Bewährte Methoden für Dataflows
Power BI-Dataflows sind eine auf das Unternehmen fokussierte Lösung für die Datenaufbereitung, die ein Ökosystem aus Daten ermöglicht, das sofort für die Nutzung, Wiederverwendung und Integration zur Verfügung steht. Dieser Artikel enthält eine Liste der bewährten Methoden mit Links zu Artikeln und anderen Informationen, die Ihnen helfen, Dataflows zu verstehen und deren Potenzial vollständig auszuschöpfen.
Dataflows auf Power Platform
Dataflows können im Zusammenhang mit verschiedenen Power Platform-Technologien wie Power Query, Microsoft Dynamics 365 und anderen Angeboten von Microsoft verwendet werden. Weitere Informationen zur Funktionsweise von Dataflows auf Power Platform finden Sie unter Verwenden von Dataflows für Microsoft-Produkte.
Gelöschte Datenflüsse können nicht wiederhergestellt werden
Gelöschte Datenflüsse können nicht wiederhergestellt werden, aber Sie können sie mit verschiedenen Methoden sichern, die in diesem Abschnitt beschrieben sind.
Wenn Sie die Azure-Speicherverbindung in Ihrem Power BI-Arbeitsbereich aktivieren, werden eine Kopie Ihrer Datenflussdefinition und Momentaufnahme automatisch in einem Data Lake gespeichert. Anschließend können Sie einen gelöschten oder geänderten Datenfluss wiederherstellen, indem Sie die Datei „model.json“ aus dem Datensee herunterladen und dann wieder in Power BI importieren.
Sie können Power Automate oder Azure Logic Apps verwenden, um Ihre Datenflussdefinition in eine JSON-Datei zu exportieren und sie dann in SharePoint oder Azure Data Lake Gen2 zu speichern. Mithilfe einer dieser Methoden können Sie Ihren Datenfluss mithilfe alternativer Dateispeicheroptionen sichern und den Prozess automatisieren.
Sie können ihren Datenfluss auch manuell in eine JSON-Datei exportieren und in einen anderen Arbeitsbereich oder Speicherort importieren. Das manuelle Exportieren des Datenflusses ist einfach und schnell, ist jedoch ein manueller Vorgang, der jedes Mal durchgeführt werden muss, wenn Sie den Datenfluss sichern möchten.
Tabelle mit bewährten Methoden und Links für Dataflows
Die folgende Tabelle bietet eine Sammlung von Links zu Artikeln, in denen bewährte Methoden für das Erstellen von oder Arbeiten mit Dataflows beschrieben werden. Dies sind Links zu Artikeln mit Informationen zum Entwickeln einer Geschäftslogik, dem Entwickeln komplexer Dataflows, dem Wiederverwenden von Dataflows und dem Erreichen der Skalierbarkeit auf Unternehmensniveau im Zusammenhang mit Ihren Dataflows.
| Thema | Leitfadenbereich | Link zu Artikel oder Inhalt |
|---|---|---|
| Power Query | Tipps und Tricks für die optimale Nutzung der Data-Wrangling-Funktion | Bewährte Methoden beim Arbeiten mit Power Query |
| Nutzen berechneter Tabellen | Leistungsvorteile bei der Verwendung berechneter Tabellen in einem Dataflow | Szenarien für berechnete Tabellen |
| Entwickeln komplexer Dataflows | Muster für die Entwicklung umfangreicher, leistungsfähiger Dataflows | Bewährte Methoden für das Entwerfen und Entwickeln komplexer Dataflows |
| Wiederverwenden von Dataflows | Muster, Leitfaden und Anwendungsfälle | Bewährte Methoden für die Wiederverwendung von Dataflows in Umgebungen und Arbeitsbereichen |
| Umfangreiche Implementierungen | Anwendungsfälle und Leitfaden für umfangreiche Implementierungen zum Ergänzen der Unternehmensarchitektur | Bewährte Methoden zum Erstellen eines Dimensionsmodells mithilfe von Dataflows |
| Nutzen der erweiterten Compute-Engine | Mögliche Verbesserung der Dataflowleistung um das bis zu 25-Fache | Verwenden der Compute-Engine zum Verbessern der Leistung |
| Optimieren der Workloadeinstellungen | Optimale Nutzung der Dataflowinfrastruktur durch Kenntnisse im Zusammenhang mit den möglichen Optionen zum Maximieren der Leistung | Konfigurieren von Power BI Premium-Dataflow-Workloads |
| Verknüpfen und Erweitern von Tabellen | Erstellen leistungsfähiger Verknüpfungen | Optimieren von Power Query beim Erweitern von Tabellenspalten |
| Leitfaden zum Query Folding | Beschleunigen von Transformationen mithilfe des Quellsystems | Query Folding in Power Query |
| Verwenden der Datenprofilerstellung | Grundlegendes zur Spaltenqualität, Verteilung und zu Profilen | Verwenden der Tools zur Datenprofilerstellung |
| Implementieren der Fehlerbehandlung | Entwickeln robuster Dataflows, die in Bezug auf Aktualisierungsfehler resilient sind (mit Vorschlägen) | Behandeln von Fehlern bei Power Query Fehlerbehandlung |
| Verwenden der Schemaansicht | Verbessern der Dokumenterstellungsfunktion bei der Arbeit mit einer breiten Tabelle und Ausführen von Vorgängen auf Schemaebene | Schemaansicht |
| Verknüpfte Tabellen | Wiederverwenden von und Verweisen auf Transformationen | Erstellen eines Dataflows aus verknüpften Tabellen |
| Inkrementelle Aktualisierung | Laden der neuesten oder geänderten Daten im Vergleich zum vollständigen erneuten Laden | Verwenden der inkrementellen Aktualisierung mit Dataflows |
Zugehöriger Inhalt
In den folgenden Artikeln finden Sie weitere Informationen zu Dataflows und Power BI: