Απεικόνιση και ερμηνεία διαγνωστικών ερωτημάτων στο Power BI

Introduction

Αφού καταγράψετε τα διαγνωστικά που θέλετε να χρησιμοποιήσετε, το επόμενο βήμα είναι να μπορείτε να κατανοήσετε τι λένε.

Είναι χρήσιμο να έχετε μια καλή κατανόηση του τι ακριβώς σημαίνει κάθε στήλη στο σχήμα διαγνωστικών ερωτημάτων, κάτι που δεν πρόκειται να επαναλάβουμε σε αυτό το σύντομο πρόγραμμα εκμάθησης. Υπάρχει μια πλήρης καταγραφή αυτού εδώ.

Γενικά, κατά τη δημιουργία απεικονίσεων, είναι καλύτερο να χρησιμοποιείτε τον πλήρη λεπτομερή πίνακα. Επειδή ανεξάρτητα από το πόσες σειρές είναι, αυτό που πιθανώς βλέπετε είναι κάποιο είδος απεικόνισης του τρόπου με τον οποίο αθροίζεται ο χρόνος που δαπανάται σε διαφορετικούς πόρους ή τι ήταν το εγγενές ερώτημα που εκπέμπεται.

Όπως αναφέρθηκε στο άρθρο μας σχετικά με την καταγραφή των διαγνωστικών, εργάζομαι με τις ανιχνεύσεις OData και SQL για τον ίδιο πίνακα (ή σχεδόν)—τον πίνακα "Πελάτες" από τη Northwind. Συγκεκριμένα, θα επικεντρωθώ στην κοινή ερώτηση από τους πελάτες μας και σε ένα από τα πιο εύκολα ερμηνεύσιμα σύνολα ιχνηλατήσεων: την πλήρη ανανέωση του μοντέλου δεδομένων.

Δημιουργία των απεικονίσεων

Όταν περνάτε από ίχνη, υπάρχουν πολλοί τρόποι με τους οποίους μπορείτε να τα αξιολογήσετε. Σε αυτό το άρθρο, θα επικεντρωθούμε σε έναν διαχωρισμό δύο απεικονίσεων, ο ένας για να δείξουμε τις λεπτομέρειες που σας ενδιαφέρουν και ο άλλος για να δούμε εύκολα τις χρονικές συνεισφορές διαφόρων παραγόντων. Για την πρώτη απεικόνιση, χρησιμοποιείται ένας πίνακας. Μπορείτε να επιλέξετε όποια πεδία θέλετε, αλλά αυτά που προτείνονται για μια εύκολη, υψηλού επιπέδου ματιά στο τι συμβαίνει είναι:

• Αναγνωριστικό
• Ώρα έναρξης
• Ερώτηση
• Βήμα
• Ερώτημα προέλευσης δεδομένων
• Αποκλειστική Διάρκεια (%)
• Πλήθος σειρών
• Category
• Είναι το ερώτημα χρήστη
• Μονοπάτι

Για τη δεύτερη απεικόνιση, μια επιλογή είναι να χρησιμοποιήσετε ένα γράφημα σωρευμένων στηλών. Στην παράμετρο "Άξονας", μπορεί να θέλετε να χρησιμοποιήσετε "Αναγνωριστικό" ή "Βήμα". Αν κοιτάμε την Ανανέωση, επειδή δεν έχει καμία σχέση με βήματα στον ίδιο τον Επεξεργαστή, μάλλον θέλουμε απλώς να δούμε το «Id». Για την παράμετρο «Υπόμνημα», θα πρέπει να ορίσετε «Κατηγορία» ή «Λειτουργία» (ανάλογα με την ευαισθησία που θέλετε). Για την «Τιμή», ορίστε «Αποκλειστική διάρκεια» (και βεβαιωθείτε ότι δεν είναι η %, ώστε να λάβετε την ακατέργαστη τιμή διάρκειας). Τέλος, για την επεξήγηση εργαλείου, ορίστε "Νωρίτερη ώρα έναρξης".

Μόλις δημιουργηθεί η οπτικοποίησή σας, βεβαιωθείτε ότι έχετε ταξινομήσει κατά "Νωρίτερη ώρα έναρξης" αύξουσα, ώστε να μπορείτε να δείτε τη σειρά με την οποία συμβαίνουν τα πράγματα.

Αν και οι ακριβείς ανάγκες σας μπορεί να διαφέρουν, αυτός ο συνδυασμός γραφημάτων είναι ένα καλό μέρος για να ξεκινήσετε για να δείτε πολλά διαγνωστικά αρχεία και για διάφορους σκοπούς.

Ερμηνεία των απεικονίσεων

Όπως αναφέρθηκε παραπάνω, υπάρχουν πολλές ερωτήσεις που μπορείτε να προσπαθήσετε να απαντήσετε με διαγνωστικά ερωτημάτων, αλλά οι δύο που βλέπουμε πιο συχνά είναι να ρωτάτε πώς ξοδεύεται ο χρόνος και να ρωτάτε ποιο είναι το ερώτημα που αποστέλλεται στην πηγή.

Το να ρωτάτε πώς ξοδεύεται ο χρόνος είναι εύκολο και θα είναι παρόμοιο για τους περισσότερους συνδέσμους. Μια προειδοποίηση με διαγνωστικά ερωτημάτων, όπως αναφέρθηκε αλλού, είναι ότι θα δείτε δραστικά διαφορετικές δυνατότητες ανάλογα με τη σύνδεση. Για παράδειγμα, πολλές συνδέσεις που βασίζονται σε ODBC δεν θα έχουν ακριβή καταγραφή του ερωτήματος που αποστέλλεται στο πραγματικό σύστημα παρασκηνίου, καθώς το Power Query βλέπει μόνο αυτό που στέλνει στο πρόγραμμα οδήγησης ODBC.

