Echtzeitstreaming in Power BI

Wichtig

Ab dem 31. Oktober 2024 werden die Erstellung neuer Semantikmodelle in Echtzeit nicht mehr unterstützt, darunter Pushsemantikmodelle, Streamingsemantikmodelle, PubNub Streaming-Semantikmodelle und Streamingdatenkacheln. Ihre vorhandenen Streamingsemantikmodelle sind nicht betroffen. Weitere Informationen zur Einstellung von Echtzeitstreaming in Power BI finden Sie in der Ankündigung des Blogbeitrags. Microsoft empfiehlt Benutzern, Echtzeitintelligenz in Microsoft Fabric zu erkunden.

Mithilfe von Echtzeitstreaming für Power BI können Sie in Echtzeit Daten streamen und Dashboards aktualisieren. Alle in Power BI erstellten Visuals und Dashboards sind in der Lage, Echtzeitdaten und -visuals anzeigen und aktualisieren. Die Geräte und Quellen von Streamingdaten können Werkssensoren, soziale Medien, Dienstnutzungsmetriken sowie viele andere Tools zur zeitkritischen Erfassung oder Übermittlung von Daten sein.

In diesem Artikel erfahren Sie, wie Sie Echtzeit-Streamingsemantikmodelle in Power BI einrichten und verwenden.

Arten von Echtzeitsemantikmodellen

Zunächst einmal ist es wichtig, die Arten von Echtzeitsemantikmodellen, die auf Kacheln und Dashboards angezeigt werden, sowie die Unterschiede zwischen diesen Semantikmodellen zu kennen.

Die folgenden drei Arten von Echtzeitsemantikmodellen sind für die Anzeige auf Echtzeitdashboards konzipiert:

• Pushsemantikmodell
• Streamingsemantikmodell
• PubNub-Streamingsemantikmodell

In diesem Abschnitt wird erläutert, wie sich diese Semantikmodelle voneinander unterscheiden. In späteren Abschnitten wird beschrieben, wie Daten jeweils an diese Semantikmodelle gepusht werden.

Pushsemantikmodell

Bei einem Pushsemantikmodell werden Daten an den Power BI-Dienst gepusht. Bei der Erstellung des Semantikmodells erstellt der Power BI-Dienst automatisch eine neue Datenbank im Dienst, in dem die Daten gespeichert werden.

Da es eine zugrunde liegende Datenbank gibt, in der die Daten beim Eintreffen gespeichert werden, können Sie Berichte mit den Daten erstellen. Diese Berichte und ihre Visuals sind wie alle anderen Berichtsvisuals. Sie können alle Berichterstellungsfunktionen von Power BI verwenden, z. B. Power BI-Visuals, Datenwarnungen und angeheftete Dashboardkacheln.

Nachdem Sie einen Bericht mithilfe des Pushsemantikmodells erstellt haben, können Sie jedes der Berichtsvisuals an ein Dashboard anheften. In diesem Dashboard werden visuelle Elemente bei Aktualisierung der Daten in Echtzeit aktualisiert. Innerhalb des Power BI-Diensts löst das Dashboard bei jedem Empfang neuer Daten eine Aktualisierung der Kachel aus.

Bei angehefteten Kacheln aus einem Pushsemantikmodell sind zwei Dinge zu beachten:

• Das Anheften eines gesamten Berichts mit der Option Live anheften bewirkt nicht, dass die Daten automatisch aktualisiert werden.
• Sobald Sie ein Visual auf einem Dashboard anheften, können Sie über Q&A in natürlicher Sprache Fragen zu dem Pushsemantikmodell stellen. Nachdem Sie eine Q&A-Abfrage gesendet haben, können Sie das erhaltene Visual wieder auf dem Dashboard anheften.Dieses Visual wird ebenfalls in Echtzeit aktualisiert.

Streamingsemantikmodell

Bei einem Streamingsemantikmodell werden Daten ebenfalls an den Power BI-Dienst gepusht. Es gibt jedoch einen wichtigen Unterschied: Power BI speichert die Daten nur in einem temporären Cache, der schnell abläuft. Der temporäre Cache dient lediglich zur Anzeige von Visuals mit einem eher flüchtigen Verlauf, z. B. ein Liniendiagramm mit einem Zeitfenster von einer Stunde.

Ein Streamingsemantikmodell verfügt über keine zugrunde liegende Datenbank. Daher können anhand der aus dem Stream eingehenden Daten keine Berichtsvisuals erstellt werden. Daher können Sie keine Berichtsfunktionen wie Filtern oder Power BI-Visuals nutzen.

Die einzige Möglichkeit zum Visualisieren eines Streamingsemantikmodells besteht darin, eine Kachel hinzuzufügen und das Streamingsemantikmodell als Quelle für benutzerdefinierte Streamingdaten zu verwenden. Die auf einem Streamingsemantikmodell basierenden benutzerdefinierten Streamingkacheln sind für das schnelle Anzeigen von Echtzeitdaten optimiert. Die Latenz zwischen dem Pushen von Daten in den Power BI-Dienst und der Aktualisierung des Visuals ist kurz, da die Daten nicht in eine Datenbank eingegeben bzw. aus einer Datenbank ausgelesen werden müssen.

In der Praxis empfiehlt es sich, Streamingsemantikmodelle und die zugehörigen Streamingvisuals zu verwenden, wenn eine geringe Wartezeit zwischen dem Pushen und Visualisieren von Daten erforderlich ist. Sie sollten die Daten in einem Format pushen, das ohne Änderung visualisiert werden kann und bei dem es keiner weiteren Aggregierung bedarf. Beispiele für Daten, die wie vorhanden verwendet werden können, sind Temperaturwerte und vorberechnete Durchschnittswerte.

PubNub-Streamingsemantikmodell

Bei einem PubNub-Streamingsemantikmodell verwendet der Power BI-Webclient das PubNub SDK, um einen vorhandenen PubNub-Datenstrom zu lesen. Der Power BI-Dienst speichert keine Daten. Da der Webclient diesen Aufruf direkt durchführt, müssen Sie, wenn Sie nur genehmigten ausgehenden Datenverkehr aus Ihrem Netzwerk zulassen, Datenverkehr an PubNub als zulässig auflisten. Anweisungen finden Sie im Supportartikel über das Zulassen von ausgehendem Datenverkehr für PubNub.

Genau wie beim Streamingsemantikmodell gibt es auch beim PubNub-Streamingsemantikmodell keine zugrunde liegende Power BI-Datenbank. Sie können weder Berichtsvisuals über die eingehenden Daten erstellen noch Berichtsfunktionen wie Filterung oder Power BI-Visuals verwenden. Ein PubNub-Streamingsemantikmodell kann nur visualisiert werden, indem dem Dashboard eine Kachel hinzugefügt und ein PubNub-Datenstrom als Quelle konfiguriert wird.

Auf einem PubNub-Streamingsemantikmodell basierende Kacheln sind für das schnelle Anzeigen von Echtzeitdaten optimiert. Da Power BI mit dem PubNub-Datenstrom direkt verbunden ist, gibt es eine geringe Latenz zwischen dem Pushen der Daten in den Power BI-Dienst und der Aktualisierung der Visualisierung.

Matrix für Streamingsemantikmodelle

In der folgenden Tabelle werden die drei Arten von Semantikmodellen für das Echtzeitstreaming zusammen mit ihren Vor- und Nachteilen beschrieben.

Funktion	Push	Streaming	PubNub
Dashboardkacheln werden in Echtzeit aktualisiert, wenn Daten zu ihnen gepusht werden.	Ja. Für Visuals, die über Berichte erstellt und dann an das Dashboard angeheftet werden.	Ja. Für benutzerdefinierte Streamingkacheln, die dem Dashboard direkt hinzugefügt werden.	Ja. Für benutzerdefinierte Streamingkacheln, die dem Dashboard direkt hinzugefügt werden.
Aktualisierung von Dashboardkacheln mit flüssigen Animationen	Nein.	Ja.	Ja.
Für die Verlaufsanalyse dauerhaft in Power BI gespeicherte Daten	Ja.	Nein. Daten werden für eine Stunde vorübergehend gespeichert, um Visuals zu rendern.	Nein.
Erstellen von Power BI-Berichten auf Basis der Daten	Ja.	Nein.	Nein.
Maximale Datenerfassungsrate	1 Anforderung 16 MB/Anforderung	5 Anforderungen 15 KB/Anforderung	N/V Daten werden nicht zu Power BI gepusht.
Grenzwerte für den Datendurchsatz	1.000.000 Zeilen/Stunde	Keine.	N/V Daten werden nicht zu Power BI gepusht.

Pushen von Daten an Semantikmodelle

In diesem Abschnitt wird beschrieben, wie Sie Daten erstellen und an die drei primären Arten von Echtzeitsemantikmodellen pushen, die Sie für das Echtzeitstreaming verwenden können.

Sie können Daten mit den folgenden Methoden an ein Semantikmodell pushen:

• Power BI-REST-APIs
• Benutzeroberfläche für Streamingsemantikmodelle von Power BI
• Azure Stream Analytics

Pushen von Daten mithilfe von Power BI-REST-APIs

Mit Power BI-REST-APIs können Daten erstellt und an Push- und Streamingsemantikmodelle gesendet werden. Wenn Sie ein Semantikmodell mithilfe von Power BI-REST-APIs erstellen, wird mit dem defaultMode-Flag angegeben, ob es sich um ein Push- oder um ein Streamingsemantikmodell handelt.

Ohne defaultMode-Flag wird standardmäßig ein Pushsemantikmodell verwendet. Wenn der defaultMode-Wert auf pushStreaming festgelegt wird, ist das Semantikmodell sowohl ein Push- als auch ein Streamingsemantikmodell und bietet die Vorteile beider Semantikmodelltypen.

Hinweis

Wenn Sie Semantikmodelle mit dem Wert pushStreaming für das defaultMode-Flag verwenden und eine Anforderung die Größenbeschränkung von 15 KB für ein Streamingsemantikmodell übersteigt, aber noch unter der Größenbeschränkung von 16 MB eines Pushsemantikmodells liegt, ist die Anforderung erfolgreich, und die Daten werden im Pushsemantikmodell aktualisiert. Bei allen Streamingkacheln tritt jedoch vorübergehend ein Fehler auf.

Nach dem Erstellen eines Semantikmodells können Sie die REST-APIs vom Typ PostRows verwenden, um Daten zu pushen. Alle Anforderungen an REST-APIs werden mithilfe von Microsoft Entra ID OAuth geschützt.

Verwenden der Benutzeroberfläche für Streamingsemantikmodelle zum Pushen von Daten

Im Power BI-Dienst können Sie ein Semantikmodell erstellen, indem Sie wie auf dem folgenden Screenshot gezeigt den API-Ansatz wählen:

Wenn Sie das neue Streamingsemantikmodell erstellen, können Sie die Verlaufsdatenanalyse aktivieren, wie im folgenden Screenshot gezeigt. Diese Auswahl hat erhebliche Auswirkungen.

Wenn Verlaufsdatenanalyse deaktiviert ist (was standardmäßig der Fall ist), können Sie zum Erstellen eines Streamingsemantikmodells wie weiter oben beschrieben vorgehen. Ist Verlaufsdatenanalyse aktiviert, ist das erstellte Semantikmodell sowohl ein Streaming- als auch ein Pushsemantikmodell. Diese Einstellung entspricht der Erstellung eines Semantikmodells mithilfe der Power BI-REST-APIs, bei der das defaultMode-Flag auf pushStreaming festgelegt ist (wie bereits beschrieben).

Hinweis

Bei Streamingsemantikmodellen, die über die Benutzer*inenoberfläche des Power BI-Diensts erstellt werden, ist keine Microsoft Entra-Authentifizierung erforderlich. In solchen Semantikmodellen empfängt der Besitzer bzw. die Besitzerin des Semantikmodells eine URL mit einem Zeilenschlüssel (rowkey), der den Anfordernden bzw. die Anfordernde autorisiert, Daten ohne Verwendung eines Microsoft Entra ID-OAuth-Bearertokens an das Semantikmodell zu pushen. Es können aber auch weiterhin Daten mit dem Microsoft Entra ID-Ansatz an das Semantikmodell gepusht werden.

Pushen von Daten mithilfe von Azure Stream Analytics

Sie können Power BI als Ausgabe in Azure Stream Analytics hinzufügen und diese Datenströme anschließend im Power BI-Dienst in Echtzeit visualisieren. In diesem Abschnitt werden die technischen Details dieses Prozesses beschrieben.

Azure Stream Analytics verwendet die Power BI-REST-APIs, um den Ausgabedatenstrom zu Power BI zu erstellen, wobei defaultMode auf pushStreaming festgelegt ist. Das resultierende Semantikmodell kann sowohl Push als auch Streaming verwenden. Bei der Erstellung des Semantikmodells legt Azure Stream Analytics das Flag retentionPolicy auf basicFIFO fest. Mit dieser Einstellung werden in der Datenbank, die dem Pushsemantikmodell zugrunde liegt, 200.000 Zeilen gespeichert und nach dem FIFO-Prinzip (First-In, First-Out) gelöscht.

Wichtig

Wenn Ihre Azure Stream Analytics-Abfrage eine sehr schnelle Ausgabe in Power BI (z.B. ein- oder zweimal pro Sekunde) zum Ergebnis hat, fasst Azure Stream Analytics diese Ausgaben per Batchverarbeitung in einer einzigen Anforderung zusammen. Diese Batchverarbeitung kann dazu führen, dass die Anforderungsgröße den Grenzwert für Streamingkacheln überschreitet, sodass Streamingkacheln möglicherweise nicht gerendert werden können. In diesem Fall empfiehlt es sich, die Rate der Datenausgabe an Power BI zu verlangsamen. Fordern Sie beispielsweise anstelle eines Maximalwerts pro Sekunde einen Maximalwert über 10 Sekunden an.

Einrichten Ihres Echtzeit-Streamingsemantikmodells in Power BI

Um mit dem Echtzeitstreaming zu beginnen, wählen Sie eine der folgenden Möglichkeiten für die Nutzung von Streamingdaten in Power BI aus:

• Kacheln mit Visuals der Streamingdaten
• Semantikmodelle, die auf der Grundlage von in Power BI gespeicherten Streamingdaten erstellt werden

Bei beiden Optionen müssen Sie Streamingdaten in Power BI einrichten. So verwenden Sie Ihr Echtzeit-Streamingsemantikmodell in Power BI:

1. Wählen Sie in einem vorhandenen oder einem neuen Dashboard Kachel hinzufügen aus.

2. Wählen Sie auf der Seite Kachel hinzufügen die Option Benutzerdefinierte Streamingdaten und dann Weiter aus.

   

3. Auf der Seite Kachel für benutzerdefinierte Streamingdaten hinzufügen können Sie ein vorhandenes Semantikmodell oder aber die Option Semantikmodelle verwalten auswählen, um Ihr Streamingsemantikmodell zu importieren, wenn Sie bereits eins erstellt haben. Falls Sie noch keine Streamingdaten eingerichtet haben, wählen Sie für den Anfang Streamingsemantikmodell hinzufügen aus.

   

4. Wählen Sie auf der Seite Neues Streamingsemantikmodell die Option API, Azure Stream oder PubNub und dann Weiter aus.

   

Erstellen eines Streamingsemantikmodells

Es gibt drei Möglichkeiten, einen in Echtzeit gestreamten Datenfeed zu erstellen, den Power BI nutzen und visualisieren kann:

• Power BI-REST-API mit einem Echtzeit-Streamingendpunkt
• Azure Stream
• PubNub

In diesem Abschnitt werden die REST-API- und PubNub-Optionen von Power BI beschrieben und das Erstellen einer Streamingkachel oder eines Semantikmodells auf der Grundlage einer Streamingdatenquelle erläutert. Anschließend können Sie das Semantikmodell verwenden, um Berichte zu erstellen. Weitere Informationen zur Azure Stream-Option finden Sie unter Power BI-Ausgabe von Azure Stream Analytics.

Verwenden der Power BI-REST-API

Die Power BI-REST-API vereinfacht das Echtzeitstreaming für Entwickler. Nachdem Sie auf dem Bildschirm Neues Streamingsemantikmodell die Option API und Weiter ausgewählt haben, können Sie Einträge angeben, mit denen Power BI eine Verbindung mit Ihrem Endpunkt herstellen und ihn verwenden kann. Weitere Informationen zur API finden Sie unter Verwendung der Power BI-REST-APIs.

Wenn Sie möchten, dass Power BI die Daten speichern soll, die von diesem Datenstream gesendet werden, um Berichte und Analysen für die gesammelten Daten durchzuführen, aktivieren Sie Verlaufsdatenanalyse.

Nachdem Sie Ihren Datenstream erfolgreich erstellt haben, erhalten Sie einen REST-API-URL-Endpunkt. Ihre Anwendung kann den Endpunkt aufrufen, indem sie POST-Anforderungen zum Pushen Ihrer Streamingdaten an das Power BI-Semantikmodell verwendet. Stellen Sie in Ihren POST-Anforderungen sicher, dass der Anforderungstext mit dem Beispiel-JSON übereinstimmt, das von der Power BI-Benutzeroberfläche bereitgestellt wurde. Beispiel: Umschließen Sie JSON-Objekte mit einem Array.

Achtung

Bei Streamingsemantikmodellen, die Sie über die Benutzeroberfläche des Power BI-Diensts erstellen, erhält der Besitzer bzw. die Besitzerin des Semantikmodell eine URL, die einen Ressourcenschlüssel enthält. Dieser Schlüssel autorisiert die anfordernde Person, Daten ohne Verwendung eines Microsoft Entra ID-OAuth-Bearertokens an das Semantikmodell zu pushen. Beachten Sie die Auswirkungen der Verwendung eines geheimen Schlüssels in der URL, wenn Sie mit dieser Art von Semantikmodell und dieser Methode arbeiten.

Verwenden von PubNub

Die Integration von PubNub-Streaming mit Power BI unterstützt Sie beim Verwenden oder der Neuerstellung von PubNub-Datenstreams mit geringer Latenzzeit in Power BI. Wenn Sie auf dem Bildschirm Neues Streamingsemantikmodell die Option PubNub und Weiter auswählen, wird der folgende Bildschirm angezeigt:

Wichtig

PubNub-Kanäle können Sie mithilfe eines PAM-Authentifizierungsschlüssels (PubNub Access Manager) sichern. Dieser Schlüssel wird für alle Benutzer freigegeben, die auf das Dashboard zugreifen können. Weitere Informationen zur PubNub-Zugriffssteuerung finden Sie unter Verwalten des Zugriffs.

PubNub-Datenstreams haben oft ein hohes Volumen und sind in ihrer ursprünglichen Form nicht immer für die Speicherung und Verlaufsanalyse geeignet. Um Power BI für die Verlaufsanalyse von PubNub-Daten zu verwenden, müssen Sie den PubNub-Rohdatenstream aggregieren und an Power BI senden, z. B. mithilfe von Azure Stream Analytics.

Beispiel für die Verwendung von Echtzeitstreaming in Power BI

Hier finden Sie ein kurzes Beispiel für die Funktionsweise des Echtzeitstreamings in Power BI. In diesem Beispiel wird ein öffentlich verfügbarer Datenstrom aus PubNub verwendet. Dieses Beispiel veranschaulicht Ihnen den Wert des Echtzeitstreamings.

1. Wählen Sie im Power BI-Dienst ein neues Dashboard aus, oder erstellen Sie eines. Wählen Sie oben auf dem Bildschirm die Option Bearbeiten>Kachel hinzufügen aus.

2. Wählen Sie auf dem Kachel hinzufügen-Bildschirm die Option Benutzerdefinierte Streamingdaten und dann Weiter aus.

   

3. Wählen Sie auf der Seite Kachel für benutzerdefinierte Streamingdaten hinzufügen die Option Streamingsemantikmodell hinzufügen aus.

   

4. Wählen Sie auf der Seite Neues Streamingsemantikmodell die Option PubNub und dann Weiter aus.

5. Geben Sie auf dem nächsten Bildschirm einen Semantikmodellnamen ein, geben Sie die folgenden Werte in die nächsten beiden Felder ein, und wählen Sie dann Weiter aus.

   • Unterschlüssel: sub-c-99084bc5-1844-4e1c-82ca-a01b18166ca8
   • Kanalname: pubnub-sensor-network

   

6. Behalten Sie auf dem nächsten Bildschirm die automatisch aufgefüllten Werte bei, und wählen Sie Erstellen aus.

   

7. Wieder in Ihrem Power BI-Arbeitsbereich, erstellen Sie ein neues Dashboard, und wählen Sie oben auf dem Bildschirm die Option Bearbeiten>Kachel hinzufügen aus.

8. Wählen Sie Benutzerdefinierte Streamingdaten und dann Weiter aus.

9. Wählen Sie auf der Seite Kachel für benutzerdefinierte Streamingdaten hinzufügen Ihr neues Streamingsemantikmodell und dann Weiter aus.

   Experimentieren Sie mit dem Beispielsemantikmodell. Wenn Sie Liniendiagrammen einige Wertfelder hinzufügen und dann weitere Kacheln hinzufügen, erhalten Sie ein Echtzeitdashboard, das wie folgt aussieht:

   

Erstellen Sie dann eigene Semantikmodelle, und streamen Sie Livedaten an Power BI.

Fragen und Antworten

Im Folgenden finden Sie Antworten auf einige häufig gestellte Fragen zum Echtzeitstreaming in Power BI.

Können Filter auf Push- oder Streamingsemantikmodelle angewendet werden?

Streamingsemantikmodelle unterstützen keine Filterung. Für Pushsemantikmodelle können Sie einen Bericht erstellen, den Bericht filtern und anschließend die gefilterten Visuals an ein Dashboard anheften. Es ist jedoch nicht möglich, den Filter für das visuelle Element zu ändern, sobald dieses am Dashboard angeheftet ist.

Sie können die Live-Berichtskachel separat am Dashboard anheften, um die Filter ändern zu können. Liveberichtskacheln werden jedoch nicht in Echtzeit aktualisiert, wenn Daten per Push einkommen. Sie müssen das Visual manuell aktualisieren, indem Sie oben rechts auf der Dashboardseite das Symbol Aktualisieren auswählen.

Wenn Sie Filter anwenden, um Semantikmodelle zu pushen, die über millisekundengenaue DateTime-Felder verfügen, werden keine Äquivalenzoperatoren unterstützt. Operatoren wie „Größer als“ (>) und „Kleiner als“ (<) werden jedoch ordnungsgemäß ausgeführt.

Wie kann ich den neuesten Wert in Push- oder Streamingsemantikmodellen anzeigen?

Streamingsemantikmodelle sind darauf ausgelegt, die neuesten Daten anzuzeigen. Mit dem Visual Karte können Sie auf einfache Weise die aktuellen numerischen Werte anzeigen. Kartenvisuals unterstützen nicht die Datentypen DateTime und Text.

Wenn Sie bei Pushsemantikmodellen über einen Zeitstempel im Schema verfügen, können Sie versuchen, ein Berichtsvisual mit dem last N-Filter zu erstellen.

Wie funktioniert die Modellierung auf der Grundlage von Echtzeitsemantikmodellen?

Eine Modellierung ist bei Streamingsemantikmodellen nicht möglich, da die Daten nicht dauerhaft gespeichert werden. Bei einem Pushsemantikmodell können Sie mithilfe der REST-API zum Erstellen von Semantikmodellen ein Semantikmodell mit Beziehungen und Measures erstellen und/oder die REST-APIs zum Aktualisieren von Tabellen verwenden, um vorhandenen Tabellen Measures hinzuzufügen.

Wie kann ich alle Werte in einem Push- oder Streamingsemantikmodell löschen?

In einem Pushsemantikmodell können Sie die REST-API zum Löschen von Zeilen aufrufen. Es gibt keine Möglichkeit, Daten aus einem Streamingsemantikmodell zu löschen. Die Daten werden jedoch nach einer Stunde automatisch gelöscht.

Worin besteht das Problem, wenn eine Azure Stream Analytics-Ausgabe in Power BI eingerichtet wurde, diese jedoch in Power BI nicht angezeigt wird?

Führen Sie die folgenden Schritte aus, um das Problem zu beheben:

1. Starten Sie die Azure Stream Analytics-Aufträge neu.
2. Versuchen Sie, die Power BI-Verbindung in Azure Stream Analytics erneut zu autorisieren.
3. Achten Sie darauf, denselben Arbeitsbereich im Power BI-Dienst zu überprüfen, den Sie für die Azure Stream Analytics-Ausgabe angegeben haben.
4. Stellen Sie sicher, dass die Azure Stream Analytics-Abfrage durch Verwendung des Schlüsselworts INTO explizit in die Power BI-Ausgabe ausgegeben wird.
5. Ermitteln Sie, ob Daten durch den Azure Stream Analytics-Auftrag fließen. Das Semantikmodell wird erst erstellt, wenn Daten übertragen werden.
6. Überprüfen Sie die Azure Stream Analytics-Protokolle, um festzustellen, ob Warnungen oder Fehler vorhanden sind.

Automatische Seitenaktualisierung

Sie können automatische Seitenaktualisierung auf Berichtsseitenebene verwenden, um ein Aktualisierungsintervall für Visuals festzulegen, das nur aktiv ist, solange die Seite genutzt wird. Die automatische Seitenaktualisierung ist nur für DirectQuery-Datenquellen verfügbar. Das Mindestintervall für die Aktualisierung hängt von dem Typ des Arbeitsbereichs ab, in dem der Bericht veröffentlicht wird, sowie von den Kapazitätsverwaltungseinstellungen für Premium-Arbeitsbereiche.

Weitere Informationen zu diesem Feature finden Sie unter Automatische Seitenaktualisierung in Power BI.

Zugehöriger Inhalt

• Übersicht über die Power BI-REST-API mit Echtzeitdaten
• Laden von Daten in ein Power BI-Streamingsemantikmodell und Erstellen eines Dataflow-Überwachungsberichts mit Power BI