Megosztás a következőn keresztül:

Optimalizálási útmutató a Power BI-hoz

  • Cikk

Ez a cikk útmutatást nyújt, amely lehetővé teszi a fejlesztők és rendszergazdák számára az optimalizált Power BI-megoldások létrehozását és karbantartását. A megoldást különböző architekturális rétegekben optimalizálhatja. A rétegek a következők:

  • Az adatforrás(ok)
  • Az adatmodell
  • Vizualizációk, beleértve az irányítópultokat, a Power BI-jelentéseket és a többoldalas Power BI-jelentéseket
  • A környezet, beleértve a kapacitásokat, az adatátjárókat és a hálózatot

Az adatmodell optimalizálása

Az adatmodell a teljes vizualizációs élményt támogatja. Az adatmodellek vagy a Power BI ökoszisztémájában vagy külsőleg (DirectQuery vagy Live Csatlakozás ion használatával) vannak üzemeltetve, a Power BI-ban pedig szemantikai modelleknek nevezik őket– korábbi nevén adathalmazoknak. Fontos tisztában lenni a lehetőségekkel, és kiválasztani a megoldáshoz megfelelő szemantikai modelltípust. Három szemantikai modellmód létezik: Importálás, DirectQuery és Összetett. További információ: Szemantikai modellek a Power BI szolgáltatás és szemantikai modell módok a Power BI szolgáltatás.

A szemantikai modell módra vonatkozó útmutatásért lásd:

Vizualizációk optimalizálása

A Power BI-vizualizációk lehetnek irányítópultok, Power BI-jelentések vagy többoldalas Power BI-jelentések. Mindegyik különböző architektúrával rendelkezik, így mindegyiknek saját útmutatása van.

Irányítópultok

Fontos tisztában lenni azzal, hogy a Power BI fenntartja az irányítópult-csempék gyorsítótárát – kivéve az élő jelentéscsempéket és a streamelési csempéket. Ha a szemantikai modell dinamikus sorszintű biztonságot (RLS) kényszerít, ügyeljen arra, hogy megértse a teljesítmény következményeit, mivel a csempék felhasználónként gyorsítótáraznak.

Amikor élő jelentéscsempéket rögzít egy irányítópulton, azok nem lesznek kiszolgálva a lekérdezési gyorsítótárból. Ehelyett jelentésekként viselkednek, és menet közben lekérdezéseket készítenek a virtuális magokra.

Ahogy a név is sugallja, az adatok gyorsítótárból való lekérése jobb és konzisztensebb teljesítményt nyújt, mint az adatforrásra támaszkodva. Ennek a funkciónak az egyik előnye, hogy az irányítópultok lesznek a felhasználók első kezdőlapja. Gyakran használt és magas igényű vizualizációkat rögzíthet az irányítópultokon. Ily módon az irányítópultok értékes "első védelmi vonalsá" válnak, amely konzisztens teljesítményt és kevesebb terhelést biztosít a kapacitásra. A felhasználók továbbra is átkattinthatnak egy jelentésre a részletek elemzéséhez.

DirectQuery- és élő kapcsolat szemantikai modellek esetén a gyorsítótár rendszeres időközönként frissül az adatforrás lekérdezésével. Alapértelmezés szerint óránként történik, bár a szemantikai modell beállításaiban más gyakoriságot konfigurálhat. Minden gyorsítótárfrissítés lekérdezéseket küld a mögöttes adatforrásnak a gyorsítótár frissítéséhez. A generált lekérdezések száma az adatforrásra támaszkodó irányítópultokon rögzített vizualizációk számától függ. Figyelje meg, hogy ha a sorszintű biztonság engedélyezve van, a rendszer lekérdezéseket hoz létre az egyes biztonsági környezetekhez. Tegyük fel például, hogy két különböző szerepkör kategorizálja a felhasználókat, és két különböző nézetük van az adatokról. A lekérdezésgyorsítótár frissítése során a Power BI két lekérdezéskészletet hoz létre.

Power BI-jelentések

A Power BI-jelentéstervek optimalizálására számos javaslat létezik.

Feljegyzés

Ha a jelentések DirectQuery szemantikai modellen alapulnak, a jelentéstervek további optimalizálása érdekében tekintse meg a DirectQuery-modell útmutatását a Power BI Desktopban (Jelentéstervek optimalizálása).

A legkorlátozóbb szűrők alkalmazása

Minél több adatot kell megjelenítenie egy vizualizációnak, annál lassabb a vizualizáció betöltése. Bár ez az elv nyilvánvalónak tűnik, könnyű elfelejteni. Tegyük fel például, hogy nagy szemantikai modellel rendelkezik. Ennek a szemantikai modellnek a alapján egy táblával rendelkező jelentést kell készítenie. A végfelhasználók a lapon szeletelőkkel érik el a kívánt sorokat – általában csak néhány tucat sor érdekli őket.

Gyakori hiba, hogy a tábla alapértelmezett nézetét szűretlenül hagyja, vagyis az összes 100 M+ sort. A sorok adatai betöltődnek a memóriába, és minden frissítéskor tömörítetlenek. Ez a feldolgozás hatalmas memóriaigényeket teremt. A megoldás: használja a "Top N" szűrőt a tábla által megjelenített elemek maximális számának csökkentéséhez. Beállíthatja a maximális elemet nagyobbra, mint amire a felhasználóknak szükségük lenne, például 10 000-et. Az eredmény az, hogy a végfelhasználói élmény nem változik, de a memóriahasználat jelentősen csökken. És ami a legfontosabb, a teljesítmény javul.

