Power BI：用Python实现Dynamics 365数据集的增量刷新

问题

本月，在Power BI Blog网站，增量刷新功能被正式发布，并全面支持Pro用户（此前仅Premium用户可使用）这对于多数PBI报表开发者而言无疑是个好消息，然而，它并不是完美的，对于一些不支持查询折叠的数据源，依然无法实现真正意义上的增量刷新，就如官方文档所述：

大部分支持SQL查询的数据源都支持查询折叠，但一般档案、Blob、Web和OData等数据源通常不支持…在此情况下，交互式引擎在本机补偿并套用筛选，这可能需要从数据源撷取完整的数据集。这会导致累加式重新整理非常缓慢，而且在使用时，该程序可能会用尽Power BI服务或内本地部署数据网关中的资源

因此，对于在报表中使用的来自Dynamics 365的数据集，由于其使用Odata协议，显然无法实现真正意义上的增量刷新，而不巧的是，使用Dynamics 365作为数据源的报表项目通常都是企业级的，它的数据集规模通常都比较大，开发者无论是在报表测试还是上传，修改以及发布时，都难以避免因数据庞大而造成的效率低下问题，同时这也容易使该项目的数据刷新占用了本地网关的大量资源，故此问题已成为Power BI报表开发者的痛点之一。

思路

事实上，解决此问题的思路是直截了当的。既然直接从Dynamics 365获取的数据集不支持查询折叠，那么我们就把它转换成能够支持查询折叠的数据形式。我们可以写一个程序（本文以Python为例），该程序每天从Dynamics 365上抽取前一天的最新数据，累积存储到关系型数据库中，然后使用Power BI连接该数据库获取该数据，对于Power