如何在Power BI Desktop合并不同工作区的两个流式数据集为含全表的单数据集？

方案1：Power BI REST API + 自定义脚本（Python/DAX Studio） #

流式数据集可通过API读取数据后完成合并，步骤如下：

• 先通过Azure AD应用注册获取API访问令牌，确保令牌拥有两个源工作区的Dataset.Read.All权限及目标工作区的Dataset.Write.All权限
• 调用GetRows API分别拉取两个流式数据集的实时数据：

  GET https://api.powerbi.com/v1.0/myorg/groups/{groupId}/datasets/{datasetId}/tables/{tableId}/rows
  

• 用Python或DAX Studio将拉取到的数据合并，示例Python代码片段：

  import requests
  import pandas as pd
  
  # 拉取数据集A数据
  response_a = requests.get("https://api.powerbi.com/v1.0/myorg/groups/{groupA}/datasets/{datasetA}/tables/{tableA}/rows", headers={"Authorization": "Bearer {token}"})
  df_a = pd.DataFrame(response_a.json()['value'])
  
  # 拉取数据集B数据
  response_b = requests.get("https://api.powerbi.com/v1.0/myorg/groups/{groupB}/datasets/{datasetB}/tables/{tableB}/rows", headers={"Authorization": "Bearer {token}"})
  df_b = pd.DataFrame(response_b.json()['value'])
  
  # 合并数据集（根据需求选择concat/merge）
  merged_df = pd.concat([df_a, df_b], ignore_index=True)
  

• 最后调用PostRows API将合并后的数据推送到新的Power BI流式数据集

方案2：Power BI数据流（Dataflows） #

若两个流式数据集的原始数据源可直接访问，可通过数据流从源头同步合并：

• 在Power BI服务中创建数据流，分别连接两个流式数据集的原始数据源（如Event Hub、IoT Hub等）
• 在数据流的Power Query编辑器中，完成两个数据源的数据清洗、字段映射与合并操作
• 将合并后的数据流发布到目标工作区，再在Power BI Desktop中连接该数据流作为新数据集

方案3：Azure Stream Analytics中转 #

适合高吞吐量的实时数据合并场景：

• 将两个流式数据集的输出（或直接从原始数据源）接入Azure Stream Analytics作业
• 在Stream Analytics中编写SQL查询合并数据流：

  SELECT * INTO [merged-output]
  FROM [stream-source-1]
  UNION ALL
  SELECT * FROM [stream-source-2]
  

• 将合并后的输出直接推送到新的Power BI流式数据集

关键注意事项 #

• 实时性选择：严格实时合并优先选方案3；准实时（分钟级延迟）需求可选择方案1或方案2
• 数据结构匹配：合并前需确保两个数据集的表结构一致，不一致时需在预处理阶段完成字段映射
• 权限验证：操作账号需拥有对应工作区的数据集读写权限，避免API调用或数据流访问失败

内容的提问来源于stack exchange，提问作者Amankwah