Compartir vía

Guía de optimización para Power BI

  • Artículo

En este artículo se proporcionan instrucciones que permiten a los desarrolladores y administradores generar y mantener soluciones de Power BI optimizadas. Puede optimizar la solución en diferentes capas arquitectónicas. Las capas incluyen:

  • Orígenes de datos
  • Modelo de datos
  • Visualizaciones, incluidos paneles, informes de Power BI e informes paginados Power BI
  • Entorno, incluidas las capacidades, las puertas de enlace de datos y la red

Optimización del modelo de datos

El modelo de datos es compatible con toda la experiencia de visualización. Los modelos de datos se hospedan en el ecosistema de Power BI o externamente (mediante DirectQuery o Live Connection) y en Power BI se conocen como modelos semánticos. Es importante comprender las opciones y elegir el tipo de modelo semántico adecuado para la solución. Hay tres modos de almacenamiento de tablas de modelos semánticos: Import, DirectQuery y Composite. Para obtener más información, consulte Modelos semánticos en el servicio Power BI y Modos de modelo semántico en el servicio Power BI.

Para obtener instrucciones específicas sobre el modo de almacenamiento de tablas de modelos semánticos, consulte:

Optimización para autores de informes y consumidores de modelos

El modelo semántico es la base de todos los informes en Power BI. Los consumidores del modelo semántico pueden crear informes de Power BI en Power BI Desktop mediante la conexión a un modelo semántico publicado o la conexión a datos y la creación de un modelo semántico local. El modelo semántico también se puede usar para crear informes de Power BI en el explorador, crear exploraciones de Power BI, crear informes paginados, crear consultas DAX y crear informes en Excel con Analizar en Excel, conectarse a Power BI en Excel o exportar datos desde un objeto visual de informe, así como muchas otras herramientas de informes. Un autor de modelos semánticos puede ayudar a los consumidores del modelo semántico a comprender y usar el modelo semántico con la forma en que crean el modelo.

  • Nombres: tablas, columnas y medidas en el modelo semántico con nombres descriptivos. Por ejemplo, "Store Sales" como nombre de tabla es más intuitivo que "Table1".
  • Descripciones: las tablas, columnas y medidas del modelo pueden tener descripciones agregadas para proporcionar más detalles de lo que puede caber en el nombre. Explique no solo lo que incluyen, sino cómo se deben usar.
  • Ocultar: puede ocultar tablas, columnas y medidas en el modelo para mostrar solo lo que espera que usen en un informe. Por ejemplo, las columnas de relación pueden ser un identificador que no es necesario para la creación de informes y se pueden ocultar, ya que no se espera que se use en un informe o que las columnas de datos que tengan una medida para agregar la columna podrían ocultarse para fomentar el uso de la medida en su lugar. Los objetos ocultos siempre pueden ocultarse más adelante por el consumidor del modelo, por lo que seguirán estando disponibles, pero ocultarlos pueden proporcionar el foco.
  • Jerarquías: puede crear jerarquías para transmitir la jerarquía entre varias columnas. Por ejemplo, una jerarquía de calendario puede contener columnas Year, Month, Day y Product hierarchy pueden contener columnas Category, Sub-Category, Product. Haga clic con el botón derecho en una columna para crear una jerarquía.
  • Medidas: puede usar medidas para agregar columnas de datos en el modelo semántico para proporcionar coherencia entre informes. Las medidas pueden oscilar entre la SUMA de una columna y un índice de mantenimiento que combina varias agregaciones de una manera específica o comparando agregaciones entre períodos de tiempo, como el promedio diario de este mes en comparación con el promedio diario del mismo mes el año pasado. Las medidas también se pueden mostrar en la búsqueda de Power BI y otras características, como métricas y cuadros de mandos.
  • Formatos: puede especificar cómo se muestra una columna o medida en un objeto visual de forma predeterminada. Los valores de los objetos visuales se pueden personalizar aún más en el objeto visual. Las opciones de formato incluyen si tiene una coma de miles, cuántas posiciones decimales, cómo se muestra una fecha, etc. También puede aplicar formatos personalizados o dinámicos .
  • Categoría de datos: puede especificar una categoría de datos de columna, como si se trata de una dirección URL de país o web.

