Valós idejű streamelés a Power BI-ban

A Power BI valós idejű streameléssel valós időben streamelheti az adatokat, és frissítheti az irányítópultokat. A Power BI-ban létrehozott vizualizációk és irányítópultok valós idejű adatokat és vizualizációkat jeleníthetnek meg és frissíthetnek. A streamelési adatok eszközei és forrásai lehetnek gyári érzékelők, közösségi médiaforrások, szolgáltatáshasználati metrikák vagy sok más időérzékeny adatgyűjtő vagy -adó.

Ez a cikk bemutatja, hogyan állíthat be és használhat valós idejű streamelési szemantikai modelleket a Power BI-ban.

Valós idejű szemantikai modellek típusai

Először is fontos tisztában lenni a csempékben és irányítópultokon való megjelenítésre tervezett valós idejű szemantikai modellek típusaival, valamint a szemantikai modellek különbségeivel.

A valós idejű szemantikai modellek következő három típusa valós idejű irányítópultokon való megjelenítésre lett tervezve:

• Leküldéses szemantikai modell
• Streamelési szemantikai modell
• PubNub streamelési szemantikai modell

Ez a szakasz azt ismerteti, hogy ezek a szemantikai modellek miben különböznek egymástól. A későbbi szakaszok bemutatják, hogyan lehet adatokat leküldni ezekbe a szemantikai modellekbe.

Leküldéses szemantikai modell

A leküldéses szemantikai modellben az adatok a Power BI szolgáltatás kerülnek le. A szemantikai modell létrehozásakor a Power BI szolgáltatás automatikusan létrehoz egy új adatbázist a szolgáltatásban az adatok tárolásához.

Mivel van egy mögöttes adatbázis, amely az adatokat a beérkezéskor tárolja, jelentéseket hozhat létre az adatokkal. Ezek a jelentések és vizualizációik ugyanolyanok, mint bármely más jelentésvizualizáció. Használhatja a Power BI jelentéskészítési funkcióit, például a Power BI-vizualizációkat, az adatriasztásokat és a rögzített irányítópult-csempéket.

Miután létrehozott egy jelentést a leküldéses szemantikai modellel, bármelyik jelentésvizualizációt rögzítheti egy irányítópulton. Ezen az irányítópulton a vizualizációk valós időben frissülnek az adatok frissítésekor. Az Power BI szolgáltatás az irányítópult minden új adat érkezésekor elindít egy csempefrissítést.

A leküldéses szemantikai modellből rögzített csempékkel kapcsolatban két szempontot érdemes figyelembe venni:

• Ha egy teljes jelentést rögzít az Élő rögzítés beállítással, az nem eredményezi automatikusan az adatok frissítését.
• Miután rögzített egy vizualizációt egy irányítópulton, a Q&A használatával kérdéseket tehet fel a leküldéses szemantikai modellel kapcsolatban természetes nyelven. A Q&A-lekérdezést követően rögzítheti az eredményként kapott vizualizációt az irányítópulton, és a vizualizáció is valós időben frissül.

Streamelési szemantikai modell

A streamelési szemantikai modell az adatokat is leküldi a Power BI szolgáltatás, és fontos különbség van: a Power BI csak ideiglenes gyorsítótárba tárolja az adatokat, amely gyorsan lejár. Az ideiglenes gyorsítótár csak átmeneti előzményekkel rendelkező vizualizációk megjelenítésére használható, például egy egyórás időablakot tartalmazó vonaldiagramra.

A streamelési szemantikai modell nem rendelkezik mögöttes adatbázissal, így nem hozhat létre jelentésvizualizációkat a streamből beáramló adatok használatával. Ezért nem használhat olyan jelentésfunkciókat, mint a szűrés, a Power BI-vizualizációk és más jelentésfüggvények.

A streamelési szemantikai modellek megjelenítésének egyetlen módja egy csempe hozzáadása és a streamelési szemantikai modell egyéni streamelési adatforrásként való használata. A streamelési szemantikai modellen alapuló egyéni streamelési csempék a valós idejű adatok gyors megjelenítésére vannak optimalizálva. Az adatok Power BI szolgáltatás való leküldése és a vizualizáció frissítése között kevés a késés, mert nincs szükség az adatok adatbázisba való bevitelére vagy az adatbázisból való olvasásra.

A gyakorlatban a legjobb, ha streamelési szemantikai modelleket és a hozzájuk tartozó streamvizualizációkat használ olyan helyzetekben, amikor kritikus fontosságú az adatok leküldése és vizualizációja közötti késés minimalizálása. Az adatokat olyan formátumban kell leküldnie, amely a következőképpen jeleníthető meg, további összesítések nélkül. A készen álló adatok közé tartoznak például a hőmérsékletek és az előre kiszámított átlagok.

PubNub streamelési szemantikai modell

A PubNub streamelési szemantikai modellel a Power BI webügyfél a PubNub SDK-t használja egy meglévő PubNub-adatfolyam olvasásához. A Power BI szolgáltatás nem tárol adatokat. Mivel a webes ügyfél közvetlenül kezdeményezi ezt a hívást, ha csak a jóváhagyott kimenő forgalmat engedélyezi a hálózatról, az engedélyezett módon kell listáznia a PubNub felé irányuló forgalmat. Útmutatásért tekintse meg a PubNub kimenő forgalmának jóváhagyásáról szóló támogatási cikket.

A streamelési szemantikai modellhez hasonlóan a PubNub streamelési szemantikai modellnek sincs mögöttes Power BI-adatbázisa. Nem hozhat létre jelentésvizualizációkat a befolyt adatok alapján, és nem használhat jelentésfunkciókat, például szűrést vagy Power BI-vizualizációkat. A PubNub streamelési szemantikai modell csak úgy jeleníthető meg, ha csempét ad hozzá az irányítópulthoz, és forrásként konfigurál egy PubNub-adatfolyamot.

A PubNub streamelési szemantikai modellen alapuló csempék valós idejű adatok gyors megjelenítésére vannak optimalizálva. Mivel a Power BI közvetlenül csatlakozik a PubNub-adatfolyamhoz, kevés a késés az adatok Power BI szolgáltatás és a vizualizáció frissítése között.

Streamelési szemantikai modellmátrix

Az alábbi táblázat a valós idejű streameléshez használt szemantikai modellek három típusát ismerteti, és felsorolja azok képességeit és korlátait.

Adatok leküldése szemantikai modellekbe

Ez a szakasz bemutatja, hogyan hozhat létre és küldhet le adatokat a valós idejű streameléshez használható három elsődleges szemantikai modellbe.

Az adatokat a következő módszerekkel küldheti le egy szemantikai modellbe:

• A Power BI REST API-k
• A Power BI streamelési szemantikai modell felhasználói felülete
• Azure Stream Analytics

Adatok leküldése a Power BI REST API-kkal

A Power BI REST API-kkal adatokat hozhat létre és küldhet le szemantikai modellek leküldéséhez és szemantikai modellek streameléséhez. Amikor a Power BI REST API-k használatával hoz létre szemantikai modellt, a defaultMode jelölő megadja, hogy a szemantikai modell leküldéses vagy streamelt-e.

Ha nincs defaultMode jelölő beállítva, a szemantikai modell alapértelmezés szerint leküldéses szemantikai modell lesz. Ha az defaultMode érték be van állítva pushStreaming, a szemantikai modell leküldéses és streamelt szemantikai modell, és mindkét szemantikai modelltípus előnyeit biztosítja.

A szemantikai modell létrehozása után a PostRows REST API-kkal leküldheti az adatokat. A REST API-kra irányuló összes kérést a Microsoft Entra ID OAuth használatával biztosítjuk.

A streamelési szemantikai modell felhasználói felületének használata adatok leküldéséhez

A Power BI szolgáltatás az API-megközelítés kiválasztásával szemantikai modellt hozhat létre, ahogyan az alábbi képernyőképen látható:

Az új streamelési szemantikai modell létrehozásakor engedélyezheti az előzményadatok elemzését az alábbi képernyőképen látható módon. Ez a kijelölés jelentős hatással van.

