Notas en español
GeekInData reúne notas de proyectos reales con Microsoft Fabric, Databricks, Power Platform, Azure y Microsoft Foundry: qué se rompió, qué cambiamos y qué resistió. Estas notas están disponibles en español.
Latencia de Fabric Mirroring: a dónde van los minutos
Los cambios llegaron a Delta en 18 segundos, pero tardaron unos 2 minutos en verse en el SQL analytics endpoint. Qué puedes prometer.
Fabric data agents: lo que demuestra una línea base de 20 preguntas
Un Fabric data agent, 20 preguntas y sin instrucciones: 19 bien. El fallo fue una suposición que nunca preguntó. Token CU es probablemente un mínimo.
Motores de Fabric con 1B filas: elige por forma de consulta
7 consultas sobre 1B filas en Spark, Warehouse, Direct Lake y Eventhouse. Warehouse y Spark nunca fallaron; Direct Lake ganó en caliente y pagó en frío.
Branch workspaces de Fabric: ¿listos para Git en equipo?
Branch workspaces, branching selectivo y compare and commit son GA en Fabric. Qué probé, qué sigue en Preview y dónde un merge puede perder un cambio.
Los hosted agents de Foundry siguen necesitando una puerta de entrada
Los hosted agents llevan el runtime de tu agente a Foundry, no tu puerta de entrada. Cuándo dejar un prompt agent y qué debe seguir controlando tu backend.
Evaluaciones de agentes: ¿puede una puntuación bloquear un release?
Convierte conversaciones reales en un conjunto de evaluación versionado en Foundry, condiciona releases a una tasa de acierto y caza regresiones a tiempo.
Fabric IQ: ¿está listo tu modelo semántico?
Fabric IQ pone tu semantic model detrás de Copilot Chat. Ajusta medidas, acota el AI data schema, guía con instrucciones y pruébalo antes de aprobarlo.
Databricks Bundles: ¿qué cambia en cada target?
Un bundle, tres targets. Qué debe cambiar por entorno, por qué los modos no son una escalera y cómo separar identidades de despliegue y ejecución en prod.
¿Fabric o Databricks? Así decido
No es una guerra de features. Cinco preguntas antes de elegir Fabric, Databricks o ambos, dónde duele cada opción al año y cuándo elegir ambos es honesto.
Foundry + búsqueda privada: ¿"Name or service not known" es un problema de DNS o de autenticación?
¿Foundry no lista herramientas con un MCP privado de Azure AI Search y dice "Name or service not known"? Revisa DNS y VNet, luego 403 y RBAC.
Fabric CI/CD: ¿fusionar toda la escalera o hacer cherry-pick de lo que está listo?
En una cadena de Fabric con varios devs, haz merge solo si todo está listo. Si no, cherry-pick de commits squash a una rama temporal, PR y despliegue.
Web apps de agentes en Foundry: ¿Cosmos o Azure SQL para el estado del backend, y cuándo?
Separa el estado propio de la app de los almacenes de Foundry. Cosmos para chat en forma de documento, Azure SQL si necesitas operaciones relacionales.
Apps de agentes: ¿puede un POC público convertirse en un MVP privado?
Cómo pasar webapps de agentes de un POC público a un MVP privado sin fingir que los archivos env son un diseño de red.
Aislamiento de entornos: ¿cómo gestionas dev, staging y prod con Azure CLI y suscripciones?
Unifica plantillas env redundantes y usa las suscripciones y los grupos de recursos de Azure CLI como frontera real de aislamiento contra la deriva.
Nombres de workspaces: ¿sale más barato renombrar una vez que traducir prefijos para siempre?
Los prefijos incoherentes en los nombres de workspace son un coste operativo. Renombrar una vez con nombres estables vence a traducir para siempre.
Shells de agentes: ¿cómo activas capacidades de agentes con feature flags según el entorno?
Sustituye los catálogos de agentes fijos en código por feature flags y filas por agente para alcance, iniciadores, prefijos de exportación y accesos.
Puertas de CI: ¿qué bloqueas de verdad en los pipelines de Azure DevSecOps?
Linters nativos de CI y pruebas de idioma como puertas, para que las regresiones de locale y de textos rompan el build antes que el release.
