Aggregationen in Power BI können die Abfrageleistung für große DirectQuery-Semantikmodelle verbessern. Mithilfe von Aggregationen werden Daten auf aggregierter Ebene im Arbeitsspeicher zwischengespeichert. Aggregationen in Power BI können manuell im Datenmodell konfiguriert werden, wie in diesem Artikel beschrieben. Bei Premium-Abonnements automatisch durch die Aktivierung der Funktion Automatischen Aggregationen in den Modelleinstellungen.
Erstellen von Aggregationstabellen
Je nach Art der Datenquelle kann eine Aggregationstabelle in der Datenquelle als Tabelle oder Ansicht, native Abfrage, erstellt werden. Um die beste Leistung zu erzielen, erstellen Sie eine Aggregationstabelle als Importtabelle, die in Power Query erstellt wurde. Verwenden Sie anschließend das Dialogfeld „Aggregationen verwalten“ in Power BI Desktop, um Aggregationen für Aggregationsspalten mit Eigenschaften für die Zusammenfassung, Detailtabelle und Detailspalten zu definieren.
Dimensionale Datenquellen wie Data Warehouse- und Data Mart-Instanzen können beziehungsbasierte Aggregationen. Bei auf Hadoop basierenden Big Data-Quellen basieren Aggregationen oft auf GroupBy-Spalten. In diesem Artikel werden typische Unterschiede bei der Datenmodellierung in Power BI für jede Art von Datenquelle beschrieben.
Verwalten von Aggregationen
Klicken Sie im Bereich Daten einer beliebigen Power BI Desktop-Ansicht mit der rechten Maustaste auf die Aggregationstabelle, und wählen Sie dann Aggregationen verwalten aus.
Im Dialogfeld Aggregationen verwalten wird für jede Spalte in der Tabelle eine Zeile angezeigt, in der Sie das Aggregationsverhalten festlegen können. Im folgenden Beispiel werden Abfragen der Detailtabelle Sales intern an die Aggregationstabelle Sales Agg umgeleitet.
Die GroupBy-Einträge in diesem Beispiel für eine beziehungsbasierte Aggregation sind optional. Mit Ausnahme von DISTINCTCOUNT wirken sie sich nicht auf das Aggregationsverhalten aus und dienen hauptsächlich zur besseren Lesbarkeit. Ohne die GroupBy-Einträge würden die Aggregationen immer noch basierend auf den Beziehungen gefunden werden. Dies unterscheidet sich vom Big Data-Beispiel später in diesem Artikel, bei dem die GroupBy-Einträge erforderlich sind.
Überprüfungen
Das Dialogfeld Aggregationen verwalten erzwingt Überprüfungen:
Die Detailspalte muss den gleichen Datentyp wie die Aggregationsspalte aufweisen. Ausgenommen sind die Zusammenfassungsfunktionen „Count“ und „Count table rows“. Die Funktionen „Count“ und „Count table rows“ sind nur für Integeraggregationsspalten verfügbar und erfordern keinen übereinstimmenden Datentyp.
Verkettete Aggregationen über drei oder mehr Tabellen sind nicht zulässig. Aggregationen der Tabelle A können beispielsweise nicht auf eine Tabelle B verweisen, die Aggregationen enthält, die wiederum auf eine Tabelle C verweisen.
Doppelte Aggregationen, bei denen zwei Einträge die gleiche Zusammenfassungsfunktion verwenden und auf die gleiche Detailtabelle und Detailspalte verweisen, sind nicht zulässig.
Die Detailtabelle muss den DirectQuery-Speichermodus verwenden, nicht den Speichermodus „Import“.
Das Gruppieren nach einer Fremdschlüsselspalte, die von einer inaktiven Beziehung verwendet wird, und die Verwendung der USERELATIONSHIP-Funktion für Aggregationstreffer werden nicht unterstützt.
Aggregationen, die auf GroupBy-Spalten basieren, können Beziehungen zwischen Aggregationstabellen nutzen. Das Erstellen von Beziehungen zwischen Aggregationstabellen wird in Power BI Desktop jedoch nicht unterstützt. Bei Bedarf können Sie Beziehungen zwischen Aggregationstabellen erstellen, indem Sie ein Drittanbietertool oder eine Skriptlösung über XML for Analysis (XMLA)-Endpunkte verwenden.
Die meisten Überprüfungen werden durch das Deaktivieren von Dropdownwerten und das Anzeigen einer Erklärung in einer QuickInfo erzwungen.
Aggregationstabellen sind ausgeblendet
Benutzer*innen mit schreibgeschütztem Zugriff auf das Modell können keine Aggregationstabellen abfragen. Durch schreibgeschützten Zugriff werden Sicherheitsbedenken bei Verwendung mit der Sicherheit auf Zeilenebene (RLS, row-level security) vermieden. Benutzer und Abfragen verwenden die Detailtabelle, nicht die Aggregationstabelle. Sie müssen nicht wissen, dass es die Aggregationstabelle gibt.
Daher werden Aggregationen in der Berichtsansicht ausgeblendet. Wenn die Tabelle nicht bereits ausgeblendet ist, wird sie über das Dialogfeld Aggregationen verwalten ausgeblendet, wenn Sie Alle übernehmen auswählen.
Speichermodi
Das Aggregationsfeature interagiert mit den Speichermodi auf Tabellenebene. Power BI-Tabellen können die folgenden Speichermodi nutzen: DirectQuery, Import oder Dual. Im DirectQuery-Modus wird das Back-End direkt abgefragt, während die Daten im Import-Modus im Arbeitsspeicher zwischengespeichert und die Abfragen an die zwischenspeicherten Daten gesendet werden. Alle Import- und nicht-mehrdimensionalen DirectQuery-Datenquellen in Power BI können Aggregationen verwenden.
Wählen Sie die aggregierte Tabelle in der Modellansicht in Power BI Desktop aus, um ihren Speichermodus auf „Import“ festzulegen und die Abfragen dadurch zu beschleunigen. Erweitern Sie Erweitert im Bereich Eigenschaften, und wählen Sie im Dropdownmenü Speichermodus die Option Import aus. Das Ändern des Imports ist unumkehrbar.
RLS-Ausdrücke sollten die Aggregationstabelle und die Detailtabelle filtern, damit sie ordnungsgemäß für Aggregationen funktionieren.
Im folgenden Beispiel funktioniert der RLS-Ausdruck der Tabelle Geography für Aggregationen, weil in den Beziehungen zu den Tabellen Sales und Sales Agg nach „Geography“ gefiltert wird. Abfragen, die die Aggregationstabelle betreffen, und Abfragen, bei denen RLS nicht erfolgreich angewendet wurde.
Ein RLS-Ausdruck in der Tabelle Product würde nur die Detailtabelle Sales filtern, nicht die aggregierte Tabelle Sales Agg. Da die Aggregationstabelle eine weitere Darstellung der Daten in der Detailtabelle ist, wäre es nicht sicher, Abfragen aus der Aggregationstabelle zu beantworten, wenn der RLS-Filter nicht angewendet werden kann. Es wird davon abgeraten, nur die Detailtabelle zu filtern, weil Benutzerabfragen mit dieser Rolle nicht von Aggregationstreffern profitieren.
Ein RLS-Ausdruck, der nur die Aggregationstabelle Sales Agg filtert und nicht die Detailtabelle Sales, ist nicht zulässig.
Für Aggregationen, die auf GroupBy-Spalten basieren, kann ein RLS-Ausdruck für die Detailtabelle dazu verwendet werden, die Aggregationstabelle zu filtern, da alle GroupBy-Spalten in der Aggregationstabelle auch in der Detailtabelle enthalten sind. Im Gegensatz dazu kann ein RLS-Filter für die Aggregationstabelle nicht auf die Detailseite angewendet werden. Dies ist also unzulässig.
Aggregationen basierend auf Beziehungen
Dimensionale Modelle verwenden üblicherweise Aggregationen, die auf Beziehungen basieren. Power BI-Modelle aus Data Warehouse- und Data Mart-Instanzen weisen ein Stern- oder Schneeflockenschema auf, bei dem Beziehungen zwischen Dimensionstabellen und Faktentabellen bestehen.
Im folgenden Beispiel ruft das Modell Daten aus einer einzelnen Datenquelle ab. Tabellen verwenden den DirectQuery-Speichermodus. Die Faktentabelle Sales enthält Milliarden von Zeilen. Wenn Sie den Speichermodus von Sales für das Zwischenspeichern auf Import festlegen, erfordert dies einen sehr hohen Arbeitsspeicher- und Ressourcenaufwand.
Erstellen Sie stattdessen die Aggregationstabelle Sales Agg. Die Zeilenanzahl in der Tabelle Sales Agg sollte mit der Summe von SalesAmount übereinstimmen (gruppiert nach CustomerKey, DateKey und ProductSubcategoryKey). Die Tabelle Sales Agg besitzt eine höhere Granularität als Sales. Diese Tabelle enthält also deutlich weniger Zeilen und ist dadurch einfacher zu verwalten.
Wenn die folgenden Dimensionstabellen am häufigsten für Abfragen mit hohem Unternehmenswert verwendet werden, kann die Tabelle Sales Agg mithilfe von 1:n- oder n:1-Beziehungen gefiltert werden.
Geografie
Kunde
Datum (Date)
Product Subcategory
Produktkategorie
Die folgende Abbildung zeigt dieses Modell.
In der folgenden Tabelle werden die Aggregationen der Sales Agg-Tabelle gezeigt.
Hinweis
Die Tabelle Sales Agg verfügt wie jede andere Tabelle über die Flexibilität, auf verschiedene Weisen geladen werden zu können. Die Aggregation kann in der Quelldatenbank mit ETL- oder ELT-Vorgängen oder mit dem M-Ausdruck für die Tabelle erfolgen. Die aggregierte Tabelle kann den Speichermodus „Import” mit oder ohne inkrementelle Aktualisierung für Semantikmodelle verwenden, oder ihr Modus kann auf „DirectQuery” festgelegt werden, um mit Columnstore-Indizes schnellere Abfragen zu ermöglichen. Diese Flexibilität ermöglicht ausgeglichene Architekturen, in denen die Abfragelast verteilt wird, um Leistungsengpässe zu vermeiden.
Wenn der Speichermodus der aggregierten Tabelle Sales Agg in Import geändert wird, wird ein Dialogfeld angezeigt, das darauf hinweist, dass der Speichermodus Dual für die zugehörigen Dimensionstabellen festgelegt werden kann.
Wenn der Speichermodus „Dual“ für die Dimensionstabellen festgelegt wird, können sie je nach Unterabfrage den Speichermodus „Import“ oder „DirectQuery“ verwenden. Im Beispiel:
Abfragen, die Metriken aus der Tabelle Sales Agg aggregieren, deren Modus auf „Import“ festgelegt ist, und die GroupBy-Attribute aus den verwandten Dual-Tabellen können aus dem In-Memory-Cache zurückgegeben werden.
Abfragen, die Metriken aus der Tabelle Sales aggregieren, deren Modus auf „DirectQuery“ festgelegt ist, und GroupBy-Attribute aus den verwandten Dual-Tabellen können im DirectQuery-Modus zurückgegeben werden. Die Abfragelogik und der GroupBy-Vorgang wird an die Quelldatenbank übergeben.
Reguläre im Vergleich zu eingeschränkten Beziehungen
Für auf Beziehungen basierende Aggregationstreffer werden reguläre Beziehungen benötigt.
Reguläre Beziehungen umfassen die folgenden Kombinationen von Speichermodi, bei denen beide Tabellen aus einer einzelnen Quelle stammen:
Tabelle auf der n-Seite
Tabelle auf der 1-Seite
Dual
Dual
Importieren
Import oder Dual
DirectQuery
DirectQuery oder Dual
Eine quellenübergreifende Beziehung wird nur dann als regulär eingestuft, wenn für beide Tabellen der Speichermodus „Import“ festgelegt ist. M:n-Beziehungen werden immer als eingeschränkt eingestuft.
Beispiele für Abfragen von auf Beziehungen basierenden Aggregationen
Die folgende Abfrage findet die Aggregation, weil Spalten in der Date-Tabelle der Granularität entsprechen, die zum Finden der Aggregation erforderlich ist. Für die Spalte SalesAmount wird die Aggregation Sum verwendet.
Die folgende Abfrage führt nicht zu einem Aggregationstreffer. Obwohl die Summe von SalesAmount angefordert wurde, führt die Abfrage einen GroupBy-Vorgang für eine Spalte in der Product-Tabelle durch, die nicht die Granularität aufweist, die zum Finden der Aggregation nötig ist. Wenn Sie die Beziehungen im Modell betrachten, kann eine Unterkategorie der Tabelle „Product“ mehrere Product-Zeilen enthalten. Die Abfrage wäre also nicht in der Lage, zu ermitteln, welche Product-Zeile aggregiert werden soll. In diesem Fall kehrt die Abfrage zu DirectQuery zurück und übermittelt eine SQL-Abfrage an die Datenquelle.
Aggregationen können nicht nur für einfache Berechnungen eingesetzt werden (wie z.B. das Berechnen einer Summe). Sie können auch bei komplexen Berechnungen nützlich sein. Konzeptionell wird eine komplexe Berechnung in Unterabfragen für jeden Befehl SUM, MIN, MAX und COUNT unterteilt. Jede Unterabfrage wird ausgewertet, um festzustellen, ob sie die Aggregation betreffen kann. Dies gilt aufgrund einer Optimierung des Abfrageplans nicht immer. Das folgende Beispiel findet die Aggregation:
Die Funktion COUNTROWS kann von Aggregationen profitieren. Die folgende Abfrage findet die Aggregation, weil eine Count table rows-Aggregation in der Sales-Tabelle definiert wurde.
Die Funktion AVERAGE kann von Aggregationen profitieren. Die folgende Abfrage findet die Aggregation, weil AVERAGE intern in SUM geteilt durch COUNT gefaltet wird. Da für die Spalte UnitPrice Aggregationen für SUM und COUNT definiert sind, wird die Aggregation gefunden.
In einigen Fällen kann die Funktion DISTINCTCOUNT von Aggregationen profitieren. Die folgenden Abfrage findet die Aggregation, weil es einen GroupBy-Eintrag für CustomerKey gibt, wodurch CustomerKey in der Aggregationstabelle eindeutig bleibt. Dieses Verfahren kann immer noch dem Leistungsschwellenwert entsprechen, bei dem mehr als zwei bis fünf Millionen eindeutige Werte sich auf die Abfrageleistung auswirken können. Es kann sich jedoch in Szenarios als nützlich erweisen, bei denen Milliarden Zeilen in der Detailtabelle vorhanden sind, aber nur zwei bis fünf Millionen verschiedene Werte in der Spalte enthalten sind. In diesem Fall kann DISTINCTCOUNT schneller sein als das Überprüfen der Tabelle mit Milliarden Zeilen, auch wenn diese im Arbeitsspeicher zwischengespeichert werden würde.
Die Data Analysis Expressions (DAX)-Zeitintelligenzfunktionen sind aggregationsfähig. Die folgende Abfrage führt die Aggregation aus, da die DATESYTD-Funktion eine Tabelle mit CalendarDay-Werten generiert, und die Aggregationstabelle weist eine Granularität auf, die von den „GroupBy“-Spalten in der Date-Tabelle berücksichtigt wird. Hier handelt es sich um ein Beispiel für einen Tabellenwertfilter für die CALCULATE-Funktion, die Aggregationen verarbeiten kann.
Aggregationen basierend auf GroupBy-Spalten
Hadoop-basierte Big Data-Modelle unterscheiden sich von dimensionalen Modellen. Zur Vermeidung von Verknüpfungen zwischen großen Tabellen verwenden Big Data-Modelle oft keine Beziehungen, aber sie denormalisieren Dimensionsattribute in Faktentabellen. Sie können auf solche Big Data-Modelle für interaktive Analysen zugreifen, indem Sie auf GroupBy-Spalten basierende Aggregationen verwenden.
Die folgende Tabelle enthält die numerische Spalte Movement, die aggregiert werden soll. Alle anderen Spalten bezeichnen Attribute, nach denen gruppiert werden kann. Die Tabelle enthält IoT-Daten und eine sehr hohe Anzahl an Zeilen. Der Speichermodus ist „DirectQuery“. Abfragen der Datenquelle, die das gesamte Modell aggregieren, sind aufgrund des hohen Volumens sehr langsam.
Fügen Sie eine Aggregationstabelle hinzu, die nach den meisten Attributen gruppiert ist, aber Attribute mit hoher Kardinalität ausschließt (z. B. „longitude” und „latitude”), um eine interaktive Analyse dieses Modells zu ermöglichen. Dadurch wird die Anzahl der Zeilen deutlich verringert und ist nun klein genug, um gut in den In-Memory-Cache zu passen.
Sie können die Aggregationszuordnungen für die Tabelle Driver Activity Agg im Dialogfeld Aggregationen verwalten definieren.
Bei Aggregationen, die auf GroupBy-Spalten basieren, sind die GroupBy-Einträge nicht optional. Ohne sie werden die Aggregationen nicht gefunden. Dies unterscheidet sich von der Verwendung von Aggregationen, die auf Beziehungen basieren, da die GroupBy-Einträge bei diesen optional sind.
In der folgenden Tabelle werden die Aggregationen der Driver Activity Agg-Tabelle gezeigt.
Sie können den Speichermodus „Import“ für die aggregierte Tabelle Driver Activity Agg festlegen.
Beispiel für eine GroupBy-Aggregationsabfrage
Die folgende Abfrage findet die Aggregation, weil die Spalte Activity Date in der Aggregationstabelle enthalten ist. Die Funktion COUNTROWS verwendet die Aggregation Counted table rows.
Insbesondere für Modelle, die Filterattribute in Faktentabellen enthalten, kann es sich als nützlich erweisen, Count table rows-Aggregationen zu verwenden. Power BI kann Abfragen des Modells mit COUNTROWS durchführen, auch wenn dies nicht explizit angefordert wurde. Das Dialogfeld „Filter“ zeigt z.B. die Zeilenanzahl für jeden Wert an.
Kombinierte Aggregationsmethoden
Sie können die Methoden mit Beziehungen und GroupBy-Spalten für Aggregationen kombinieren. Aggregationen, die auf Beziehungen basieren, können erfordern, dass die denormalisierten Dimensionstabellen in mehrere Tabellen aufgeteilt werden. Wenn dies für bestimmte Dimensionstabellen zu kostspielig oder umständlich ist, können Sie die erforderlichen Attribute für diese Dimensionen in der Aggregationstabelle replizieren und für andere Beziehungen verwenden.
Im folgenden Modell werden beispielsweise die Attribute Month, Quarter, Semester und Year in der Tabelle Sales Agg repliziert. Zwischen der Sales Agg- und der Date-Tabelle besteht keine Beziehung, aber es gibt Beziehungen zu Customer und ProductSubcategory. Sales Agg befindet sich im Speichermodus „Import“.
In der folgenden Tabelle werden die Einträge angezeigt, die Sie im Dialogfeld Manage aggregations (Aggregationen verwalten) für die Tabelle Sales Agg festgelegt haben. Die GroupBy-Einträge, bei denen Date die Detailtabelle ist, müssen Aggregationen für Abfragen finden, die nach den Date-Attributen gruppieren. Die GroupBy-Einträge für CustomerKey und ProductSubcategoryKey wirken sich wie im vorherigen Beispiel nicht darauf aus, ob Aggregationen gefunden werden, da Beziehungen vorhanden. DISTINCTCOUNT ist dabei eine Ausnahme.
Beispiele für Abfragen kombinierter Aggregationen
Die folgende Abfrage findet die Aggregation, weil die Aggregationstabelle CalendarMonth enthält und der Zugriff auf CategoryName über 1:n-Beziehungen möglich ist. Für die Spalte SalesAmount wird die SUM-Aggregation verwendet.
Die folgende Abfrage findet die Aggregation nicht, weil die Aggregationstabelle CalendarDay nicht enthält.
Die folgenden Zeitintelligenzabfrage findet die Aggregation nicht, weil die DATESYTD-Funktion eine Tabelle aus CalendarDay-Werten generiert und die Aggregation CalendarDay nicht enthält.
Aggregationsrangfolge
Durch eine Aggregationsrangfolge können mehrere Aggregationstabellen von einer einzelnen Unterabfrage berücksichtigt werden.
Bei dem folgenden Beispiel handelt es sich um ein zusammengesetztes Modell, das mehrere Quellen enthält:
Die Tabelle Driver Activity befindet sich im DirectQuery-Modus und enthält mehr als eine Billion Zeilen mit IoT-Daten, die aus einem Big Data-System stammen. Sie verarbeitet Drillthroughabfragen zum Anzeigen einzelner IoT-Lesevorgänge in kontrollierten Filterkontexten.
Die Tabelle Driver Activity Agg ist eine Zwischenaggregationstabelle im DirectQuery-Modus. Sie enthält mehr als eine Milliarde Zeilen in Azure Synapse Analytics (ehemals SQL Data Warehouse), und ihre Quelle wird mithilfe von ColumnStore-Indizes optimiert.
Die Import-Tabelle Driver Activity Agg2 weist eine hohe Granularität auf, weil es nur wenige GroupBy-Attribute gibt und die Kardinalität gering ist. Die Anzahl der Zeilen kann nur wenige Tausend betragen, sodass sie problemlos in einen In-Memory-Cache passt. Diese Attribute werden von einem Dashboard einer wichtigen Führungsperson verwendet, weshalb darauf verweisende Abfragen so schnell wie möglich ausgeführt werden sollen.
Hinweis
DirectQuery-Aggregationstabellen, die eine andere Datenquelle als die Detailtabelle verwenden, werden nur unterstützt, wenn die Aggregationstabelle aus SQL Server, Azure SQL oder Azure Synapse Analytics (ehemals SQL Data Warehouse) stammt.
Der Speicherbedarf dieses Modells ist relativ gering, obwohl es ein großes Modell verfügbar macht. Es stellt eine ausgeglichene Architektur dar, weil es die Abfragelast auf alle Komponenten der Architektur verteilt und diese abhängig von ihren Stärken einsetzt.
Im Dialogfeld Verwaltete Aggregationen für Driver Activity Agg2 wird das Feld Rangfolge auf 10 festgelegt. Dies ist ein höherer Wert als bei Driver Activity Agg. Aufgrund der höheren Rangfolgeneinstellung berücksichtigen Abfragen, die Aggregationen verwenden, zuerst die Tabelle Driver Activity Agg2. Unterabfragen, deren Granularität es nicht ermöglicht, dass sie von Driver Activity Agg2 beantwortet werden können, berücksichtigen stattdessen Driver Activity Agg. Detailabfragen, die von keiner der Aggregationstabellen beantwortet werden können, können an Driver Activity weitergeleitet werden.
Die in der Spalte Detail Table angegebene Tabelle ist Driver Activity und nicht Driver Activity Agg, weil verkettete Aggregationen nicht zulässig sind.
In der folgenden Tabelle werden die Aggregationen der Driver Activity Agg2-Tabelle gezeigt.
Erkennen, ob Abfragen Aggregationen finden
Der SQL Server Profiler kann ermitteln, ob Abfragen von der In-Memory-Cache-Speicher-Engine zurückgegeben werden oder von DirectQuery an die Datenquelle gepusht werden. Sie können denselben Vorgang verwenden, um zu ermitteln, ob Aggregationen gefunden werden. Weitere Informationen finden Sie unter Abfragen, die den Cache finden.
Der SQL Server Profiler stellt außerdem das erweiterte Ereignis Query Processing\Aggregate Table Rewrite Query bereit.
Der folgende JSON-Codeausschnitt ist ein Beispiel für die Ausgabe des Ereignisses, wenn eine Aggregation verwendet wird.
matchingResult gibt an, dass für die Unterabfrage eine Aggregation verwendet wurde.
dataRequest gibt die GroupBy-Spalten und aggregierten Spalten an, die von der Unterabfrage verwendet wurden.
mapping gibt die Spalten in der Aggregationstabelle an, die zugeordnet wurden.
Synchronisieren von Caches
Aggregationen, bei denen die Speichermodi „DirectQuery“, „Import“ und/oder „Dual“ kombiniert werden, können unterschiedliche Daten zurückgeben, es sei denn, der In-Memory-Cache wird dauerhaft mit den Quelldaten synchronisiert. Die Abfrageausführung versucht beispielsweise nicht, Datenprobleme zu maskieren, indem DirectQuery-Ergebnisse entsprechend den zwischengespeicherten Werten gefiltert werden. Bei Bedarf können Sie auf etablierte Verfahren zum Umgang mit derartigen Problemen an der Quelle zurückgreifen. Leistungsoptimierungen sollten nur auf eine Weise verwendet werden, die Ihre Geschäftsanforderungen nicht gefährdet. Es liegt in Ihrer Verantwortung, Ihre eigenen Datenflüsse zu kennen und den Entwurf entsprechend anzupassen.
Seit August 2022 ignoriert Power BI aufgrund von Änderungen an der Funktionalität den Importmodus für Aggregationstabellen mit Single Sign-On (SSO)-fähigen Datenquellen wegen möglicher Sicherheitsrisiken. Um eine optimale Abfrageleistung mit Aggregationen zu gewährleisten, empfehlen wir, SSO für diese Datenquellen zu deaktivieren.
Community
Power BI wird von einer dynamischen Community unterstützt, in der MVPs, BI-Experten und Peers Fachwissen in Diskussionsgruppen, Videos, Blogs und mehr teilen. Wenn Sie mehr über Aggregationen erfahren möchten, sollten Sie sich diese zusätzlichen Ressourcen ansehen:
Erfahren Sie mehr über die Methoden und Best Practices, die den geschäftlichen und technischen Anforderungen für die Modellierung, Visualisierung und Analyse von Daten mit Microsoft Power BI entsprechen.