Microsoft Fabric

De SQL Server a Microsoft Fabric: ¿qué corresponde a qué?

Un modelo mental para profesionales de SQL Server y DBA que pasan a Microsoft Fabric: el equivalente más cercano en Fabric de una instancia, una base de datos, una tabla, SQL Agent, SSIS, Query Store, tempdb y las copias de seguridad, adónde va cada tarea del DBA y dónde se rompe la correspondencia.

Por JaviPublicado Actualizado 24 min de lecturaIntermedio

En este artículo

Si llevas años con SQL Server, tus primeras horas en Microsoft Fabric se van en traducir. ¿Dónde está el servidor? ¿Qué elemento es la base de datos? ¿Dónde programo un trabajo? ¿Dónde está Query Store? ¿Qué ha pasado con tempdb?

Son las preguntas correctas. Este artículo las responde con un modelo mental, un mapa de conceptos y tablas de referencia, y después explica los puntos donde la correspondencia se rompe, porque ahí nacen la mayoría de los errores de diseño de los primeros meses.

Cada correspondencia lleva una etiqueta que indica hasta qué punto se sostiene:

Etiqueta Significado
Correspondencia cercana El concepto se comporta como espera un profesional de SQL Server, con pequeñas diferencias.
Correspondencia parcial Mismo propósito, alcance o comportamiento distintos. Útil como punto de partida, peligrosa como suposición.
Modelo diferente La función sigue existiendo, pero Fabric la resuelve de una forma fundamentalmente distinta.
Sin equivalente claro No hay nada en Fabric con lo que debas asociar este concepto. Aprende el nuevo modelo.

Esta guía da por hecho que conoces bien SQL Server: instancias, bases de datos, esquemas, SQL Agent, SSIS, Query Store, configuración de memoria y CPU, copias de seguridad y alta disponibilidad. No da por hecho que conozcas Fabric. Si prefieres ver antes la visión general de la plataforma, lee ¿Qué es Microsoft Fabric? (en inglés) y vuelve después. Los hechos documentados por Microsoft están enlazados en Fuentes; los consejos de diseño son orientación de Javi Builds.

La respuesta corta

Cinco anclas sostienen la mayor parte del modelo:

  • Un workspace no es una base de datos. Es un contenedor de colaboración, proyecto o entorno que reúne muchos elementos y se conecta a Git.
  • Warehouse, Lakehouse y base de datos SQL son los elementos de nivel base de datos. Ahí viven los esquemas y las tablas.
  • Una capacidad solo se parece en parte a una instancia. Es el conjunto de cómputo que pagas y que puedes agotar, compartido por todas las cargas asignadas a ella, no un motor SQL que configuras.
  • Las Capacity Units (CU) solo equivalen aproximadamente a CPU y memoria. Son un presupuesto de cómputo medido en el tiempo, con suavizado y limitación, no núcleos que asignas.
  • OneLake no es almacenamiento MDF/NDF. Las tablas son archivos Delta y Parquet en un único lago a nivel de tenant que leen todos los motores, no archivos que dimensionas y colocas.

Para un DBA, eso reparte el trabajo en tres grupos:

Sigue siendo familiar Cambia Desaparece o pasa a gestionarlo Microsoft
T-SQL, esquemas, tablas, vistas, procedimientos Quién es dueño del cómputo: una capacidad compartida, no tu instancia Gestión de MDF/NDF y de grupos de archivos
Optimización de consultas: estimaciones, planes, leer menos datos Almacenamiento: tablas Delta en OneLake, con una organización de archivos que mantener Administración de tempdb
Planes de ejecución (ahora distribuidos en el Warehouse) Límites de los workspaces para seguridad, Git y entornos Parches, el sistema operativo y el servicio de SQL Server
Monitoreo de cargas y referencias Orquestación: pipelines en lugar de SQL Agent Administración de Always On y de clústeres de conmutación por error
Conceptos de permisos: mínimo privilegio, grupos, GRANT Spark y notebooks junto a T-SQL; modelos semánticos para BI La mayor parte de la programación de copias de seguridad, sustituida por recuperación propia de cada elemento
Análisis de incidentes y runbooks Gestionar una plataforma SaaS: capacidad, limitación, coste Trabajos de reconstrucción de índices en el Warehouse

Cuánto de cada columna aplica depende del elemento: la base de datos SQL en Fabric conserva más de la columna familiar (índices, tempdb gestionado por el servicio, el motor de Azure SQL Database), mientras que el Warehouse y el Lakehouse cambian más.

Dos modelos mentales lado a lado

SQL Server tiene una jerarquía corta, y casi todo cuelga de la instancia. Fabric tiene más niveles, y cada uno cumple una función distinta:

  • SQL ServerPrimero el servidor
    1. Instancia / servidorEl motor y sus recursos
      • CPU y memoria
      • tempdb
      • SQL Agent
      • SSIS
    2. Base de datosArchivos que dimensionas y respaldas
      • Archivos de datos y de registro
      • Query Store
      • Copias de seguridad
    3. Esquema
    4. Tabla
  • Microsoft FabricPrimero la plataforma
    1. TenantTu organización; un único OneLake
    2. Parcial · solo recursosCapacidadCapacity Units compartidas, no un motor SQL
    3. No es una base de datosWorkspaceContenedor de proyecto, equipo o entorno
      • Warehouse
      • Lakehouse
      • Base de datos SQL
      • Pipeline
      • Notebook
      • Modelo semántico
      • Informe
    4. Más cercano a una baseWarehouse · Lakehouse · base de datos SQLLos elementos de datos, con su propia estructura
      • Esquema
      • Tabla
      • Tablas Delta
      • Files
    5. OneLakeEl almacenamiento bajo cada elemento de datos
SQL Server y Microsoft Fabric, el modelo mental más cercano. No es una correspondencia 1:1. Las etiquetas dicen cómo se relaciona cada nivel de Fabric con SQL Server; lee cada columna de arriba abajo, no fila contra fila.

Lee la columna de Fabric así:

  • La capacidad es cómputo compartido. Es lo más parecido a una instancia solo en términos de recursos: el conjunto de Capacity Units del que tira cada carga de sus workspaces.
  • Un workspace es organizativo. Agrupa elementos, lleva permisos y es la unidad que se conecta a Git y que pasa por el despliegue.
  • Warehouse, Lakehouse y base de datos SQL son los elementos de datos. Son lo más parecido a «una base de datos».
  • OneLake es la base del almacenamiento. Cada elemento de datos guarda allí sus tablas, sobre todo como tablas Delta sobre archivos Parquet.

Dentro de un workspace, los elementos son hermanos, y cada elemento de datos tiene su propia estructura por debajo:

  1. TenantTu organización de Microsoft Entra; identidad, configuración, gobernanza
  2. contiene
    CapacidadCómputo compartido en Capacity Units; los workspaces se asignan a ella
  3. aloja
    WorkspaceContenedor de equipo, proyecto o entorno, con roles y Git
    • Elemento de datosWarehouse
      • Esquema
      • Tabla
    • Elemento de datosLakehouse
      • Tablas Delta
      • Files
    • Elemento de datosBase de datos SQL
      • Esquema
      • Tabla
    • Pipeline
    • Notebook
    • Modelo semántico
    • Informe
  4. datos guardados en
    OneLakeAlmacenamiento Delta y Parquet compartido por todos los motores; la base de datos SQL se replica en él
Qué contiene qué en Microsoft Fabric. El workspace contiene muchos elementos hermanos. Warehouse, Lakehouse y base de datos SQL son los elementos de datos; todos guardan sus tablas en OneLake.

Un workspace se parece más a un contenedor de proyecto, equipo o entorno. Un mismo workspace puede contener varios Warehouses, varios Lakehouses, notebooks, pipelines, modelos semánticos e informes. Sus roles (Admin, Member, Contributor, Viewer) controlan quién puede trabajar con los elementos, no qué filas o tablas lee alguien. Los workspaces son también la unidad que conectas a Git y que separas en desarrollo, prueba y producción.

Los conceptos de nivel base de datos en Fabric son los elementos de datos:

Carga de trabajo Lo más cercano a «una base de datos» Por qué
Analítica centrada en SQL, esquemas en estrella, ELT con T-SQL Warehouse Lectura y escritura completas en T-SQL, esquemas, tablas, vistas, procedimientos, transacciones entre varias tablas
Spark, archivos abiertos, tablas Delta, ingeniería de datos Lakehouse Archivos y tablas Delta, escritos por Spark y leídos mediante un punto de conexión de análisis SQL
Cargas relacionales transaccionales (OLTP) Base de datos SQL en Fabric Construida sobre el motor de Azure SQL Database; datos replicados en OneLake para la analítica

Calidad de la correspondencia para «base de datos»: Modelo diferente. Elige el elemento según la carga de trabajo, no por la costumbre de «una base de datos por aplicación». Lakehouse o Warehouse en Microsoft Fabric trata esa decisión a fondo, y Crea tu primer workspace de Microsoft Fabric muestra cómo se configuran los workspaces en la práctica.

El cambio mental más importante: dejar de pensar «primero el servidor»

En SQL Server, la instancia es el centro del diseño: rendimiento, seguridad, almacenamiento, trabajos y recuperación se configuran en ella o en una base de datos que contiene. En Fabric, la plataforma, la capacidad, el workspace y el elemento son la arquitectura. Cuando diseñes, recorre esa pila desde arriba y haz una pregunta por nivel:

  1. Tenant: ¿quién pertenece a la organización, y qué configuración del tenant y qué gobernanza se aplican?
  2. Capacidad: ¿cuánto cómputo, en qué región, aislado de qué?
  3. Workspace: ¿qué equipo, proyecto y entorno, y quién puede trabajar aquí?
  4. Elemento: ¿Warehouse, Lakehouse, base de datos SQL, notebook o pipeline?
  5. Datos y motor de cómputo: ¿qué motor (T-SQL, Spark, base de datos SQL) escribe y lee cada tabla, y cómo están organizados los datos?
  6. Consumo: ¿cómo usan el resultado los modelos semánticos, los informes, las API y los sistemas posteriores?

Un ejercicio útil es tomar una pregunta de diseño de SQL Server y preguntarse qué nivel la responde en Fabric. «Aislar la carga de informes» es una pregunta de capacidad. «Los desarrolladores no deben cambiar producción» es una pregunta de workspace y despliegue. «Esta tabla es lenta» es una pregunta de motor y organización de los datos. Diseñar una arquitectura escalable de Microsoft Fabric aplica estas capas a una plataforma completa.

No las traslades literalmente

Cada uno de estos atajos tienta la primera semana, y cada uno lleva a un error de diseño concreto:

Correspondencia literal Por qué no funciona Piénsalo como
Workspace = base de datos Un workspace contiene muchos elementos de datos, pipelines e informes, y sus roles dan acceso a todos ellos Un contenedor de proyecto, equipo o entorno
Capacidad = instancia de SQL Server No hay nada que configurar (sp_configure, tempdb, inicios de sesión); Spark, el Warehouse, los pipelines y Power BI la comparten Un presupuesto de cómputo compartido y medido
CU = núcleos y memoria El uso se suaviza en el tiempo y se limita por fases; no puedes reservar un núcleo para una carga CU-segundos consumidos por operación
OneLake = SAN Es un lago lógico con una sola copia de los datos para todos los motores, no almacenamiento en bloques para un servidor La capa de almacenamiento bajo cada elemento de datos
Lakehouse = base de datos de SQL Server Lo escribe Spark; su punto de conexión de análisis SQL es T-SQL de solo lectura Archivos y tablas Delta, con SQL por encima
Tabla Delta = tabla MDF Son archivos Parquet más un registro por tabla; cada escritura añade archivos y una versión Un formato de tabla abierto que se mantiene mediante la organización de archivos
Pipeline = trabajo de SQL Agent Un pipeline orquesta actividades entre elementos; programaciones, alertas e historial son piezas aparte Una parte de lo que hacía Agent
Notebook = procedimiento almacenado Un notebook se ejecuta en una sesión de Spark con su propio arranque, programación y coste Código para trabajo con forma de Spark, llamado desde un pipeline
Modelo semántico = tabla Es la capa de BI sobre las tablas: relaciones, medidas y modo de almacenamiento Lo que consulta Power BI, no donde viven los datos

El mapa de conceptos de un vistazo

Adónde van los conceptos conocidos, con la calidad de la correspondencia en cada concepto de Fabric. Primero, datos y cómputo:

    1. Instancia / servidor
    2. lo más cercano
      Correspondencia parcialCapacidadSolo analogía de recursos
    1. CPU y memoria
    2. lo más cercano
      Correspondencia parcialCapacity UnitsSin max server memory
    1. Base de datos
    2. lo más cercano
      Modelo diferenteWarehouse · Lakehouse · base de datos SQLLos elementos de datos, no el workspace
    1. Esquema
    2. lo más cercano
      Correspondencia cercanaEsquema
    1. Tabla
    2. lo más cercano
      Cercana o parcialTabla del Warehouse · tabla DeltaDepende del motor
    1. MDF / NDF / LDF
    2. lo más cercano
      Modelo diferenteTablas Delta en OneLakeArchivos que gestiona el motor
    1. tempdb
    2. sin correspondencia
      Sin equivalente claroNada que configurarEspacio temporal gestionado por el motor
Mapa de conceptos: datos y cómputo. Cada fila es la analogía más cercana, no una equivalencia. La etiqueta da la calidad de la correspondencia; las filas resaltadas no tienen un equivalente claro.

Después, operaciones y monitoreo:

    1. SQL Agent
    2. lo más cercano
      Correspondencia parcialPipeline y programaciónNada migra automáticamente
    1. SSIS
    2. lo más cercano
      Modelo diferenteData Factory · notebooksPipelines, Dataflow Gen2, T-SQL; Invoke SSIS Package (versión preliminar) para algunos paquetes
    1. Query Store
    2. lo más cercano
      Correspondencia parcialQuery Insights · Capacity MetricsRepartido entre herramientas; sin forzado de planes
    1. PerfMon
    2. lo más cercano
      Correspondencia parcialAplicación Capacity MetricsConsumo de CU y limitación, no contadores del sistema operativo
    1. Copia de seguridad / restauración
    2. lo más cercano
      Modelo diferenteRecuperación propia del elementoPuntos de restauración, PITR, time travel
    1. Grupos de disponibilidad
    2. sin correspondencia
      Sin equivalente claroDisponibilidad gestionada por el servicioNada que configurar
Mapa de conceptos: operaciones y monitoreo. Trabajos, ETL, monitoreo y recuperación se reparten entre varias herramientas de Fabric; ninguna es un sustituto 1:1.

La tabla de correspondencias principal

Revísala ahora y vuelve a ella más tarde; las secciones siguientes explican las correspondencias que necesitan más de una frase.

Cómputo e infraestructura

Concepto de SQL Server Concepto de Fabric más cercano Calidad de la correspondencia Diferencia importante
Instancia / servidor Capacidad de Fabric Correspondencia parcial Una capacidad no es un motor SQL. Es un conjunto de cómputo compartido por Spark, el Warehouse, los pipelines, Power BI y otras cargas de cada workspace asignado a ella.
CPU Capacity Units (CU) Correspondencia parcial Compras una SKU F con un presupuesto de CU. Las cargas consumen CU-segundos; no asignas núcleos a una base de datos.
Memoria Capacity Units, más la memoria gestionada por los motores Correspondencia parcial No existe max server memory. La memoria se gestiona por motor y por sesión; las sesiones de Spark y las consultas del Warehouse se dimensionan solas.
tempdb Recursos temporales gestionados por el motor Sin equivalente claro El Warehouse admite tablas #temp con ámbito de sesión y gestiona internamente los desbordamientos, pero no hay nada que dimensionar, ubicar ni ajustar. La base de datos SQL en Fabric tiene un tempdb que gestiona el servicio.
Servicio de SQL Server El propio servicio Fabric (SaaS) Sin equivalente claro No hay servicio que iniciar, detener ni parchear. Puedes pausar y reanudar una capacidad SKU F, lo que detiene todo lo asignado a ella.
Clúster de conmutación por error / grupo de disponibilidad Disponibilidad gestionada por el servicio Sin equivalente claro La redundancia de la infraestructura la gestiona Microsoft. No hay réplicas, agentes de escucha ni modos de conmutación que configurar.

Estructura de los datos

Concepto de SQL Server Concepto de Fabric más cercano Calidad de la correspondencia Diferencia importante
Base de datos Warehouse, Lakehouse o base de datos SQL en Fabric Modelo diferente Varios elementos de datos pueden vivir en un mismo workspace y consultarse entre sí con nombres de tres partes.
Esquema Esquema Correspondencia cercana Los esquemas del Warehouse se comportan como se espera. Los esquemas del Lakehouse también existen, pero quien escribe es Spark.
Tabla Tabla del Warehouse o tabla Delta del Lakehouse Cercana (Warehouse) / parcial (Lakehouse) Ambas son tablas Delta en OneLake. Las tablas del Warehouse las escribe T-SQL; las del Lakehouse, Spark y otros motores.
Vista Vista Correspondencia cercana Compatible en el Warehouse y en el punto de conexión de análisis SQL del Lakehouse.
Procedimiento almacenado Procedimiento almacenado Correspondencia cercana Compatible en el Warehouse. Algunas características de T-SQL no están disponibles, así que prueba los procedimientos existentes antes de suponer que se pueden portar.
Función Función Correspondencia parcial Compatible en el Warehouse; revisa la superficie de T-SQL para el tipo que necesites.
Índice Sin índices gestionados por el usuario (Warehouse, Lakehouse) Modelo diferente El rendimiento viene de la organización de los archivos: V-Order, particionado, compactación y, en el Warehouse, data clustering (versión preliminar). La base de datos SQL en Fabric conserva los índices tradicionales y la creación automática de índices.
Grupo de archivos Ninguno Sin equivalente claro La ubicación de los datos en el almacenamiento no la decides tú.
MDF / NDF Archivos Delta y Parquet en OneLake Modelo diferente El almacenamiento son archivos más un registro de transacciones por tabla, gestionados por el motor.
LDF / registro de transacciones Registro de transacciones Delta por tabla Modelo diferente El registro es por tabla, no por base de datos, y nunca lo dimensionas, reduces ni respaldas.
Restricciones (PK, FK, unique) Restricciones NOT ENFORCED en el Warehouse Correspondencia parcial Las restricciones documentan el modelo y pueden ayudar al optimizador; no rechazan filas incorrectas.
Desencadenadores Ninguno en el Warehouse Sin equivalente claro Lleva la lógica al proceso de carga.

Almacenamiento

Concepto de SQL Server Concepto de Fabric más cercano Calidad de la correspondencia Diferencia importante
Discos locales o SAN OneLake Modelo diferente Un único lago de datos lógico por tenant, construido sobre Azure Data Lake Storage. Todos los motores leen la misma copia.
Archivos de base de datos Tablas Delta (archivos Parquet más _delta_log) Modelo diferente Formato abierto, legible por Spark, T-SQL y Power BI sin copiar.
Archivos de copia de seguridad (.bak) Sin archivos de copia de seguridad accesibles al usuario Modelo diferente La recuperación depende del elemento: puntos de restauración, restauración a un momento dado, time travel, eliminación temporal.

ETL y orquestación

Concepto de SQL Server Concepto de Fabric más cercano Calidad de la correspondencia Diferencia importante
Trabajo de SQL Agent Pipeline de Fabric Correspondencia parcial Los pipelines orquestan actividades entre elementos. Nada migra automáticamente desde msdb.
Programación del trabajo Programación del pipeline o del elemento Correspondencia parcial Los pipelines, notebooks y otros elementos tienen sus propias programaciones.
Pasos del trabajo y dependencias Actividades del pipeline y condiciones de dependencia Correspondencia parcial Las condiciones de éxito, error, finalización y omisión sustituyen al flujo entre pasos; Invoke pipeline sustituye a «iniciar otro trabajo».
SSIS Pipelines de Data Factory, Copy activity o Copy job, Dataflow Gen2, notebooks, T-SQL del Warehouse Modelo diferente No hay un sustituto universal 1:1. La actividad Invoke SSIS Package (versión preliminar) ejecuta algunos paquetes existentes sin cambios.
Servidor vinculado Nombres de tres partes, accesos directos, creación de reflejo, conexiones de pipeline Sin equivalente claro Las consultas entre elementos funcionan dentro de Fabric. Llegar fuera implica copiar, reflejar o crear un acceso directo, no un servidor vinculado en vivo.

Monitoreo y rendimiento

Concepto de SQL Server Concepto de Fabric más cercano Calidad de la correspondencia Diferencia importante
Query Store Query Insights (Warehouse, punto de conexión de análisis SQL) Correspondencia parcial 30 días de historial y agregados de consultas completadas, que aparecen hasta unos 15 minutos después de que termine la consulta. Sin forzado de planes, y el comportamiento de la capacidad se consulta en otro sitio.
DMV DMV compatibles con Fabric y vistas queryinsights Correspondencia parcial sys.dm_exec_requests, sys.dm_exec_sessions, sys.dm_exec_connections y sys.dm_tran_locks existen en el Warehouse, con un ámbito que depende del rol en el workspace. Muchas DMV de nivel de instancia no existen.
Estadísticas de espera Presión del pool en Query Insights, limitación en Capacity Metrics Sin equivalente claro No hay una vista de estadísticas de espera de toda la instancia que leer en el Warehouse. La presión de recursos aparece como uso y limitación de la capacidad.
Planes de ejecución SHOWPLAN_XML (Warehouse), interfaz de Spark (notebooks) Correspondencia parcial Los planes del Warehouse son planes distribuidos. Los planes de Spark son otra disciplina.
PerfMon Aplicación Microsoft Fabric Capacity Metrics Correspondencia parcial Consumo de CU, suavizado y limitación de toda la capacidad, por elemento y operación. No son contadores del sistema operativo.
Historial de trabajos de SQL Agent Historial de ejecuciones del pipeline, centro de supervisión Correspondencia parcial El historial es por elemento y tiene límites de retención; crea tu propio registro de ejecución para los datos operativos a largo plazo.

Seguridad

Concepto de SQL Server Concepto de Fabric más cercano Calidad de la correspondencia Diferencia importante
Inicio de sesión del servidor Identidad de Microsoft Entra Modelo diferente No hay inicios de sesión con autenticación de SQL en el Warehouse; usuarios, grupos y entidades de servicio vienen de Entra ID.
Usuario de base de datos Permiso sobre el elemento o rol en el workspace Correspondencia parcial CREATE USER no se admite en el Warehouse; el acceso empieza en el nivel del workspace o del elemento.
Rol Roles del workspace y GRANT / DENY en T-SQL Correspondencia parcial Los roles del workspace son amplios; los permisos a nivel de objeto en el Warehouse los acotan.
Permiso de esquema Permiso de esquema Correspondencia cercana GRANT ... ON SCHEMA funciona en el Warehouse.
Permisos de nivel de instancia (sysadmin, CONTROL SERVER) Administrador de Fabric, administrador de capacidad, Admin del workspace Modelo diferente La administración se reparte entre roles de tenant, capacidad y workspace.

Fiabilidad y operaciones

Concepto de SQL Server Concepto de Fabric más cercano Calidad de la correspondencia Diferencia importante
Copia de seguridad/restauración Recuperación propia del elemento Modelo diferente Consulta la sección de copias de seguridad más abajo; las opciones difieren entre Warehouse, Lakehouse y base de datos SQL.
Alta disponibilidad Gestionada por el servicio Sin equivalente claro El almacenamiento usa almacenamiento con redundancia de zona donde la región lo permite.
Recuperación ante desastres Configuración de recuperación ante desastres de la capacidad, más tu propio plan de recuperación Correspondencia parcial Replicación geográfica opcional de los datos de OneLake; recuperar los elementos en otra región sigue siendo un procedimiento tuyo.
Parches Gestionados por Microsoft Sin equivalente claro El servicio se actualiza solo. Sigues eligiendo la versión del runtime de Spark para los notebooks.
Planes de mantenimiento Mayormente automáticos Modelo diferente El Warehouse compacta y crea puntos de control automáticamente; el mantenimiento de las tablas del Lakehouse es cosa tuya.
Mantenimiento de índices Mantenimiento de la organización de archivos Modelo diferente OPTIMIZE y VACUUM para las tablas del Lakehouse; compactación automática en el Warehouse.
Mantenimiento de estadísticas Automático, con estadísticas manuales de una sola columna Correspondencia parcial El Warehouse crea y actualiza estadísticas al ejecutar las consultas; todavía puedes crear y actualizar estadísticas de una sola columna, pero no de varias columnas.

Instancia → capacidad: cercana solo en términos de recursos

La capacidad es donde mejor encaja la intuición del «servidor», y solo en un aspecto: es el conjunto de cómputo que pagas y que puedes agotar. Cuando una capacidad está sobrecargada, todo lo asignado a ella se ralentiza o se limita, igual que una instancia sobrecargada ralentiza todas sus bases de datos.

Todo lo demás es distinto:

  • Una capacidad no es un motor SQL: sin sp_configure, sin tempdb, sin inicios de sesión.
  • Los notebooks de Spark, las consultas del Warehouse, los pipelines, Dataflow Gen2, las actualizaciones de modelos semánticos y las consultas de informes la comparten.
  • La dimensionas en Capacity Units, no en núcleos y memoria. Las cargas consumen CU-segundos, el trabajo en segundo plano se suaviza a lo largo de 24 horas y la limitación empieza cuando el uso sostenido supera la capacidad.
  • Los workspaces se asignan a capacidades y se pueden mover. Esa es tu herramienta de aislamiento: producción en una capacidad, desarrollo en otra.

La pregunta de DBA «¿cuántos núcleos necesita esto?» pasa a ser «¿cuántos CU-segundos consume esta carga, y cuándo?». La capacidad de Microsoft Fabric explicada (en inglés) cubre a fondo las CU, el suavizado y la limitación.