Preparación de data agents: ¿Genie (y los agentes de Fabric) es en realidad un problema de modelado?
Qué debe cumplirse en nombres, modelado y descripciones del catálogo antes de que herramientas como Genie den respuestas fiables.
Tipado en bronze: ¿es buena idea ingerir todo como cadenas?
Tipa las columnas publicadas en bronze (o en la primera capa estable) y prohíbe el CAST ritual en silver y gold.
Acceso de agentes: ¿cómo defines los permisos de un agente de forma segura?
Las webapps de agentes necesitan planos separados para inicio de sesión, acceso al agente y permisos de conocimiento. Los roles de Entra los aplican.
Canvas apps: ¿cuándo se te quedan pequeñas las Power Apps a escala de plataforma?
Cómo mantener canvas apps a escala: menos megapantallas, menos acceso a datos con muchas llamadas y más trabajo del lado de Dataverse.
Migración semántica: ¿cómo reasignas los informes cuando el modelo pasa a un lakehouse?
Por qué las migraciones a lakehouse fallan por NULL frente a cero, deriva de float y ajustes de rebase, y cómo tratar la paridad como un contrato.
UX de importación: ¿las filas dudosas de la IA deben empezar seleccionadas o no?
Importación con IA denegada por defecto: filas dudosas o incompletas sin seleccionar, validez ligada al esquema y contadores de seleccionadas y válidas.
MLV + SCD2: ¿es SCD2 en bronze el patrón correcto antes de las MLV de silver?
Por qué el historial de atributos de una dimensión debe ser SCD2 en Materialized Lake Views antes de crear informes a una fecha.
Calidad de datos en MLV: ¿por qué no hay comprobaciones nativas de unicidad por columna?
Lleva las checklists de migración a tablas por columna y agregados según el tipo para que los cambios a MLV detecten pronto la deriva semántica.
Fabric CI/CD: ¿cómo limitas el blast radius entre workspaces de desarrollo?
Por qué las herramientas de despliegue de Fabric republican notebooks sin cambios y cómo diseñar con identidades estables y un blast radius menor.
NEE fallback: ¿por qué varían los resultados con y sin Native Execution Engine?
Mide adónde va de verdad el tiempo del DAG de MLV y corrige solo los fallbacks de Native Execution Engine que merecen la pena.
Direct Lake: ¿todavía hay que refrescar un semantic model?
Notebook, pipeline o refresh programado para la semántica del lakehouse, y cuándo Direct Lake supera al SQL endpoint con hechos pesados.
Diseño de lakehouse: ¿un lakehouse con esquemas o muchos lakehouses?
Cómo elegir entre varios lakehouses de Fabric o uno con esquemas para bronze, silver y gold, incluidos los efectos en CI/CD y nombres.
Agentes empresariales: ¿cómo protegen las grandes empresas los agentes de IA y el acceso al conocimiento?
Acceso al conocimiento por carpeta para agentes empresariales: chat, biblioteca, descargas y citas comparten un único modelo de permisos.
Fabric Monitor: ¿cómo vigilas los fallos de refresco de forma sistemática?
Por qué los scripts sueltos de monitorización de Fabric deberían convertirse en una sola interfaz de skill y runbook para personas y agentes de código.
Materialized Lake Views: ¿pueden las MLV reemplazar las tablas silver y gold?
Migrar muchas vistas de warehouse a MLV por fases: lakehouses con esquemas, layouts de shortcuts y puertas de POC antes de la conversión masiva.
Ingesta con Spark: ¿cómo cargas tablas grandes sin un OOM del driver?
Ingesta paralela por lotes de páginas para tablas de origen grandes, de modo que las recargas completas terminen sin OOM en el driver.
Pilotos de agentes: ¿priorizar casos de uso antes de elegir la topología?
Empieza un programa de agentes empresariales con casos de uso priorizados (orquestador, agente único o herramientas), no con un menú de endpoints.
Trazabilidad de agentes: ¿cómo ves el interior de una interacción de IA para una auditoría?
Las líneas de actividad deben cuadrar las trazas de Foundry, las búsquedas MCP y las herramientas contadas en la UI, o nadie confiará en el producto.
Microsoft Foundry: ¿cómo conservas las sesiones de agentes fuera del chat shell?