A jelentés minden vizualizációjához hasonló tervezési megközelítés javasolt. Kérdezd meg magadtól, hogy szükség van-e a vizualizáció összes adatára? Van mód arra, hogy a vizualizációban látható adatok mennyiségét minimális hatással legyen a végfelhasználói élményre? Ne feledje, hogy a táblák különösen drágák lehetnek.

Vizualizációk korlátozása jelentésoldalakon

A fenti alapelv egyformán vonatkozik a jelentésoldalhoz hozzáadott vizualizációk számára. Erősen ajánlott egy adott jelentésoldal vizualizációinak számát csak a szükségesre korlátozni. A részletezési lapok és a jelentésoldal elemleírásai nagyszerűen használhatók további részletek megadására anélkül, hogy több vizualizációt zavarnak az oldalon.

Egyéni vizualizáció teljesítményének kiértékelése

Ügyeljen arra, hogy minden egyéni vizualizációt a saját tempójában helyezzen el a magas teljesítmény biztosítása érdekében. A rosszul optimalizált Power BI-vizualizációk negatívan befolyásolhatják a teljes jelentés teljesítményét.

Többoldalas Power BI-jelentések

A Power BI többoldalas jelentésterveit úgy optimalizálhatja, hogy az ajánlott eljárásokat alkalmazza a jelentés adatlekérésére. További információ: Adatlekérési útmutató lapszámozott jelentésekhez.

Emellett győződjön meg arról, hogy a kapacitás elegendő memóriával rendelkezik a lapszámozott jelentések számítási feladataihoz.

A környezet optimalizálása

A Power BI-környezetet a kapacitásbeállítások konfigurálásával, az adatátjárók méretezésével és a hálózati késés csökkentésével optimalizálhatja.

Kapacitásbeállítások

Kapacitások használata esetén – a Power BI Premium (P TERMÉKVÁLTOZATOK), a Felhasználónkénti Prémium (PPU) licencekkel vagy a Power BI Embeddeddel (termékváltozatok, A4-A6) – kezelheti a kapacitásbeállításokat. További információ: Microsoft Fabric-kapacitáslicencek és Prémium szintű kapacitások kezelése.

Fontos

Ez a cikk időnként a Power BI Premiumra vagy annak kapacitás-előfizetésére (P termékváltozatokra) hivatkozik. Vegye figyelembe, hogy a Microsoft jelenleg összevonja a vásárlási lehetőségeket, és visszavonul a Power BI Premium kapacitásonkénti termékváltozataitól. Az új és a meglévő ügyfeleknek érdemes megfontolni a Fabric-kapacitás-előfizetések (F SKU-k) megvásárlását.

További információ: Fontos frissítés a Power BI Premium licenceléséhez és a Power BI Premiumhoz – gyakori kérdések.

Átjáró méretezése

Átjáróra akkor van szükség, ha a Power BI-nak olyan adatokat kell elérnie, amelyek nem érhetők el közvetlenül az interneten keresztül. A helyszíni adatátjárót telepítheti egy helyszíni kiszolgálóra, vagy a virtuális gép által üzemeltetett infrastruktúra szolgáltatásként (IaaS).

Az átjáró számítási feladatainak és a méretezési javaslatok megismeréséhez tekintse meg a helyszíni adatátjáró méretezését.

Hálózati késleltetés

A hálózati késés hatással lehet a jelentések teljesítményére azáltal, hogy növeli a kérések Power BI szolgáltatás való eléréséhez és a válaszok kézbesítéséhez szükséges időt. A Power BI-bérlők egy adott régióhoz vannak rendelve.

Tipp.

A bérlő tartózkodási helyére a Hol található a Power BI-bérlő?

Amikor egy bérlő felhasználói hozzáférnek a Power BI szolgáltatás, a kéréseik mindig erre a régióra irányítják. Amikor a kérések elérik a Power BI szolgáltatás, a szolgáltatás további kéréseket küldhet – például az alapul szolgáló adatforrásnak vagy egy adatátjárónak –, amelyek szintén hálózati késésnek vannak kitéve.

Az olyan eszközök, mint az Azure Speed Test , jelzik az ügyfél és az Azure-régió közötti hálózati késést. Általánosságban elmondható, hogy a hálózati késés hatásának minimalizálása érdekében törekedjen arra, hogy az adatforrások, az átjárók és a Power BI-kapacitás a lehető legközelebb legyen. Lehetőleg ugyanabban a régióban találhatók. Ha a hálózati késés problémát jelent, próbálja meg közelebb helyezni az átjárókat és az adatforrásokat a Power BI-kapacitáshoz úgy, hogy a felhőben üzemeltetett virtuális gépeken helyezi el őket.

Teljesítmény monitorozása

A szűk keresztmetszetek azonosításához figyelheti a teljesítményt. A lassú lekérdezéseknek vagy jelentésvizualizációknak a folyamatos optimalizálás fókuszpontjának kell lenniük. A monitorozás a Tervezéskor a Power BI Desktopban vagy a Power BI Premium-kapacitásokban lévő éles számítási feladatokon végezhető el. További információ: Jelentés teljesítményének figyelése a Power BI-ban.

Kapcsolódó tartalom

A cikkről további információt a következő forrásokban talál: