Known Limitations
De beperkingen waar je in de praktijk tegenaan loopt, met impact, workaround en roadmap-status. Dit is wat architecten opzoeken vóórdat ze een design vastleggen.
Microsoft Fabric
Mirroring-retentie staat standaard op één dag
Structureel aandachtspunt- Beschrijving
- Nieuwe gespiegelde databases hebben een standaardretentie van één dag; time-travel op de spiegel is daardoor onverwacht kort.
- Impact
- Teams die op de spiegel rekenen voor herstel of historische vergelijking ontdekken te laat dat er maar één dag geschiedenis is. Daarnaast worden schema-drift en DDL-wijzigingen beperkt afgehandeld en gelden er tabel-limieten per gespiegelde database.
- Workaround
- Zet de retentie bewust hoger waar time-travel nodig is, of maak van kritieke tabellen een Copy naar Bronze als stabiele, herleidbare snapshot voor audit. Controleer per bron of mirroring past: bestanden hebben geen transaction log (kies Copy) en bij SAP zit de waarde in de applicatielaag (kies een pipeline met de SAP-connector).
- Microsoft roadmap
- Mirroring-dekking per brontype breidt uit; check de actuele beperkingen per connector.
OneLake availability op KQL-data is een kopie met vertraging
Structureel aandachtspunt- Beschrijving
- KQL-tabellen die je via OneLake availability als Delta beschikbaar stelt zijn geen nul-latency spiegel, en KQL-RLS geldt niet op die kopie.
- Impact
- Direct Lake op KQL-data is niet zo vers als het hot-path-dashboard, beloof dat verschil niet weg. En zodra OneLake availability aanstaat, leest Spark of een shortcut de rauwe Delta-bestanden rechtstreeks: de KQL-RLS is dan geen muur meer tussen tenants.
- Workaround
- Gebruik het Real-Time Dashboard voor seconden-verse consumptie en Direct Lake alleen waar de kopie-latency acceptabel is. Baseer tenant-isolatie op OneLake Security en fysieke scheiding (aparte databases, Eventhouses of capacities), en zet OneLake availability alleen aan waar Direct Lake of Spark de data echt nodig heeft.
- Microsoft roadmap
- Latency van de Delta-kopie verbetert geleidelijk; het security-principe blijft ongewijzigd.
Dataflow Gen2 is per GB de duurste ingestieroute
Structureel aandachtspunt- Beschrijving
- Een dataflow staget intern in een verborgen Lakehouse plus Warehouse-compute; op volume is Dataflow Gen2 daardoor fors duurder dan een pipeline Copy.
- Impact
- Teams die Dataflow Gen2 als bulk-motor inzetten merken het pas op de rekening. Extra venijnig: breekt query folding op een stap, dan valt de dataflow stil terug op de trage, dure Mashup-engine, zonder waarschuwing.
- Workaround
- Gebruik Dataflow Gen2 voor self-service en lichte verrijking door business-analisten, niet als bulk-motor. Zet Fast Copy aan, bewaak query folding per stap, en kies voor bulk en batch een Data Pipeline met de Copy activity, doorgaans veel goedkoper per GB.
- Microsoft roadmap
- Fast Copy en folding-diagnostiek worden uitgebreid; het kostenmodel met interne staging blijft.
Spark omzeilt RLS van het SQL Analytics Endpoint
Structureel aandachtspunt- Beschrijving
- Row-level en column-level security op het SQL Analytics Endpoint gelden alleen dáár; Spark leest de onderliggende Delta-bestanden in OneLake rechtstreeks.
- Impact
- Een engineer met workspace-toegang ziet in een notebook gewoon de rauwe rijen van alle tenants of domeinen, ook rijen die RLS op het endpoint zou verbergen. In multi-tenant-scenario's is endpoint-RLS dus geen muur maar een gordijn.
- Workaround
- Baseer tenant-isolatie niet op endpoint-RLS maar op OneLake Security (RBAC op data-item-niveau) en fysieke scheiding: aparte lakehouses of workspaces per tenant, en voor de zwaarste of meest gereguleerde klant een aparte capacity. Test isolatie adversarieel in je deployment pipeline, isolatie die je niet automatisch test, bestaat niet.
- Microsoft roadmap
- OneLake Security wordt uitgebreid, maar het architectuurprincipe blijft: wie de bestanden kan lezen, ziet alles.
Warehouse-collatie is standaard hoofdlettergevoelig
Structureel aandachtspunt- Beschrijving
- De standaard-collatie van het Fabric Warehouse is case-sensitive; joins en filters breken stil op casing, en de collatie is alleen bij het aanmaken te kiezen.
- Impact
- 'Klant' matcht wel met 'Klant' maar niet met 'klant', joins en filters leveren stilletjes minder rijen op zonder foutmelding. Achteraf wisselen van collatie kan niet; dat betekent opnieuw opbouwen.
- Workaround
- Kies de collatie bewust bij het aanmaken van het Warehouse (case-insensitive waar het team dat verwacht) en normaliseer sleutelkolommen in Silver. Let ook op: primary en foreign keys zijn NOT ENFORCED, ze helpen de optimizer maar bewaken je integriteit niet.
- Microsoft roadmap
- Geen wijziging aangekondigd; collatie blijft een aanmaakkeuze.
SQL Analytics Endpoint loopt achter op Spark-writes
Structureel aandachtspunt- Beschrijving
- Data die Spark net wegschreef is niet altijd direct zichtbaar op het SQL Analytics Endpoint; de metadata-sync kan seconden tot minuten duren.
- Impact
- Ketens die direct na een Spark-write query'en via het endpoint missen rijen, stille datafouten die pas opvallen als cijfers niet kloppen. Write en read zijn niet atomair.
- Workaround
- Gebruik de refresh-API om de metadata-sync te forceren, of bouw een korte wachtstap in de pipeline tussen de Spark-write en de eerste endpoint-query. Ga er nooit blind vanuit dat write en read atomair zijn.
- Microsoft roadmap
- Microsoft verbetert de sync geleidelijk, maar het blijft een asynchroon achtergrondproces.
Direct Lake valt terug op DirectQuery
Op de roadmap- Beschrijving
- Direct Lake-modellen kunnen bij te complexe modellen of te grote tabellen stilletjes terugvallen op DirectQuery, met fors tragere rapportages als gevolg.
- Impact
- Rapportages die normaal onder een seconde laden, worden seconden tot tientallen seconden traag, vaak ontdekt door eindgebruikers in plaats van het team.
- Workaround
- Monitor fallback via Performance Analyzer en de DAX-engine-metrieken; houd modellen binnen de Direct Lake-vangrails (tabelgrootte, geen ongeschikte constructies) en V-Order aan.
- Microsoft roadmap
- Microsoft verruimt de vangrails geleidelijk per capaciteits-SKU.
Git-integratie dekt niet alle Fabric-items
Op de roadmap- Beschrijving
- Niet elk Fabric-itemtype wordt ondersteund door Git-integratie en deployment pipelines, waardoor CI/CD-processen gaten vertonen.
- Impact
- Sommige items moeten handmatig gemigreerd worden tussen omgevingen; het 'alles uit versiebeheer'-principe is niet volledig haalbaar, met risico op drift tussen dev en prod.
- Workaround
- Inventariseer per gebruikt itemtype de ondersteuning vóór je je deployment-strategie vastlegt; automatiseer niet-ondersteunde items via de Fabric REST API's.
- Microsoft roadmap
- Ondersteuning per itemtype wordt maandelijks uitgebreid; check de release notes.
Microsoft 365 Copilot
Semantic Index verwerkt nieuwe content met vertraging
Geen concrete toezegging- Beschrijving
- Nieuwe of gewijzigde documenten zijn niet direct vindbaar voor Copilot; de Semantic Index kent verwerkingsvertraging.
- Impact
- Gebruikers verwachten dat een zojuist geüpload document direct in Copilot-antwoorden meedoet; verouderde antwoorden ondermijnen het vertrouwen in de uitrolfase.
- Workaround
- Verwachtingen managen in adoptietraining; voor tijdkritische kennis een dedicated agent met eigen, direct geïndexeerde kennisbron in Copilot Studio overwegen.
- Microsoft roadmap
- Geen publiek gecommuniceerde verbetering van indexeringslatency.
Copilot Studio
Beperkte controle over orchestratie in Copilot Studio
Op de roadmap- Beschrijving
- Generative orchestration in Copilot Studio geeft weinig grip op de volgorde en keuze van acties; fijnmazige controle zoals in code-first frameworks ontbreekt.
- Impact
- Complexe agents gedragen zich soms anders dan ontworpen; debuggen is lastiger doordat de redenering van de orchestrator beperkt inzichtelijk is.
- Workaround
- Houd agents in Copilot Studio smal (weinig, goed beschreven acties); verplaats complexe orchestratie naar een Foundry-agent en roep die aan vanuit Studio.
- Microsoft roadmap
- Microsoft investeert zichtbaar in betere observability en testtooling voor Studio-agents.
Azure AI
Vector-opslag en semantic ranking worden duur op schaal
Structureel aandachtspunt- Beschrijving
- Azure AI Search rekent voor semantic ranking per query en vectoropslag telt mee in de tier-limieten; grote RAG-oplossingen lopen sneller tegen kosten aan dan verwacht.
- Impact
- De businesscase van een RAG-oplossing kan omslaan bij hoge queryvolumes of miljoenen chunks; achteraf van tier wisselen betekent herindexeren.
- Workaround
- Dimensiereductie en quantization op embeddings, caching van veelgestelde vragen, semantic ranking alleen op de topresultaten, en capaciteit vooraf doorrekenen op verwacht volume.
- Microsoft roadmap
- Prijsmodel en tiers wijzigen regelmatig; herbereken de businesscase per kwartaal.
Power BI
Direct Lake-modellen beperkt combineerbaar met andere bronnen
Op de roadmap- Beschrijving
- Composite modeling met Direct Lake kent beperkingen; het vrij mengen van Direct Lake-tabellen met import- of DirectQuery-bronnen in één model is begrensd.
- Impact
- Modelontwerpen die data uit het Lakehouse willen combineren met externe bronnen vereisen extra tussenstappen of vallen terug op tragere verbindingsmodi.
- Workaround
- Breng externe data via shortcuts of pipelines naar OneLake zodat alles Direct Lake kan zijn; accepteer anders bewust een import- of DirectQuery-model voor dat specifieke rapport.
- Microsoft roadmap
- Composite-scenario's met Direct Lake worden stapsgewijs uitgebreid.