TL;DR: A edição de maio de 2026 do Fabric Influencers Spotlight reúne contribuições de MVPs e Super Users que abordam desde a decomposição de colunas decimais para reduzir custos de CU até a automação de start/stop de capacidades com Azure Logic Apps. O ponto central é claro: a otimização de desempenho e custo no Fabric exige ações na camada de armazenamento e governança, e não apenas ajustes de DAX ou consultas. Para empresas brasileiras que buscam escalar sem explodir o orçamento de cloud, essas técnicas são aplicáveis imediatamente.
Bem-vindo à edição de maio de 2026 do Fabric Influencers Spotlight, um resumo mensal que destaca os melhores conteúdos criados por MVPs Microsoft e Fabric Super Users sobre todos os aspectos do Microsoft Fabric. Diferente de uma simples curadoria, esta edição revela um movimento claro da comunidade: o foco está saindo de "o que o Fabric pode fazer" para "como otimizar o que já estamos fazendo".
A equipe da Microsoft Fabric Community criou o Spotlight para amplificar blogs, vídeos, apresentações e outros conteúdos relacionados ao Fabric. As contribuições deste mês cobrem a plataforma como um todo: Data Engineering & Data Science, Data Warehousing, Power BI, Real-Time Intelligence, Integração de Dados, Administração e Governança, e Bancos de Dados.
Como a decomposição de colunas decimais pode reduzir seus custos de CU no Power BI?
Cengizhan Arslan (Fabric Super User) publicou um artigo intitulado "The Decimal Tax: How Column Cardinality Is Quietly Consuming Your Fabric CU". O título já entrega a tese: colunas decimais com alta cardinalidade são um sorvedouro silencioso de Capacity Units (CUs).
O benchmark apresentado é impressionante: ao dividir uma coluna decimal com 1,3 milhão de valores distintos em duas colunas (parte inteira e parte fracionária), o tempo de scan no Storage Engine caiu 45% e a duração total da query reduziu 44% em um modelo Import de 500 milhões de linhas. O resultado é obtido sem qualquer alteração nas medidas DAX.
O mecanismo vive inteiramente na camada VertiPaq: as colunas decompostas passam a ter 70 mil e 122 mil valores distintos, respectivamente. Isso produz dicionários menores, compressão mais densa e paralelismo de segmentos substancialmente maior. O artigo reframeia um simples SUM sobre uma coluna decimal como uma decisão de arquitetura de armazenamento, não de otimização de DAX.
Para empresas brasileiras que trabalham com modelos grandes (centenas de milhões de linhas), essa técnica pode representar uma economia direta de CUs sem comprometer a fidelidade dos dados. O ponto de atenção? O benefício no tamanho do arquivo secundário (14% em um modelo isolado) se dilui em escala de produção — o ganho real está no tempo de query e no throughput concorrente.
Criando pipelines de dados eficientes: do ADLS ao Lakehouse
Ilgar Zarbaliyev (Microsoft MVP) publicou um guia passo a passo sobre criação de Azure Data Lake Storage (ADLS) no Azure. Embora o conteúdo pareça básico à primeira vista, ele estabelece a fundação para pipelines de dados modernos usando o Data Factory do Fabric. A mensagem implícita é que a arquitetura de dados começa antes do Fabric — a escolha correta do storage layer (ADLS Gen2, estrutura de diretórios, permissões) impacta diretamente a performance e o custo das ingestões posteriores.
Aleksi Partanen (Microsoft MVP) aborda um tema mais avançado em seu vídeo "The Future of Fabric Lakehouses: Schema vs Non-Schema". A diferença entre Lakehouses com e sem schema habilitado não é apenas técnica: é uma decisão de governança. Com schema, você ganha um catálogo unificado, consultas cross-workspace, segurança via OneLake (row-level security, column-level security) e a possibilidade de usar shortcuts de forma mais controlada. Sem schema, a flexibilidade é maior para dados semi-estruturados, mas a governança centralizada é perdida.
Word embeddings no Fabric: NLP sem sair da plataforma
Sahir Maharaj (Microsoft MVP) explora o mundo dos word embeddings com Word2Vec e GloVe no Fabric. O artigo mostra como esses modelos, que se tornaram a espinha dorsal do NLP moderno, podem ser treinados e utilizados diretamente no ambiente Fabric, sem necessidade de mover dados para plataformas externas. Para times de Data Science brasileiros que já estão no ecossistema Microsoft, isso reduz a complexidade operacional e mantém os dados dentro do perímetro de governança da organização.
Como o Fabric Data Agent consome sua capacity (e como evitar surpresas)
Vinodh Kumar (Microsoft MVP) publicou um guia prático sobre o funcionamento do Fabric Data Agent e seu impacto real no consumo de capacity. O título é direto: "How Fabric Data Agent Actually Consumes Your Capacity: A Practical Guide to Cost Optimisation". O artigo detalha o mecanismo de cobrança e oferece boas práticas para reduzir os custos associados ao agente.
