Optimalizálási útmutató a Power BI-hoz

Ez a cikk útmutatást nyújt, amely lehetővé teszi a fejlesztők és rendszergazdák számára az optimalizált Power BI-megoldások létrehozását és karbantartását. A megoldást különböző architekturális rétegekben optimalizálhatja. A rétegek a következők:

• Az adatforrás(ok)
• Az adatmodell
• Vizualizációk, beleértve az irányítópultokat, a Power BI-jelentéseket és a többoldalas Power BI-jelentéseket
• A környezet, beleértve a kapacitásokat, az adatátjárókat és a hálózatot

Az adatmodell optimalizálása

Az adatmodell a teljes vizualizációs élményt támogatja. Az adatmodellek vagy a Power BI ökoszisztémájában vagy külsőleg (DirectQuery vagy Élő kapcsolat használatával), a Power BI-ban pedig szemantikai modelleknek nevezik őket. Fontos tisztában lenni a lehetőségekkel, és kiválasztani a megoldáshoz megfelelő szemantikai modelltípust. Három szemantikai modell táblatárolási módja van: Importálás, DirectQuery és Összetett. További információ: Szemantikai modellek a Power BI szolgáltatás és szemantikai modell módok a Power BI szolgáltatás.

A szemantikai modell táblatárolási módjának útmutatását a következő témakörben talál:

• Adatmennyiség-csökkentési technikák importált modellekhez
• Útmutató a DirectQuery-modellhez a Power BI Desktopban
• Összetett modell útmutatója a Power BI Desktopban

A jelentéskészítők és a modellfelhasználók optimalizálása

A szemantikai modell a Power BI összes jelentésének alapja. A szemantikai modell felhasználói Power BI-jelentéseket hozhatnak létre a Power BI Desktopban, ha egy közzétett szemantikai modellhez csatlakoznak, vagy adatokhoz csatlakoznak, és létrehoznak egy helyi szemantikai modellt. A szemantikai modell power BI-jelentések böngészőben való létrehozására, Power BI-feltárások létrehozására, többoldalas jelentések létrehozására, DAX-lekérdezések létrehozására és jelentések létrehozására is használható az Excelben az Elemzés az Excelben használatával, az Excelben a Power BI-hoz való csatlakozáshoz, vagy egy jelentésvizualizáció adatainak exportálásához, valamint számos más jelentéskészítő eszközhöz. A szemantikai modellek szerzői segíthetnek a szemantikai modellek felhasználóinak megérteni és használni a szemantikai modellt a modell felépítésével.

• Nevek: Táblák, oszlopok és mértékek a szemantikai modellben leíró névvel. Például a "Store Sales" táblanévként intuitívabb, mint a "Table1".
• Leírások: A modell táblái, oszlopai és mértékei olyan leírásokat adhatnak hozzájuk, amelyek részletesebbek, mint amelyek a névben elférnek. Ne csak a bennük található elemeket, hanem a használatuk módját is ismertesse.
• Elrejtés: Elrejtheti a táblákat, oszlopokat és mértékeket a modellben, hogy csak azt jelenítse meg, amit elvár tőlük egy jelentésben. Előfordulhat például, hogy a kapcsolatoszlopok olyan azonosítók, amelyek nem szükségesek a jelentéskészítéshez, és rejtve lehetnek, mivel nem várható, hogy egy jelentésben használják, vagy az oszlop összesítésére szolgáló mértékekkel rendelkező adatoszlopok rejtettek lehetnek a mérték használatának ösztönzése érdekében. A rejtett objektumokat később mindig felfedheti a modellfelhasználó, így továbbra is elérhetők lesznek, de a elrejtés fókuszt biztosíthat.
• Hierarchiák: Létrehozhat hierarchiákat, hogy több oszlopon keresztül közvetítse a hierarchiát. A naptárhierarchiák tartalmazhatnak például Év, Hónap, Nap oszlopokat, a Termékhierarchia pedig Kategória, Alkategória, Termék oszlopokat. Hierarchia létrehozásához kattintson a jobb gombbal egy oszlopra.
• Mértékek: Mértékekkel összesítheti a szemantikai modell adatoszlopait, hogy konzisztenciát biztosítson a jelentések között. A mértékek egy oszlop ÖSSZEGétől a több aggregációt adott módon egyesítő állapotindexig terjedhetnek, vagy összehasonlíthatják az egyes időszakok összesítéseit, például a havi napi átlagot az előző év azonos hónapjának napi átlagához képest. A mértékek a Power BI-keresésben és más funkciókban, például metrikákban és scorecardokban is megjelenhetnek.
• Formátumok: Alapértelmezés szerint megadhatja, hogyan jelenjen meg egy oszlop vagy mérték egy vizualizációban. A vizualizációk értékei testre szabhatók a vizualizációban. A formátumbeállítások közé tartozik, ha ezres vesszővel rendelkezik, hány tizedesjegyet, hogyan jelenik meg a dátum stb. Egyéni vagy dinamikus formátumokat is alkalmazhat.
• Adatkategória: Megadhat egy oszlopadatkategóriát, például ország vagy webes URL-címet.

Ezek a Power BI szemantikai modell általános jellemzői, amelyek a jelentéskészítők és a modellfelhasználók segítségére lehetnek. Sok más is létezik, például számítási csoportok, mezőparaméterek, paraméterek, csoportosítási és tárolóoszlopok, amelyeket ki kell értékelni, hogy alkalmazzák-e az adott jelentéskészítési igényeket.

Vizualizációk optimalizálása

A Power BI-vizualizációk lehetnek irányítópultok, Power BI-jelentések vagy többoldalas Power BI-jelentések. Mindegyik különböző architektúrával rendelkezik, így mindegyiknek saját útmutatása van.

Irányítópultok

Fontos tisztában lenni azzal, hogy a Power BI fenntartja az irányítópult-csempék gyorsítótárát – kivéve az élő jelentéscsempéket és a streamelési csempéket. Ha a szemantikai modell dinamikus sorszintű biztonságot (RLS) kényszerít, ügyeljen arra, hogy megértse a teljesítmény következményeit, mivel a csempék felhasználónként gyorsítótáraznak.

Amikor élő jelentéscsempéket rögzít egy irányítópulton, azok nem lesznek kiszolgálva a lekérdezési gyorsítótárból. Ehelyett jelentésekként viselkednek, és menet közben lekérdezéseket készítenek a virtuális magokra.

Ahogy a név is sugallja, az adatok gyorsítótárból való lekérése jobb és konzisztensebb teljesítményt nyújt, mint az adatforrásra támaszkodva. Ennek a funkciónak az egyik előnye, hogy az irányítópultok lesznek a felhasználók első kezdőlapja. Gyakran használt és magas igényű vizualizációkat rögzíthet az irányítópultokon. Ily módon az irányítópultok értékes "első védelmi vonalsá" válnak, amely konzisztens teljesítményt és kevesebb terhelést biztosít a kapacitásra. A felhasználók továbbra is átkattinthatnak egy jelentésre a részletek elemzéséhez.

DirectQuery- és élő kapcsolat szemantikai modellek esetén a gyorsítótár rendszeres időközönként frissül az adatforrás lekérdezésével. Alapértelmezés szerint óránként történik, bár a szemantikai modell beállításaiban más gyakoriságot konfigurálhat. Minden gyorsítótárfrissítés lekérdezéseket küld a mögöttes adatforrásnak a gyorsítótár frissítéséhez. A generált lekérdezések száma az adatforrásra támaszkodó irányítópultokon rögzített vizualizációk számától függ. Figyelje meg, hogy ha a sorszintű biztonság engedélyezve van, a rendszer lekérdezéseket hoz létre az egyes biztonsági környezetekhez. Tegyük fel például, hogy két különböző szerepkör kategorizálja a felhasználókat, és két különböző nézetük van az adatokról. A lekérdezésgyorsítótár frissítése során a Power BI két lekérdezéskészletet hoz létre.

Power BI-jelentések

A Power BI-jelentéstervek optimalizálására számos javaslat létezik.

A legkorlátozóbb szűrők alkalmazása

Minél több adatot kell megjelenítenie egy vizualizációnak, annál lassabb a vizualizáció betöltése. Bár ez az elv nyilvánvalónak tűnik, könnyű elfelejteni. Tegyük fel például, hogy nagy szemantikai modellel rendelkezik. Ennek a szemantikai modellnek a alapján egy táblával rendelkező jelentést kell készítenie. A végfelhasználók a lapon szeletelőkkel érik el a kívánt sorokat – általában csak néhány tucat sor érdekli őket.

Gyakori hiba, hogy a tábla alapértelmezett nézetét szűretlenül hagyja, vagyis az összes 100 M+ sort. A sorok adatai betöltődnek a memóriába, és minden frissítéskor tömörítetlenek. Ez a feldolgozás hatalmas memóriaigényeket teremt. A megoldás: használja a "Top N" szűrőt a tábla által megjelenített elemek maximális számának csökkentéséhez. Beállíthatja a maximális elemet nagyobbra, mint amire a felhasználóknak szükségük lenne, például 10 000-et. Az eredmény az, hogy a végfelhasználói élmény nem változik, de a memóriahasználat jelentősen csökken. És ami a legfontosabb, a teljesítmény javul.

A jelentés minden vizualizációjához hasonló tervezési megközelítés javasolt. Kérdezd meg magadtól, hogy szükség van-e a vizualizáció összes adatára? Van mód arra, hogy a vizualizációban látható adatok mennyiségét minimális hatással legyen a végfelhasználói élményre? Ne feledje, hogy a táblák különösen drágák lehetnek.

Vizualizációk korlátozása jelentésoldalakon

A fenti alapelv egyformán vonatkozik a jelentésoldalhoz hozzáadott vizualizációk számára. Erősen ajánlott egy adott jelentésoldal vizualizációinak számát csak a szükségesre korlátozni. A részletezési lapok és a jelentésoldal elemleírásai nagyszerűen használhatók további részletek megadására anélkül, hogy több vizualizációt zavarnak az oldalon.

Egyéni vizualizáció teljesítményének kiértékelése

Ügyeljen arra, hogy minden egyéni vizualizációt a saját tempójában helyezzen el a magas teljesítmény biztosítása érdekében. A rosszul optimalizált Power BI-vizualizációk negatívan befolyásolhatják a teljes jelentés teljesítményét.

Többoldalas Power BI-jelentések

A Power BI többoldalas jelentésterveit úgy optimalizálhatja, hogy az ajánlott eljárásokat alkalmazza a jelentés adatlekérésére. További információ: Adatlekérési útmutató lapszámozott jelentésekhez.

Emellett győződjön meg arról, hogy a kapacitás elegendő memóriával rendelkezik a lapszámozott jelentések számítási feladataihoz.

A környezet optimalizálása

A Power BI-környezetet a kapacitásbeállítások konfigurálásával, az adatátjárók méretezésével és a hálózati késés csökkentésével optimalizálhatja.

Kapacitásbeállítások

Kapacitások használata esetén – a Power BI Premium (P TERMÉKVÁLTOZATOK), a Felhasználónkénti Prémium (PPU) licencekkel vagy a Power BI Embeddeddel (termékváltozatok, A4-A6) – kezelheti a kapacitásbeállításokat. További információ: Microsoft Fabric-kapacitáslicencek és Prémium szintű kapacitások kezelése.

Átjáró méretezése

Átjáróra akkor van szükség, ha a Power BI-nak olyan adatokat kell elérnie, amelyek nem érhetők el közvetlenül az interneten keresztül. A helyszíni adatátjárót telepítheti egy helyszíni kiszolgálóra, vagy a virtuális gép által üzemeltetett infrastruktúra szolgáltatásként (IaaS).

Az átjáró számítási feladatainak és a méretezési javaslatok megismeréséhez tekintse meg a helyszíni adatátjáró méretezését.

Hálózati késleltetés

A hálózati késés hatással lehet a jelentések teljesítményére azáltal, hogy növeli a kérések Power BI szolgáltatás való eléréséhez és a válaszok kézbesítéséhez szükséges időt. A Power BI-bérlők egy adott régióhoz vannak rendelve.

Amikor egy bérlő felhasználói hozzáférnek a Power BI szolgáltatás, a kéréseik mindig erre a régióra irányítják. Amikor a kérések elérik a Power BI szolgáltatás, a szolgáltatás további kéréseket küldhet – például az alapul szolgáló adatforrásnak vagy egy adatátjárónak –, amelyek szintén hálózati késésnek vannak kitéve.

Az olyan eszközök, mint az Azure Speed Test , jelzik az ügyfél és az Azure-régió közötti hálózati késést. Általánosságban elmondható, hogy a hálózati késés hatásának minimalizálása érdekében törekedjen arra, hogy az adatforrások, az átjárók és a Power BI-kapacitás a lehető legközelebb legyen. Lehetőleg ugyanabban a régióban találhatók. Ha a hálózati késés problémát jelent, próbálja meg közelebb helyezni az átjárókat és az adatforrásokat a Power BI-kapacitáshoz úgy, hogy a felhőben üzemeltetett virtuális gépeken helyezi el őket.

Teljesítmény monitorozása

A szűk keresztmetszetek azonosításához figyelheti a teljesítményt. A lassú lekérdezéseknek vagy jelentésvizualizációknak a folyamatos optimalizálás fókuszpontjának kell lenniük. A monitorozás a Tervezéskor a Power BI Desktopban vagy a Power BI Premium-kapacitásokban lévő éles számítási feladatokon végezhető el. További információ: Jelentés teljesítményének figyelése a Power BI-ban.

Kapcsolódó tartalom

A cikkről további információt a következő forrásokban talál:

• Power BI-útmutató
• Jelentés teljesítményének figyelése
• Háló bevezetésének ütemterve
• Kérdése van? Kérdezze meg a Power BI-közösség
• Javaslatok? Ötletek hozzáadása a Power BI fejlesztéséhez