Azure Data Factoryとは？Microsoft Fabricとの違いも解説

Azure Data Factoryは、現在「スタンドアロン版」と、統合分析プラットフォーム「Microsoft Fabric」に内包された次世代版の2種類が存在します。この違いを理解することが、最適なデータ統合基盤を選択する鍵となります。

本記事では、従来のAzure Data Factoryの基本機能に加え、Microsoft Fabricの登場によって生まれた2つのData Factoryの違いを徹底比較します。それぞれのアーキテクチャ、機能、ユースケースを明確にし、自社の状況に合った最適なツールを選ぶための指針を提供します。

これからデータ統合を始める方から、既存のADF環境の今後を検討している方まで、全てのデータ技術者必見の内容です。

Azure Data Factoryとは

Azure Data Factoryイメージ

Azure Data Factory (ADF)は、様々な場所に散在するデータを集約し、ビジネスで活用できる形に加工・変換（ETL/ELT処理）するための、クラウドベースのデータ統合サービスです。ADF自体はデータを保存するデータベースではなく、データの「抽出、変換、読み込み」という一連のプロセスを自動化する「パイプライン」を構築・実行する役割を担います。

オンプレミスのファイルサーバーからクラウド上のデータウェアハウスへデータを転送したり、Web APIから取得したJSONデータを整形してデータベースに格納したりと、データ駆動型のワークフローをコードを書かずに（または最小限のコードで）作成できるのが大きな特徴です。

---

Azure Data FactoryとMicrosoft Fabric：どちらを選ぶべきか？

現在、Microsoftのデータ統合サービスを検討する上で、従来の「Azure Data Factory（ADF）」と、新しい「Data Factory in Microsoft Fabric」のどちらを選択するかは、最も重要な意思決定の一つです。両者は同じ「Data Factory」の名前を冠していますが、そのアーキテクチャと最適なユースケースは異なります。

2つのData Factoryの違い

まず、両者の立ち位置と特徴の違いを以下の表で確認しましょう。

機能項目	Azure Data Factory (ADF)	Data Factory in Microsoft Fabric
プラットフォーム	Azureの独立したサービス (PaaS)	統合分析基盤「Microsoft Fabric」の一部 (SaaS)
データ変換	マッピングデータフロー	Dataflow Gen2 (Power Queryベース)
主要コンポーネント	リンクされたサービス, データセット, パイプライン	接続, パイプライン
対象ユーザー	データエンジニア、ITプロフェッショナル	データエンジニア、Power BI開発者、市民開発者
最適なシナリオ	既存のAzureサービスとの連携、複雑なETL処理	エンドツーエンドの分析基盤構築、セルフサービスBI

Azure Data Factoryは、長年の実績がある成熟したサービスであり、Azure Synapse AnalyticsやAzure SQL Databaseなど、既存のAzureサービス群と深く連携する複雑なデータパイプラインを構築する場合に依然として強力です。

一方、Data Factory in Microsoft Fabricは、データ統合からデータエンジニアリング、データサイエンス、そしてPower BIによる可視化まで、すべてのプロセスを「OneLake」という単一のデータレイク上でシームレスに実行できる、次世代のSaaSエクスペリエンスです。特に、これから新しいデータ分析基盤を構築する場合には、第一の選択肢となるでしょう。

こんな方にはこちらがおすすめ

どちらのサービスを選ぶべきか、具体的なシナリオ別に推奨をまとめます。

• Azure Data Factoryがおすすめな方

  • 既にAzure Synapse Analyticsなどを中心としたデータ基盤を運用している。
  • オンプレミスのSQL Server Integration Services (SSIS) のパッケージをクラウドへ移行したい。
  • ファイルの到着などをトリガーにした、複雑なイベント駆動型のパイプラインが必要。

• Data Factory in Microsoft Fabricがおすすめな方

  • これから新しいデータ分析基盤をゼロから構築したい。
  • Power BIを多用しており、データ準備から可視化までをスムーズに行いたい。
  • データエンジニアだけでなく、アナリストや市民開発者もデータ準備に参加できるようにしたい。

---

2025年の最新動向

2025年現在、Microsoftのデータプラットフォーム戦略の軸足は、明らかにMicrosoft Fabricへと移っています。Data Factoryに関する技術革新や新機能の多くは、Fabric版を中心に展開されています。

開発の焦点がFabricへ

Microsoftは、今後のデータ統合機能のロードマップがFabric中心であることを示唆しています。例えば、Apache Airflowとの連携機能は、スタンドアロン版ADFでは既存顧客向けのメンテナンスモードとなり、今後はFabric版での利用が推奨されるなど、機能の移行も始まっています。

スタンドアロン版ADFの現在

開発の焦点がFabricに移ったからといって、スタンドアロン版ADFがすぐに使えなくなるわけではありません。むしろ、既存のAzure環境で安定稼働しているミッションクリティカルなデータ基盤を支えるサービスとして、今後も継続的なメンテナンスとサポートが提供されます。

実際に、Google BigQueryやPostgreSQLといった新しいデータソースへのネイティブコネクタの追加や、新しいAzureリージョンでのサービス提供開始など、機能改善やサービス拡充のアップデートは継続されています。

---

Azure Data Factoryの主要な概念

ここでは、主にスタンドアロン版のAzure Data Factoryを例に、その動作を理解する上で重要な3つの基本概念を解説します。これらの概念は、Fabric版では一部簡素化されていますが、基本的な考え方は共通しています。

パイプライン

パイプラインの画像

パイプラインは、一連の処理（アクティビティ）をまとめて定義したものです。「データの抽出、変換、ロード」といった一連の作業を自動化するためのワークフローと考えることができます。

パイプラインは、決まった時間に実行（スケジュール実行）したり、特定のイベント（例: ファイルがストレージに置かれた）をきっかけに実行したりできます。

アクティビティ

アクティビティの画像

アクティビティは、パイプラインを構成する個々の処理ステップです。代表的なアクティビティには以下のようなものがあります。

• データコピー: あるデータストアから別のデータストアへデータをコピーします。
• データフロー: 後述するマッピングデータフローを実行し、データの変換処理を行います。
• ストアドプロシージャ: データベースのストアドプロシージャを実行します。

これらのアクティビティを線でつなぎ、実行順序や依存関係を定義することで、パイプラインを構築します。

データセット

データセットは、アクティビティが利用するデータの「構造」を定義したものです。これは、操作したいデータがどのデータストアに（例: Azure Blob Storage）、どのような形式で（例: CSVファイル、特定のフォルダパス）存在するかを指し示す、いわば「データの住所録」のような役割を果たします。

注意: Microsoft Fabricでは、このデータセットの概念は「接続」に統合され、よりシンプルな構成になっています。

---

Azure Data Factoryの料金

このセクションでは、スタンドアロン版のADF V2の価格について解説します。

こちらがAzure Data Factoryの料金に関する情報を表にまとめたものです。
日本リージョンの価格をお示ししています。最新情報はこちらをご覧ください。

サービスの種類	料金モデル	備考
オーケストレーション	¥151.586/1,000 実行	アクティビティの実行、トリガーの実行、デバッグ実行を含む
データ移動アクティビティ	¥37.897/DIU時間	Azure データセンターからデータを送信する際には、ネットワーク帯域幅の追加料金が発生する
パイプライン アクティビティ	¥0.758/時間 ～ ¥151.586/時間	検索、メタデータの取得、削除などを含む。統合ランタイム上で実行される
外部パイプライン アクティビティ	¥0.037897/時間 ～ ¥151.586/時間	Databricks、ストアドプロシージャ、HDInsight のアクティビティなどを含む。外部アクティビティの完全な一覧については、公式ドキュメントを参照。実行はリンクされたサービス上で行われる
Data Flow の実行とデバッグ	汎用：仮想コア時間あたり ¥45.817	大規模なデータ変換を実現するData Factory内のコンポーネント。最小クラスターサイズは 8 仮想コア
	メモリ最適化：仮想コア時間あたり ¥55.291
予約割引	1 年予約：最大 25% 割引、3 年予約：最大 35% 割引	汎用とメモリ最適化の両タイプで利用可能

Azure Data Factoryの料金は使用するサービスの種類やアクティビティの量、さらには選択する計算リソースによって変動します。オーケストレーションとデータ移動アクティビティは基本的な機能であり、より複雑なデータ変換や大規模データ処理にはData Flowの使用が推奨されます。また、長期的なプロジェクトには予約割引が有効で、コスト削減につながります。

見積もりは、Microsoftが提供しているAzureの料金ツールから算出することも可能です。

---

Azure Data Factoryの活用事例

ADFは、データ統合と自動化において様々な活用事例を提供します。データの移動から変換、統合までのプロセスをシンプルにし、効率的にすることで、企業がデータを最大限に活用できるよう支援します。

以下に、ADFを活用した具体的なシナリオを紹介します。

データ移行の支援

ADFを使用して、異なるデータストアやシステム間でのデータ移行を簡単かつ迅速に行うことができます。例えば、既存のデータセンターからクラウド環境への移行 を効率的に実施することが可能です。

【関連記事】
➡️Azureによるビッグデータ管理解説記事

Azure Data Lakeへのデータ取得

クライアントのサーバーやオンラインデータソースからデータを収集し、Azure Data Lakeに蓄積 することで、大規模なデータセットの分析と処理が容易になります。

データ統合プロセスの実行

他のSQLサーバーやSales forceなどの異なるソースからのデータを一元的に集め、統合することで、データの一貫性を保ちつつ、複数のデータソースにわたる分析が可能になります。

これにより、サイロ化されたデータを統合し、必要な処理を実施することが可能となり、データ分析の効率を大幅に向上させます。

ERPシステムからのデータ統合

複数のERPシステムからデータを収集し、Azure Synapse Analyticsに統合してロードすることで、高度な分析とレポーティングを実現します。

---

Azure Data Factoryの導入事例

ログの分析では、オンプレミスのデータストアにある参照データを使用し、クラウドのデータストアにある追加のログデータと統合して活用することがあります。

ADF導入事例参考:Microsoft

創業から35年以上にわたり、多彩なITサービスを提供してきた企業(ソフトクリエイト社の一例)です。主要な課題の一つは、顧客データを含む社内データをどのように一元管理するかでした。

ADFの活用により、ソフトクリエイトはSalesforceとMicrosoft Dynamics 365の間でデータ連携を実現しました。ADFを選定した理由として、クラウドサービス間の高度な連携能力、豊富なコネクタ数、コーディング不要での簡単なスタート、そしてAzureサービスとの親和性の高さが挙げられます。これにより、ソフトクリエイトは、スモールスタートからトライ＆エラーを重ねながら、迅速にデータ連携基盤を構築・リリースすることがでた事例です。

ADFを使用することで、データドリブンのワークフローを作成し、データの移動と変換を自動化することが可能です。これにより、生データを意味のある形式に整理し、より的確な意思決定を支援するデータレイクとデータストアを構築できます。

【関連ページ】
➡️導入事例特集ページ

---

まとめ

本記事では、データ統合のための強力なクラウドベースのサービスであるAzure Data Factoryについて詳しく解説しました
Azure Data Factoryは、多様なデータソースからのデータ入力や出力を可能にし、データ駆動型ワークフローの作成とETLプロセスの自動化を実現します。
このサービスを適切に活用することで、企業が持つ貴重なデータリソースを最大限に活かし、ビジネスの意思決定やオペレーションの最適化に役立てることができるでしょう。

Azure Data Factoryの基本的な機能から実際の使用例まで、この記事で得た知識を活かして、自社のデータ統合・データ管理の取り組みを一歩前進させてみてください。