Share via


Grundlegendes zu Datamarts

In diesem Artikel werden wichtige Konzepte bezüglich Datamarts beschrieben und erläutert.

Grundlegendes zum Semantikmodell (Standard)

Datamarts bieten eine semantische Ebene, die automatisch generiert und mit dem Inhalt der Tabellen im Datamart, ihrer Struktur und den zugrunde liegenden Daten synchronisiert wird. Diese Ebene ist in einem automatisch generierten Semantikmodell enthalten. Diese automatische Generierung und Synchronisierung ermöglicht Ihnen, die Domäne der Daten weiter zu beschreiben, z. B. durch Hierarchien, Anzeigenamen und Beschreibungen. Sie können auch Formatierungen festlegen, die spezifisch für Ihr Gebietsschema oder Ihre Geschäftsanforderungen gelten. Mit Datamarts können Sie Kennzahlen und standardisierte Metriken für die Berichterstellung erstellen. Power BI (und andere Clienttools) können Visuals erstellen und Ergebnisse für solche Berechnungen basierend auf den Daten im Kontext bereitstellen.

Das standardmäßige Power BI-Semantikmodell, das anhand eines Datamarts erstellt wird, macht das Herstellen einer Verbindung mit einem separaten Semantikmodell, Einrichten von Aktualisierungszeitplänen und Verwalten mehrerer Datenelemente überflüssig. Stattdessen können Sie Ihre Geschäftslogik in einem Datamart erstellen, dessen Daten sofort in Power BI zur Verfügung stehen, wodurch sich folgende Möglichkeiten ergeben:

  • Zugriff auf Daten im Datamart über den Semantikmodellhub
  • Funktionalität zum Analysieren in Excel
  • Funktionalität zum schnellen Erstellen von Berichten im Power BI-Dienst
  • Aktualisierungen, Datensynchronisierungen oder Verständnis der Verbindungsdetails nicht erforderlich
  • Erstellen von Lösungen im Web ohne Notwendigkeit von Power BI Desktop

In der Vorschauphase ist die Konnektivität des Standardsemantikmodells nur mit DirectQuery verfügbar. Die folgende Abbildung zeigt, wie sich Datamarts in den Prozess einfügen, angefangen beim Herstellen von Verbindungen mit Daten bis zum Erstellen von Berichten.

Diagram that shows how datamarts fit into the data connection and analysis continuum.

Standardsemantikmodelle unterscheiden sich von herkömmlichen Power BI-Semantikmodellen auf folgende Weise:

  • Der XMLA-Endpunkt unterstützt schreibgeschützte Vorgänge, und Benutzer*innen können das Semantikmodell nicht direkt bearbeiten. Mit der Berechtigung zum Lesen von XMLA können Sie die Daten in einem Abfragefenster abfragen.
  • Die Standardsemantikmodelle verfügen nicht über Datenquelleneinstellungen, und Benutzer*innen müssen keine Anmeldeinformationen eingeben. Stattdessen verwenden sie für Abfragen automatisches Single Sign-On (SSO, einmaliges Anmelden).
  • Für Aktualisierungsvorgänge verwenden Semantikmodelle die Anmeldeinformationen des Erstellers des Semantikmodells, um sich mit dem SQL-Endpunkt des verwalteten Datamarts zu verbinden.

Mit Power BI Desktop können Benutzer*innen zusammengesetzte Modelle erstellen, die es Ihnen ermöglichen, sich mit dem Semantikmodell des Datamarts zu verbinden und Folgendes auszuführen:

  • Auswählen bestimmter zu analysierender Tabellen
  • Hinzufügen weiterer Datenquellen

Wenn Sie schließlich das Standardsemantikmodell nicht direkt verwenden möchten, können Sie eine Verbindung mit dem SQL-Endpunkt des Datamarts herstellen. Weitere Informationen finden Sie unter Erstellen von Berichten mithilfe von Datamarts.

Grundlegendes zum Standardsemantikmodell

Derzeit werden Tabellen im Datamart automatisch dem Standardsemantikmodell hinzugefügt. Benutzer können Tabellen oder Ansichten, die im Modell enthalten sein sollen, auch manuell aus dem Datamart auswählen, um mehr Flexibilität zu erhalten. Objekte, die sich im Standardsemantikmodell befinden, werden als Layout in der Modellansicht erstellt.

Die Hintergrundsynchronisierung, die Objekte (Tabellen und Ansichten) enthält, wartet, bis das nachgeschaltete Semantikmodell nicht verwendet wird, um das Semantikmodell zu aktualisieren, wobei die begrenzte Veraltung berücksichtigt wird. Benutzer*innen können Tabellen, die sie im Semantikmodell einschließen möchten, immer manuell auswählen.

Grundlegendes zu inkrementellen Aktualisierungen und Datamarts

Mit dem Datamart-Editor können Sie inkrementelle Aktualisierungen von Daten erstellen und ändern, vergleichbar mit der inkrementellen Aktualisierung von Dataflows und Semantikmodellen. Die inkrementelle Aktualisierung erweitert geplante Aktualisierungsvorgänge, indem sie die automatische Erstellung und Verwaltung von Partitionen für Tabellen im Datamart ermöglicht, die häufig neue und aktualisierte Daten laden.

Bei den meisten Datamarts betrifft die inkrementelle Aktualisierung eine oder mehrere Tabellen, die sich häufig ändernde und exponentiell zunehmende Transaktionsdaten enthalten, wie z. B. eine Faktentabelle in einem relationalen oder sternförmigen Datenbankschema. Wenn Sie eine Richtlinie zur inkrementellen Aktualisierung der Tabelle verwenden und nur die neuesten Importpartitionen aktualisieren, können Sie die Menge der zu aktualisierenden Daten erheblich reduzieren.

Inkrementelle Aktualisierung und Echtzeitdaten für Datamarts bieten die folgenden Vorteile:

  • Weniger Aktualisierungszyklen bei sich schnell ändernden Daten
  • Schnellere Aktualisierungen
  • Zuverlässigere Aktualisierungen
  • Reduzierter Ressourcenverbrauch
  • Möglichkeit des Erstellens großer Datamarts
  • Ist einfach zu konfigurieren

Grundlegendes zum proaktiven Zwischenspeichern

Proaktives Zwischenspeichern ermöglicht den automatischen Import der zugrunde liegenden Daten für das Standardsemantikmodell, sodass Sie den Speichermodus nicht verwalten oder orchestrieren müssen. Der Importmodus für das Standardsemantikmodell bietet Leistungsbeschleunigung für das Semantikmodell des Datamarts durch das schnelle Vertipaq-Modul. Bei Verwendung des proaktiven Zwischenspeicherns ändert Power BI den Speichermodus Ihres Modells in „Import“, der das In-Memory-Modul in Power BI und Analysis Services nutzt.

Proaktives Zwischenspeichern funktioniert auf folgende Weise: Nach jeder Aktualisierung wird der Speichermodus für das Standardsemantikmodell in DirectQuery geändert. Proaktives Zwischenspeichern erstellt asynchron ein paralleles Importmodell und wird vom Datamart verwaltet, ohne die Verfügbarkeit oder Leistung des Datamarts zu beeinträchtigen. Abfragen, die nach Abschluss des Standardsemantikmodells eingehen, verwenden das Importmodell.

Die automatische Generierung des Importmodells erfolgt innerhalb von etwa 10 Minuten, nachdem keine Änderungen im Datamart festgestellt wurden. Das Importsemantikmodell ändert sich wie folgt:

  • Refreshes
  • Neue Datenquellen
  • Schemaänderungen:
    • Neue Datenquellen
    • Aktualisierungen der Datenvorbereitungsschritte in Power Query Online
  • Alle Modellierungsaktualisierungen, wie etwa:
    • Measures
    • Hierarchien
    • Beschreibungen

Best Practices für proaktives Zwischenspeichern

Verwenden Sie Bereitstellungspipelines für Änderungen, um die beste Leistung sicherzustellen und zudem sicherzustellen, dass Benutzer das Importmodell verwenden. Die Verwendung von Bereitstellungspipelines ist bereits eine Best Practice zum Erstellen von Datamarts, aber dadurch wird sichergestellt, dass das proaktive Zwischenspeichern häufiger genutzt wird.

Überlegungen und Einschränkungen für das proaktive Zwischenspeichern

  • Power BI begrenzt derzeit die Dauer von Zwischenspeichervorgängen auf 10 Minuten.
  • Beschränkungen der Eindeutigkeit/Nicht-Null für bestimmte Spalten werden im Importmodell durchgesetzt, und der Cacheaufbau schlägt fehl, wenn die Daten nicht konform sind.

Dieser Artikel bot eine Übersicht über wichtige Konzepte von Datamarts, die Sie verstehen sollten.

In den folgenden Artikeln finden Sie weitere Informationen zu Datamarts und Power BI:

Weitere Informationen zu Dataflows und zum Transformieren von Daten finden Sie in den folgenden Artikeln: