如何将Power BI Data Set的数据导出并存储至Postgresql？

不存在只能导SQL Server的限制，目前有三类成熟可落地的方案，根据自己的技术栈和权限选就行：

• 自定义脚本对接API方案（成本最低，Pro license即可用）
  核心是调用Power BI官方提供的DAX查询接口直接拉取数据集数据，全程不需要中转其他数据库：
  1. 先在Azure AD注册服务应用，开通Dataset.Read.All的应用权限，拿到认证需要的租户ID、应用ID、客户端密钥
  2. 用熟悉的语言写抽取逻辑：Python可以直接用powerbiclient库封装好的认证、查询方法，传入对应表的DAX查询语句就能拿到结构化的数据集结果，不用自己手写鉴权请求
  3. 做好类型映射后用PG对应驱动批量写入即可：Python用psycopg2的execute_values做批量插入，百万级数据量的同步速度也能接受。大表记得按日期字段做分页拉取，避免触发接口限流。
• 低代码数据流方案（无代码基础可选）
  有权限用Fabric Dataflow Gen2或者Premium级别的Power BI Dataflow的话，全程不用写代码：
  1. 新建数据流，数据源选择Power BI Dataset，选中需要同步的表做必要的字段清洗、转换
  2. 数据目标直接选PostgreSQL，填入PG的连接地址、库表信息，选择写入规则（全量覆盖/增量追加/主键合并）
  3. 配置好自动刷新周期就能自动跑同步，不需要额外维护服务。
• ETL工具对接方案（生产级同步场景推荐）
  如果需要长期稳定的增量同步、有任务监控告警需求，可以用开源ETL工具实现：
  1. 选择支持Power BI Dataset源的ETL工具（Airbyte、Meltano、DataX的第三方插件都可以），如果是内网环境配合本地网关打通和Power BI服务的网络连接
  2. 配置PostgreSQL为目标端，在工具里可视化配置字段映射、增量抽取规则、失败重试策略
  3. 配置调度周期即可，不用自己处理接口限流、类型转换、写入优化这些细节。

避坑提醒：不建议用手动导出CSV再导入PG的方式，数据量稍大就会出现编码异常、日期/数字格式解析错误、空值处理不一致的问题，后续维护成本极高。

内容的提问来源于stack exchange，提问作者walther leonardo