TMDL dans Fabric : deux routes pour le même fichier
Depuis qu’un modèle sémantique s’écrit en texte, il se relit et se versionne comme du code. Il reste deux manières de le déployer, qui n’ont pas le même coût et ne conviennent pas aux mêmes équipes.
Pendant des années, un modèle sémantique était un fichier binaire. On ne pouvait ni le relire à plusieurs, ni voir ce qu’une modification avait changé, ni fusionner deux travaux, et la revue consistait à ouvrir l’outil pour regarder. Le format texte règle ces trois problèmes : une mesure tient en quelques lignes, les différences entre deux versions redeviennent lisibles, et le déploiement se pose dans les mêmes termes que pour du code.
/// Revenue excluding tax, at invoice date.
measure 'Revenue ex tax' =
SUMX ( Sales, Sales[quantity] * Sales[unit_price] )
formatString: #,##0 €
displayFolder: Measures\Sales
annotation PBI_FormatHint = {"currencyCulture":"fr-FR"}Cinq lignes qu’un collègue peut discuter en revue. Les deux méthodes de déploiement décrites ci-dessous partent de ce même fichier, ce qui permet de les comparer.
La plateforme propose des espaces de travail successifs (développement, recette, production) et un mécanisme qui copie le contenu de l’un vers le suivant. Des règles de déploiement remplacent en chemin ce qui doit changer : la source de données, un paramètre, une connexion. Il n’y a rien à écrire, tout se configure dans une interface.
C’est la bonne méthode pour une équipe qui n’a pas de chaîne d’intégration et ne souhaite pas en avoir. Elle a deux limites à connaître avant de s’engager. Les règles de déploiement sont stockées dans la plateforme et non dans le dépôt : elles ne sont ni versionnées ni relues, et personne ne peut dire ce qu’elles contenaient il y a trois mois. Et le déclenchement reste manuel, ou lié à la plateforme, si bien qu’on ne peut pas conditionner un déploiement au succès d’une suite de tests exécutée ailleurs.
L’autre méthode passe par la ligne de commande de la plateforme, installée sur un exécuteur et pilotée par le même fichier de chaîne d’intégration que le reste du dépôt. Le déploiement devient une étape parmi d’autres : il s’exécute après les tests, peut être relancé et laisse une trace.
deploy-semantic-model:
stage: deploy
image: python:3.12-slim
rules:
- if: $CI_COMMIT_BRANCH == "main"
before_script:
- pip install --quiet ms-fabric-cli
# Service principal, not a named account: a pipeline must not stop working
# because somebody changed team.
- fab auth login -u $FAB_CLIENT_ID -p $FAB_CLIENT_SECRET --tenant $FAB_TENANT
script:
- fab import /Prod.Workspace/Sales.SemanticModel -i ./models/Sales.SemanticModel -f
- fab import /Prod.Workspace/Sales.Report -i ./reports/Sales.Report -f
# The refresh after import: without it the model is deployed but empty, and
# the report shows blank cells to whoever opens it first.
- fab job run /Prod.Workspace/Sales.SemanticModel -P refreshType=fullCette méthode a deux coûts. Il faut un principal de service, ses droits sur les espaces de travail et la rotation de son secret, trois tâches qui relèvent d’une équipe plateforme plutôt que d’une équipe décisionnelle. Et une partie de ce que l’interface faisait sans effort, comme changer de source entre deux environnements, doit être réécrite sous forme de paramètres.
Aucune des deux méthodes n’est meilleure dans l’absolu, et le critère de choix n’est pas technique. Il faut se demander qui intervient quand un rapport est faux un lundi matin. Si c’est l’équipe décisionnelle elle-même, la méthode intégrée lui laisse son autonomie et lui évite de dépendre d’une chaîne qu’elle ne sait pas déboguer. Si c’est une équipe plateforme déjà responsable du reste, le modèle sémantique doit suivre le même circuit que le reste, sinon il devient le seul élément dont personne ne connaît l’historique.
Je ne traite pas des tests sur un modèle sémantique, qui manquent aux deux méthodes. On sait déployer, mais on ne sait pas vérifier automatiquement qu’une mesure renvoie le même résultat qu’avant, alors que ce contrôle distinguerait cette chaîne d’un simple transfert de fichiers. Des solutions existent, mais aucune ne m’a paru assez simple pour être maintenue par l’équipe après mon départ, et je préfère le dire que de laisser croire la question réglée.