Datasets im Power BI-Dienst

  • Artikel

In diesem Artikel finden Sie eine technische Erläuterung zu Power BI-Datasets.

Datasettypen

Power BI-Datasets stellen eine Datenquelle dar, die für Berichterstellung und Visualisierung einsatzbereit ist. Sie können Power BI-Datasets auf folgende Weise erstellen:

  • Herstellen einer Verbindung mit einem vorhandenen Datenmodell, das nicht in Power BI gehostet wird
  • Hochladen einer Power BI Desktop-Datei, die ein Modell enthält
  • Hochladen einer Excel-Arbeitsmappe, die mindestens eine Excel-Tabelle und/oder ein Arbeitsmappendatenmodell enthält, oder einer CSV-Datei (Datei mit durch Trennzeichen getrennten Werten)
  • Verwenden des Power BI-Diensts zum Erstellen eines Pushdatasets
  • Verwenden des Power BI-Diensts zum Erstellen eines Streaming- oder hybriden Streamingdatasets

Mit Ausnahme von Streamingdatasets stellen Datasets ein Datenmodell dar, das die ausgereiften Modellierungstechnologien von Analysis Services nutzt.

Hinweis

In der Power BI-Dokumentation werden die Begriffe Dataset und Modell manchmal synonym verwendet. Ein Dataset im Power BI-Dienst bezieht sich aus Entwicklungsperspektive auf ein Modell. In einem Dokumentationskontext bezeichnen die Begriffe dasselbe.

Extern gehostete Modelle

Es gibt zwei Arten von extern gehosteten Modellen: SQL Server Analysis Services und Azure Analysis Services.

Um eine Verbindung mit einem SQL Server Analysis Services-Modell herzustellen, müssen Sie ein lokales Datengateway entweder lokal oder auf einer von einem virtuellen Computer gehosteten IaaS-Instanz (Infrastructure-as-a-Service) installieren. Azure Analysis Services erfordert kein Gateway.

Das Herstellen einer Verbindung mit Analysis Services ist meist sinnvoll, wenn bereits in vorhandene Modelle investiert wurde, die in der Regel als Teil eines Data Warehouse eines Unternehmens (Enterprise Data Warehouse, EDW) fungieren. Power BI kann eine Liveverbindung zu Analysis Services herstellen und Datenberechtigungen erzwingen, indem er die Identität des Power BI-Berichtsbenutzers verwendet.

SQL Server Analysis Services unterstützt sowohl mehrdimensionale Modelle oder Cubes als auch tabellarische Modelle. Wie im folgenden Bild veranschaulicht übermittelt ein Dataset mit Liveverbindung Abfragen an extern gehostete Modelle.

Diagram that shows how a live connection dataset passes queries to an external-hosted model.

In Power BI Desktop entwickelte Modelle

Sie können Power BI Desktop, eine Clientanwendung, die für die Power BI-Entwicklung vorgesehen ist, zum Entwickeln eines Modells verwenden. Ein Power BI Desktop-Modell fungiert effektiv als tabellarisches Analysis Services-Modell.

Sie können drei verschiedene Typen oder Modi von Modellen mit Power BI Desktop entwickeln: „Import“, „DirectQuery“ und „Zusammengesetzt“. Sie entwickeln Modelle, indem Sie Daten aus Dataflows importieren und dann in externe Datenquellen integrieren. Der Modus hängt davon ab, ob Daten in das Modell importiert werden oder in der Datenquelle verbleiben. Weitere Informationen zu den Modi finden Sie unter Datasetmodi im Power BI-Dienst.

Sicherheit auf Zeilenebene

Extern gehostete Modelle und Power BI Desktop-Modelle können RLS (Sicherheit auf Zeilenebene) erzwingen, um die Daten zu beschränken, die bestimmte Benutzer abrufen können. Beispielsweise können Benutzer, die der Sicherheitsgruppe Vertriebsmitarbeiter zugewiesen sind, Berichtsdaten nur für die Vertriebsregionen einsehen, denen sie zugewiesen sind. RLS-Rollen sind entweder dynamisch oder statisch. Dynamische Rollen filtern nach dem Berichtsbenutzer, während statische Rollen dieselben Filter für alle Benutzer anwenden, die der jeweiligen Rolle zugewiesen sind. Weitere Informationen finden Sie unter Sicherheit auf Zeilenebene (RLS) mit Power BI.

Excel-Arbeitsmappenmodelle

Durch das Erstellen von Datasets anhand von Excel-Arbeitsmappen oder CSV-Dateien wird ein Modell automatisch erstellt. Importierte Excel-Tabellen und CSV-Daten erstellen Modelltabellen, während Excel-Arbeitsmappendaten transponiert werden, um ein Power BI-Modell zu erstellen. In allen Fällen werden Dateidaten in ein Modell importiert.

Zusammenfassung

Zusammenfassung:

  • Power BI-Datasets, die Modelle darstellen, werden entweder im Power BI-Dienst oder extern von Analysis Services gehostet.
  • Datenmodelle können importierte Daten speichern, Passthrough-Abfragen an zugrunde liegende Datenquellen ausgeben oder beide Methoden ausführen.

Überlegungen

Die folgenden wichtigen Fakten und Überlegungen gelten für Power BI-Datasets, die Modelle darstellen:

  • Von SQL Server Analysis Services gehostete Modelle erfordern ein Gateway für die Durchführung von Liveverbindungsabfragen.
  • Um von Power BI gehostete Modelle abzufragen, die Daten importieren, müssen Sie sie vollständig in den Arbeitsspeicher laden.
  • Von Power BI gehostete Modelle, die „Import“ verwenden, müssen aktualisiert werden, damit die Daten aktuell bleiben. Außerdem müssen diese Modelle Gateways verwenden, wenn auf Quelldaten nicht direkt über das Internet zugegriffen werden kann.
  • Die Aktualisierung von in Power BI gehosteten Import-Modellen kann anhand eines Zeitplans oder bei Bedarf durch einen Benutzer des Power BI-Diensts ausgelöst werden.
  • Für in Power BI gehostete Modelle, die den Modus DirectQuery verwenden, ist Konnektivität zur Datenquelle erforderlich. Power BI gibt Abfragen an die Datenquelle aus, um aktuelle Daten abzurufen. In diesem Modus müssen Gateways verwendet werden, wenn der Zugriff auf die Quelldaten nicht direkt über das Internet möglich ist.
  • Modelle können RLS-Regeln erzwingen, um den Datenzugriff für bestimmte Benutzer zu filtern.
  • Sie können die API Datasets – In Gruppen übernehmen verwenden, um den Besitz zu übernehmen, wenn ein Datasetbesitzer die Organisation verlässt.

Um Power BI-Datasets erfolgreich bereitzustellen und zu verwalten, sollten Sie sich mit den folgenden Faktoren vertraut machen:

  • Dem Modellentwurf selbst, einschließlich der Datenaufbereitungsabfragen, -beziehungen und -berechnungen
  • Den folgenden Konfigurationen, die sich erheblich auf Power BI-Kapazitätsressourcen auswirken können:
    • Ort, an dem Modelle gehostet werden
    • Speichermodus
    • Abhängigkeiten von Gateways
    • Größe der importierten Daten
    • Aktualisierungstyp und -häufigkeit des Modells

Nächste Schritte