TechExplained
|
Best PracticeNiveau: Gemiddeld

Fabric ALM en CI/CD: van klikwerk naar Git-gedreven uitrol

Waarom handmatige wijzigingen in productie de grootste onderschatte oorzaak van drift zijn, en hoe Git-integratie, Deployment Pipelines en een service principal dat oplossen.

TechExplained 2 min lezenGepubliceerd: 26 juli 2026Laatst bijgewerkt: 26 juli 2026
#alm#ci/cd#governance#git
01

Behandel elke wijziging als code, niet als klik

De grootste onderschatte oorzaak van problemen in een Fabric-platform is niet performance, het is drift. Zonder CI/CD lopen dev, test en productie langzaam uit elkaar doordat iemand "even snel" een aanpassing in productie klikt zonder review of rollback. Koppel elke workspace aan Git (Azure DevOps of GitHub); items worden dan geserialiseerd naar de repository en elke wijziging wordt een commit met geschiedenis in plaats van een onzichtbare klik.

02

Scheid ML-promotie van BI-promotie

ML-modellen en notebooks passen niet netjes in hetzelfde promotiemodel als semantic models en rapporten. Een model kent een eigen levenscyclus: experimenteren, valideren, promoveren naar productie, mogelijk terugdraaien als een nieuwe versie slechter presteert. Forceer modellen niet in dezelfde Deployment Pipeline als BI-items. Gebruik in plaats daarvan een MLflow-registry met expliciete promotie naar een "production"-stage, zodat BI-promotie en ML-promotie onafhankelijk van elkaar kunnen bewegen.

03

Automatiseer met een service principal, niet met een persoonlijk account

Geautomatiseerde deployments horen te draaien onder een Microsoft Entra-service principal met de minst noodzakelijke rol, niet onder het persoonlijke account van een architect of een gedeeld serviceaccount met wachtwoord. Dat voorkomt niet alleen een single point of failure als iemand het bedrijf verlaat, het maakt ook auditeerbaar wélke wijziging door welke automatisering is uitgevoerd. Begin met een beperkte rol en breid uit waar nodig; begin niet breed "om het maar werkend te krijgen", want least privilege achteraf toepassen op bestaande automatisering kost meer tijd dan het vanaf dag één goed inrichten.

04

Structureer omgevingen met Deployment Pipelines

Deployment Pipelines promoveren content van dev naar test naar productie met deployment rules: instellingen die per omgeving verschillen, zoals connectiestrings, blijven gescheiden van de rest van de configuratie. Dat voorkomt de klassieke fout waarbij een testconnectiestring per ongeluk in productie belandt. Combineer dit met naamgevingsconventies voor workspaces en items vanaf de eerste dag, niet achteraf; een gemeente die dit te laat inrichtte, zag binnen een maand drie verschillende schrijfwijzen voor dezelfde afdeling ontstaan.

05

De meest gemaakte fout: geen CI/CD

Handmatig klikwerk in productie zonder review of rollback is de meest voorkomende fout in Fabric-platformen, en de duurste om achteraf te herstellen: elke handmatige wijziging is een potentiële afwijking die pas opvalt wanneer test en productie zichtbaar anders gedragen. De oplossing is niet ingewikkeld, ze wordt alleen vaak uitgesteld tot "als het platform groter is". Richt CI/CD in vanaf de eerste workspace, niet vanaf de tiende.

Het proces in één overzicht

Klik op een stap voor de kernbeslissing

Samenvatting

Behandel elke wijziging als code, niet als klik

De grootste onderschatte oorzaak van problemen in een Fabric-platform is niet performance, het is drift. Zonder CI/CD lopen dev, test en productie langzaam uit elkaar doordat iemand "even snel" een aanpassing in productie klikt zonder review of rollback. Koppel elke workspace aan Git (Azure DevOps of GitHub); items worden dan geserialiseerd naar de repository en elke wijziging wordt een commit met geschiedenis in plaats van een onzichtbare klik.

Production Readiness Checklist

Controleer deze productie-aanbevelingen voordat je live gaat.

  • Workspace gekoppeld aan Git (Azure DevOps of GitHub)
  • Deployment Pipelines ingericht voor dev, test en prod
  • Deployment rules vastgelegd voor omgevingsspecifieke instellingen
  • Service principal met minst noodzakelijke rol voor automatisering
  • ML-promotie via MLflow-registry, gescheiden van BI-promotie
  • Geen directe wijzigingen in productie zonder pull request
Fabric ALM en CI/CD: van klikwerk naar Git-gedreven uitrol | TechExplained