Freigeben über

Power BI-Semantikmodelle in Microsoft Fabric

Gilt für:✅SQL Analytics-Endpunkt, Warehouse und gespiegelte Datenbanken in Microsoft Fabric

In Microsoft Fabric sind Power BI-Semantikmodelle eine logische Beschreibung einer analytischen Domäne mit geschäftsfreundlicher Terminologie und Darstellung. Sie ermöglichen eine ausführliche Analyse. Dieses semantische Modell ist in der Regel ein Sternschema mit Fakten, die eine Domäne darstellen, und Dimensionen, mit denen Sie die Domäne analysieren oder aufteilen können. So können Sie einen Drilldown für verschiedene Analysen ausführen und diese filtern und berechnen.

Hinweis

Bis zum 30. November 2025 werden alle Standardsemantikmodelle von Power BI von ihrem Element getrennt und zu unabhängigen Semantikmodellen. Sie können sie beibehalten, wenn Sie sie weiterhin für Berichte oder Dashboards verwenden oder sie sicher löschen, wenn sie nicht mehr benötigt werden. Weitere Informationen finden Sie im Blog: Entkopplung von Standard-Semantikmodellen für bestehende Elemente in Microsoft Fabric.

Microsoft hat den Inhaltstyp des Power BI-Datasets in das Power BI-Semantikmodell oder nur das semantische Modell umbenannt. Dies gilt auch für Microsoft Fabric. Weitere Informationen finden Sie unter Neuer Name für Power BI-Datasets. Weitere Informationen zu Power BI-Semantikmodellen finden Sie unter Semantikmodelle im Power BI-Dienst.

Direct Lake-Modus

Der Direct Lake-Modus ist eine bahnbrechende neue Engine-Funktion zum Analysieren sehr großer Datasets in Power BI. Die Technologie basiert auf dem direkten Konsumieren von Dateien im Parquet-Format aus einem Data Lake ohne die Notwendigkeit, ein Warehouse oder einen SQL-Endpunkt abzufragen und Daten in ein Power BI-Semantikmodell zu importieren oder zu duplizieren. Diese native Integration mit der Bezeichnung Direct Lake bietet einen einzigartigen Modus für den Zugriff auf die Daten aus dem Warehouse oder SQL-Analyseendpunkt. Die Übersicht über Direct Lake enthält weitere Informationen zu diesem Speichermodus für Power BI-Semantikmodelle.

Direct Lake bietet die leistungsfähigste Abfrage- und Berichterstellungserfahrung. Direct Lake ist ein schneller Weg zum direkten Konsumieren der Daten aus dem Data Lake in die Power BI-Engine, die für die Analyse bereit ist.

  • Im herkömmlichen DirectQuery-Modus fragt die Power BI-Engine die Daten für jede Abfrageausführung direkt aus der Quelle ab, und die Abfrageleistung hängt von der Datenabrufgeschwindigkeit ab. Durch DirectQuery entfällt die Notwendigkeit, Daten zu kopieren, und es wird sichergestellt, dass alle Änderungen in der Quelle sofort in den Abfrageergebnissen widergespiegelt werden.

  • Im Importmodus ist die Leistung besser, da die Daten im Arbeitsspeicher leicht verfügbar sind und sie nicht für jede Abfrageausführung aus der Quelle abgefragt werden müssen. Das Power BI-Modul muss die Daten jedoch zum Zeitpunkt der Datenaktualisierung zuerst in den Speicher kopieren. Alle Änderungen an der zugrunde liegenden Datenquelle werden während der nächsten Datenaktualisierung übernommen.

  • Im Direct Lake-Modus entfällt die Importanforderung zum Kopieren der Daten, da die Datendateien direkt in den Speicher übertragen werden. Da kein expliziter Importvorgang vorhanden ist, ist es möglich, Änderungen an der Quelle zum Zeitpunkt ihres Auftretens aufzunehmen. Direct Lake kombiniert die Vorteile des DirectQuery- und Importmodus und vermeidet gleichzeitig die Nachteile. Der Direct Lake-Modus ist die ideale Wahl für die Analyse sehr großer Datasets sowie von Datasets, deren Datenquelle häufig aktualisiert wird. Direct Lake greift automatisch auf DirectQuery zurück, indem es den SQL-Analyse-Endpunkt des Warehouse oder den SQL-Analyse-Endpunkt verwendet, wenn Direct Lake die Grenzwerte für die SKU überschreitet oder nicht unterstützte Funktionen verwendet, so dass die Berichtsbenutzer ohne Unterbrechung weiterarbeiten können.

  • Der Direct Lake-Modus ist der Speichermodus für neue Power BI-Semantikmodelle, die auf einem Warehouse- oder SQL-Analyseendpunkt erstellt wurden.

  • Mithilfe von Power BI Desktop können Sie auch Power BI-Semantikmodelle mithilfe des SQL-Analyseendpunkts von Warehouse oder SQL Analysen-Endpunkt als Datenquelle für semantische Modelle im Import- oder DirectQuery-Speichermodus erstellen.

Erstellen und Verwalten von Power BI-Semantikmodellen

Wenn Sie ein semantisches Modell auf einem Seehaus oder Lager erstellen, wählen Sie aus, welche Tabellen hinzugefügt werden sollen. Von dort aus können Sie ein Power BI-Semantikmodell manuell aktualisieren.

Informationen zu den ersten Schritten finden Sie unter:

Begrenzungen

  • Semantische Modelle in Fabric folgen den aktuellen Einschränkungen für semantische Modelle in Power BI. Weitere Informationen:
  • Semantische Modelle sind unabhängige Elemente in Fabric und können über REST-APIs verwaltet werden, um semantische Modelle in einem Arbeitsbereich auflisten, nach Abhängigkeiten (Berichte/Dashboards) und Modellinhalt zu suchen und nicht verwendete zu löschen. Dazu gehören entkoppelte Semantikmodelle, die in der Vergangenheit standardmäßig erstellt wurden, die nicht mehr automatisch erstellt werden.
  • Wenn der Parkett-, Apache Spark- oder SQL-Datentyp keinem der Power BI-Desktopdatentypen zugeordnet werden kann, werden sie im Rahmen des Synchronisierungsprozesses gelöscht. Dies entspricht dem aktuellen Verhalten von Power BI. Für diese Spalten wird das Hinzuzufügen expliziter Typkonvertierungen in ihren ETL-Prozessen empfohlen, um sie in einen unterstützten Typen zu konvertieren. Wenn im Upstream benötigte Datentypen vorhanden sind, können Benutzer*innen optional eine Ansicht in SQL mit der gewünschten expliziten Typkonvertierung angeben. Das wird von der Synchronisierung erfasst oder kann wie zuvor angegeben manuell hinzugefügt werden.
  • Semantische Modelle können nur im SQL-Analyseendpunkt oder -Lager bearbeitet werden.

Nächster Schritt

Erstellen eines Power BI-Semantikmodells

Zugehöriger Inhalt

  • Last updated on