Este explorador ya no se admite.
Actualice a Microsoft Edge para aprovechar las características y actualizaciones de seguridad más recientes, y disponer de soporte técnico.
Un equipo debe asegurarse de que cada informe regional usa los mismos objetos visuales, medidas y diseño, pero se conecta a un origen de datos diferente. ¿Cuál Power BI tipo de recurso se ajusta mejor a este requisito?
plantilla de Power BI (.pbit)
Power BI archivo de origen de datos (.pbids)
Modelo semántico compartido con DirectQuery
Un equipo de análisis usa la integración de Git para controlar las versiones de su área de trabajo de Fabric. Un desarrollador realiza cambios en un modelo semántico, pero el área de trabajo muestra un conflicto. ¿Qué indica un conflicto?
El mismo elemento cambió tanto en el área de trabajo como en el repositorio desde la última sincronización.
El área de trabajo contiene elementos que no existen en el repositorio.
El proveedor de Git rechazó la conexión debido a permisos insuficientes.
Antes de implementar un modelo semántico en producción, un analista quiere comprobar que todas las relaciones son válidas y no existen claves externas huérfanas. ¿Qué función de SemPy identifica las infracciones de relación?
listar_infracciones_de_relacion()
listar_relaciones()
evaluar_medida()
Un equipo configura una canalización de implementación con fases de desarrollo, prueba y producción. El área de trabajo de desarrollo se conecta a una base de datos de prueba, pero la producción debe conectarse a la base de datos activa. ¿Cómo debe controlar el equipo esta diferencia?
Configure una regla de implementación de origen de datos que cambie la conexión al implementar en la etapa de producción.
Actualice manualmente la conexión del origen de datos en el área de trabajo de producción después de cada implementación.
Cree modelos semánticos independientes para cada etapa con diferentes cadenas de conexión codificadas.
Un modelo semántico depende de los datos de la fase anterior en un almacén de lago de datos que deben terminar de cargarse antes de que el modelo se actualice. Actualmente, un analista programa la actualización del modelo una hora después de la carga del almacén de lago de datos, pero a veces la carga tarda más y el modelo se actualiza con datos incompletos. ¿Qué enfoque resuelve este problema?
Use una canalización de Data Factory con una actividad de actualización del modelo semántico que se ejecute después de que la carga de Lakehouse se realice correctamente.
Programe la actualización del modelo semántico dos horas después de la carga del almacén de lago de datos, en lugar de una.
Habilite la actualización en tiempo real en el modelo semántico para que siempre tenga datos actuales.
Debe responder todas las preguntas antes de comprobar su trabajo.
¿Le ha resultado útil esta página?
¿Necesita ayuda con este tema?
¿Desea intentar usar Ask Learn para aclarar o guiarle a través de este tema?