Αν θέλουμε να δούμε πώς ξοδεύεται ο χρόνος, μπορούμε απλώς να δούμε τις απεικονίσεις που δημιουργήσαμε παραπάνω.

Τώρα, επειδή οι τιμές χρόνου για τα δείγματα ερωτημάτων που χρησιμοποιούμε εδώ είναι τόσο μικρές, εάν θέλουμε να εργαστούμε με τον τρόπο με τον οποίο το Power BI αναφέρει τον χρόνο, είναι καλύτερα να μετατρέψουμε τη στήλη Αποκλειστική διάρκεια σε "Δευτερόλεπτα" στο πρόγραμμα επεξεργασίας Power Query. Μόλις κάνουμε αυτή τη μετατροπή, μπορούμε να δούμε το γράφημά μας και να πάρουμε μια αξιοπρεπή ιδέα για το πού ξοδεύεται ο χρόνος.

Για τα αποτελέσματα OData μου, βλέπω στην εικόνα ότι η συντριπτική πλειοψηφία του χρόνου αφιερώθηκε στην ανάκτηση των δεδομένων από την πηγή - εάν επιλέξω το στοιχείο "Πηγή δεδομένων" στο υπόμνημα, μου δείχνει όλες τις διαφορετικές λειτουργίες που σχετίζονται με την αποστολή ενός ερωτήματος στην πηγή δεδομένων.

Αν εκτελέσουμε όλες τις ίδιες λειτουργίες και δημιουργήσουμε παρόμοιες απεικονίσεις, αλλά με τα ίχνη SQL αντί για τα ODATA, μπορούμε να δούμε πώς συγκρίνονται οι δύο πηγές δεδομένων!

Αν επιλέξουμε τον πίνακα Πηγή Δεδομένων, όπως και με τα διαγνωστικά ODATA, μπορούμε να δούμε ότι η πρώτη αξιολόγηση (2.3 σε αυτήν την εικόνα) εκπέμπει ερωτήματα μεταδεδομένων, με τη δεύτερη αξιολόγηση να ανακτά πραγματικά τα δεδομένα που μας ενδιαφέρουν. Επειδή ανακτούμε μικρές ποσότητες δεδομένων σε αυτήν την περίπτωση, τα δεδομένα που ανακτώνται χρειάζονται μικρό χρονικό διάστημα (λιγότερο από ένα δέκατο του δευτερολέπτου για να συμβεί ολόκληρη η δεύτερη αξιολόγηση, με λιγότερο από ένα εικοστό του δευτερολέπτου για την ίδια την ανάκτηση δεδομένων), αλλά αυτό δεν θα ισχύει σε όλες τις περιπτώσεις.

Όπως παραπάνω, μπορούμε να επιλέξουμε την κατηγορία «Πηγή δεδομένων» στο υπόμνημα για να δούμε τα εκπεμπόμενα ερωτήματα.

Ψάχνοντας στα δεδομένα

Κοιτάζοντας μονοπάτια

Όταν το εξετάζετε αυτό, εάν φαίνεται ότι ο χρόνος που δαπανάται είναι περίεργος—για παράδειγμα, στο ερώτημα OData μπορεί να δείτε ότι υπάρχει ένα ερώτημα προέλευσης δεδομένων με την ακόλουθη τιμή:

Request:
https://services.odata.org/V4/Northwind/Northwind.svc/Customers?$filter=ContactTitle%20eq%20%27Sales%20Representative%27&$select=CustomerID%2CCountry HTTP/1.1
Content-Type: application/json;odata.metadata=minimal;q=1.0,application/json;odata=minimalmetadata;q=0.9,application/atomsvc+xml;q=0.8,application/atom+xml;q=0.8,application/xml;q=0.7,text/plain;q=0.7

<Content placeholder>

Response:
Content-Type: application/json;odata.metadata=minimal;q=1.0,application/json;odata=minimalmetadata;q=0.9,application/atomsvc+xml;q=0.8,application/atom+xml;q=0.8,application/xml;q=0.7,text/plain;q=0.7
Content-Length: 435

<Content placeholder>

Αυτό το ερώτημα προέλευσης δεδομένων σχετίζεται με μια λειτουργία που καταλαμβάνει μόνο, ας πούμε, 1% της αποκλειστικής διάρκειας. Εν τω μεταξύ, υπάρχει ένα παρόμοιο:

Request:
GET https://services.odata.org/V4/Northwind/Northwind.svc/Customers?$filter=ContactTitle eq 'Sales Representative'&$select=CustomerID%2CCountry HTTP/1.1

Response:
https://services.odata.org/V4/Northwind/Northwind.svc/Customers?$filter=ContactTitle eq 'Sales Representative'&$select=CustomerID%2CCountry
HTTP/1.1 200 OK

Αυτό το ερώτημα προέλευσης δεδομένων σχετίζεται με μια λειτουργία που καταλαμβάνει σχεδόν το 75% της αποκλειστικής διάρκειας. Αν ενεργοποιήσετε το Μονοπάτι, ανακαλύπτετε ότι το δεύτερο είναι στην πραγματικότητα παιδί του πρώτου. Αυτό σημαίνει ότι το πρώτο ερώτημα ουσιαστικά πρόσθεσε ένα μικρό χρονικό διάστημα από μόνο του, με την πραγματική ανάκτηση δεδομένων να παρακολουθείται από το «εσωτερικό» ερώτημα.

Αυτές είναι ακραίες τιμές, αλλά είναι εντός των ορίων αυτού που μπορεί να φανεί.