Modelos semánticos predeterminados de Power BI en Microsoft Fabric

  • Artículo

Se aplica a:Punto de conexión de análisis SQL, Almacenamiento y Base de datos reflejada en Microsoft Fabric

En Microsoft Fabric, los modelos semánticos de Power BI son una descripción lógica de un dominio analítico, con métricas, terminología y representación fáciles de usar para la empresa, para habilitar un análisis más profundo. Este modelo semántico suele ser un esquema en estrella con hechos que representan un dominio, y dimensiones que permiten analizar, o segmentar el dominio para profundizar, filtrar y calcular diferentes análisis. En el modelo semántico, este se crea automáticamente, y la lógica empresarial mencionada anteriormente se hereda del almacén de lago o almacén principal respectivamente, lo que pone en marcha la experiencia analítica descendente para la inteligencia empresarial y el análisis con un elemento en Microsoft Fabric que se administra, optimiza y mantiene sincronizado sin intervención del usuario.

Las visualizaciones y los análisis de los informes de Power BI ahora se pueden compilar completamente en la Web (o en unos pocos pasos en Power BI de escritorio), ahorrando tiempo y recursos a los usuarios y, de manera predeterminada, proporcionando una experiencia de consumo fluida a los usuarios finales. El modelo semántico predeterminado de Power BI sigue la convención de nomenclatura del almacén de lago.

Los modelos semánticos de Power BI representan un origen de datos listos para la elaboración de informes, la visualización, la detección y el consumo. Los modelos semánticos de Power BI ofrecen:

  • La capacidad de expandir construcciones de almacenamiento para incluir jerarquías, descripciones y relaciones. Esto permite una comprensión semántica más profunda de un dominio.
  • La posibilidad de catalogar, buscar y encontrar información sobre el modelo semántico de Power BI en el centro de datos.
  • La capacidad de establecer permisos personalizados para el aislamiento y la seguridad de la carga de trabajo.
  • La capacidad de crear medidas, métricas estandarizadas para el análisis repetible.
  • La capacidad de crear informes de Power BI para el análisis visual.
  • La capacidad de detectar y consumir datos en Excel.
  • La posibilidad de que herramientas de terceros, como Tableau, se conecten y analicen los datos.

Para más información sobre Power BI, consulte Guía de Power BI.

Nota:

Microsoft ha cambiado el nombre del tipo de contenido del conjunto de datos de Power BI a modelo semántico. Esto también se aplica a Microsoft Fabric. Para más información, consulte Nuevo nombre para conjuntos de datos de Power BI.

Modo Direct Lake

El modo Direct Lake es una nueva funcionalidad innovadora del motor para analizar conjuntos de datos muy grandes en Power BI. La tecnología se basa en la idea de cargar archivos con formato de parquet directamente desde un lago de datos, sin tener que consultar un almacén o un punto de conexión de análisis SQL, y sin tener que importar o duplicar datos en un modelo semántico de Power BI. Esta integración nativa aporta un modo único de acceso a los datos desde el almacén o el punto de conexión de análisis SQL, denominado Direct Lake.

Direct Lake proporciona la experiencia de consulta y creación de informes más eficaces. Direct Lake es una ruta rápida para cargar los datos del lago de datos directamente en el motor Power BI, listo para el análisis.

  • En el modo DirectQuery tradicional, el motor de Power BI consulta directamente los datos del origen para cada ejecución de consulta y el rendimiento de la consulta depende de la velocidad de recuperación de datos. DirectQuery elimina la necesidad de copiar datos, asegurando que cualquier cambio en la fuente se refleje inmediatamente en los resultados de la consulta.

  • En el modo Importar, el rendimiento es mejor porque los datos están disponibles fácilmente en la memoria, sin tener que consultar los datos del origen para cada ejecución de consulta. Sin embargo, el motor de Power BI primero debe copiar los datos en la memoria, en el momento de la actualización de datos. Los cambios realizados en el origen de datos subyacente se recopilan durante la siguiente actualización de datos.

  • El modo Direct Lake elimina el requisito de importación cargando los archivos de datos directamente en la memoria. Dado que no hay ningún proceso de importación explícito, es posible recoger los cambios en el origen a medida que se produzcan. Direct Lake combina las ventajas del modo DirectQuery e Importar, a la vez que evita sus desventajas. El modo Direct Lake es la opción ideal para analizar conjuntos de datos muy grandes y conjuntos de datos con actualizaciones frecuentes en la fuente.

El modo Direct Lake es el tipo de conexión predeterminado para modelos semánticos que usan un punto de conexión de análisis SQL o almacén como origen de datos.

Descripción de lo que se encuentra en el modelo semántico predeterminado de Power BI

Al crear un almacén o un punto de conexión de análisis SQL, se crea un modelo semántico de Power BI predeterminado. El modelo semántico predeterminado se representa con el sufijo (predeterminado).

El modelo semántico predeterminado se consulta a través del punto de conexión de análisis SQL y se actualiza a través de los cambios en el almacén de lago o en el almacén. También puede consultar el modelo semántico predeterminado mediante consultas entre bases de datos de un almacén.

Sincronización del modelo semántico predeterminado de Power BI

Previamente, todas las tablas y vistas del almacén se agregaron automáticamente al modelo semántico predeterminado de Power BI. En función de los comentarios, hemos modificado el comportamiento predeterminado para no agregar automáticamente tablas y vistas al modelo semántico predeterminado de Power BI. Este cambio garantizará que la sincronización en segundo plano no se desencadene. Esto también deshabilitará algunas acciones como "Nueva medida", "Crear informe", "Analizar en Excel".

Si desea cambiar este comportamiento predeterminado, puede:

  1. Habilitar manualmente la configuración de Sincronización del modelo semántico predeterminado de Power BI para cada almacén o punto de conexión de SQL Analytics en el área de trabajo. Esto reiniciará la sincronización en segundo plano que incurrirá en algunos costes de consumo.

    Captura de pantalla del portal de Fabric que muestra la configuración Sincronizar el modelo semántico de Power BI predeterminado habilitado.

  2. Seleccione manualmente tablas y vistas que se van a agregar al modelo semántico a través de Administrar el modelo semántico de Power BI predeterminado en la barra de información o la cinta de opciones.

    Captura de pantalla del portal de Fabric que muestra la página Administrar el modelo semántico predeterminado y la capacidad de elegir manualmente más tablas.

Nota:

En caso de que no use el modelo semántico de Power BI predeterminado con fines de informes, deshabilite manualmente la configuración de Sincronización del modelo semántico predeterminado de Power BI para evitar agregar objetos automáticamente. La actualización de configuración garantizará que la sincronización en segundo plano no se desencadene y ahorre costes de consumo de OneLake.

Actualización manual del modelo semántico predeterminado de Power BI

Cuando hay objetos en el modelo semántico de Power BI predeterminado, hay dos maneras de validar o inspeccionar visualmente las tablas:

  1. Seleccione el botón Actualizar manualmente el modelo semántico en la cinta de opciones.

  2. Revise el diseño predeterminado de los objetos del modelo semántico predeterminado.

El diseño predeterminado de las tablas habilitadas para BI persiste en la sesión de usuario y se genera cada vez que un usuario va a la vista de modelo. Busque la pestaña Objetos del modelo semántico predeterminado.

Acceso al modelo semántico predeterminado de Power BI

Para acceder a los modelos semánticos predeterminados de Power BI, vaya a su área de trabajo y busque el modelo semántico que coincida con el nombre del almacén de lago que desee. El modelo semántico predeterminado de Power BI sigue la convención de nomenclatura del almacén de lago.

Captura de pantalla que muestra dónde encontrar un modelo semántico.

Para cargar el modelo semántico, seleccione el nombre del modelo semántico.

Supervisión del modelo semántico predeterminado de Power BI

Puede supervisar y analizar la actividad en el modelo semántico con SQL Server Profiler mediante la conexión al punto de conexión XMLA.

SQL Server Profiler se instala con SQL Server Management Studio (SSMS) y permite el seguimiento y la depuración de eventos de modelo semántico. Aunque oficialmente está en desuso para SQL Server, Profiler se sigue incluyendo en SSMS y todavía se admite para Analysis Services y Power BI. El uso con el modelo semántico de Power BI predeterminado de Fabric requiere SQL Server Profiler versión 18.9 o posterior. Los usuarios deben especificar el modelo semántico como catálogo inicial al conectarse con el punto de conexión XMLA. Para obtener más información, vea SQL Server Profiler para Analysis Services.

Script del modelo semántico predeterminado de Power BI

Puede crear un script para el modelo semántico predeterminado de Power BI desde el punto de conexión XMLA con SQL Server Management Studio (SSMS)

Visualice el esquema del modelo semántico en Lenguaje de scripting de modelos tabulares (TMSL) mediante scripting del modelo semántico a través del Explorador de objetos en SSMS. Para conectarse, use la cadena de conexión del modelo semántico, que se parece a powerbi://api.powerbi.com/v1.0/myorg/username. Puede encontrar la cadena de conexión del modelo semántico en Configuración, en Configuración del servidor. Desde allí, puede generar un script XMLA del modelo semántico mediante la acción del menú contextual Script de SSMS. Para obtener más información, consulte Conectividad del conjunto de datos con el punto de conexión XMLA.

La creación de scripts requiere permisos de escritura de Power BI en el modelo semántico de Power BI. Con los permisos de lectura, puede ver los datos, pero no el esquema del modelo semántico de Power BI.

Creación de un nuevo modelo semántico de Power BI

Existen algunas situaciones en las que su organización puede necesitar crear modelos semánticos de Power BI adicionales basados en datos de un punto de conexión de análisis SQL o de almacén.

El botón Nuevo modelo semántico de Power BI hereda la configuración del modelo semántico predeterminado y permite una mayor personalización. El modelo semántico predeterminado actúa como una plantilla de inicio, lo que ayuda a garantizar una única versión de la verdad. Por ejemplo, si usa el modelo semántico predeterminado y define nuevas relaciones y, a continuación, usa el botón Nuevo modelo semántico de Power BI, el nuevo modelo semántico heredará esas relaciones si las tablas seleccionadas incluyen esas nuevas relaciones.

Para crear un modelo semántico de Power BI desde un almacén, siga estos pasos:

  1. Ve a Almacenamiento de datos en el portal de Fabric.

  2. Abra el almacén. Cambie a la cinta de opciones Generación de informes.

  3. En la cinta de opciones Generación de informes, seleccione Nuevo modelo semántico y, después, en el cuadro de diálogo Nuevo modelo semántico, seleccione las tablas que quiere incluir y, a continuación, seleccione Confirmar.

  4. Power BI guarda automáticamente el modelo semántico en el área de trabajo en función del nombre del almacén y, a continuación, abre el modelo semántico en Power BI.

  5. Seleccione Abrir modelo de datos para abrir la experiencia de modelado web de Power BI, donde puede agregar relaciones de tabla y medidas DAX.

Para más información sobre cómo editar modelos de datos en el servicio de Power BI, consulte Editar modelos de datos.

Limitaciones

Los modelos semánticos predeterminados de Power BI siguen las limitaciones actuales de los modelos semánticos en Power BI. Más información:

Si el parquet, Apache Spark o los tipos de datos SQL no se pueden asignar a uno de los tipos de datos de escritorio de Power BI, se descartan como parte del proceso de sincronización. Esto está en línea con el comportamiento actual de Power BI. Para estas columnas, se recomienda agregar conversiones de tipos explícitas en sus procesos de ETL para convertirlos en un tipo compatible. Si se necesitan tipos de datos ascendentes, los usuarios pueden especificar opcionalmente una vista en SQL con la conversión de tipos explícita deseada. La sincronización recogerá esto o se puede agregar manualmente como se indicó anteriormente.

Contenido relacionado