Operar una capacidad compartida

Las diferencias operativas importan más que las de nombre. En SQL Server, una instancia sobrecargada se vuelve lenta. En Fabric, una capacidad sobrecargada sigue una política documentada y por fases, y el trabajo que paga las consecuencias a menudo no es el que las causó:

En SQL Server… En una capacidad de Fabric
Ves la CPU al 100 % mientras se ejecuta la consulta cara El trabajo en segundo plano (pipelines, trabajos de Spark, actualizaciones, la mayoría de las operaciones del Warehouse) se suaviza a lo largo de 24 horas, así que una carga pesada puede afectar a los usuarios horas después
Obtienes consultas lentas bajo presión La limitación es por fases: las solicitudes interactivas se retrasan cuando se ha consumido unos 10 minutos de capacidad futura, se rechazan a partir de 60 minutos, y las solicitudes en segundo plano se rechazan a partir de 24 horas
Aíslas cargas con Resource Governor o instancias separadas Aíslas asignando los workspaces a capacidades distintas; los workspaces de una misma capacidad comparten su presupuesto
Ajustas la concurrencia con MAXDOP y las concesiones de memoria La concurrencia se gestiona por motor: límites y colas de sesiones de Spark, pools de recursos del Warehouse. Muchos trabajos pequeños concurrentes pueden costar más que uno grande
Lees PerfMon, las estadísticas de espera y las DMV en una sola máquina Lees la aplicación Capacity Metrics para ver las CU por elemento y operación, y después las herramientas propias del motor (Query Insights, monitoreo de Spark)
Compras el hardware una vez y lo mantienes ocupado Eliges una SKU F, la pausas o cambias su tamaño, y equilibras el coste de capacidad con la programación de cargas y la optimización

Para una investigación, el runbook de saturación de capacidad de Fabric (en inglés) es el procedimiento paso a paso, y Cómo diagnostiqué un problema de saturación de capacidad en Microsoft Fabric (en inglés) muestra uno de principio a fin. El Fabric Capacity Planner (en inglés) te ayuda a interpretar el uso y a decidir si optimizar o escalar, y Monitoreo de pipelines y notebooks de Microsoft Fabric cubre las señales que conviene vigilar entre incidentes.

Almacenamiento: dejas de gestionar archivos, no su organización

Las tablas se guardan como tablas Delta en OneLake: archivos Parquet más un registro de transacciones por tabla (_delta_log), que leen por igual el Warehouse, Spark, el punto de conexión de análisis SQL y Power BI. La base de datos SQL en Fabric mantiene su propio almacenamiento de motor y se replica en OneLake para la analítica. El dimensionamiento de archivos, el crecimiento automático, la reducción y los grupos de archivos desaparecen.

Lo que sigue siendo tuyo es la organización de los archivos. Muchos archivos pequeños y tablas sin mantenimiento son la versión de Fabric de la fragmentación. El Warehouse compacta automáticamente; en un Lakehouse, es tu trabajo.

SQL Agent → pipelines y programaciones

SQL Agent es un programador, un ejecutor de pasos, un motor de dependencias, un sistema de alertas y un almacén de historial. En Fabric esas funciones se reparten:

Función de SQL Agent Dónde vive en Fabric
Programación Programación del pipeline, o una programación en el propio elemento (notebook, Dataflow Gen2, Copy job)
Pasos del trabajo Actividades del pipeline: Copy, Notebook, Script, Stored procedure, Invoke pipeline
Flujo entre pasos (al completarse correctamente / al fallar) Condiciones de dependencia de las actividades
Operadores y alertas Actividades de notificación del pipeline, o alertas de tu propio monitoreo
Historial de trabajos Historial de ejecuciones del pipeline y centro de supervisión

Calidad de la correspondencia: Correspondencia parcial. Nada migra automáticamente; un trabajo que ejecutaba T-SQL entre varias bases de datos de una instancia suele convertirse en un pipeline que llama a procedimientos almacenados del Warehouse o a un notebook. Para elegir entre ambos, consulta Pipelines, notebooks, Dataflow Gen2 o Copy Job (en inglés).

El historial de ejecuciones es útil, pero no es un almacén operativo a largo plazo. La mayoría de los equipos de producción añaden su propio registro de ejecución; Diseñar un registro de ejecución para pipelines y notebooks de Microsoft Fabric muestra el diseño.

SSIS → no hay una única respuesta

SSIS es la correspondencia que los equipos de SQL Server más querrían que fuera 1:1, y no lo es. Un paquete SSIS orquesta, mueve datos, los transforma y registra lo que pasó. En Fabric, esas funciones suelen pertenecer a elementos distintos:

  • Orquestación: pipelines
  • Movimiento de datos: Copy activity o Copy job
  • Transformaciones fila a fila: Dataflow Gen2 o notebooks
  • Transformaciones SQL basadas en conjuntos: T-SQL del Warehouse
  • Ejecutar el paquete existente tal cual: la actividad Invoke SSIS Package, que está en versión preliminar y tiene límites reales de conectividad y de componentes personalizados

La mayoría de los parques acaban con una mezcla: algunos paquetes retirados, otros rehospedados, reconstruidos o rediseñados. Decide paquete por paquete. Migrar paquetes SSIS a Microsoft Fabric te da el mapa de responsabilidades, un inventario y una puntuación de complejidad, oleadas de migración y un plan de cambio.

Query Store y DMV → Query Insights más el monitoreo

Query Store te da, en un solo sitio, el historial de consultas, las estadísticas de ejecución, el historial de planes, las consultas con regresión y el forzado de planes. Ninguna característica de Fabric hace todo eso por sí sola.

Para el Warehouse y el punto de conexión de análisis SQL, la herramienta más cercana es Query Insights: vistas del esquema queryinsights que conservan unos 30 días de consultas completadas.

Antes le preguntabas a Query Store… En Fabric Warehouse, mira…
¿Qué consultas se ejecutaron y cuánto tardaron? queryinsights.exec_requests_history
¿Qué consultas son lentas de forma sistemática? queryinsights.long_running_queries
¿Qué consultas se ejecutan con más frecuencia? queryinsights.frequently_run_queries
¿Estaba el motor bajo presión de recursos? queryinsights.sql_pool_insights
¿Qué consultas consumen más CPU? allocated_cpu_time_ms en exec_requests_history

Las consultas se agrupan por forma mediante un query_hash. Las consultas completadas pueden tardar hasta unos 15 minutos en aparecer (más con mucha concurrencia), y no hay forzado de planes.

Para la actividad en vivo, el Warehouse admite las DMV del ciclo de vida de las consultas que ya conoces: sys.dm_exec_requests, sys.dm_exec_sessions y sys.dm_exec_connections. Un Admin del workspace ve todas las sesiones; los demás roles solo ven las suyas. KILL funciona, y solo para los Admins del workspace.

Consulta SQL: Query Store y DMV → Query Insights más el monitoreoT-SQL (Fabric Warehouse)
-- Longest-running active requests in a Fabric Warehouse
SELECT request_id, session_id, start_time, total_elapsed_time, status
FROM sys.dm_exec_requests
WHERE status = 'running'
ORDER BY total_elapsed_time DESC;
T-SQL (Fabric Warehouse)5 líneasVista de solo lectura. No está conectada a ninguna base de datos.

Para el comportamiento a nivel de capacidad, lo que antes leías en PerfMon y en las estadísticas de espera, usa la aplicación Capacity Metrics: qué elemento y qué operación consumieron la capacidad, y si hubo limitación. El análisis de un incidente suele necesitar ambas vistas.

La base de datos SQL en Fabric es la excepción: ejecuta el motor de Azure SQL Database, así que una parte mayor de tu conocimiento de las DMV se aplica directamente, y su panel de rendimiento muestra las consultas con más CPU, memoria y duración, además de las consultas bloqueadas.

Calidad de la correspondencia: Correspondencia parcial. El conocimiento de las DMV se transfiere en lo conceptual; las vistas exactas cambian. Compara Cómo encontrar regresiones de rendimiento en SQL Server con Query Store con Solucionar problemas de rendimiento de Microsoft Fabric en producción (en inglés).

tempdb: sin equivalente claro

No hay nada en Fabric Warehouse ni en el Lakehouse con lo que asociar tempdb, y es mejor no inventárselo.

  • El Warehouse ejecuta las consultas en un motor distribuido que gestiona su propio almacenamiento temporal y sus desbordamientos. No configuras archivos, tamaño ni ubicación.
  • Las tablas #temp con ámbito de sesión se admiten en el Warehouse, así que el patrón de T-SQL sigue funcionando.
  • Spark tiene su propio comportamiento de shuffle y desbordamiento, gestionado por sesión.
  • La base de datos SQL en Fabric sí tiene un tempdb, porque es el motor de Azure SQL Database, y lo gestiona el servicio. Su panel de rendimiento incluso muestra las consultas que desbordan a tempdb.

El instinto que se transfiere es el de diagnóstico: una consulta que desborda sigue teniendo una mala estimación o demasiados datos en tránsito. Corrige la consulta o la organización de los datos.

Copia de seguridad y restauración: gestionadas por la plataforma y propias de cada elemento

En Fabric no hay un único modelo de copia de seguridad controlado por el DBA, ni un flujo con .bak en el que puedas confiar para todos los elementos. Fabric es una plataforma SaaS gestionada; la durabilidad la proporciona la capa de almacenamiento, y la recuperación depende del tipo de elemento.

Elemento Qué tienes Qué no tienes
Warehouse Puntos de restauración del sistema cada ocho horas aproximadamente mientras el almacén está activo, puntos de restauración definidos por el usuario, retención de 30 días por defecto (configurable de 1 a 120 días), restauración en el mismo lugar, consultas time travel, clones de tabla sin copia Restaurar a un almacén nuevo con otro nombre; archivos de copia de seguridad descargables
Lakehouse Time travel de Delta a versiones anteriores de la tabla (hasta que VACUUM elimina los archivos antiguos), eliminación temporal de archivos en OneLake (siete días por defecto, configurable por workspace) Una restauración a un momento dado de todo el Lakehouse con un clic
Base de datos SQL en Fabric Copias de seguridad completas, diferenciales y de registro automáticas, restauración a un momento dado dentro del periodo de retención (7 días por defecto, hasta 35), restauración a una base de datos nueva en el mismo workspace Acceso a los archivos de copia de seguridad, restauración entre workspaces, retención a largo plazo

«Restaurar la copia de anoche» pasa a ser un procedimiento distinto por elemento, con una retención distinta. Y las definiciones necesitan su propia protección: los puntos de restauración protegen los datos del Warehouse, mientras que Git protege los notebooks, los pipelines y las definiciones de objetos. La integración con Git en Microsoft Fabric explica cómo.

HA y DR: abstraídas, no desaparecidas

Los grupos de disponibilidad, las instancias de clúster de conmutación por error y el trasvase de registros no tienen equivalente que configurar. La disponibilidad de la infraestructura forma parte del servicio. OneLake usa almacenamiento con redundancia de zona donde la región lo permite, y almacenamiento con redundancia local en el resto.

La recuperación ante desastres es distinta. Una capacidad tiene una configuración opcional de recuperación ante desastres que replica los datos de OneLake a la región emparejada de Azure, de forma asíncrona y a nivel de archivo. Tras una conmutación regional, vuelves a crear los elementos en otra capacidad y otro workspace y recuperas los datos en ellos: un procedimiento documentado, no una conmutación de grupo de disponibilidad. Las decisiones suben un nivel: qué capacidad aloja producción, si está activada la recuperación ante desastres y si las definiciones están en Git para poder volver a desplegarlas.

El Warehouse es el puente más fácil para la gente de SQL Server

El Fabric Warehouse resulta familiar casi de inmediato:

  • T-SQL para leer y escribir
  • Esquemas, tablas y vistas
  • Procedimientos almacenados y funciones
  • Transacciones de varias instrucciones con BEGIN TRANSACTION, COMMIT y ROLLBACK, también entre varias tablas
  • Un modelo relacional que diseñas con esquemas en estrella y modelado dimensional
  • Conexión desde SSMS, Visual Studio Code o cualquier cliente que hable TDS

Esa familiaridad es también donde se esconden las suposiciones. Antes de portar código, conoce las diferencias:

  • No existen todas las características de SQL Server. Desencadenadores, sinónimos, SET TRANSACTION ISOLATION LEVEL, vistas materializadas y consultas recursivas están entre las limitaciones documentadas. Revisa la superficie de T-SQL para tu código.
  • Solo aislamiento de instantánea, con bloqueos a nivel de tabla. Cualquier instrucción DML bloquea la tabla entera, y las escrituras concurrentes en la misma tabla pueden entrar en conflicto; diseñas patrones de carga, no sugerencias de bloqueo.
  • Sin gestión tradicional de índices. No hay índices agrupados ni no agrupados que crear o reconstruir. V-Order, la compactación automática y el data clustering (versión preliminar, definido al crear la tabla) se encargan de la organización.
  • Las restricciones no se aplican. Las claves primarias, únicas y externas requieren NOT ENFORCED. Las comprobaciones de calidad de datos pasan al proceso de carga.
  • Sin gestión de MDF/NDF ni SQL Server Agent dentro del Warehouse. El almacenamiento es Delta en OneLake; la programación vive en los pipelines.
  • La gestión del rendimiento es distinta. Las estadísticas son automáticas, la primera ejecución de una consulta puede ser más lenta por la caché fría, y las inserciones poco a poco crean muchos archivos pequeños.

Empieza por Crea tu primer Fabric Warehouse con T-SQL (en inglés) y después lee Lakehouse o Warehouse antes de decidir dónde vive cada capa de tu plataforma.

El Lakehouse es donde cambia el modelo mental

El Lakehouse es donde empiezan los conceptos realmente nuevos:

  • Archivos y tablas conviven: una zona Files para archivos sin procesar y una zona Tables para tablas Delta.
  • Las tablas Delta son archivos Parquet más un registro de transacciones; cada escritura crea archivos nuevos y una nueva versión de la tabla.
  • OneLake guarda ambos, y todos los motores de Fabric leen la misma copia.
  • Spark (PySpark, Spark SQL) es el escritor principal, normalmente desde notebooks.
  • El punto de conexión de análisis SQL ofrece T-SQL de solo lectura sobre las tablas: vistas sí; INSERT, UPDATE y DELETE, no.
Tabla de SQL Server Tabla Delta del Lakehouse
Forma lógica Columnas, tipos, filas Columnas, tipos, filas
Almacenamiento físico Páginas en archivos MDF/NDF Archivos Parquet más _delta_log en OneLake
Escrituras Cambios de filas y páginas, registrados en el registro de la base de datos Archivos nuevos y una nueva versión de la tabla en cada escritura
Lectores El motor de SQL Server Spark, punto de conexión de análisis SQL, Warehouse, Power BI Direct Lake
Concurrencia Bloqueos, opcionalmente control de versiones de filas Concurrencia optimista; los escritores en conflicto fallan y reintentan
Herramientas de rendimiento Índices, estadísticas, particionado Tamaño de archivos, particionado, V-Order, clustering, OPTIMIZE
Historial Copias de seguridad, tablas temporales si están configuradas Time travel a versiones anteriores hasta VACUUM
Mantenimiento Trabajos de índices y estadísticas OPTIMIZE y VACUUM

La tabla lógica es familiar; el almacenamiento físico y el cómputo son fundamentalmente distintos. La mayoría de los problemas de rendimiento de un Lakehouse vienen de tratar una tabla Delta como una tabla de SQL Server: muchas escrituras pequeñas, actualizaciones fila a fila, ningún mantenimiento.

Tablas Delta en Microsoft Fabric para ingenieros de SQL Server (en inglés) construye este modelo como es debido. Explorar datos con PySpark en Microsoft Fabric (en inglés) es el siguiente paso práctico, y Mantenimiento de tablas Delta en Microsoft Fabric (en inglés) cubre el mantenimiento que ahora es tuyo.

¿Adónde fue mi tarea de DBA?

Tu trabajo no desaparece en Fabric; se desplaza. Algunas tareas desaparecen, otras pasa a gestionarlas Microsoft y otras se convierten en tareas de arquitectura y operaciones de Fabric.

  1. Trabajo tradicional del DBAConfigurado en la instancia y sus bases de datos
    • desaparece
      Ya no es tu tarea
      • Parches de SQL Server
      • Crecimiento de MDF/NDF
      • Configuración de tempdb
      • max server memory
    • gestionado
      Gestionado por Microsoft
      • Disponibilidad de la infraestructura
      • Durabilidad del almacenamiento
      • Mantenimiento del servicio
      • Compactación del Warehouse
    • sube
      Trabajo de ingeniería en Fabric
      • Dimensionamiento de la capacidad
      • Arquitectura de workspaces
      • Aislamiento de cargas
      • Orquestación
      • Monitoreo
      • Gestión de costes
      • Seguridad
      • Estrategia de despliegue
Adónde va el trabajo tradicional del DBA en Fabric. El rol de DBA no desaparece. La administración de la instancia se reduce, y el foco operativo sube por la pila hacia la arquitectura y las operaciones de la plataforma.

La tabla da el detalle, tarea por tarea:

Tarea del DBA Estado en Fabric En qué se convierte
Aplicar parches a SQL Server Gestionada por Microsoft Seguir las notas de la versión de Fabric y elegir de forma deliberada las versiones del runtime de Spark
Configurar max server memory Desaparece Nada que ajustar en el Warehouse ni en el Lakehouse; la base de datos SQL tiene un ajuste de vCores máximos
Configurar tempdb Desaparece Corregir los desbordamientos en la consulta o en la organización de los datos
Añadir un archivo de datos, gestionar el crecimiento de MDF/NDF Desaparece No es el mismo modelo de almacenamiento: vigila en su lugar el almacenamiento de OneLake y la organización de archivos de las tablas
Reconstruir índices Cambia Lakehouse: OPTIMIZE, VACUUM, particionado. Warehouse: compactación automática, data clustering (versión preliminar)
Actualizar estadísticas Mayormente gestionada por Microsoft Automático en el Warehouse; estadísticas manuales de una sola columna tras cargas grandes cuando haga falta
Consultar Query Store Cambia Vistas de Query Insights en el Warehouse y el punto de conexión de análisis SQL; monitoreo de Spark para los notebooks; el panel de rendimiento y las vistas de Query Store en la base de datos SQL
Solucionar un uso alto de CPU Cambia Empieza por la aplicación Capacity Metrics (qué elemento y qué operación usaron las CU), y después el motor: allocated_cpu_time_ms en Query Insights, o la interfaz de Spark
Solucionar bloqueos Cambia, según el motor Warehouse: blocking_session_id en sys.dm_exec_requests y sys.dm_tran_locks siguen funcionando, pero el DML bloquea la tabla entera, y las escrituras concurrentes también pueden fallar por conflictos de actualización en aislamiento de instantánea. Mantén las transacciones cortas y programa el DDL. La base de datos SQL conserva el modelo conocido a nivel de fila y sus DMV. El runbook de bloqueos de SQL Server (en inglés) sigue aplicando allí
Configurar réplicas de grupos de disponibilidad Desaparece Sin equivalente directo en las cargas SaaS de Fabric: decide sobre la recuperación ante desastres de la capacidad y documenta la recuperación de los elementos
Copias de seguridad Gestionadas por Microsoft, propias de cada elemento Conocer la retención y el procedimiento de restauración de cada elemento; mantener las definiciones en Git
Programar trabajos de SQL Agent Cambia Pipelines, programaciones de elementos, condiciones de dependencia, monitoreo de ejecuciones
Dimensionar la capacidad Se convierte en una tarea de arquitectura Elegir SKU F, separar cargas por capacidad, planificar el suavizado y la limitación
Monitorear las cargas Se convierte en una tarea de operaciones Query Insights, DMV, centro de supervisión, aplicación Capacity Metrics, tu propio registro de ejecución
Seguridad Cambia Grupos de Entra ID, roles del workspace, permisos de elementos, GRANT en T-SQL, seguridad a nivel de fila y de columna
Seguimiento de costes Nueva Uso de la capacidad, decisiones de pausa y cambio de tamaño, crecimiento del almacenamiento

El patrón: la administración de la instancia se reduce, las operaciones de la plataforma crecen. Monitoreo de pipelines y notebooks de Microsoft Fabric es un buen punto de partida en el lado operativo.

Habilidades que se transfieren directamente

La experiencia con SQL Server es una base sólida para Fabric. La implementación cambia; el criterio de ingeniería se transfiere.

  • SQL. T-SQL es de primera clase en el Warehouse y en el punto de conexión de análisis SQL; Spark SQL está cerca.
  • Modelado de datos. Los esquemas en estrella, el grano, las dimensiones lentamente cambiantes y las claves importan tanto como siempre.
  • Solución de problemas de rendimiento. Medir, encontrar la operación cara, cambiar una cosa, volver a medir.
  • Planes de consulta. Los planes del Warehouse son distribuidos, pero leer operadores y estimaciones es la misma habilidad.
  • Pensamiento transaccional. Las cargas atómicas y los reintentos idempotentes deciden si un pipeline se puede reejecutar con seguridad.
  • Principios de seguridad. Mínimo privilegio, grupos en lugar de personas, separación de funciones.
  • Los índices como intuición de rendimiento. «Leer menos datos» sigue mandando; ahora significa particionado, clustering y poda de archivos.
  • Conceptos de ETL y orquestación. Dependencias, capacidad de reinicio, cargas incrementales y gestión de errores.
  • Monitoreo y planificación de capacidad. Referencias, picos y margen; las CU son una unidad nueva para el mismo razonamiento.
  • Operaciones de producción y análisis de incidentes. Cronologías, evidencias, causa raíz y runbooks.

¿Qué debería aprender primero un DBA de SQL Server?

Aprende en el orden en que la plataforma toma sus decisiones: primero contenedores y cómputo, luego datos, después el código que los mueve y, por último, las operaciones. Cada paso se apoya en el anterior:

# Aprender Por qué va aquí Por dónde empezar
1 El modelo de workspaces y elementos Todas las demás decisiones ocurren dentro de él Crea tu primer workspace de Microsoft Fabric
2 Capacidad y CU La nueva unidad de cómputo, coste, aislamiento y limitación La capacidad de Microsoft Fabric explicada (en inglés)
3 OneLake Dónde vive cada tabla, y por qué los motores comparten una sola copia ¿Qué es Microsoft Fabric? (en inglés)
4 Warehouse El camino más corto desde lo que ya sabes Crea tu primer Fabric Warehouse con T-SQL (en inglés)
5 Lakehouse y Delta Donde el modelo de almacenamiento cambia de verdad Tablas Delta para ingenieros de SQL Server (en inglés)
6 Pipelines Lo que sustituye a SQL Agent y a buena parte de SSIS Pipelines vs notebooks en Fabric (en inglés)
7 Notebooks y fundamentos de Spark Suficiente PySpark para leer, revisar y depurar las cargas del Lakehouse Explorar datos con PySpark (en inglés)
8 Monitoreo Capacity Metrics, centro de supervisión, Query Insights, tu propio registro de ejecución Monitoreo de pipelines y notebooks de Fabric
9 Seguridad y gobernanza Controles de tenant, workspace, elemento y datos Gobernanza de Microsoft Fabric con Purview
10 CI/CD Definiciones en Git, promovidas entre entornos Integración con Git y CI/CD con fabric-cicd

Por el camino, incorpora la arquitectura medallion, la forma habitual de organizar en capas los datos sin procesar, limpios y listos para servir, y los modelos semánticos, la forma en que Power BI consume tus tablas. La ruta de aprendizaje de Microsoft Fabric lo pone todo en un orden práctico, desde un workspace vacío hasta una plataforma lista para producción.

Referencia rápida

Solo correspondencias aproximadas. Úsala para orientarte y después lee la sección del concepto con el que estés trabajando.

SQL Server Microsoft Fabric (aproximado) Correspondencia
Instancia Capacidad de Fabric Correspondencia parcial
Base de datos Warehouse, Lakehouse o base de datos SQL en Fabric Modelo diferente
Esquema Esquema Correspondencia cercana
Tabla Tabla del Warehouse o tabla Delta del Lakehouse Cercana / parcial
MDF/NDF Archivos Delta y Parquet en OneLake Modelo diferente
CPU y memoria Capacity Units Correspondencia parcial
SQL Agent Pipeline y programación Correspondencia parcial
SSIS Data Factory, notebooks, Dataflow Gen2, T-SQL del Warehouse, o Invoke SSIS Package (versión preliminar) Modelo diferente
Query Store Query Insights más el monitoreo Correspondencia parcial
PerfMon Aplicación Capacity Metrics Correspondencia parcial
Copia de seguridad/restauración Recuperación gestionada por la plataforma y propia de cada elemento Modelo diferente
Grupo de disponibilidad Disponibilidad gestionada por el servicio Sin equivalente claro
tempdb Gestionado por el motor Sin equivalente claro
(nada) Workspace: un contenedor de proyecto, equipo o entorno, no una base de datos Sin equivalente claro

Lo que has aprendido

  • Los conceptos de Fabric solo se corresponden aproximadamente con los de SQL Server; revisa la calidad de la correspondencia antes de fiarte de ella.
  • Una capacidad es lo más parecido a una instancia, solo en términos de cómputo compartido. Un workspace es un contenedor organizativo, no una base de datos. Warehouse, Lakehouse y base de datos SQL son los elementos de nivel base de datos.
  • SQL Agent se corresponde con pipelines y programaciones, SSIS no tiene un sustituto único y Query Store se reparte entre Query Insights y el monitoreo de la capacidad. tempdb, los grupos de disponibilidad y las copias .bak no tienen un equivalente claro.
  • Tus habilidades de SQL, modelado, solución de problemas y operaciones se transfieren. OneLake, Delta, PySpark, los pipelines, la capacidad y Git son lo que añades.

El siguiente paso es construir algo. Crea tu primer workspace de Microsoft Fabric y después Crea tu primer Fabric Warehouse con T-SQL (en inglés): el Warehouse es el camino más corto entre lo que ya sabes y lo que hace Fabric.

Fuentes

El comportamiento documentado por Microsoft en este artículo procede de estas páginas de Microsoft Learn:

Las etiquetas de calidad de la correspondencia, la lista de lo que no se debe trasladar literalmente, el orden de aprendizaje y las comparaciones operativas son orientación de Javi Builds, no documentación de Microsoft.

Comportamiento de Fabric revisado en Microsoft Learn en noviembre de 2026. Las características en versión preliminar (data clustering, Invoke SSIS Package) pueden cambiar antes de la disponibilidad general.

Etiquetas

  • Microsoft Fabric
  • SQL Server
  • Fabric Warehouse
  • Fabric Lakehouse
  • Arquitectura de datos