Dónde debe vivir el estado de la conversación cuando un shell de navegador envuelve un agente de plataforma, y por qué recargar o salir es arquitectura.
Microsoft Foundry: ¿basta con Deploy as Web App o necesitas un proxy de backend?
Un patrón de App Service con contenedor integrado en VNet, OBO sin secretos, managed identity y salida privada a Foundry, Search y storage.
Hechos grandes: ¿por qué un refresco en verde sigue derivando?
Diagnostica la deriva del refresco en tablas de hechos grandes como contratos incrementales rotos entre notebooks, watermarks y consumidores semánticos.
Shells de IA seguras: ¿el navegador debe hablar con Foundry o solo a través de un proxy?
Compara opciones para reforzar los proxies de navegador a API delante de backends de agentes, con desajustes de runtime y fallos de Front Door.
PII en Fabric: ¿qué harías al ingerir datos sensibles?
Un contrato de ocultación reutilizable en notebooks hace seguras las exportaciones de texto libre de Fabric sin borrar direcciones ni códigos legítimos.
Pivotar una vez en gold: ¿cómo sustituyes los pivotes anchos de Import para Direct Lake?
Sustituye los pivotes OUTER APPLY en modo Import por un hecho gold ya pivotado y construido con PySpark para Direct Lake.
Shortcuts de OneLake: ¿deberían quedarse solo en bronze?
Bronze debería ser un contrato de shortcuts de OneLake y vistas limpias, no una segunda copia física de gold y silver de origen.
Gold + Direct Lake: ¿Direct Lake o Import para tablas de hechos grandes?
Por qué una tabla de origen de gran volumen va en gold como tabla de hechos documentada, con el mismo matching de claves y modo Direct Lake.
Relaciones semánticas: ¿por qué se rompen las relaciones del modelo tras ejecutar un pipeline?
Cómo int64 frente a string en dimensiones de rol rompe relaciones sin avisar y cómo alinear el SQL de gold con TMDL.
Vistas de Warehouse: ¿conviene materializar las vistas pesadas para Direct Lake?
Un playbook de rendimiento por capas: quitar huérfanas, reescrituras baratas y luego materializar las dos o tres consolidaciones de las que todo depende.
Variable Library: ¿cómo cambias los conjuntos de valores activos de dev a prod?
Una Variable Library de Fabric en Git con value sets por etapa, para que los notebooks y pipelines de reasignación dejen de fijar IDs de workspace.
Direct Lake on OneLake: ¿merece la pena el esfuerzo?
Trata los fallos «literal URL required» como regresiones del servicio, con validadores, playbooks de promoción y casos de soporte, no como dogma.
Remodelar hechos: ¿dimensiones compartidas o hechos separados para modelos más limpios?
Por qué las relaciones muchos a muchos entre dos dimensiones necesitan una tabla bridge o un remodelado de hechos antes de confiar en los informes.
Linaje en Fabric: ¿qué hacer cuando el linaje de los pipelines deja de poder seguirse?
Por qué un pequeño explorador de linaje es mejor que documentación suelta de pipelines: los ingenieros ven las dependencias antes de romperlas.
Contrato semántico de gold: ¿puedes elegir qué columnas llegan al modelo Direct Lake?
Las tablas gold solo son activos de plataforma cuando las claves sin coincidencia, las etiquetas y las relaciones son explícitas en el modelo semántico.
Airflow en Fabric: ¿se puede usar Apache Airflow con Fabric?
Fabric como plano de ejecución y Airflow como plano de orquestación. Tareas ligeras, éxito en estado final y qué falla si una herramienta hace ambos.
Estimación de poses: ¿MediaPipe o YOLOPose para clasificar poses en tiempo real?
La pose en tiempo real es un problema de captura, inferencia y render. Presupuesta la latencia, planifica la contrapresión y elige el modelo adecuado.
Azure Custom Vision: ¿cómo entrenas y ejecutas la clasificación de imágenes en una Azure Function?
Una app de clasificación de imágenes en Azure con UI simple, backend operable e iteraciones de Custom Vision que evitan la trampa de la demo.
Databricks Genie: ¿puede crear mi presentación y desplegar mi app?
Qué cambia Databricks Genie Code al generar presentaciones y desplegar apps cuando el asistente ya vive en tu contexto de lakehouse gobernado.