Del via

Semantiske Power BI-modeller i Microsoft Fabric

Gælder for:✅SQL Analytics-slutpunktet, Warehouse og Mirrored Database i Microsoft Fabric

I Microsoft Fabric er semantiske Power BI-modeller en logisk beskrivelse af et analytisk domæne med målepunkter, forretningsvenlig terminologi og repræsentation for at muliggøre en dybere analyse. Denne semantiske model er typisk et stjerneskema med fakta, der repræsenterer et domæne, og dimensioner, der giver dig mulighed for at analysere eller opdele domænet for at analysere ned, filtrere og beregne forskellige analyser.

Bemærk

Senest den 30. november 2025 er alle semantiske standardmodeller for Power BI afbrudt fra deres element og bliver uafhængige semantiske modeller. Du kan beholde dem, hvis du stadig bruger dem til rapporter eller dashboards, eller slette dem sikkert, hvis de ikke længere er nødvendige. Du kan finde flere oplysninger i Blog: Afkobling af semantiske standardmodeller for eksisterende elementer i Microsoft Fabric.

Microsoft omdøbte indholdstypen for Power BI-datasættet til Power BI semantisk model eller blot semantisk model. Dette gælder også for Microsoft Fabric. Du kan få flere oplysninger under Nyt navn til Power BI-datasæt. Du kan få mere at vide om semantiske Power BI-modeller under Semantiske modeller i Power BI-tjeneste.

Direct Lake-tilstand

Direct Lake-tilstand er en banebrydende ny motorfunktion til analyse af meget store datasæt i Power BI. Teknologien er baseret på ideen om at bruge parquetformaterede filer direkte fra en data lake uden at skulle forespørge et lager- eller SQL-analyseslutpunkt og uden at skulle importere eller duplikere data til en semantisk Power BI-model. Denne oprindelige integration giver en unik måde at få adgang til dataene fra warehouse- eller SQL Analytics-slutpunktet, der kaldes Direct Lake. Oversigt over Direct Lake indeholder yderligere oplysninger om denne lagringstilstand for semantiske Power BI-modeller.

Direct Lake giver den mest performante forespørgsels- og rapporteringsoplevelse. Direct Lake er en hurtig vej til at forbruge dataene fra datasøen direkte til Power BI-programmet, der er klar til analyse.

  • I traditionel DirectQuery-tilstand forespørger Power BI-programmet direkte dataene fra kilden for hver udførelse af forespørgsler, og forespørgslens ydeevne afhænger af datahentningshastigheden. DirectQuery fjerner behovet for at kopiere data og sikrer, at eventuelle ændringer i kilden afspejles med det samme i forespørgselsresultaterne.

  • I importtilstand er ydeevnen bedre, fordi dataene er let tilgængelige i hukommelsen uden at skulle forespørge dataene fra kilden for hver udførelse af forespørgslen. Power BI-programmet skal dog først kopiere dataene til hukommelsen på dataopdateringstidspunktet. Eventuelle ændringer af den underliggende datakilde hentes under den næste dataopdatering.

  • Direct Lake-tilstand fjerner importkravet for at kopiere dataene ved at bruge datafilerne direkte i hukommelsen. Da der ikke er nogen eksplicit importproces, er det muligt at hente eventuelle ændringer i kilden, efterhånden som de opstår. Direct Lake kombinerer fordelene ved DirectQuery- og Import-tilstand, samtidig med at de undgår deres ulemper. Direct Lake-tilstand er det ideelle valg til analyse af meget store datasæt og datasæt med hyppige opdateringer ved kilden. Direct Lake vil automatisk falde tilbage på DirectQuery ved hjælp af SQL-analyseslutpunktet for lager- eller SQL-analyseslutpunktet, når Direct Lake overskrider grænserne for SKU'en eller bruger funktioner, der ikke understøttes, hvilket gør det muligt for rapportbrugere at fortsætte uafbrudt.

  • Direct Lake-tilstand er lagringstilstanden for nye semantiske Power BI-modeller, der er oprettet på et lagersted eller SQL-analyseslutpunkt.

  • Ved hjælp af Power BI Desktop kan du også oprette semantiske Power BI-modeller ved hjælp af SQL-analyseslutpunktet for Warehouse- eller SQL Analytics-slutpunktet som en datakilde til semantiske modeller i import- eller DirectQuery-lagringstilstand.

Opret og administrer Power BI semantiske modeller

Når du opretter en semantisk model på et søhus eller lagersted, vælger du, hvilke tabeller der skal tilføjes. Derfra kan du manuelt opdatere en Power BI semantisk model.

For at komme i gang, se:

Begrænsninger

  • Semantiske modeller i Fabric følger de aktuelle begrænsninger for semantiske modeller i Power BI. Lær mere:
  • Semantiske modeller er uafhængige elementer i Fabric og kan administreres via REST API'er til at opregne semantiske modeller i et arbejdsområde, tjekke for afhængigheder (rapporter/dashboards) og modelindhold samt slette ubrugte. Dette inkluderer afkoblede semantiske modeller, der tidligere blev oprettet som standard, men som ikke længere oprettes automatisk.
  • Hvis parquet-, Apache Spark- eller SQL-datatyperne ikke kan mappes til en af Power BI desktop-datatyperne, fjernes de som en del af synkroniseringsprocessen. Dette er i overensstemmelse med den aktuelle funktionsmåde i Power BI. For disse kolonner anbefaler vi, at du tilføjer eksplicitte typekonverteringer i deres ETL-processer for at konvertere den til en type, der understøttes. Hvis der er datatyper, der skal bruges upstream, kan brugerne eventuelt angive en visning i SQL med den eksplicitte typekonvertering, der ønskes. Dette hentes af synkroniseringen eller kan tilføjes manuelt som tidligere angivet.
  • Semantiske modeller kan kun redigeres i SQL-analyseslutpunktet eller -lageret.

Næste trin

Opret en Power BI semantisk model

Relateret indhold

  • Last updated on