Estas son características comunes del modelo semántico de Power BI que se pueden aprovechar para ayudar a los autores de informes y a los consumidores del modelo. Hay muchos otros, como los grupos de cálculo, los parámetros de campo, los parámetros if y la agrupación y las columnas de discretización, que se deben evaluar para ver si aplican sus necesidades de informes específicas.

Optimización de visualizaciones

Las visualizaciones de Power BI pueden ser paneles, informes de Power BI o informes paginados de Power BI. Cada una tiene distintas arquitecturas, por lo que tienen instrucciones independientes.

Paneles

Es importante saber que Power BI mantiene una memoria caché para los iconos del panel, excepto los iconos de los informes dinámicos y los iconos de streaming. Si el modelo semántico aplica seguridad dinámica de nivel de fila (RLS), asegúrese de comprender las implicaciones de rendimiento, ya que los mosaicos se almacenarán en caché por usuario.

Al anclar iconos de informes dinámicos a un panel, no se sirven desde la memoria caché de consultas. En su lugar, se comportan como los informes y realizan consultas a los núcleos virtuales sobre la marcha.

Como sugiere su nombre, recuperar los datos de la memoria caché proporciona un rendimiento mejor y más coherente que confiar en el origen de datos. Una manera de aprovechar las ventajas de esta funcionalidad es hacer que los paneles sean la primera página de inicio de los usuarios. Ancle los objetos visuales más utilizados y muy solicitados en los paneles. De esta manera, los paneles se convierten en una valiosa "primera línea de defensa", que ofrece un rendimiento coherente con menos carga en la capacidad. Los usuarios también pueden hacer clic en un informe para analizar los detalles.

Para los modelos semánticos de conexión dinámica y DirectQuery, la memoria caché se actualiza periódicamente consultando el origen de datos. De forma predeterminada, se produce cada hora, aunque puede configurar una frecuencia diferente en la configuración del modelo semántico. Cada actualización de la memoria caché enviará consultas al origen de datos subyacente para actualizar la memoria caché. El número de consultas que se generan depende del número de objetos visuales anclados en los paneles que dependen de ese origen de datos. Tenga en cuenta que, si está habilitada la seguridad de nivel de fila, se generan consultas para cada contexto de seguridad. Por ejemplo, suponga que hay dos roles diferentes que categorizan a los usuarios y tienen dos vistas diferentes de los datos. Durante la actualización de la memoria caché de consultas, Power BI genera dos conjuntos de consultas.

Informes de Power BI

Hay varias recomendaciones para optimizar los diseños de los informes de Power BI.

Nota:

Cuando los informes se basan en un modelo semántico de DirectQuery, para obtener optimizaciones de diseño de informes adicionales, consulte la Guía del modelo de DirectQuery en Power BI Desktop (optimizar diseños de informes).

Aplicación de los filtros más restrictivos

Cuantos más datos tenga que mostrar un objeto visual, más lenta será su carga. Aunque este principio parece obvio, es muy fácil olvidarlo. Por ejemplo: supongamos que tiene un modelo semántico grande. En función de ese modelo semántico, cree un informe con una tabla. Los usuarios finales utilizan segmentaciones en la página para obtener las filas que desean; normalmente, solo están interesados en algunas docenas de filas.

Un error común es tener la vista predeterminada de la tabla sin filtrar; por ejemplo, más de 100 millones de filas. Los datos de estas filas se cargan en memoria y se descomprimen en cada actualización. Este procesamiento crea enormes demandas de memoria. La solución es usar el filtro "Primeros N" para reducir el número máximo de elementos que se muestran de la tabla. Puede establecer el número máximo de elementos a un número mucho mayor que el que los usuarios necesitarían, por ejemplo, 10 000. El resultado es que la experiencia del usuario final no cambia, pero el uso de memoria se reduce considerablemente. Además, lo más importante es que el rendimiento mejora.

Se recomienda un enfoque de diseño similar al descrito anteriormente para todos los objetos visuales del informe. Hágase la siguiente pregunta: ¿son necesarios todos los datos en este objeto visual? ¿Hay maneras de filtrar la cantidad de datos que se muestran en el objeto visual con un impacto mínimo en la experiencia del usuario final? Tenga en cuenta que las tablas en concreto pueden resultar caras.

