizi daha sistemli ve otomatik hale getiren önemli bir özelliğe değindik. Bu özellik sayesinde, bir içeriği (rapor ya da veri seti) bir çalışma alanından başka bir çalışma alanına taşıma işlemi daha düzenli bir şekilde ve otomatik olarak gerçekleştirilebiliyor. Eskiden PBIX dosyalarını indirip istediğimiz çalışma alanına tekrar yüklememiz gerekiyordu, ancak bu özellikle birlikte bu süreç daha kolay hale geldi.</p><p>Ayrıca, bir veri kümesinin veri kaynağını parametrik bir yapı kullanarak nasıl değiştirebileceğimizi inceledik. Geliştirme süreçlerimizde genellikle test verilerini kullanırız ve ardından son kullanıcılar tarafından kullanılmaya hazır olduğunda bu veri kaynağını canlı verilere geçiririz. Bu geçişi en hızlı ve güvenilir şekilde yapabilmek için bir dağıtım kuralı oluşturarak bu süreci inceledik. Böylece, bir veri kümesi yeni bir aşamaya yükseltildiğinde (örneğin, geliştirme aşamasından UAT aşamasına veya UAT aşamasından Prod aşamasına), veri kaynağı otomatik olarak değişir.</p><p>Umarım faydalı bir içerik olmuştur. Bir sonraki içeriğimizde görüşmek üzere! 👋</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ac1c8b42dfe9" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Power BI “Developer Mode” and Fabric Git Integration -2]]></title>
            <link>https://bernatas.medium.com/power-bi-developer-mode-and-fabric-git-integration-2-4d3bb2495178?source=rss-6badf1ef5ef5------2</link>
            <guid isPermaLink="false">https://medium.com/p/4d3bb2495178</guid>
            <category><![CDATA[microsoft-fabric]]></category>
            <category><![CDATA[git]]></category>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[azure-devops]]></category>
            <dc:creator><![CDATA[Berna Taş]]></dc:creator>
            <pubDate>Wed, 24 Apr 2024 16:36:51 GMT</pubDate>
            <atom:updated>2024-04-24T16:36:51.100Z</atom:updated>
            <content:encoded><![CDATA[<p>Merhaba,<br> <br> Bu yazımızda “Power BI Developer Mode ve Fabric Git Integration” serimizin ikinci kısmıyla devam ediyoruz. Kısaca hatırlatmak gerekirse, Microsoft Visual Studio Code aracılığıyla Azure Devops ile Git entegrasyonunu sağlayarak Power BI projelerimizin geliştirme süreçlerini daha verimli bir şekilde yürütebileceğimiz bir sistemden bahsetmiştik. Bu yapı ile versiyon kontrol sisteminin avantajlarından doğrudan faydalanabiliyor olacağız. En önemlilerini şu şekilde sıralayabiliriz:</p><p>🠖Birden fazla geliştiricinin aynı projede ortak çalışması gerektiğinde, geliştiricilerin birbirlerinin değişikliklerini ezmeksizin aynı projede eş zamanlı olarak çalışabilmesi,</p><p>🠖Versiyonların sistematik bir şekilde takip edilebilmesi,</p><p>🠖Projenin eski ve yeni versiyonlarını karşılaştırabilme ve gerektiğinde eski versiyona geri dönebilme olanağı</p><p>💻 Geliştirme kısmına geçmeden önce bu çalışmalarımız için aşağıdaki ön koşulları karşılamamız gerekir:</p><p>· Power BI Desktop</p><p>· Visual Studio Code + Git</p><p>· Azure DevOps hesabı</p><p>· Fabric workspace (Fabric capacity ya da Power BI Premium licence)</p><p>Öncelikle Power BI Desktop üzerinde geliştirdiğim raporumu .<strong>pbip</strong> uzantılı olarak kaydediyorum. Bu uzantı türü bir rapora bağlı birden fazla dosyayı dataset ve rapor olmak üzere ana iki klasör 📁 içerisinde saklamaktadır. Dataset klasöründe Model.bim gibi raporumuzun en önemli dosyası yer almaktadır.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*N3qTs2eHxWFLIl9vRjEK7g.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*cdvzZLxAwz6hnllW1hwFsg.png" /></figure><p>Bu işlem sonrası proje dosyalarımızın olduğu klasörümüzü Visual Studio Code üzerinde açalım. <strong>Visual Studio Code</strong> uygulamasını açarak <strong>Open Folder</strong> seçeneğine tıklıyorum ardından proje klasörümü seçiyorum.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/315/1*C5Ukk3oKQLEQ_6oq-q8BFQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/698/1*LM3F-a97EuMR4KiE-aqGgg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/845/1*wqzc3iRcbzGfilDYsMxqkg.png" /></figure><p>Bundan sonraki kısımda proje dosyalarımı Azure Devops üzerine publish edebilmem için bir proje oluşturmam gerekecek. Azure Devops hesabıma girerek (<a href="https://dev.azure.com/">https://dev.azure.com/</a>) <strong>New Project</strong> butonuna tıklıyorum.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/895/1*mOIrZSv5ToUMjCcNBrxuvQ.png" /></figure><p>Gerekli alanları doldurarak <strong>Create</strong> ediyorum.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/485/1*SNdTMxw2DZl4RqF420sWqA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/946/1*iLQc1WymV42moTEAgghRTQ.png" /></figure><p>Projemizi oluşturduktan sonra tekrar Visual Studio Code ekranına geri dönüyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/711/1*-ZSEO076v9r_39YWv7phLw.png" /></figure><p><strong>Initialize Repository</strong> dedikten sonra Commit ekranı geldi:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/879/1*99TPL6SZ7X2OkRlDrpI2VA.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/793/1*3nQ3dg7s9GdWsPn_Fb3lqg.png" /></figure><p>Gelen uyarı ekranında Commit edilecek aşamalı bir değişikliğin olmadığını söylüyor ama biz “<strong>Yes</strong>” seçeneğine tıklayarak devam ediyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/589/1*VldegLy7o--tjAf3D1nm5A.png" /></figure><p>Ardından aşağıdaki uyarı mesajını alıyoruz:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/713/1*khdzreSbCCgBCMBUzS4UPw.png" /></figure><p><strong>Remote Repository</strong> herhangi bir uzak GitHub veya Azure Reposuna doğrudan VS Code içinden hızlı bir şekilde erişim sağlar. Makinenize herhangi bir kaynak kodu kaydetmenize gerek kalmadan istediğiniz kadar repo üzerinde çalışabilirsiniz aynı zamanda yerel disk alanından da tasarruf etmenizi sağlar.</p><p>Azure Devops üzerinde oluşturduğumuz Repoya bağlanmak için <strong>Open Remote Repository</strong> seçeneğine tıklıyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/477/1*xWeBlnPwJBPnMstl9MWAmg.png" /></figure><p>Bu bölümde URL olarak aşağıdaki adresi giriyoruz:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*EfaQ9YQaRNYRlxE7-WaZXg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*TF7jFcCvv8zbWkB2cxFNNw.png" /></figure><p>Herhangi bir Remote connection ismi giriyoruz ve Enter tuşuna basıyoruz:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*cExImIKzvg4MA5VjX2rZ6w.png" /></figure><p>Ardından <strong>Publish Branch</strong> diyerek kaynak dosyalarımızı Azure Devops’a gönderiyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/764/1*ZmksDHcnYiDtN8cWJ7CmPg.png" /></figure><p>✅ Her şey başarılı ise Azure Devops hesabımızda aşağıdaki ekran görüntüsündeki gibi proje dosyalarımızı görmeliyiz:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*QiEashA4_9YYCF47LtVZlw.png" /></figure><p>🖱️ Diğer kısma geçmeden önce birer cümleyle temel Git terimlerinden bahsetmem gerekirse:</p><p><strong>Repository: </strong>Proje dosyalarını uzak bir sunucuda depolar. Projeniz için gereken tüm dosyaları, klasörleri ve içeriği saklayan bir dizin olarak düşünebilirsiniz.</p><p><strong>Branch: </strong>Projenin birçok bölümünü derli toplu şekilde tutulmasını sağlar. Avantajı ana branchteki (master) geliştirme yapısını etkilemeden projeyi diğer oluşturduğumuz branchler üzerinden yönetebilmemiz.</p><p><strong>Master : </strong>Reponun ana branchidir. Git üzerinde hiçbir işlem yapmazsak değişikler master branche kaydedilir.</p><p><strong>Commit : </strong>Proje dosyalarınızda belli bir değişiklik yaptığınızda o değişikliğin anlık görüntüsünün alınıp kaydedilmesine denir.</p><p><strong>Pull Request: </strong>Bir developer proje üzerinde değişiklik ya da bir geliştirme yaptıysa ve bunu ana branch e eklemek istiyorsa bir request gönderir. Bu requestler proje sorumlusu tarafından incelenir ve onaylanır.</p><p><strong>Merge: </strong>Değişiklikleri bir branchten alıp başka bir (genellikle master) branche eklemek.</p><p>🔔 Power BI Desktop üzerinde raporda bulunan bir measure sildik. Bu değişikliği 1 yeni değişiklik bildirimi ile görebiliyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1018/1*xl3mnNxX-tctGypdhbjWZg.png" /></figure><p>Bu değişikliği tekrardan Commit etmemiz gerekiyor. Commit işlemi sırasında 3 farklı seçenekle karşılaşabilirsiniz:</p><p><strong>1. Commit: </strong>Sadece Commit ile değişiklikleri yerel olarak kaydederiz.<br> <strong>2. Commit &amp; Push :</strong> Değişiklikleri yerel olarak kaydeder ve Azure DevOps’a Push ederiz.<br> <strong>3. Commit &amp; Sync:</strong> Azure DevOps’ta yeni değişiklikler olup olmadığını kontrol eder, önce bunları çeker ve ardından değişikliklerimizi Push ederiz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/724/1*QtUk2hYzxegaaVaiOlOYOw.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/671/1*tWlViRA0WLWEQuBS40clXQ.png" /></figure><p>Commit işlemimiz sonrasında Azure Devops üzerinden projeye ait history i görebiliriz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ZVbIW05PyGE4rLyFU5WISg.png" /></figure><p>Bundan sonraki kısımda Azure Devops projemizi Power BI Service üzerindeki workspace’mize nasıl entegre edeceğimize bakalım 👀</p><p>Power BI Service üzerinde Azure Devops ile entegre çalışmasını istediğimiz çalışma alanının ayarlar kısmına gelerek Git Integration sekmesinde oluşturduğumuz projeye ait bilgileri giriyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/773/1*G8KBBwSq-FiQW2l3L2GE0w.png" /></figure><p>Connect &amp; Sync işleminin ardından aşağıdaki senkronizasyonun nerden nereye doğru olması gerektiğini seçiyoruz. Bu çalışma alanındaki içerikleri Git ile mi senkronize etmek istiyoruz yoksa Git teki içeriği bu çalışma alanıyla mı senkronize etmek istiyoruz 🤔</p><p>Bizim senaryomuzda ikinci seçenekle ilerliyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/566/1*o2j5X3Wf6QvLGhCLEIzhKQ.png" /></figure><p>Azure Devops üzerindeki projemiz içerisinde yer alan dosyalarımızın bu workspace aktarıldığını görebilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1003/1*grT3FMzFoP0JqEBk5a5fOQ.png" /></figure><p>Azure DevOps hesabımıza bağlantı kurduktan sonra Fabric, Workspace ile Git arasındaki değişiklikleri, geliştirmeleri sürekli olarak izleyecektir. Bir fark tespit edildiğinde (her iki tarafta bir uyuşmazlık olması durumda), her iki adresin aynı içeriği içermesini sağlamak için bir senkronizasyon işlemi başlatabilir.</p><p>🔻Örneğin şu an Source Control kısmında bir bildirimimiz mevcut. Rapor üzerinde henüz commitlenmemiş (uncommitted) bir şeylerin olduğunu söylüyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/387/1*D87rS5IJpRnXz2bbBMF_WA.png" /></figure><p>Her iki tarafında ( Azure Devops ↔️ PBI Workspace) aynı içeriği taşıması için henüz commitlenmemiş değişiklikleri onaylamamız gerekiyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/324/1*Bbv5FbKCSqYQsI-Q7mmFow.png" /></figure><p>Commit işlemini onayladıktan sonra artık Git entegrasyonumuz başarılı bir şekilde tamamlanmış oluyor 🎉</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ENWTRhcngLgoasjo9-xdXQ.png" /></figure><p>👩‍💻 Umarım faydalı bulduğunuz bir içerik olmuştur, serinin bir sonraki yazısında görüşmek üzere 👋</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4d3bb2495178" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Refresh Power BI Dataset Without Delay Step in Power Automate]]></title>
            <link>https://bernatas.medium.com/refresh-power-bi-dataset-without-delay-step-in-power-automate-7b8cedd04ff1?source=rss-6badf1ef5ef5------2</link>
            <guid isPermaLink="false">https://medium.com/p/7b8cedd04ff1</guid>
            <category><![CDATA[power-automate]]></category>
            <category><![CDATA[flow-trigger]]></category>
            <category><![CDATA[business-intelligence]]></category>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[dataset-refresh]]></category>
            <dc:creator><![CDATA[Berna Taş]]></dc:creator>
            <pubDate>Sat, 30 Sep 2023 21:09:22 GMT</pubDate>
            <atom:updated>2023-09-30T21:09:22.179Z</atom:updated>
            <content:encoded><![CDATA[<p>Hello everyone,</p><p>🔎 In this article, I would like to share a method I have experienced that we can use in our Power Automate flows. I had published a content titled “<a href="https://bernatas.medium.com/schedule-export-and-email-power-bi-reports-using-power-automate-4ab0d4360139">Schedule, Export and Email Power BI Reports using Power Automate</a>”. If you remember, in this article, I added a “Delay” action after my Power BI dataset was refreshed. But this was a manual process and the possibility of error was high.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/613/1*fWfUg39aTzieHz4oiwzfIw.png" /></figure><p>For example, let’s say we give a delay time of 3 minutes, but the refresh time for that day may have exceeded 3 minutes. And we may have shared the PDF format of the report with our business users before the refresh was finished. We need to send the correct e-mail without taking this risk. <br>I mean, we should make this part automatic.<br> <br> Let’s start 👇</p><p>I will explain by creating a flow through a real-life scenario that I experienced in one of my consulting clients. In this example, we will create an “<strong>Automated Cloud Flow</strong>” because we want our flow to be triggered when certain conditions are met. This condition will be the workflow notification e-mail we receive after the relevant tables in the database are refreshed. If we receive a mail from the system that the jobs are running, our flow will run for the other steps.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/586/1*pDwrVkGBv7c_q70XsFdL-g.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/523/1*MEER08_j71rr1cKRUxo6Vg.png" /></figure><p>After this step we add a “Condition” action. This condition will look at the date the email was received and check if it is equal to today. If the Received Date Time is equal to Today, the Power BI dataset will be updated.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/578/1*LltFifiiwQReUXdwHIPUEw.png" /></figure><p>We write the following expression for Receive Date Time information:<br> <strong><em>formatDateTime(triggerOutputs()?[‘body/receivedDateTime’], ‘yyyy-MM-dd’)</em></strong></p><p>For Today: <br> <strong><em>formatDateTime (utcNow(), ‘yyyy-MM-dd’)</em></strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*Dbe6qBYBpI1IJJ1KaSZGEQ.png" /></figure><p>We add the Do Until step after the Refresh Dataset step.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/479/1*lQnG0d1AU3z9TA022trJIQ.png" /></figure><p>Sometimes while we using Power Automate, we need to repeat certain steps until a condition is met. The condition that we use in the Do until loop is checked at the end of each loop execution. So, <strong><em>Do Until in Power Automate executes an action or series of actions until a specific condition is met.</em></strong></p><p>🤔 Why do we add this step? Because the Refresh a Dataset step only triggers the relevant Power BI dataset, if we want to perform different operations after the refresh is finished, we must have the information that the refresh is finished.</p><p>In order to capture this, we need to check the last data refresh information in the Power BI dataset.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/563/1*jCQHHIJ43fgwuGNwbmkttw.png" /></figure><p>We add a Delay step to check this last data refresh value every 3 minute. After this step, we follow the steps below:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/536/1*ufrv8vPqeIMHOlF5i--Z5g.png" /></figure><p>🕥 We will get the report refresh date with this query.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/536/1*4Ge40l2adrZDgmu_KQIrAg.png" /></figure><p>The <strong>Compose</strong> action works like this: <br>You provide input, and it returns an output. <br>We will get the first row returned from the query.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/928/1*YD9AtDHVYFLLWcCRbSUr_g.png" /></figure><p>The <strong>Parse JSON</strong> object allows us to take raw JSON output from a request, which also turns it into values that can be used as dynamic content in flow. <br> We parse the “Date” returned from the query with Parse Json:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/551/1*J7WFI2cdLt5ZGFMXTII_Ww.png" /></figure><p>After receiving this information, we can write the Do Until condition :</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/507/1*xt1AZ-Qz9d4sZLpDzlz7rw.png" /></figure><p>In the Parse Json step, we check whether the returned value is equal to Today ().</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/607/1*Q9xFvtvIlS3pTLwuTKetwA.png" /></figure><p>When these conditions are met, we can now export the Power BI report and send it by e-mail:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/564/1*NDy_8FTsIY7A-RqK0syEOA.png" /></figure><p>If you have different solutions or if there are points you find missing in this method I have shared, please share your experiences with us in the comments 🙌</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7b8cedd04ff1" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Power BI “Developer Mode” and Fabric Git Integration — 1]]></title>
            <link>https://bernatas.medium.com/power-bi-developer-mode-and-fabric-git-integration-1-5f7bf6ee8bd9?source=rss-6badf1ef5ef5------2</link>
            <guid isPermaLink="false">https://medium.com/p/5f7bf6ee8bd9</guid>
            <category><![CDATA[microsoft-fabric]]></category>
            <category><![CDATA[power-bi]]></category>
            <category><![CDATA[power-bi-integration]]></category>
            <category><![CDATA[azure-devops]]></category>
            <category><![CDATA[git]]></category>
            <dc:creator><![CDATA[Berna Taş]]></dc:creator>
            <pubDate>Sun, 06 Aug 2023 17:36:13 GMT</pubDate>
            <atom:updated>2024-04-24T16:37:45.510Z</atom:updated>
            <content:encoded><![CDATA[<h3><strong>Power BI “Developer Mode” and Fabric Git Integration-1</strong></h3><p>Merhabalar,<br> <br>Yakın zamanda Power BI uygulamasına getirilen “Developer Mode” özelliğini referans aldığım bir <a href="https://www.youtube.com/watch?v=sCMgfZQU4Aw">Youtube</a> videosunu izleyerek deneme imkanı buldum. Adım adım nasıl ilerlediğimi ve karşılaştığım hataları çözümleriyle birlikte açıklamaya çalışacağım. Umarım faydalı bir içerik olur.</p><p>Power BI kullanırken, yaygın olarak kullandığımız 2 farklı dosya türü bulunmaktaydı:</p><ul><li><strong>.pbix</strong> (Power BI Report)</li><li><strong>.pbit</strong> (Power BI Template)</li></ul><p>PBIX, Power BI eXchange’in kısaltmasıdır ve Power BI raporlarını ve veri modellerini kaydetmek ve paylaşmak için kullanılır. PBIT dosyası ise Power BI şablonu görevi görür. Bu dosyaların her ikisi de Power BI Desktop’ta açılabilir. Aralarındaki temel fark, <strong>.pbix dosyasının model verilerini içermesi</strong> , .pbit dosyasının ise modellemeye dahil herhangi bir <strong>veri içermemesidir</strong>.</p><p>Power BI Desktop’ın Haziran güncellemesiyle birlikte yeni bir dosya uzantısı özelliği daha geldi: <strong>.pbip</strong> uzantısı. Bu uzantı ile birlikte Power BI çalışmalarımızı bir proje olarak kaydedebileceğiz.</p><p>Bu özelliği kullanabilmeniz için Desktop versiyonunuz June 2023 ve sonrası olmalı. Aşağıdaki adımları uygulayarak bu seçeneği aktif hale getirebilirsiniz:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9KqmLRDIQdCrm715diLDFQ.png" /></figure><p>Bu adımı uyguladıktan sonra Power BI raporlarımızı artık bir .pbip uzantısı olarak kaydedebiliyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/819/1*ZraAvfSKCtWEIzmW4uKowA.png" /></figure><p>PBIX uzantısının aksine aşağıda gösterildiği gibi bir klasör yapısı oluşturmaktadır. Veri Kümesi ve Raporun artık ayrılmış olduğunu görebilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*I54WIdAUGS_1Z3CNYNSrcA.png" /></figure><p>PBIP uzantımızı Visual Studio Code üzerine açıyoruz:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/713/1*kkGojLOcMXaJzS-enbGV_g.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/863/1*jIvIlg9XGwSGiEn1ith2xw.png" /></figure><p>Bundan sonraki kısımlarda bir Version Control System ile ilerleyeceğiz. <br>Git yardımı ile dosyalarımızı AzureDevOps üzerinde açtığımız bir proje üzerine commit edeceğiz. Projede belli başlı işlemler yapıldıktan sonra bu adımın uygulanması gerekir.</p><p>Eğer bilgisayarınızda Git kurulu değilse Source Control sekmesinde Git kurulumu talep edecektir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/732/1*BV8d2WZOASa6dA97bjE1Hg.png" /></figure><p>Kurulum işlemlerinin ardından Commit ettiğinizde aşağıdaki uyarı mesajıyla karşılaşabilirsiniz:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/768/1*IUsHkLoR3NEzAiLhEMoStw.png" /></figure><p>Git’i sisteminize yükledikten sonra yapmanız gereken ilk şey, git kullanıcı adınızı ve e-posta adresinizi yapılandırmak olacaktır. Bunun için Terminal ekranından aşağıdaki komutları çalıştırmanız gerekmektedir:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*LQMkhMifSJmxSyb8s48WAw.png" /></figure><p>◼️ git config — global user.email berna.tas@xxx.com.tr</p><p>◼️ git config — global user.name btas</p><p>Doğru değerleri girdiğinizden emin olmak için aşağıdaki 2 komutu girerek test edebilirsiniz.</p><p>◼️ git config user.name</p><p>◼️ git config user.email</p><p>Ek bir bilgi <strong><em>— global</em></strong> seçeneğini kullanırsanız bunu yalnızca bir kez yapmanız gerekir, çünkü o zaman Git bu sistemde yaptığınız her şey için bu bilgiyi her zaman kullanacaktır.</p><p>Bir sonraki kısım Azure DevOps üzerinde bir proje oluşturmak.</p><p>Azure DevOps , Microsoft’un yazılım projeleri geliştirmek ve dağıtmak için tasarlanmış bir SaaS (Software as a service) platformudur. <a href="https://dev.azure.com/">https://dev.azure.com/</a> üzerinden erişim sağlayabilirsiniz.</p><p>Azure DevOps hesabımıza giriş yaptıktan sonra “Power BI and Git Integration” isminde yeni bir proje açıyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/991/1*Y7Bym80mZw8RbJeDf5vx8A.png" /></figure><p>Burada oluşturulan komutlar bizim için önemli Visual Studio Code üzerinde bu komutları çalıştıracağız birazdan.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1021/1*_BhvABdWVmIDfKA7PWL0vw.png" /></figure><p>Projemizi oluşturduktan sonra tekrardan Visual Studio Code ekranımıza geri dönüyoruz. Open Folder butonuna tıklayarak Power BI proje dosyamızı açıyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/578/1*8_D0I0Izbr3mK0_lyNQQLQ.png" /></figure><p>Sonrasında Terminal — Git Bash penceresi açarak <strong>git push -u origin –all</strong> komutunu giriyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*23bCYxxR_BaQxOYWXFhCeg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RIxAkzdzjU3eKWFTk2MDcw.png" /></figure><p>Modelimiz üzerinde herhangi bir değişiklik yaparak tekrardan Commit ediyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/429/1*KUzKYfo9ZxvsBJwIHJ_B0Q.png" /></figure><p>Commit işlemi sırasında 3 farklı seçenekle karşılaşabilirsiniz:<br><strong>1.Commit: </strong>Sadece Commit ile değişiklikleri yerel olarak kaydederiz. <br><strong>2. Commit &amp; Push :</strong> Değişiklikleri yerel olarak kaydeder ve Azure DevOps’a Push ederiz. <br><strong>3. Commit &amp; Sync:</strong> Azure DevOps’ta yeni değişiklikler olup olmadığını kontrol eder, önce bunları çeker ve ardından değişikliklerimizi Push ederiz.</p><p>Git Bash terminaline gelerek Azure DevOps üzerinde oluşturulan aşağıdaki komutları çalıştıyoruz :</p><p>$ git remote add origin</p><p>$ git push -u origin –all</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*zJS2nua7M5qmSg8GxbiJNQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*VK-deZ2JgEPFtHcEXYZ5iA.png" /></figure><p>Azure DevOps üzerinde oluşturduğumuz projeye ilgili klasörlerimiz taşınmış mı kontrol edelim. Başarılı görünüyor 🎉</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1016/1*vMePsDccykB5hgIlw89Nbw.png" /></figure><p>Sürüm kontrol sistemleriyle çalışırken en faydalı özelliklerden birisi de önceki versiyonlarla karşılaştırma yapma imkanımızın olması. Aşağıdaki ekran üzerinden Model.bim dosyasındaki değişiklikleri karşılaştırabilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/880/1*gtKfpIXoo1SEYV5z8WweSw.png" /></figure><p>İçeriği çok uzun tutmamak adına şimdilik burada sonlandırıyorum, bir sonraki yazılarımda aşağıdaki akış üzerinden seriye devam edeceğim.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/643/1*sngAT1ug8hlfuAqNxOIsew.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5f7bf6ee8bd9" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Schedule, Export and Email Power BI Reports using Power Automate]]></title>
            <link>https://bernatas.medium.com/schedule-export-and-email-power-bi-reports-using-power-automate-4ab0d4360139?source=rss-6badf1ef5ef5------2</link>
            <guid isPermaLink="false">https://medium.com/p/4ab0d4360139</guid>
            <category><![CDATA[microsoft-power-platform]]></category>
            <category><![CDATA[schedule]]></category>
            <category><![CDATA[power-automate]]></category>
            <category><![CDATA[power-bi]]></category>
            <dc:creator><![CDATA[Berna Taş]]></dc:creator>
            <pubDate>Sun, 23 Apr 2023 12:44:13 GMT</pubDate>
            <atom:updated>2023-05-23T15:39:48.394Z</atom:updated>
            <content:encoded><![CDATA[<p>Merhabalar, bu içeriğimde Microsoft Power Platform ürün ailesinden olan Power Automate uygulamasını Power BI raporlarımızla nasıl entegre ve verimli bir şekilde kullanabileceğimizi örnek bir flow oluşturarak uygulamalı bir şekilde anlatmaya çalışacağım.</p><p><strong>Power Automate Nedir?</strong></p><p>Daha önce Microsoft Flow olarak bilinen Microsoft Power Automate, kullanıcıların çeşitli uygulamalar ve hizmetler arasında otomatikleştirilmiş iş akışları oluşturmasına imkân sağlayan Microsoft Power Platform ailesinin bulut tabanlı bir yazılım aracıdır. Tekrarlayan, sıradan görevleri kolaylıkla otomatikleştiren az kodlu, sürükle bırak araçları ile farklı programlarda / hizmetlerde tekrar eden rutin görevler ve süreçlerin otomatikleştirilmesini sağlamaktadır.</p><p>Power Automate giriş yaptığınızda Cloud için 3 farklı flow ile karşılaşacaksınız. Birer cümle ile bunları açıklamam gerekirse;</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/894/1*xo6GHE1326anDOAP2K7pdA.png" /></figure><p><strong><em>1. Scheduled Cloud Flow</em> </strong><br> Bu akış türü, belirli bir zaman periyodunda düzenli olarak çalışacak akışlarınızı tetiklemek için kullanılır. Akışı belirli bir tarih ve saatte çalışacak şekilde ayarlamak istediğinizde bu flow üzerinden ilerlemeniz gerekmektedir. Örneğin, her gün sabah 8 de bir mail gönderimi yapmak istediğinizde kullanılacak akış türüdür.</p><p><strong><em>2. Automated Cloud Flow</em></strong></p><p>Bir akışın belirli koşullar karşılandığında çalışmasını istediğinizde seçmeniz gereken akış türüdür. Örneğin, “Power BI” başlıklı bir e-posta aldığınızda ya da SharePoint ortamınızda yeni bir file create edildiğinde akışınızı tetiklemek isteyebilirsiniz.</p><p><strong><em>3. Instant Cloud Flow</em></strong></p><p>Kullanıcı bir seçim yaptıktan sonra bir eylem gerçekleştirmek için seçmeniz gereken akış türüdür. Diğer bir ifadeyle, bir butona tıklayarak akış başlatmanıza olanak tanır ve masaüstü veya mobil cihazlarda kullanılabilir.</p><p>Çok genel bir girizgahın ardından Power BI raporlarımızla nasıl entegre bir şekilde kullanabileceğimizin bir uygulamasını yapalım.</p><p>Yapmak istediğimiz flow un kapsamı şu şekilde olacaktır:</p><ul><li>Her sabah saat 08:00 de çalışacak şekilde Schedule edilecek</li><li>Power BI veri setimiz yenilenecek</li><li>Veri setinin yenilenmesinden sonra ilgili Power BI raporu PDF formatında export alınacak</li><li>Export alınan PDF belirlenen kişilere e-posta yoluyla iletilecek (E-posta)</li><li>Mailin body kısmında ilgili raporun istenilen bir sayfasının ekran görüntüsü eklenecek</li><li>Ve e-posta gönderiminde kişisel e-posta adresi kullanımı yerine belirlenen grup maili üzerinden gönderim sağlanacak</li></ul><p><em>Gerçek müşteri taleplerinden alıntıdır </em>😊</p><p>Hazırsak başlayalım 👇</p><p>Belirli bir zaman periyodunda düzenli olarak çalışacak bir akış oluşturmak istediğimiz için Scheduled Cloud flow kullanmamız gerekmekte.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/681/1*1uoE592j-F4EMZJh1pYWfg.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/649/1*5-uoG7g0HrC6XxsnzxXIAQ.png" /></figure><p>Akışımızın çalışma sıklığını ayarladıktan sonra Create butonuna tıklayarak ilerleyebiliriz. Açılan ekranda “Recurrence” komponentinin otomatik olarak geldiğini göreceksiniz. Burada aşağıdaki ekran görüntüsünde olduğu gibi belirli düzenlemeler yapmamız gerekiyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/887/1*ETERuQ5YiFnt23LSx-FOBg.png" /></figure><p>Recurrence adımından sonra + New Step butonuna tıklayarak Power BI veri setimizi yenilemek için Refresh a Dataset bileşenini seçiyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/628/1*kZnzjLZFhXyBkJmSaqtW9w.png" /></figure><p>Bu bileşen üzerinde yenilenecek veri setini ve bu veri setinin bulunduğu çalışma alanını belirliyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*M41L9hFqF_lovCdcANIg4Q.png" /></figure><p>Veri setinin yenilenmesi biraz vakit alacağından bu bileşenin hemen arkasında “Delay” komponenti ile tahmini bir süre giriyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/525/1*0cDml0q0ExIJfmOLRZ5fxA.png" /></figure><p>Çok büyük bir veri seti üzerinde çalışmadığım için 3 dakikalık bir bekleme süresi veri setinin yenilenmesi için yeterli olacaktır.</p><p>(Bu tarz bir manuel Process adımı yerine alternatif hangi yöntemleri kullanabiliriz bir sonraki içeriklerimde bu kısma da değinmeye çalışacağım)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/554/1*VcFKe6waHcpy9Vh4HEMNuA.png" /></figure><p>Veri setimizi yeniledikten sonra ilgili Power BI raporumuzu PDF formatında export alma adımını ekleyebiliriz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/641/1*6qeNrTYg8gkUEkFBd4u_4g.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/699/1*A6WtzRAx83SG7cR2ACSTHg.png" /></figure><p>Komponentin yanında bulunan üç nokta ifadesinden Rename seçeneğini kullanabilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/796/1*1J8bID9gIoLc9J0izYiUzg.png" /></figure><p>PDF formatına ek olarak mailimizin body kısmına raporumuzun herhangi bir sayfasını PNG formatında eklemek istiyorduk.Bunun için tekrardan aynı komponenti seçerek Export Format seçeneğini PNG olarak seçiyoruz.PNG olarak eklemek istediğimiz rapor sayfasının ismine ihtiyacımız var. Bunu nasıl öğrenebiliriz?</p><p>Raporunuzu Power BI Service ortamına publish ettiğinizde oluşan URL den bu bilgiye kolaylıkla sahip olabiliriz. Bir rapordaki sekmeyi değiştirdiğinizde, ayrı bir sayfaya tıkladığınızda, url’nin son kısmı biraz değişecektir.Aşağıdaki ekran görüntüsünde sarı ile işaretlenen ve ReportSection………… ile başlayan kısım ilgili rapor sayfasının ID’si gibi düşünebilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*MyEep2B6Ensugs-cv6rohQ.png" /></figure><p>PageName-1 alanına bu bilgiyi giriyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/559/1*qXTk5CoLuyEcsLJ5-KDS8g.png" /></figure><p>Mail içeriğine doğrudan resmi referans olarak ekleyemiyoruz. Görüntü içeriğini almamız ve URL’yi e-postamızda kullandığımız Base64 kodlu bir dize olarak göndermemiz gerekir. Bunun için “Compose” bileşenini kullanacağız.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*nMjj7W0yMkZKpkTvRTMjIw.png" /></figure><p>Compose bileşenine girdi sağlarsınız ve bir çıktı döndürür.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/880/1*YPFNDwXJA5ZzfOrW0KJ-gw.png" /></figure><p>Bir Data Uri’si, dosyaların (tipik olarak görüntülerin) bir başvuru yerine HTML içinde satır içine dahil edilmesini sağlayan bir mekanizmadır.Aslında Base64 dizesi içerir.</p><p><em>dataUri(outputs(‘Get_file_content’)?[‘body’])</em></p><p>Bu ifadeyi kendi akışımıza uyarlayacak olursak :<br> <br> dataUri(outputs(‘Export_To_File_for_Power_BI_Reports-PNG’)?[‘body’])</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*BAQuBrKLEvRQlYT6oqm1LA.png" /></figure><p>Bir sonraki adımımız bir değişken tanımlamak. Power Automate’te bir değişken, verileri tamsayı, kayan nokta, boolean, dize, dizi ve nesne gibi herhangi bir veri türünde depolayabileceğimiz geçici depolama gibidir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*x2ZIrbtiTewPh8OIYtHWRw.png" /></figure><p>Html değişkeni şu şekilde ayarlanır:</p><p><em>concat(‘&lt;img src=’,’”’,variables(‘datauri’),’”/&gt;’)</em></p><p>Bu yapıyı kendi formatımıza uyarladığımızda : <br> <br> concat(‘&lt;img src=”’,outputs(‘Compose’), ‘alt=”” /&gt;’)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*cenABo1p8XtbdDOH2t6VMg.png" /></figure><p>Son aşamamız olan mail gönderimi adımı.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/779/1*wdUec2c0xS9JxVbrE965Bw.png" /></figure><p>Add dynamic contentine tıkladığımızda Dynamic Content- Variables içerisinde daha önce tanımladığımız ReportPage isimli değişkeni göreceğiz. Bu değişkenle birlikte mailimizin body kısmına raporumuz içerisinden belirlediğimiz bir sayfayı PNG formatında eklemiş oluyoruz.</p><p>Burada gördüğümüz ReportPage bizim daha önce Initialize Variable componentinde tanımladığımız değişken isminden gelmekte. Ayrı ya da hazır bir content sanılmasın.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JD_qLwNccRL5kzFANXY-HQ.png" /></figure><p>Eğer hiçbir değişiklik yapmadan onaylarsam mail gönderimi kendi mailimiz üzerimden olacaktır. Bunun yerine bir mail grubu üzerinden raporumuzu göndermek isteyebiliriz. Kişiye bağlı kalmamak adına.</p><p>Bunun için From (Send as) kısmına hangi mail grubu üzerinden göndermek istiyorsak o mail grubunun bilgilerini giriyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/698/1*-YRtMrILYxkvePI6zwMxeQ.png" /></figure><p>Bu bilgileri girdikten sonra flowunuzu test ettiğinizde aşağıdaki hata mesajı ile karşılaşabilirsiniz :</p><p><strong>“You are not authorized to send mail on behalf of the specified sending account.”</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/501/1*4WQ67BiAPriIwGN8EC4hRw.png" /></figure><p>Bu sorunu gidermek için ilgili mail grubu üzerinde Send As yetkinizin olması gerekmekte. <a href="https://sharepoint.stackexchange.com/questions/294506/microsoft-flow-error-you-are-not-authorized-to-send-mail-on-behalf-of-the-spec">Buradaki</a> linkten daha ayrıntılı bilgi edinebilirsiniz.</p><p>Tüm bu süreçlerin ardından akışın tamamına baktığımızda aşağıdaki ekran görüntüsünde olduğu gibi bir yapımız olmalı.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/975/1*ZQMna86O4EOK6duYwDxr7Q.png" /></figure><p>Umarım keyifli ve faydalı bir içerik olmuştur.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4ab0d4360139" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Partitions in SSAS Tabular Models]]></title>
            <link>https://bernatas.medium.com/ssas-tablo-modellerinde-b%C3%B6l%C3%BCmler-dec9cf98d0e1?source=rss-6badf1ef5ef5------2</link>
            <guid isPermaLink="false">https://medium.com/p/dec9cf98d0e1</guid>
            <category><![CDATA[partition]]></category>
            <category><![CDATA[analysis-services]]></category>
            <category><![CDATA[i̇ş-zekası]]></category>
            <category><![CDATA[processing]]></category>
            <dc:creator><![CDATA[Berna Taş]]></dc:creator>
            <pubDate>Wed, 15 Dec 2021 19:16:01 GMT</pubDate>
            <atom:updated>2021-12-19T10:05:03.598Z</atom:updated>
            <content:encoded><![CDATA[<p>Merhabalar, <br>Microsoft SQL Server Analysis Services (SSAS) üzerine başladığımız seriye, bu yazımda Partition konusunu anlatarak devam ediyorum.</p><p>Bir SQL Server Analysis Services (SSAS) tabular veri modeli oluşturduğunuzda model içerisine dahil edilen veriler kaynak sistemden okunur ve In-Memory modunda yapılandırılır. Zaten tabular model dediğimiz kavram da SQL Server 2012&#39;nin piyasaya sürülmesiyle tanıtılan Analysis Services içindeki bir in-memory veritabanıdır.<br> <br>SSAS tabular model kullanarak geliştireceğiniz bir projede, veri erişiminin nasıl olacağına karar vermeniz gerekir. Direct Query moduyla mı yoksa bellek içi (İçe Aktarma) moduyla mı çalışacağız?</p><p>Tabular model, 2 tür veri erişimini destekler:</p><ul><li>Önbelleğe alınmış mod (Cached mode) : Birden çok kaynaktan alınan veriler bellekte önbelleğe alınır.</li><li>Direct Query modu :İstemci uygulamalarının kaynak sistemi doğrudan sorgulamasına olanak tanır.</li></ul><p>Bellek içi modeller varsayılan olsa da, DirectQuery, belleğe sığmayacak kadar büyük olan modeller için kullanılmaktadır.</p><p>Kısaca veri erişimlerinden bahsettikten sonra asıl konumuza devam edebiliriz. <br> <br>Veriler kaynak sistemden okunur ve In-Memory modunda yapılandırılır demiştik. Modele yeni veriler eklendikçe, tüm veri kümesinin yeniden işlenmesi (process edilmesi) gerekmeyebilir. İşlemek process etmekten kasıt aslında tabloların doldurulması. Yalnızca değişiklikleri içeren belirli veri dilimlerini process edebilirsiniz. İşte bu noktada Analysis Services modelleri, büyük veri kümelerini process etmek için çok iyi bir seçenektir.</p><h4><strong>Partition Nedir?</strong></h4><p>Partition, Analysis Services veritabanı verilerinin bir alt kümesini içeren fiziksel bir depolama birimidir. Büyük bir tabloyu daha küçük mantıksal bölümlere ayırmaya yardımcı olur.</p><p>Aynı zamanda varsayılan olarak, modelinize dahil ettiğiniz her tablonun, tablonun tüm sütunlarını ve satırlarını içeren bir partitionı vardır.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/318/1*aiwRfrVqNmZ3hGgvG4wjCA.png" /></figure><p>Verilerin bir alt kümesidir dedik peki nasıl formatta oluyor bu alt kümeler? <br> <br>Aslında ana tablonun birebir aynı sütunlarına sahip fakat belirli bir dilimi yer alıyor. 2010 dan itibaren tuttuğunuz bir satış tablonuz var, bu satış tablosundan 2010 yılına ait verileri bir partitionda, 2011 e ait verileri ayrı bir partitionda tutabilirsiniz.</p><p><strong>Neden Partition Oluşturmalıyız?</strong></p><p>Projelerinizde çok büyük veriler içeren tablolarla karşılaşabilirsiniz. Bu kadar büyük miktarda veri üzerinde performanslı ve uygulanabilir çözümler oluşturmak bazen zorlaşabiliyor. Ne demek istiyorum?</p><p>Bu kadar büyük verilerin her gün process olması bir hayli vakit almakla birlikte geliştirme yaptığınız ortama bağlı olarakta gerçek zamanlı raporlama yapmak için birtakım sınırlandırmalarla karşılaşabilirsiniz. Power BI servisinde günde 8 defaya mahsus güncelleme gibi. Fakat partition’larda güncelleme sınırınız olmayacaktır. <br> <br>Bu tür senaryolarla nasıl başa çıkılırın cevabı aslında Partition oluşturmak.</p><p>Bölümler, bir tabloyu mantıksal bölüm nesnelerine bölerek çalışır. Her biri benzersiz bir veri segmenti içerir. Yani 2001 yılına ait verilerden oluşan bir partition oluşturduğunuzda 2002 yılındaki partitionda artık 2001 yılına ait değerler yer almaz. <br> <br>Bölümler bağımsız olarak işlenebilir. Örneğin, yıllık partitionlarınız varsa modelinize veri eklendiğinde yalnızca geçerli yıl partition’ını process ederek çok fazla işlem süresinden tasarruf edebilirsiniz. Önceki yıl bölümlerindeki veriler genellikle değişmeyeceğinden, onları olduğu gibi bırakabilirsiniz.</p><p>Başka bir örnek vermek gerekirse;<strong> </strong>2021 mali yılı için yeni satış verileri eklendiğinde, bu verilerin günlük olarak işlenmesi gerekir, bu nedenle Sales_2021 adında bir partition oluşturdunuz, bu partitionı her gece <br>-verilerin güncelleme sıklığına bağlı olarak- process ediyorsunuz. Fakat Sales 2010–2020 partition’ındaki verileri tekrar tekrar process etmenize gerek yok. Çünkü genellikle geçmiş yıldaki veriler kolay kolay değişmez.