Ha az előzményadatok elemzése le van tiltva, alapértelmezés szerint egy streamelési szemantikai modellt hoz létre a korábban leírtak szerint. Ha az előzményadatok elemzése engedélyezve van, a létrehozott szemantikai modell streamelési szemantikai modellé és leküldéses szemantikai modellé válik. Ez a beállítás egyenértékű a Power BI REST API-k használatával egy szemantikai modell defaultModepushStreaminglétrehozásához a korábban ismertetett módon.

Adatok leküldése az Azure Stream Analytics használatával

A Power BI-t kimenetként hozzáadhatja az Azure Stream Analyticshez, majd valós időben megjelenítheti ezeket az adatfolyamokat a Power BI szolgáltatás. Ez a szakasz a folyamat technikai részleteit ismerteti.

Az Azure Stream Analytics a Power BI REST API-kkal defaultMode hozza létre a kimeneti adatfolyamot a Power BI-ba, a beállítás értéke pedig a pushStreamingkövetkező. Az eredményül kapott szemantikai modell a leküldést és a streamelést is használhatja. A szemantikai modell létrehozásakor az Azure Stream Analytics a jelölőt a retentionPolicy következőre basicFIFOállítja: . Ezzel a beállítással a leküldéses szemantikai modellt támogató adatbázis 200 000 sort tárol, és a sorokat első lépésben (FIFO) hajtja végre.

Valós idejű streamelési szemantikai modell beállítása a Power BI-ban

A valós idejű streamelés megkezdéséhez válasszon a streamelési adatok Power BI-ban való felhasználásának alábbi módjai közül:

• Streamelési adatokból származó vizualizációkat tartalmazó csempék
• A Power BI-ban tárolt streamelési adatokból létrehozott szemantikai modellek

Mindkét lehetőséghez be kell állítania a streamelési adatokat a Power BI-ban. Valós idejű streamelési szemantikai modell használata a Power BI-ban:

1. Meglévő vagy új irányítópulton válassza a Csempe hozzáadása lehetőséget.

2. A Csempe hozzáadása lapon válassza az Egyéni streamelési adatok lehetőséget, majd a Tovább gombot.

   

3. Az Egyéni streamelési adatok hozzáadása csempén kiválaszthat egy meglévő szemantikai modellt, vagy a Szemantikai modellek kezelése lehetőséget választva importálhatja a streamelési szemantikai modellt, ha már létrehozott egyet. Ha még nincs beállítva streamelési adat, első lépésként válassza a Streamelési szemantikai modell hozzáadása lehetőséget.

   

4. Az Új streamelési szemantikai modell lapon válassza az API, az Azure Stream vagy a PubNub lehetőséget, majd kattintson a Tovább gombra.

   

Streamelési szemantikai modell létrehozása

A Power BI három módon hozhat létre valós idejű streamelési adatcsatornát, amelyet a Power BI felhasználhat és vizualizálhat:

• Power BI REST API valós idejű streamvégpont használatával
• Azure Stream
• PubNub

Ez a szakasz a Power BI REST API és a PubNub beállításait ismerteti, és ismerteti, hogyan hozhat létre streamelési csempét vagy szemantikai modellt a streamelési adatforrásból. Ezután a szemantikai modell használatával jelentéseket készíthet. Az Azure Stream lehetőségről további információt az Azure Stream Analytics Power BI-kimenetében talál.

A Power BI REST API használata

A Power BI REST API megkönnyíti a valós idejű streamelést a fejlesztők számára. Miután kiválasztotta az API-t az Új streamelési szemantikai modell képernyőjén, és a Tovább lehetőséget választja, olyan bejegyzéseket adhat meg, amelyek lehetővé teszik, hogy a Power BI csatlakozzon a végponthoz és használja azt. Az API-ról további információt a Power BI REST API-k használata című témakörben talál.

Ha azt szeretné, hogy a Power BI tárolja az adatfolyam által küldött adatokat, hogy jelentést és elemzést végezhessen az összegyűjtött adatokról, engedélyezze az előzményadatok elemzését.

Miután sikeresen létrehozta az adatfolyamot, egy REST API URL-végpontot kap. Az alkalmazás meghívhatja a végpontot a streamelési adatok Power BI szemantikai modellbe való leküldésére irányuló kérések használatával POST . POST A kérelmekben győződjön meg arról, hogy a kérelem törzse megegyezik a Power BI felhasználói felületén megadott JSON-mintával. Például csomagolja be a JSON-objektumokat egy tömbbe.

A PubNub használata

A PubNub-streamelés és a Power BI integrálása segít létrehozni és használni az alacsony késésű PubNub-adatfolyamokat a Power BI-ban. Amikor az Új streamelési szemantikai modell képernyőjén a PubNub lehetőséget választja, és a Tovább elemet választja, a következő képernyő jelenik meg:

A PubNub-adatfolyamok gyakran nagy mennyiségűek, és nem mindig alkalmasak az eredeti formájukban történő tárolásra és előzményelemzésre. Ha a Power BI-t a PubNub-adatok előzményelemzéséhez szeretné használni, összesítenie kell a nyers PubNub-streamet, és el kell küldenie a Power BI-nak, például az Azure Stream Analytics használatával.

Példa valós idejű streamelésre a Power BI-ban

Íme egy példa a valós idejű streamelés működésére a Power BI-ban. Ez a minta nyilvánosan elérhető streamet használ a PubNubból. Kövesse a példát a valós idejű streamelés értékének megtekintéséhez.

1. A Power BI szolgáltatás válasszon vagy hozzon létre egy új irányítópultot. A képernyő tetején válassza az Edit Add a tile (Csempe hozzáadása)>lehetőséget.

2. A Csempe hozzáadása képernyőn válassza az Egyéni streamelési adatok lehetőséget, majd a Tovább lehetőséget.

   

3. Az Egyéni streamelési adatcsempék hozzáadása lapon válassza a Streamelési szemantikai modell hozzáadása lehetőséget.

   

4. Az Új streamelési szemantikai modell lapon válassza a PubNub, majd a Tovább lehetőséget.

5. A következő képernyőn adjon meg egy szemantikai modellnevet, írja be a következő értékeket a következő két mezőbe, majd válassza a Tovább gombot.

   • Alkulcs:sub-c-99084bc5-1844-4e1c-82ca-a01b18166ca8
   • Csatorna neve:pubnub-sensor-network

   

6. A következő képernyőn tartsa meg az automatikusan kitöltött értékeket, és válassza a Létrehozás lehetőséget.

   

7. A Power BI-munkaterületre visszatérve hozzon létre egy új irányítópultot, és a képernyő tetején válassza a Csempe hozzáadása szerkesztése lehetőséget>

8. Válassza az Egyéni streamelési adatok lehetőséget, majd a Tovább gombot.

9. Az Egyéni streamelési adatok hozzáadása csempén válassza ki az új streamelési szemantikai modellt, majd válassza a Tovább lehetőséget.

   Játsszon a szemantikai mintamodellel. Ha értékmezőket ad hozzá a vonaldiagramokhoz, és más csempéket ad hozzá, valós idejű irányítópultot kaphat, amely az alábbi képernyőképhez hasonlóan néz ki:

   

Hozzon létre saját szemantikai modelleket, és streamelje az élő adatokat a Power BI-ba.

Kérdések és válaszok

Íme néhány gyakori kérdés és válasz a Power BI valós idejű streameléssel kapcsolatban.

Használhat szűrőket a leküldéses vagy streamelési szemantikai modelleken?

A streamelt szemantikai modellek nem támogatják a szűrést. Leküldéses szemantikai modellek esetén létrehozhat egy jelentést, szűrheti a jelentést, majd rögzítheti a szűrt vizualizációkat egy irányítópulton. A vizualizáció szűrőjét azonban nem lehet módosítani, ha az az irányítópulton van.

Az élő jelentés csempét külön rögzítheti az irányítópulton, majd módosíthatja a szűrőket. Az élő jelentéscsempék azonban nem frissülnek valós időben az adatok leküldésekor. Manuálisan kell frissítenie a vizualizációt az irányítópult jobb felső részén található Frissítés ikonra kattintva.

Ha szűrőket alkalmaz az ezredmásodperc pontosságú mezőket tartalmazó szemantikai modellek DateTime leküldésére, az egyenértékűségi operátorok nem támogatottak. A megfelelőnél > nagyobb vagy kisebb < operátorok.

Hogyan látja a legújabb értéket a leküldéses vagy streamelési szemantikai modelleken?

A streamelési szemantikai modellek a legújabb adatok megjelenítésére lettek tervezve. A kártyastreamelési vizualizáció típusával egyszerűen megtekintheti a legújabb numerikus értékeket. A kártyavizualizációk nem támogatják és DateTime nem támogatják Text az adattípusokat.

A leküldéses szemantikai modellek esetében, ha van időbélyeg a sémában, megpróbálhat jelentésvizualizációt létrehozni a last N szűrővel.

Hogyan lehet valós idejű szemantikai modelleken modellezést végezni?

A modellezés streamelt szemantikai modellen nem lehetséges, mert az adatok tárolása nem történik meg véglegesen. Leküldéses szemantikai modell esetén a REST API-val létrehozhat egy szemantikai modellt kapcsolattal és mértékekkel, a rest API-k frissítési táblázatával pedig mértékeket adhat hozzá a meglévő táblákhoz.

Hogyan törölheti az összes értéket egy leküldéses vagy streamelési szemantikai modellben?

Leküldéses szemantikai modellben használhatja a törlési sorokat REST API-hívással . A streamelt szemantikai modellből nem lehet adatokat törölni, bár az adatok egy óra múlva törlődnek.

Ha beállít egy Azure Stream Analytics-kimenetet a Power BI-ban, de nem látja a Power BI-ban, mi a baj?

A probléma elhárításához hajtsa végre az alábbi lépéseket:

1. Indítsa újra az Azure Stream Analytics-feladatot.
2. Próbálja meg újraauthorizálni a Power BI-kapcsolatot az Azure Stream Analyticsben.
3. Győződjön meg arról, hogy ugyanazt a munkaterületet ellenőrzi az Azure Stream Analytics-kimenethez megadott Power BI szolgáltatás.
4. Győződjön meg arról, hogy az Azure Stream Analytics-lekérdezés explicit módon kimenetet ad a Power BI-kimenetnek a INTO kulcsszó használatával.
5. Annak meghatározása, hogy az Azure Stream Analytics-feladatban vannak-e adatfolyamok. A szemantikai modell csak akkor jön létre, ha az adatok továbbítása folyamatban van.
6. Tekintse meg az Azure Stream Analytics naplóit, és ellenőrizze, hogy vannak-e figyelmeztetések vagy hibák.

Automatikus oldalfrissítés

A jelentésoldal szintjén automatikus oldalfrissítéssel beállíthatja a csak a lap használatakor aktív vizualizációk frissítési időközét. Az automatikus oldalfrissítés csak DirectQuery-adatforrásokhoz érhető el. A minimális frissítési időköz attól függ, hogy milyen típusú munkaterületen teszi közzé a jelentést, és hogy a prémium szintű munkaterületek kapacitásadminisztrátori beállításai vannak-e.

Az automatikus oldalfrissítésről további információt az Automatikus oldalfrissítés a Power BI-ban című témakörben talál.

Szempontok és korlátozások

A valós idejű streamelésre a következő korlátozások vonatkoznak:

• PostDataset vagy PostDatasetInGroup REST API-k használatakor a adatforrások szakasz nem alkalmazható leküldéses adathalmazokra.
• Az adathalmazok vagy jelentések letöltése nem támogatott a streameléshez vagy a Pubnubhoz. A leküldéses modellek csak élő kapcsolatként tölthetők le, de a felhasználóknak kifejezetten csatlakozniuk kell a modellhez élő kapcsolat módban, fel kell töltenie a jelentést a szolgáltatásba, majd csak élő kapcsolat módban kell letöltenie.

Kapcsolódó tartalom

• A Power BI REST API áttekintése valós idejű adatokkal
• Adatok betöltése Power BI streamelési szemantikai modellben, és adatfolyam-monitorozási jelentés készítése a Power BI-val