Este é um tema especialmente relevante para empresas brasileiras que adotaram o Fabric recentemente. O Data Agent, que coleta metadados e realiza profiling, pode gerar custos inesperados se não for configurado corretamente. A recomendação principal é monitorar o consumo por workspace e ajustar a frequência de execução do agente conforme a criticidade dos dados.
Automatizando start/stop de capacidades Fabric com Azure Logic Apps
Rene Fuerstenberg (Fabric Super User) mostra como reduzir custos no Fabric automatizando o start e stop de capacidades com Azure Logic Apps. A solução é simples e prática: em vez de manter uma capacidade 24/7, você pode ligá-la apenas durante o horário comercial ou em janelas específicas de processamento.
Para empresas brasileiras com ambientes de desenvolvimento ou homologação, essa técnica pode gerar economias significativas — especialmente considerando que o modelo de precificação do Fabric é baseado em capacity reservada. O artigo também alerta sobre os cuidados necessários: o tempo de inicialização da capacidade (alguns minutos) precisa ser considerado no planejamento, e operações em andamento podem ser perdidas se o desligamento for abrupto.
Mirroring de SharePoint Lists no Fabric: uma ponte sem ETL
Inturi Suparna Babu (Fabric Super User) aborda o mirroring de SharePoint Lists no Fabric. A capacidade de espelhar dados do SharePoint diretamente no Fabric, sem pipelines de ETL tradicionais, simplifica a integração entre dados operacionais e analíticos.
Para o cenário brasileiro, onde o SharePoint é amplamente utilizado como fonte de dados para processos de aprovação, cadastros e workflows, o mirroring elimina a necessidade de ferramentas intermediárias de extração e reduz a latência de integração. O ponto de atenção é que o mirroring não substitui completamente um pipeline de transformação — dados brutos do SharePoint podem precisar de limpeza e modelagem antes de serem úteis para análises.
No geral, esta edição do Spotlight reforça uma tendência que observamos no mercado: a maturidade no uso do Fabric está migrando da adoção para a otimização. Os conteúdos dos MVPs e Super Users não são mais sobre "como fazer" — são sobre "como fazer melhor, mais barato e com mais governança".
Agradecemos a leitura e nos vemos no mês que vem! Essa foi a curadoria de maio de 2026 do Fabric Influencers Spotlight. Nosso agradecimento aos MVPs e Super Users cuja expertise continua enriquecendo a comunidade Fabric. Convidamos todos a continuar engajados na plataforma da Comunidade Fabric — juntos, continuaremos a entregar conhecimento e colaboração que capacitam cada membro da nossa comunidade a alcançar mais.
Perguntas Frequentes
-
Por que dividir uma coluna decimal em partes inteira e fracionária reduz o consumo de CU no Fabric?
- A decomposição reduz a cardinalidade da coluna: uma coluna com 1,3 milhão de valores distintos vira duas com 70 mil e 122 mil, respectivamente. Isso gera dicionários menores no VertiPaq, compressão mais densa e maior paralelismo de segmentos, reduzindo o tempo de scan em 45% e a duração total da query em 44%.
-
O Fabric Data Agent realmente consome capacity de forma significativa?
- Sim. O artigo de Vinodh Kumar mostra que o Data Agent consome capacity de forma contínua e que é possível aplicar boas práticas para reduzir esse custo. Sem monitoramento, o agente pode gerar cobranças inesperadas, especialmente em ambientes com muitos workspaces e atualizações frequentes.
-
Vale a pena usar Azure Logic Apps para ligar/desligar capacidades do Fabric automaticamente?
- Sim, especialmente em ambientes de desenvolvimento ou cenários que não exigem disponibilidade 24/7. A automação com Azure Logic Apps permite reduzir custos sem intervenção manual, mas é preciso configurar corretamente os gatilhos e entender que a capacidade leva alguns minutos para estar totalmente operacional após ser ligada.
-
Qual a diferença prática entre um Lakehouse com schema e sem schema no Fabric?
- O Lakehouse com schema habilitado permite consultas cross-workspace, segurança via OneLake (como row-level security e column-level security) e um catálogo unificado. Sem schema, você ganha flexibilidade para dados semi-estruturados, mas perde governança centralizada e a capacidade de fazer queries entre workspaces de forma nativa.
-
Como o mirroring de SharePoint Lists no Fabric pode ajudar times de dados no Brasil?
- O mirroring permite que dados de SharePoint Lists sejam acessados diretamente no Fabric sem pipelines de ETL tradicionais. Para empresas brasileiras que usam SharePoint como fonte de dados operacionais (ex: aprovações, cadastros), isso reduz a latência de integração e elimina a necessidade de ferramentas intermediárias de extração.
Artigo originalmente publicado em Azure Updates - Latest from Azure Charts.