Limitación de los objetos visuales de las páginas del informe

El principio anterior se aplica por igual al número de objetos visuales agregados a una página del informe. Se recomienda limitar el número de objetos visuales de la página de un informe concreto solo a aquellos que sean necesarios. Las páginas de obtención de detalles y la información sobre herramientas de páginas de informes son una excelente manera de proporcionar detalles adicionales sin crear una aglomeración de objetos visuales en la página.

Evaluación del rendimiento de objetos visuales personalizados

Asegúrese de colocar cada objeto visual personalizado a su ritmo para asegurarse un alto rendimiento. Los objetos visuales de Power BI mal optimizados pueden afectar negativamente al rendimiento de todo el informe.

Informes paginados de Power BI

Los diseños de los informes paginados de Power BI se pueden optimizar con la aplicación del diseño de procedimiento recomendado a la recuperación de datos del informe. Para más información, vea Guía de recuperación de datos de informes paginados.

Además, asegúrese de que la capacidad tiene suficiente memoria asignada para la carga de trabajo de informes paginados.

Optimización del entorno

Puede optimizar el entorno de Power BI mediante la configuración de las opciones de capacidad, el ajuste de tamaño de las puertas de enlace de datos y la reducción de la latencia de red.

Configuración de la capacidad

Al usar capacidades, disponibles con las licencias de Power BI Premium (SKU P) y Premium por usuario (PPU), o Power BI Embedded (SKU A y A4-A6), puede administrar la configuración de la capacidad. Para obtener más información, consulte Licencias de capacidad de Microsoft Fabric y Administración de capacidades Premium.

Importante

En ocasiones, este artículo hace referencia a Power BI Premium o a sus suscripciones de capacidad (SKU P). Tenga en cuenta que Microsoft está consolidando actualmente las opciones de compra y retirando las SKU de Power BI Premium por capacidad. Los clientes nuevos y existentes deben considerar la posibilidad de comprar suscripciones de capacidad de Fabric (SKU F) en su lugar.

Para obtener más información, consulte Actualización importante sobre las licencias de Power BI Premium y Preguntas más frecuentes sobre Power BI Premium.

Ajuste de tamaño de la puerta de enlace

Una puerta de enlace es necesaria cuando Power BI debe acceder a los datos que no son accesibles directamente a través de Internet. Se puede instalar la puerta de enlace de datos local en un servidor local o en una infraestructura como servicio (IaaS) hospedada en la máquina virtual.

Para comprender las cargas de trabajo de puerta de enlace y las recomendaciones de ajuste de tamaño, vea Ajuste de tamaño de la puerta de enlace de datos local.

Latencia de red

La latencia de red puede afectar al rendimiento de los informes si aumenta el tiempo necesario para que las solicitudes alcancen el servicio Power BI y para la entrega de las respuestas. Los inquilinos de Power BI se asignan a una región específica.

Sugerencia

Para determinar dónde se encuentra el inquilino, vea ¿Dónde se encuentra mi inquilino de Power BI?.

Cuando los usuarios de un inquilino acceden al servicio Power BI, sus solicitudes siempre se enrutan a esta región. Cuando las solicitudes llegan al servicio Power BI, el servicio puede enviar solicitudes adicionales —por ejemplo, al origen de datos subyacente o a la puerta de enlace— que también están sujetas a la latencia de red.

Las herramientas como Azure Speed Test proporcionan una indicación de la latencia de red entre el cliente y la región de Azure. En general, para minimizar el impacto de la latencia de red, intente mantener los orígenes de datos, las puertas de enlace y la capacidad de Power BI lo más cerca posible. Preferiblemente, residen en la misma región. Si la latencia de red es un problema, intente ubicar las puertas de enlace y los orígenes de datos más cerca de la capacidad de Power BI situándolos dentro de las máquinas virtuales hospedadas en la nube.

Supervisión del rendimiento

Puede supervisar el rendimiento para identificar cuellos de botella. Las consultas o los objetos visuales lentos deben ser objeto de optimización continua. La supervisión se puede realizar en tiempo de diseño en Power BI Desktop o en cargas de trabajo de producción en las capacidades de Power BI Premium. Para más información, vea Supervisión del rendimiento de los informes en Power BI.

Contenido relacionado

Para más información sobre este artículo, consulte los recursos siguientes: