{"id":8097,"date":"2025-12-26T12:52:19","date_gmt":"2025-12-26T15:52:19","guid":{"rendered":"https:\/\/powertuning.com.br\/?p=8097"},"modified":"2025-12-26T12:52:19","modified_gmt":"2025-12-26T15:52:19","slug":"porque-90-dos-ambientes-fabric-que-analiso-consomem-mais-capacidade-do-que-deveriam","status":"publish","type":"post","link":"https:\/\/powertuning.com.br\/blog\/porque-90-dos-ambientes-fabric-que-analiso-consomem-mais-capacidade-do-que-deveriam\/","title":{"rendered":"Porque 90% dos ambientes Fabric que analiso consomem mais capacidade do que deveriam."},"content":{"rendered":"

Ao longo de diversos ambientes Microsoft Fabric analisados, identifiquei um padr\u00e3o recorrente: empresas pagando por capacidades maiores do que precisam:<\/p>\n

– F128 quando bastaria F64;<\/p>\n

– F4 quando F2 resolveria;<\/p>\n

e por a\u00ed vai.<\/p>\n

O que causa esse desperd\u00edcio?<\/h3>\n

Dataflows Gen2 rodando refresh desnecess\u00e1rios (as vezes de tabelas que nem tem altera\u00e7\u00e3o mais), sem query folding e sem particionamento, at\u00e9 mesmo por causa da existencia dele, ser\u00e1 que n\u00e3o teria uma abordagem mais otimizada?<\/p>\n

Power Query fazendo transforma\u00e7\u00f5es pesadas no semantic model quando deveria estar em outras camadas, para mim esse \u00e9 um dos piores erros.<\/p>\n

PySpark quando ele n\u00e3o \u00e9 necess\u00e1rio, esse daqui \u00e9 muito comum, ou mal utilizado, sem usar cache, entre outras fun\u00e7\u00f5es do spark para evitar consumo.<\/p>\n

Vou nem falar de quest\u00f5es de falta de aplica\u00e7\u00e3o de conceitos, SCD, Carga Incremental, entre outras.<\/p>\n

Por que isso acontece?<\/h3>\n

Fabric \u00e9 uma plataforma recente, com m\u00faltiplos workloads e uma proposta diferente do que est\u00e1vamos acostumados. Tem muita gente explorando recursos sem entender o impacto no consumo.<\/p>\n

Al\u00e9m disso, a press\u00e3o por entrega faz com que otimiza\u00e7\u00e3o fique sempre para depois um depois que raramente chega.<\/p>\n

A boa not\u00edcia:<\/h3>\n

\u00c9 totalmente poss\u00edvel reverter isso. Com an\u00e1lise t\u00e9cnica adequada, revis\u00e3o de c\u00f3digo e ajustes estruturados, j\u00e1 vi ambientes reduzirem consumo pela metade mantendo a mesma performance, diminuindo o custo $$.<\/p>\n

Se sua empresa usa Fabric e a fatura est\u00e1 maior do que deveria, vale uma conversa. Estamos ajudando empresas a economizar e usar melhor suas capacidades.<\/p>\n

Fala comigo, com Alison Pezzott<\/strong><\/a> ou com nossa equipe comercial da Power Tuning<\/strong><\/a>, estamos aqui para lhe ajudar.<\/p>\n

\"\"<\/figure>\n

Artigo desenvolvido por: Luciano Borba (Engenheiro de Dados).<\/p>\n","protected":false},"excerpt":{"rendered":"

Ao longo de diversos ambientes Microsoft Fabric analisados, identifiquei um padr\u00e3o recorrente: empresas pagando por capacidades maiores do que precisam: – F128 quando bastaria F64; – F4 quando F2 resolveria; e por a\u00ed vai. O que causa esse desperd\u00edcio? Dataflows Gen2 rodando refresh desnecess\u00e1rios (as vezes de tabelas que nem tem altera\u00e7\u00e3o mais), sem query…
Leia mais<\/a><\/p>\n","protected":false},"author":27,"featured_media":8100,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"content-type":"","_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[176,62],"tags":[751,750,752,737,743,632,754,734,675,739,122,738,749,685,747,537,735,753,742,748,27,676,22,745,741,736,744,740,746],"class_list":["post-8097","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-banco-de-dados","category-casos-reais-de-clientes","tag-arquitetura-de-dados","tag-bi-corporativo","tag-boas-praticas-em-dados","tag-capacity-planning","tag-carga-incremental","tag-cloud-computing","tag-consumo-de-capacidade","tag-data-engineering","tag-data-platform","tag-dataflows-gen2","tag-engenharia-de-dados","tag-fabric-capacity","tag-finops","tag-governanca-de-dados","tag-lakehouse","tag-microsoft-fabric","tag-otimizacao-de-custos","tag-otimizacao-de-performance","tag-particionamento","tag-performance-em-dados","tag-power-bi","tag-power-query","tag-power-tuning","tag-pyspark","tag-query-folding","tag-reducao-de-custos-em-cloud","tag-scd","tag-semantic-model","tag-spark-optimization"],"jetpack_featured_media_url":"https:\/\/powertuning.com.br\/blog\/wp-content\/uploads\/2025\/12\/Capa_Blog-2-1.png","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/powertuning.com.br\/blog\/wp-json\/wp\/v2\/posts\/8097","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/powertuning.com.br\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/powertuning.com.br\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/powertuning.com.br\/blog\/wp-json\/wp\/v2\/users\/27"}],"replies":[{"embeddable":true,"href":"https:\/\/powertuning.com.br\/blog\/wp-json\/wp\/v2\/comments?post=8097"}],"version-history":[{"count":1,"href":"https:\/\/powertuning.com.br\/blog\/wp-json\/wp\/v2\/posts\/8097\/revisions"}],"predecessor-version":[{"id":8101,"href":"https:\/\/powertuning.com.br\/blog\/wp-json\/wp\/v2\/posts\/8097\/revisions\/8101"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/powertuning.com.br\/blog\/wp-json\/wp\/v2\/media\/8100"}],"wp:attachment":[{"href":"https:\/\/powertuning.com.br\/blog\/wp-json\/wp\/v2\/media?parent=8097"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/powertuning.com.br\/blog\/wp-json\/wp\/v2\/categories?post=8097"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/powertuning.com.br\/blog\/wp-json\/wp\/v2\/tags?post=8097"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}