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/668/1*AEOUoBt14S_OkcckdI3F0A.png" /></figure><p>Bu sebeple tüm datayı process etmek yerine değişikliğin olduğu verileri process edebilirsiniz ve bu kısmı bağımsız çalıştırabilirsiniz.</p><p><strong>Ne Zaman Partition Oluşturmalıyız?<br> <br> </strong>Genel bir kural olarak, herhangi bir performans sorunu yaşamıyorsanız, genellikle partition oluşturma konusunda endişelenmenize gerek yoktur.<br> <br> Ancak kayıt sayısı bir hayli fazla olduğunda ve end user dediğimiz son kullanıcılar yavaş sorgu yanıt süresiyle karşılaştığında, modelinizde partition oluşturmayı düşünebilirsiniz.</p><p>Bununla birlikte çok büyük bir veri seti ile çalıştığınız bir SSAS kübünüz varsa ya da tablonuzun process olması çok fazla vakit alıyorsa ve siz sadece değişikliğin olduğu verileri process etmek istiyorsanız partition oluşturabilirsiniz.</p><p><strong>Partitiondaki verileri nasıl bölmeliyiz?</strong></p><p>Tipik olarak, bir ölçü grubundaki bölümler bir zaman sütununu temel alır. Bu sebeple en sık kullanılan yöntem zamana göre bölmektir. Ancak bu yöntem kullanıcıların gereksinimlerine ve ihtiyaçlarına bağlı olarak değişebilmektedir.</p><p>Genel olarak partition nedir, neden ihtiyaç duyulur ve ne zaman kullanmak gerekir gibi partition mantığını anlamaya yönelik konulara değinmeye çalıştım. Bir sonraki yazımda SSAS modeli üzerinde adım adım partition oluşturma uygulaması yapacağım. <br> <br> Umarım faydalı bir içerik olmuştur, bir sonraki yazıda görüşmek üzere 🖐</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=dec9cf98d0e1" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[SQL Server Integration Services Variables]]></title>
            <description><![CDATA[<div class="medium-feed-item"><p class="medium-feed-image"><a href="https://bernatas.medium.com/sql-server-integration-services-variables-7a74f66c9aac?source=rss-6badf1ef5ef5------2"><img src="https://cdn-images-1.medium.com/max/885/1*6JeqyTRPez_oSgMD1dJ6QA.png" width="885"></a></p><p class="medium-feed-snippet">Merhabalar, bu yaz&#x131;mda SSIS paketlerindeki de&#x11F;i&#x15F;ken (variables) kavram&#x131;ndan bahsedece&#x11F;im.&#xA0;
&#xA0;
&#xA0;De&#x11F;i&#x15F;ken, bir veya daha fazla de&#x11F;eri&#x2026;</p><p class="medium-feed-link"><a href="https://bernatas.medium.com/sql-server-integration-services-variables-7a74f66c9aac?source=rss-6badf1ef5ef5------2">Continue reading on Medium »</a></p></div>]]></description>
            <link>https://bernatas.medium.com/sql-server-integration-services-variables-7a74f66c9aac?source=rss-6badf1ef5ef5------2</link>
            <guid isPermaLink="false">https://medium.com/p/7a74f66c9aac</guid>
            <dc:creator><![CDATA[Berna Taş]]></dc:creator>
            <pubDate>Sat, 26 Jun 2021 16:31:23 GMT</pubDate>
            <atom:updated>2024-01-08T19:41:18.487Z</atom:updated>
        </item>
        <item>
            <title><![CDATA[SSAS Modelini Job Tanımlayarak Otomatik Olarak Process Etme]]></title>
            <description><![CDATA[<div class="medium-feed-item"><p class="medium-feed-image"><a href="https://bernatas.medium.com/ssas-modelini-job-tan%C4%B1mlayarak-otomatik-olarak-process-etme-55c38c47eed6?source=rss-6badf1ef5ef5------2"><img src="https://cdn-images-1.medium.com/max/600/1*hNWLvrxTS6v2ukGIYc99kQ.png" width="600"></a></p><p class="medium-feed-snippet">Merhabalar,</p><p class="medium-feed-link"><a href="https://bernatas.medium.com/ssas-modelini-job-tan%C4%B1mlayarak-otomatik-olarak-process-etme-55c38c47eed6?source=rss-6badf1ef5ef5------2">Continue reading on Medium »</a></p></div>]]></description>
            <link>https://bernatas.medium.com/ssas-modelini-job-tan%C4%B1mlayarak-otomatik-olarak-process-etme-55c38c47eed6?source=rss-6badf1ef5ef5------2</link>
            <guid isPermaLink="false">https://medium.com/p/55c38c47eed6</guid>
            <category><![CDATA[jobs]]></category>
            <category><![CDATA[ass]]></category>
            <category><![CDATA[sql-server-agent]]></category>
            <category><![CDATA[ssi]]></category>
            <dc:creator><![CDATA[Berna Taş]]></dc:creator>
            <pubDate>Sun, 09 May 2021 10:04:14 GMT</pubDate>
            <atom:updated>2021-05-09T10:14:40.259Z</atom:updated>
        </item>
        <item>
            <title><![CDATA[SQL Server Analysis Services (SSAS)]]></title>
            <description><![CDATA[<div class="medium-feed-item"><p class="medium-feed-image"><a href="https://medium.com/kodluyoruz/sql-server-analysis-services-ssas-7d48cff16d7c?source=rss-6badf1ef5ef5------2"><img src="https://cdn-images-1.medium.com/max/600/1*heS6XsKePmuvPkhKHsH-hA.png" width="600"></a></p><p class="medium-feed-snippet">Merhabalar,</p><p class="medium-feed-link"><a href="https://medium.com/kodluyoruz/sql-server-analysis-services-ssas-7d48cff16d7c?source=rss-6badf1ef5ef5------2">Continue reading on Kodluyoruz »</a></p></div>]]></description>
            <link>https://medium.com/kodluyoruz/sql-server-analysis-services-ssas-7d48cff16d7c?source=rss-6badf1ef5ef5------2</link>
            <guid isPermaLink="false">https://medium.com/p/7d48cff16d7c</guid>
            <category><![CDATA[yazılım]]></category>
            <category><![CDATA[yazılımcı]]></category>
            <category><![CDATA[technology]]></category>
            <category><![CDATA[sql]]></category>
            <category><![CDATA[software]]></category>
            <dc:creator><![CDATA[Berna Taş]]></dc:creator>
            <pubDate>Sun, 14 Feb 2021 17:14:08 GMT</pubDate>
            <atom:updated>2021-02-14T18:12:13.603Z</atom:updated>
        </item>
    </channel>
</rss>