Share via

Power BI-implementáció tervezése: Adatszintű naplózás

  • Cikk

Feljegyzés

Ez a cikk a Power BI implementációtervezési cikksorozatának része. Ez a sorozat elsősorban a Microsoft Fabricen belüli Power BI-számítási feladatokra összpontosít. A sorozat bemutatása: Power BI implementációtervezés.

Ez az adatszintű naplózási cikk több célközönséget céloz meg:

  • Adatkészítők és munkaterület-rendszergazdák: Azok a felhasználók, akiknek ismerniük kell a szemantikai modellek (korábbi nevén adathalmazok), adatfolyamok és adatmartok használatát, bevezetését és teljesítményét, amelyeket létrehoznak, közzétenek és megosztanak.
  • Power BI-rendszergazdák: Azok a rendszergazdák, akik a Power BI felügyeletéért felelősek a szervezetben. Előfordulhat, hogy a Power BI-rendszergazdáknak együtt kell működniük az informatikai, biztonsági, belső auditálási és egyéb releváns csapatokkal. Előfordulhat, hogy a Power BI-rendszergazdáknak együtt kell működniük a tartalomkészítőkkel a teljesítmény hibaelhárítása során.
  • Power BI-kapacitásgazdák: A prémium szintű kapacitás felügyeletéért felelős rendszergazdák a szervezetben. Előfordulhat, hogy a Power BI-kapacitásgazdáknak együtt kell működniük a tartalomkészítőkkel a teljesítmény hibaelhárítása során.
  • Kiválósági központ, informatikai és BI-csapat: Azok a csapatok, amelyek a Power BI felügyeletéért is felelősek. Előfordulhat, hogy együtt kell működniük a Power BI-rendszergazdákkal és más releváns csapatokkal.
  • Rendszergazdák: Az Azure Log Analytics-erőforrások létrehozásáért és védelméért felelős csapat, valamint az adatforrásokat kezelő adatbázis-rendszergazdák.

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.

A cikkben tárgyalt fogalmak elsősorban a három tartalomkézbesítési hatókörhöz létrehozott megoldásokra vonatkoznak, különösen a nagyvállalati BI-hoz, a részlegszintű BI-hoz és a csapat BI-hoz. A személyes BI-megoldások létrehozói hasznosnak találhatják a cikkben található információkat is; azonban nem ők az elsődleges cél.

A jelentésekben és vizualizációkban nem lehet jó teljesítményt elérni, ha a mögöttes szemantikai modell és/vagy adatforrás nem teljesít jól. Ez a cikk a szemantikai modellek, adatfolyamok és adatmartok naplózásával és monitorozásával foglalkozik. Ez a második cikk a naplózási és monitorozási sorozatban, mert az eszközök és technikák összetettebbek, mint a jelentésszintű naplózási cikkben leírtak. Ideális esetben a jelentések létrehozása előtt megosztott szemantikai modelleket hozhat létre (amelyeket több jelentés között szeretne újra felhasználni). Ezért javasoljuk, hogy olvassa el ezt a cikket a jelentésszintű naplózási cikkel együtt.

Mivel a Power BI szemantikai modelljei az Analysis Services táblázatos motorjára épülnek, csatlakozhat egy helyi adatmodellhez (a Power BI Desktopban) vagy egy Prémium szemantikai modellhez (a Power BI szolgáltatás), mintha egy Analysis Services-adatbázis lenne. Ezért az Analysis Services számos naplózási és monitorozási képessége támogatott a Power BI Premium szemantikai modelljeihez.

Feljegyzés

Az Analysis Servicesben üzemeltetett modellekről további információt a Monitorozás áttekintése című témakörben talál.

A cikk további része elsősorban a Power BI szolgáltatás közzétett modellekre összpontosít.

Szemantikai modell eseménynaplói

Idővel előfordulhat, hogy az adatkészítők és a tulajdonosok szemantikai modelljeikben helyzeteket tapasztalnak. A szemantikai modellek:

A használhatóság, a jó teljesítmény és az általuk létrehozott tartalom bevezetése érdekében naplóznia kell a kezelésért felelős adategységek használatát és teljesítményét. Használhatja az adathalmaz eseménynaplóit, amelyek rögzítik a szemantikai modellhez tartozó felhasználó által generált és rendszer által generált tevékenységeket. Nyomkövetési eseményeknek, adatkészletnaplóknak vagy adathalmaz-tevékenységnaplóknak is nevezik őket. A rendszergazdák gyakran alacsony szintű nyomkövetési eseményeknek nevezik őket, mert részletesek.

Feljegyzés

Az adathalmaz nevének módosítása a Power BI szolgáltatás és a dokumentációban lett bevezetve, de előfordulhatnak olyan példányok is – például az eseménynapló-műveletek esetében –, ahol a módosítás még nem történt meg.

A szemantikai modell nyomkövetési eseményeit a következőre kell elemeznie:

  • Naplózzon minden olyan tevékenységet, amely szemantikai modellen történt.
  • A szemantikai modell teljesítményének, a memóriahasználatnak és a lekérdezési hatékonyságnak a hibaelhárítása és optimalizálása.
  • Vizsgálja meg a szemantikai modell frissítésének részleteit és időtartamát.
  • A Power Query által küldött Power Query-képletnyelv (M-lekérdezések) figyelése.
  • Monitorozza a szemantikai modellnek (Analysis Services-motor) küldött DAX-képleteket és kifejezéseket .
  • Ellenőrizze, hogy a megfelelő tárolási mód lett-e kiválasztva a számítási feladatok, valamint a friss adatok és az optimális teljesítmény egyensúlyának szükségessége alapján.
  • Naplózható, hogy mely sorszintű biztonsági szerepköröket hívja meg a rendszer, mely felhasználókhoz és mely szemantikai modellekhez.
  • Az egyidejű felhasználók számának megismerése.
  • Szemantikai modell ellenőrzése (például az adatok minőségének és teljesítményének ellenőrzése szemantikai modell használata előtt vagy egy éles munkaterületen való közzététel előtt).

A Power BI szemantikai modell által létrehozott események az Azure Analysis Serviceshez elérhető meglévő diagnosztikai naplókból származnak. Számos nyomkövetési eseményt rögzíthet és elemezhet, amelyeket a következő szakaszokban ismertetünk.

Azure Log Analytics

Az Azure Log Analytics az Azure Monitor szolgáltatás összetevője. Az Azure Log Analytics és a Power BI integrációja lehetővé teszi a Szemantikai modell eseményeinek rögzítését a Power BI-munkaterület összes szemantikai modelljéből. Csak prémium szintű munkaterületeken támogatott. Miután beállította az integrációt, és a kapcsolat engedélyezve van (Egy Power BI Premium-munkaterület esetében), a rendszer automatikusan rögzíti és folyamatosan elküldi a szemantikai modell eseményeit egy Azure Log Analytics-munkaterületre. A szemantikai modell naplóit az Azure Data Explorer tárolja, amely egy csak hozzáfűző adatbázis, amely nagy mennyiségű, közel valós idejű telemetriai adatok rögzítésére van optimalizálva.

Power BI Premium-munkaterületet rendelhet egy Log Analytics-munkaterülethez az Azure-ban. Az ilyen típusú naplózás engedélyezéséhez létre kell hoznia egy új Log Analytics-erőforrást az Azure-előfizetésében.

Egy vagy több Power BI-munkaterület naplói egy cél Log Analytics-munkaterületre kerülnek. Az alábbi módokon rendszerezheti az adatokat.

  • Egy cél-munkaterület az összes naplózási adathoz: Az összes adat tárolása egy Log Analytics-munkaterületen. Ez akkor hasznos, ha ugyanaz a rendszergazda vagy felhasználó minden adathoz hozzáfér.
  • Cél-munkaterületek tárgyterület szerint rendezve: A tartalom rendezése tárgyterület szerint. Ez a technika különösen akkor hasznos, ha különböző rendszergazdák vagy felhasználók férhetnek hozzá a naplózási adatokhoz az Azure Log Analyticsből. Ha például el kell különítenie az értékesítési adatokat a műveleti adatoktól.
  • Egy cél-munkaterület minden Power BI-munkaterülethez: Egy-az-egyhez kapcsolat beállítása egy Power BI-munkaterület és egy Azure Log Analytics-munkaterület között. Ez akkor hasznos, ha különösen bizalmas tartalommal rendelkezik, vagy ha az adatokra meghatározott megfelelőségi vagy szabályozási követelmények vonatkoznak.

Tipp.

Alaposan tekintse át a dokumentációt és a funkcióval kapcsolatos gyakori kérdéseket, hogy tisztában legyen a lehetséges lehetőségekkel, és megértse a technikai követelményeket. Mielőtt széles körben elérhetővé tenné ezt a funkciót a szervezet munkaterület-rendszergazdái számára, fontolja meg egy technikai megvalósíthatósági igazolás (POC) elvégzését egy Power BI-munkaterületen.

Fontos

Bár a nevek hasonlóak, az Azure Log Analytics által rögzített adatok nem azonosak a Power BI-tevékenységnaplóval. Az Azure Log Analytics az Analysis Services motorjának részletes nyomkövetési eseményeit rögzíti. Egyetlen célja, hogy segítsen elemezni és elhárítani a szemantikai modell teljesítményét. Hatóköre a munkaterület szintjén van. Ezzel szemben a tevékenységnapló célja, hogy megértse, milyen gyakran fordulnak elő bizonyos felhasználói tevékenységek (például jelentés szerkesztése, szemantikai modell frissítése vagy alkalmazás létrehozása). Hatóköre a teljes Power BI-bérlő.

A Power BI-bérlőhöz naplózható felhasználói tevékenységekkel kapcsolatos további információkért lásd a bérlőszintű naplózást.

A munkaterület-rendszergazdákAzure Log Analytics-kapcsolatának bérlőbeállítása szabályozza, hogy mely felhasználók csoportjai (akik rendelkeznek a szükséges munkaterület-rendszergazdai szerepkörrel is) csatlakoztathatnak Power BI-munkaterületet egy meglévő Azure Log Analytics-munkaterülethez.

Az integráció beállítása előtt meg kell felelnie a biztonsági előfeltételeknek. Ezért fontolja meg a Power BI-bérlő beállításának engedélyezését csak olyan Power BI-munkaterület-rendszergazdák számára, akik szintén rendelkeznek a szükséges engedélyekkel az Azure Log Analyticsben, vagy akik kérésre megkaphatják ezeket az engedélyeket.

Tipp.

A tervezési folyamat korai szakaszában együttműködhet az Azure-rendszergazdával, különösen akkor, ha jóváhagyást kap egy új Azure-erőforrás létrehozásához. A biztonsági előfeltételeket is meg kell terveznie. Döntse el, hogy engedélyt ad-e a Power BI-munkaterület rendszergazdájának az Azure-ban, vagy hogy engedélyt ad-e az Azure-rendszergazdának a Power BI-ban.

Az Azure Log Analytics által rögzített szemantikai modellnaplók közé tartoznak a szemantikai modell lekérdezései, a lekérdezési statisztikák, a részletes frissítési tevékenység, a Prémium kapacitásokon felhasznált CPU-idő stb. Mivel az Analysis Services motorjának részletes naplói, az adatok részletesek lehetnek. A nagy adatmennyiségek gyakoriak a nagy méretű munkaterületeken, amelyek magas szemantikai modelltevékenységet tapasztalnak.

A költségek optimalizálása az Azure Log Analytics és a Power BI használatakor:

Az Azure Log Analyticsbe küldött eseményekhez többféleképpen is hozzáférhet. A következőket használhatja:

  • Az előre összeállított Log Analytics for Power BI Szemantikai modellek sablonalkalmazás.
  • Az Azure Data Explorer (Kusto) Power BI Desktop-összekötője. A Kusto lekérdezésnyelv (KQL) használatával elemezheti a Log Analyticsben tárolt adatokat. Ha SQL-lekérdezési tapasztalattal rendelkezik, sok hasonlóságot talál a KQL-vel.
  • Az Azure Data Explorer webes lekérdezési felülete.
  • Minden olyan lekérdezési eszköz, amely képes KQL-lekérdezéseket futtatni.

Tipp.

Mivel nagy mennyiségű szemantikai modellkövetési esemény van, javasoljuk, hogy dolgozzon ki egy DirectQuery-modellt az adatok elemzéséhez. A DirectQuery-modell lehetővé teszi az adatok közel valós idejű lekérdezését. Az események általában öt percen belül érkeznek.

További információ: Az Azure-kapcsolatok szabályozása.

Ellenőrzőlista – Az Azure Log Analytics használatának tervezésekor a legfontosabb döntések és műveletek a következők:

  • Fontolja meg a technikai POC-t: Tervezzen egy kis projektet, hogy teljes mértékben megértse a műszaki követelményeket, a biztonsági követelményeket, a rögzítendő eseményeket és a naplók elemzését.
  • Döntse el, hogy mely munkaterületeket kell integrálnia a Log Analyticsszel: Határozza meg, hogy mely Prémium munkaterületek tartalmaznak elemezni kívánt szemantikai modelleket.
  • Döntse el, hogy a Log Analytics teljes munkaidőben engedélyezve legyen-e bármely munkaterületen: A költségoptimalizálás érdekében határozza meg, hogy vannak-e olyan helyzetek (vagy adott munkaterületek), ahol a naplózást véglegesen engedélyezni kell. Döntse el, hogy a munkaterületeket le kell-e választani, ha a hibaelhárítás nem történik meg.
  • Döntse el, mennyi ideig őrizze meg a Log Analytics-adatokat: Határozza meg, hogy a 30 napos alapértelmezettnél hosszabb megőrzési időtartamot kell-e beállítani.
  • Tisztázza az új Log Analytics-munkaterület kérésének folyamatát: Együttműködés az Azure-rendszergazdával annak tisztázása érdekében, hogy a Power BI-munkaterület rendszergazdái hogyan küldjék el az új Log Analytics-erőforrásra vonatkozó kéréseket.
  • Döntse el, hogyan fog működni a biztonság: Együttműködhet az Azure-rendszergazdával annak eldöntéséhez, hogy megvalósíthatóbb-e, ha egy Power BI-munkaterület rendszergazdája jogosultságot kap egy Azure Log Analytics-munkaterülethez, vagy hogy az Azure-rendszergazda jogosultságokat kapjon egy Power BI-munkaterülethez. A biztonsági döntés meghozatalakor fontolja meg a munkaterületek rendszeres csatlakoztatását és leválasztását (a költségoptimalizálás érdekében).
  • Döntse el, hogyan rendszerezheti a cél Log Analytics-munkaterületeket: Fontolja meg, hogy hány Azure Log Analytics-munkaterület lesz megfelelő egy vagy több Power BI-munkaterület adatainak rendszerezéséhez. A döntés igazítása a biztonsági döntésekhez annak érdekében, hogy ki férhet hozzá a naplóadatokhoz.
  • Döntse el, hogy mely munkaterületgazdák csatlakozhatnak: Határozza meg, hogy a munkaterületgazdák mely csoportjai csatlakoztathatnak Power BI-munkaterületeket egy Log Analytics-munkaterülethez. Állítsa be az Azure Log Analytics-kapcsolatot a munkaterület-rendszergazdák bérlői beállításához, hogy igazodjon ehhez a döntéshez.
  • Az Azure Log Analytics-erőforrás létrehozása: Együttműködés az Azure-rendszergazdával az egyes Log Analytics-munkaterületek létrehozásához. Ellenőrizze és frissítse az Azure-ban hozzárendelt engedélyeket, hogy a Power BI-konfiguráció problémamentesen végbe lehessen. Ellenőrizze, hogy az Azure-ban tárolt adatok a megfelelő földrajzi régióban találhatók-e.
  • Állítsa be a Log Analytics-kapcsolatot az egyes Power BI-munkaterületekhez: Együttműködhet a Power BI-munkaterület rendszergazdáival a Log Analytics-kapcsolat beállításához minden Power BI-munkaterülethez. Ellenőrizze, hogy a naplóadatok megfelelően haladnak-e a Log Analytics-munkaterületre.
  • Lekérdezések létrehozása az adatok elemzéséhez: KQL-lekérdezések beállítása a Log Analytics adatainak elemzéséhez a használati eset és az aktuális igények alapján.
  • Útmutatás a Power BI-munkaterület rendszergazdáinak: Adjon meg információkat és előfeltételeket a Power BI-munkaterület rendszergazdáinak az új Log Analytics-munkaterület kéréséhez és a Power BI-munkaterülethez való csatlakozáshoz. Azt is ismertesse, hogy mikor célszerű leválasztani egy Power BI-munkaterületet.
  • Adjon útmutatást és mintalekérdezéseket az adatok elemzéséhez: KQL-lekérdezéseket hozhat létre a munkaterület-rendszergazdák számára, hogy megkönnyítse számukra a rögzített adatok elemzésének megkezdését.
  • Költségek monitorozása: Együttműködhet az Azure-rendszergazdával a Log Analytics-költségek folyamatos monitorozásához.

SQL Server Profiler

Az SQL Server Profiler (SQL Profiler) használatával rögzítheti a Power BI szemantikai modelleseményeit. Ez az SQL Server Management Studio (SSMS) egyik összetevője. Csatlakozás Power BI szemantikai modellekkel való összhangban az SSMS támogatott, mivel az SQL Serverből származó Analysis Services-architektúrán alapul.

Az SQL Profilert a szemantikai modell életciklusának különböző szakaszaiban használhatja.

  • Adatmodellek fejlesztése során: az SQL Profiler külső eszközként csatlakozhat egy adatmodellhez a Power BI Desktopban. Ez a módszer olyan adatmodellezők számára hasznos, akik ellenőrizni szeretnék az adatmodelljüket, vagy teljesítmény-finomhangolást szeretnének végezni.
  • Miután közzétette a szemantikai modellt a Power BI szolgáltatás: Az SQL Profiler csatlakozhat egy prémium szintű munkaterület szemantikai modelljéhez. Az SSMS egyike azon támogatott ügyféleszközöknek , amelyek az XMLA-végpontot használhatják a kapcsolatokhoz. Ez a módszer akkor hasznos, ha naplózni, monitorozni, ellenőrizni, elhárítani vagy finomhangolni szeretne egy közzétett szemantikai modellt a Power BI szolgáltatás.

Az SQL Profiler külső eszközként is használható a DAX Studióban. A DAX Studióval profilkészítő nyomkövetést indíthat, elemezheti az adatokat, és formázhatja az eredményeket. A DAX Studiót használó adatmodellezők gyakran inkább ezt a megközelítést részesítik előnyben, mint az SQL Profiler közvetlen használatát.

Feljegyzés

Az SQL Profiler használata eltér a profilkészítési adatok tevékenységétől. A Power Query-szerkesztő adatainak profilkészítésével részletesebben megismerheti azok jellemzőit. Bár az adatprofilozás fontos tevékenység az adatmodellezők számára, ez nem terjed ki erre a cikkre.

Fontolja meg az SQL Profiler használatát az Azure Log Analytics helyett a következő esetekben:

  • A szervezet nem engedélyezi az Azure Log Analytics-erőforrások használatát vagy létrehozását az Azure-ban.
  • Egy adatmodell eseményeit szeretné rögzíteni a Power BI Desktopban (amelyek nem lettek közzétéve a prémium szintű munkaterületen a Power BI szolgáltatás).
  • Egy szemantikai modell eseményeit szeretné rövid ideig rögzíteni (a Prémium munkaterületen lévő összes szemantikai modell helyett).
  • Bizonyos eseményeket csak nyomkövetés közben szeretne rögzíteni (például csak a Lekérdezés vége eseményt).
  • A nyomkövetéseket gyakran szeretné elindítani és leállítani (például amikor szemantikai modelles eseményeket kell rögzítenie, amelyek most következnek be).

Az Azure Log Analyticshez hasonlóan (amelyről a cikk korábbi részében olvashat) az SQL Profiler által rögzített szemantikai modellesemények az Azure Analysis Serviceshez elérhető meglévő diagnosztikai naplókból származnak. A rendelkezésre álló események között azonban vannak különbségek.

Tipp.

Az SQL Profiler használata az Analysis Services monitorozásához számos könyvben, cikkben és blogbejegyzésben szerepel. A legtöbb információ a Power BI szemantikai modell monitorozása szempontjából releváns.

Fontos

Az SQL Profiler használatával figyelheti a Power BI szolgáltatás a mögöttes adatforrásokra (például egy SQL Server relációs adatbázisba) küldött lekérdezéseket. A relációs adatbázisok nyomkövetési képessége azonban elavult. az Analysis Services-motorra való Csatlakozás támogatott, és nem elavult. Ha ismeri az Analysis Services kiterjesztett eseményeit , és inkább használni szeretné őket, az SSMS-ből való kapcsolódás lehetséges egy adatmodellhez a Power BI Desktopban. A Power BI Premium azonban nem támogatja. Ezért ez a szakasz csak a standard SQL Profiler-kapcsolatra összpontosít.

Az XMLA-végpontok és az Elemzés az Excelben helyszíni szemantikai modellek bérlői beállításával szabályozza, hogy mely felhasználók csoportjai (akik szintén a Közreműködő, a Tag vagy a Rendszergazda munkaterületi szerepkörhöz vannak hozzárendelve, vagy az egyéni szemantikai modell összeállítási engedélye) az XMLA-végpontot használhatják a szemantikai modellek lekérdezésére és/vagy karbantartására a Power BI szolgáltatás. Az XMLA-végpont használatával kapcsolatos további információkért tekintse meg a speciális adatmodell-kezelési használati forgatókönyvet.

Feljegyzés

Az SQL Profiler használatával adott DAX-kifejezések hibakeresését és hibaelhárítását is segítheti. Az SQL Profiler külső eszközként csatlakoztatható a Power BI Desktophoz. Keresse meg a DAX-kiértékelési napló eseményosztályt egy DAX-kifejezés közbenső eredményeinek megtekintéséhez. Ez az esemény akkor jön létre, ha a EVALUATEANDLOG DAX függvényt használja egy modellszámításban.

Ez a függvény csak fejlesztési és tesztelési célokra szolgál. Az adatmodell éles munkaterületen való közzététele előtt el kell távolítania az adatmodell számításaiból.

Ellenőrzőlista – Az SQL Profiler használatának tervezésekor a legfontosabb döntések és műveletek a következők:

  • Döntse el, hogy kik telepíthetik az SSMS-t vagy a DAX Studio-t: Határozza meg, hogy engedélyezi-e a szervezet összes Power BI-tartalomkészítőjének az SSMS és/vagy a DAX Studio telepítését az SQL Profiler használatához. Döntse el, hogy ezek a kiegészítő eszközök kérésre telepítve vannak-e, vagy a szervezet jóváhagyott adatkészítői számára telepített szabványos szoftverkészlet részei.
  • SQL Profiler hozzáadása a Power BI Desktop Külső eszközök menüjéhez: Ha az adatkészítők gyakran használják az SQL Profilert, kérje meg az informatikai részleget, hogy automatikusan vegye fel a Power BI Desktop Külső eszközök menüjébe ezekhez a felhasználókhoz.
  • Döntse el, hogy ki használhatja az XMLA-végpontot: Határozza meg, hogy minden felhasználó csatlakozhat-e közzétett szemantikai modellekhez az XMLA-végpont használatával, vagy csak a jóváhagyott adatkészítőkre korlátozódik. Állítsa be az XMLA-végpontok engedélyezése és az Elemzés az Excelben helyszíni szemantikai modellek bérlői beállításával, hogy igazodjon ehhez a döntéshez.
  • Adjon útmutatást és minta lekérdezéseket az adatok elemzéséhez: Hozzon létre dokumentációt az adatkészítők számára, hogy megértsék a szemantikai modellek naplózásának és monitorozásának ajánlott módját. Útmutatást nyújt a gyakori használati esetekhez, hogy megkönnyítse számukra a nyomkövetési adatok gyűjtésének és elemzésének megkezdését.

Adatmodell metaadatai

Mivel a Power BI szemantikai modelljei az Analysis Services motorjára épülnek, hozzáférhet az adatmodell metaadatait lekérdező eszközökhöz. A metaadatok mindent tartalmaznak az adatmodellről, beleértve a táblaneveket, az oszlopneveket és a mértékkifejezéseket.

Dinamikus felügyeleti nézetek

Az Analysis Services dinamikus felügyeleti nézetei (DMV-k) lekérdezhetik az adatmodell metaadatait. A DMV-k használatával naplózhatja, dokumentálhatja és optimalizálhatja az adatmodelleket egy adott időpontban.

Konkrétabban a következőket teheti:

  • A modell által használt adatforrások naplózása.
  • Megtudhatja, hogy mely objektumok fogyasztják a legtöbb memóriát egy modellben.
  • Határozza meg, hogy az oszlopadatok milyen hatékonyan tömöríthetők.
  • Nem használt modellek oszlopainak megkeresése.
  • Aktív felhasználói munkamenetek és kapcsolatok naplózása.
  • Ellenőrizze a modell szerkezetét.
  • Tekintse át a számított táblák, számított oszlopok, mértékek és sorszintű biztonsági (RLS) szabályok által használt DAX-kifejezéseket.
  • Objektumok és mértékek közötti függőségek azonosítása.

Tipp.

A DMV-k lekérnek egy szemantikai modell aktuális állapotával kapcsolatos információkat. A DMV-k által visszaadott adatok pillanatképként tekinthetők meg arról, hogy mi történik egy adott időpontban. Ezzel szemben a szemantikai modell eseménynaplói (a cikk korábbi szakaszában ismertetett) információkat kérnek le arról, hogy milyen tevékenységek történtek a szemantikai modell esetében, miközben a nyomkövetési kapcsolat aktív volt.

Az SSMS a DMV-lekérdezések futtatására gyakran használt eszköz. Az Invoke-ASCmd PowerShell parancsmaggal xmlA-szkripteket is létrehozhat és végrehajthat, amelyek lekérdezik a DMV-ket.

A külső eszközök és külső eszközök szintén népszerűek a Power BI-közösség körében. Ezek az eszközök a nyilvánosan dokumentált DMV-k használatával egyszerűsítik a hozzáférést, és a DMV-k által visszaadott adatokkal dolgoznak. Ilyen például a DAX Studio, amely explicit funkciókat tartalmaz a DMV-k eléréséhez. A DAX Studio beépített View Metrics funkciót is tartalmaz, amelyet gyakran Veripaq Analyzer néven ismerünk. Veripaq Analyzer felhasználói felülettel rendelkezik az adatmodellben lévő táblák, oszlopok, kapcsolatok és partíciók szerkezetének és méretének elemzéséhez. Az adatmodell metaadatait .vpax fájlba is exportálhatja (vagy importálhatja). Az exportált fájl csak az adatmodell szerkezetére és méretére vonatkozó metaadatokat tartalmazza, modelladatok tárolása nélkül.

Tipp.

Ha segítségre van szüksége egy adatmodellhez, fontolja meg egy .vpax-fájl megosztását valakivel. Így nem osztja meg a modell adatait az adott személlyel.

DMV-lekérdezéseket használhat a szemantikai modellek életciklusának különböző szakaszaiban.

  • Adatmodellek fejlesztése során: A választott eszköz külső eszközként csatlakozhat egy adatmodellhez a Power BI Desktopban. Ez a módszer olyan adatmodellezők számára hasznos, akik ellenőrizni szeretnék az adatmodelljüket, vagy teljesítmény-finomhangolást szeretnének végezni.
  • Miután közzétette a szemantikai modellt a Power BI szolgáltatás: A választott eszköz csatlakozhat egy prémium szintű munkaterület szemantikai modelljéhez. Az SSMS egyike azon támogatott ügyféleszközöknek , amelyek az XMLA-végpontot használják a kapcsolatokhoz. Ez a módszer akkor hasznos, ha naplózni vagy ellenőrizni szeretne egy közzétett szemantikai modellt a Power BI szolgáltatás.

Tipp.

Ha úgy dönt, hogy saját DMV-lekérdezéseket ír (például SSMS-ben), vegye figyelembe, hogy a DMV-k nem támogatják az összes SQL-műveletet. Emellett egyes DMV-k nem támogatottak a Power BI-ban (mivel olyan Analysis Services-kiszolgálói rendszergazdai engedélyeket igényelnek, amelyeket a Power BI nem támogat).

Az XMLA-végpontok és az Elemzés az Excelben helyszíni szemantikai modellek bérlői beállításával szabályozza, hogy mely felhasználók csoportjai (akik szintén a Közreműködő, a Tag vagy a Rendszergazda munkaterületi szerepkörhöz vannak hozzárendelve, vagy az egyéni szemantikai modell összeállítási engedélye) az XMLA-végpontot használhatják a szemantikai modellek lekérdezésére és/vagy karbantartására a Power BI szolgáltatás.

Az XMLA-végpont, a külső eszközök és a külső eszközök használatával kapcsolatos további információkért tekintse meg a speciális adatmodell-kezelési használati forgatókönyvet.

Ajánlott eljáráselemző

Az Ajánlott eljárások elemzője (BPA) a Táblázatszerkesztő egyik funkciója, amely egy harmadik féltől származó eszköz, amely széles körben elterjedt a Power BI-közösség számára. A BPA testre szabható szabályokat tartalmaz, amelyek segítenek az adatmodell minőségének, konzisztenciájának és teljesítményének naplózásában.

Tipp.

A BPA beállításához töltse le a Microsoft által a GitHubon biztosított ajánlott eljárásokat.

A BPA elsősorban a teljesítményproblémákat csökkentő, optimálisnál rosszabb tervezési döntések észlelésével segíthet a modellek konzisztenciájának javításában. Hasznos, ha önkiszolgáló adatmodellezők vannak elosztva a szervezet különböző területein.

A BPA segíthet az adatmodellek naplózásában és szabályozásában is. Ellenőrizheti például, hogy az adatmodell tartalmaz-e sorszintű biztonsági (RLS-) szerepköröket. Azt is ellenőrizheti, hogy az összes modellobjektum rendelkezik-e leírással. Ez akkor hasznos, ha például az a cél, hogy az adatmodell tartalmazhasson egy adatszótárat.

A BPA olyan tervezési problémákat tehet közzé, amelyek segíthetnek a Kiválósági Központnak meghatározni, hogy szükség van-e további képzésre vagy dokumentációra. Lépéseket tehet az adatkészítőknek az ajánlott eljárásokról és a szervezeti irányelvekről.

Tipp.

Ne feledje, hogy a BPA képes észlelni egy jellemző meglétét (például sorszintű biztonságot). Előfordulhat azonban, hogy nehéz megállapítani, hogy megfelelően van-e beállítva. Emiatt előfordulhat , hogy egy témaszakértőnek felülvizsgálatot kell végeznie . Ezzel szemben egy adott jellemző nemlétezése nem feltétlenül jelent rossz kialakítást; az adatmodellezőnek jó oka lehet egy adott kialakítás létrehozására.

Ellenőrzőlista – Az adatmodellek metaadatainak elérésekor a legfontosabb döntések és műveletek a következők:

  • Döntse el, hogy ki telepítheti az SSMS-t: Állapítsa meg, hogy engedélyezi-e a szervezet összes Power BI-tartalomkészítőjének az SSMS telepítését, hogy csatlakozni tudjanak a közzétett szemantikai modellekhez. Döntse el, hogy kérésre telepítve van-e, vagy egy szabványos szoftverkészlet részeként, amely a szervezet jóváhagyott adatkészítői számára van telepítve.
  • Döntse el, hogy ki rendelkezhet külső eszközökkel: Határozza meg, hogy engedélyezi-e, hogy a szervezet összes Power BI-tartalomkészítője külső eszközöket (például DAX Studiót és Táblázatszerkesztőt) telepítsen, hogy figyelhessenek helyi adatmodelleket és/vagy közzétett szemantikai modelleket. Döntse el, hogy kérésre vannak-e telepítve, vagy a szervezet jóváhagyott adatkészítői számára telepített szabványos szoftverkészlet részeként.
  • Ajánlott eljárásszabályok beállítása: Döntse el, hogy mely ajánlott eljárásokat elemző szabályok vizsgálhatják a szervezet adatmodelljeit.
  • Döntse el, hogy ki használhatja az XMLA-végpontot: Határozza meg, hogy minden felhasználó csatlakozhat-e szemantikai modellekhez az XMLA-végpont használatával, vagy csak a jóváhagyott adatkészítőkre korlátozódik. Állítsa be az XMLA-végpontok engedélyezése és az Elemzés az Excelben helyszíni szemantikai modellek bérlői beállításával, hogy igazodjon ehhez a döntéshez.
  • Útmutatás a tartalomkészítők számára: Hozzon létre dokumentációt az adatkészítők számára, hogy megértsék a szemantikai modellek elemzésének ajánlott módját. Útmutatást nyújt a gyakori használati esetekhez, hogy megkönnyítse számukra a DMV-eredmények gyűjtését és elemzését, és/vagy az ajánlott eljáráselemző használatát.

Adatmodell és lekérdezési teljesítmény

A Power BI Desktop számos eszközt tartalmaz, amelyek segítenek az adatkészítőknek az adatmodellek hibaelhárításában és vizsgálatában. Ezek a képességek olyan adatmodellezőkre irányulnak, akik ellenőrizni szeretnék az adatmodelljüket, és teljesítményhangolást végeznek a Power BI szolgáltatás való közzététel előtt.

Teljesítményelemző

A Power BI Desktopban elérhető Teljesítményelemző használatával naplózhatja és megvizsgálhatja az adatmodellek teljesítményét. Teljesítményelemző segít a jelentéskészítőknek az egyes jelentéselemek teljesítményének mérésében. A teljesítményproblémák kiváltó oka általában azonban az adatmodellek tervezéséhez kapcsolódik. Emiatt a szemantikai modell létrehozója is kihasználhatja a Teljesítményelemző használatát. Ha különböző tartalomkészítők felelősek a jelentések és a szemantikai modellek létrehozásáért, valószínű, hogy a teljesítményproblémák elhárítása során együtt kell működniük.

Tipp.

A DAX Studióval importálhatja és elemezheti a Teljesítményelemző által létrehozott naplófájlokat.

A Teljesítményelemző kapcsolatos további információkért lásd a jelentésszintű naplózást.

Lekérdezésdiagnosztika

A Power Bi Desktopban elérhető Lekérdezésdiagnosztikával vizsgálja meg a Power Query teljesítményét. Ezek hasznosak a hibaelhárításhoz, és arra az esetben, ha tisztában kell lenni a Power Query-motor teljesítményével.

A lekérdezésdiagnosztikából kinyerhető információk a következők:

  • A hibaüzenetekkel kapcsolatos további részletek (kivétel esetén).
  • Az adatforrásnak küldött lekérdezések.
  • Függetlenül attól, hogy a lekérdezés összecsukása folyamatban van-e vagy sem.
  • A lekérdezés által visszaadott sorok száma.
  • Adatfrissítési művelet lehetséges lassulásai.
  • Háttéresemények és rendszer által létrehozott lekérdezések.

Attól függően, hogy mit keres, engedélyezheti egy vagy az összes naplót: összesített, részletes, teljesítményszámlálókat és adatvédettség-partíciókat.

A munkamenet-diagnosztikát a Power Query-szerkesztő adhatja meg. Ha engedélyezve van, a rendszer összegyűjti a lekérdezési és frissítési műveleteket, amíg a diagnosztikai nyomkövetés le nem áll. A diagnosztika leállítása után az adatok közvetlenül a lekérdezésszerkesztőben lesznek feltöltve. A Power Query létrehoz egy diagnosztikai csoportot (mappát), és több lekérdezést is hozzáad hozzá. Ezután a standard Power Query-funkciókkal megtekintheti és elemezheti a diagnosztikai adatokat.

Másik lehetőségként engedélyezheti a nyomkövetést a Power BI Desktopban a Beállítások ablak Diagnosztika szakaszában. A naplófájlokat a rendszer a helyi számítógépen lévő mappába menti. Ezek a naplófájlok a Power BI Desktop bezárása után lesznek feltöltve az adatokkal, és ekkor a nyomkövetés leáll. A Power BI Desktop bezárása után megnyithatja a naplófájlokat az előnyben részesített programmal (például egy szövegszerkesztővel), hogy megtekinthesse őket.

Lekérdezések kiértékelése és összecsukása

A Power Query különböző képességeket támogat a lekérdezések kiértékeléséhez, beleértve a lekérdezéstervet is. Azt is meghatározhatja, hogy a lekérdezés összecsukása egy teljes lekérdezésre vagy egy lekérdezés lépéseinek egy részhalmazára vonatkozik-e. A lekérdezések összecsukása a teljesítményhangolás egyik legfontosabb aspektusa. Hasznos lehet áttekinteni a Power Query által küldött natív lekérdezéseket is, amikor egy adatforrást figyel, amelyről a cikk későbbi részében olvashat.

Prémium metrikaalkalmazás

A hibaelhárítás során hasznos lehet együttműködni a Power BI Premium kapacitásadminisztrátorával. A kapacitásadminisztrátor hozzáfér a Power BI Premium-kihasználtság és a metrikák alkalmazáshoz. Ez az alkalmazás rengeteg információt nyújt a kapacitásban végzett tevékenységekről. Ez az információ segíthet a szemantikai modellekkel kapcsolatos problémák elhárításában.

Tipp.

A Prémium szintű kapacitásadminisztrátor további felhasználók (nem kapacitásgazdák) számára is hozzáférést biztosíthat, hogy hozzáférhessenek a Premium-metrikák alkalmazáshoz.

A Premium metrics alkalmazás egy belső szemantikai modellt és egy kezdeti jelentéskészletet tartalmaz. Segít közel valós idejű monitorozást végezni egy Power BI Premium-kapacitás (P termékváltozat) vagy a Power BI Embedded (A termékváltozat) kapacitásán. Az elmúlt két-négy hét adatait tartalmazza (a metrikától függően).

A Szemantikai modellek hibaelhárítása és optimalizálása a Prémium metrikák alkalmazással. Azonosíthatja például azokat a szemantikai modelleket, amelyek nagy memóriaigényűek , vagy amelyek rutinszerűen magas processzorhasználatot tapasztalnak. Emellett hasznos eszköz a kapacitásméret korlátját megközelítő szemantikai modellek megtalálásához.

Ellenőrzőlista – Az adatmodell és a lekérdezési teljesítmény monitorozásához használt megközelítések mérlegelésekor a legfontosabb döntések és műveletek a következők:

  • Szemantikai modell lekérdezési teljesítménycéljainak azonosítása: Győződjön meg arról, hogy jól ismeri a szemantikai modell jó teljesítményét. Határozza meg, hogy mikor lesz szükség adott lekérdezési teljesítménycélokra (például a jelentéseket támogató lekérdezéseket öt másodpercen belül kell megjeleníteni). Ha igen, győződjön meg arról, hogy a célokat közli a szervezet adatkészítőivel.
  • Szemantikai modellfrissítési teljesítménycélok azonosítása: Határozza meg, hogy mikor lesz szükség konkrét adatfrissítési célokra (például egy adatfrissítési művelet 15 percen belül és 5 óra előtt). Ha igen, győződjön meg arról, hogy a célokat közli a szervezet adatkészítőivel.
  • A támogatási csoport oktatása: Győződjön meg arról, hogy a belső felhasználói támogatási csapat ismeri a diagnosztikai képességeket, hogy készen álljon a Power BI-felhasználók támogatására, amikor segítségre van szükségük.
  • Csatlakozás a támogatási csapat és az adatbázisgazdák számára: Győződjön meg arról, hogy a támogatási csapat tudja, hogyan léphet kapcsolatba az egyes adatforrások megfelelő rendszergazdáival (például a lekérdezések összecsukásának hibaelhárítása során).
  • Együttműködés a Prémium szintű kapacitás rendszergazdájával: A kapacitásadminisztrátorsal együttműködve elháríthatja a prémium szintű kapacitáshoz vagy a Power BI Embedded-kapacitáshoz hozzárendelt munkaterületen található szemantikai modelleket. Szükség esetén kérjen hozzáférést a Prémium metrikák alkalmazáshoz.
  • Útmutatás a tartalomkészítők számára: Hozzon létre dokumentációt az adatkészítők számára, hogy megértsék, milyen műveleteket kell végrehajtani a hibaelhárítás során.
  • Oktatóanyagok : Útmutatást nyújt az adatkészítőknek a jól teljesítő adatmodellek létrehozásához. Segíts nekik a jó tervezési szokások korai bevezetésében. Összpontosítson arra, hogy megtanítsa az adatkészítőknek, hogyan hozhatnak jó tervezési döntéseket.

Adatforrás monitorozása

Néha szükség van egy adott adatforrás közvetlen figyelésére, amelyhez a Power BI csatlakozik. Előfordulhat például, hogy van egy adattárháza, amely nagyobb számítási feladatot tapasztal, és a felhasználók teljesítménycsökkenést jelentenek. Az adatbázis-rendszergazda vagy a rendszergazda általában az adatforrásokat figyeli.

Az adatforrások figyelése:

  • Naplózhatja, hogy mely felhasználók küldenek lekérdezéseket az adatforrásnak.
  • Naplózhatja, hogy mely alkalmazások (például a Power BI) küldenek lekérdezéseket az adatforrásnak.
  • Tekintse át, hogy milyen lekérdezési utasításokat küldenek az adatforrásnak, mikor és melyik felhasználónak.
  • Határozza meg, hogy mennyi ideig tart egy lekérdezés futtatása.
  • Az egyszeri bejelentkezés (SSO) használatakor naplózhatja, hogy a forrásrendszer hogyan hívja meg a sorszintű biztonságot.

A Power BI-tartalomkészítők számos műveletet elvégezhetnek a figyelési eredmények elemzése után. A következőt tehetik:

  • Hangolja és finomítsa az adatforrásnak küldött lekérdezéseket, hogy azok a lehető leghatékonyabbak legyenek.
  • Ellenőrizze és hangolja az adatforrásnak küldött natív lekérdezéseket .
  • Csökkentse az adatmodellbe importált oszlopok számát.
  • Távolítsa el az adatmodellbe importált nagy pontosságú és nagy számosságú oszlopokat.
  • Csökkentse az adatmodellbe importált előzményadatok mennyiségét.
  • A Power BI adatfrissítési idejének módosítása az adatforrás iránti kereslet feloszlásához.
  • Növekményes adatfrissítéssel csökkentheti az adatforrás terhelését.
  • Csökkentse a Power BI-adatfrissítések számát több szemantikai modell közös szemantikai modellbe való összevonásával.
  • Módosítsa az automatikus oldalfrissítési beállításokat a frissítés gyakoriságának növelése érdekében, és ezáltal csökkentse az adatforrás terhelését.
  • Egyszerűsítse a számításokat az adatforrásnak küldött lekérdezések összetettségének csökkentése érdekében.
  • Az adatforrás konzisztens lekérdezési terhelésének csökkentése érdekében módosítsa az adattárolási módot (például importálási módra a DirectQuery helyett).
  • Lekérdezéscsökkentési technikákkal csökkentheti az adatforrásnak küldött lekérdezések számát.

Előfordulhat, hogy a rendszergazdák más műveleteket is végrehajtanak. A következőt tehetik:

  • Bevezet egy köztes adatréteget, például a Power BI-adatfolyamokat (ha az adattárház nem járható út). A Power BI-tartalomkészítők az adatfolyamokat adatforrásként használhatják ahelyett, hogy közvetlenül adatforrásokhoz csatlakoznak. A köztes adatrétegek csökkenthetik a forrásrendszer terhelését. Emellett az adat-előkészítési logika központosításának további előnye is van. További információkért tekintse meg az önkiszolgáló adat-előkészítés használati forgatókönyvét.
  • Módosítsa az adatforrás helyét a hálózati késés hatásának csökkentése érdekében (például ugyanazt az adatrégiót használja a Power BI szolgáltatás, az adatforrásokhoz és az átjárókhoz).
  • Optimalizálja az adatforrást, hogy hatékonyabban kérje le az adatokat a Power BI-hoz. Számos gyakori módszer: táblaindexek létrehozása, indexelt nézetek létrehozása, tartósan számított oszlopok létrehozása, statisztikák karbantartása, memóriabeli vagy oszlopcentrikus táblák használata, valamint materializált nézetek létrehozása.
  • A felhasználókat arra utasíthatja, hogy az adatforrás írásvédett replikáját használják az eredeti éles adatbázis helyett. Előfordulhat, hogy egy replika egy magas rendelkezésre állású (HA) adatbázis-stratégia részeként érhető el. Az írásvédett replika egyik előnye, hogy csökkenti a versengést a forrásrendszeren.

Az adatforrások monitorozására használható eszközök és technikák a technológiai platformtól függenek. Az adatbázis rendszergazdája például használhat kiterjesztett eseményeket vagy a Lekérdezéstárat az Azure SQL Database és az SQL Server-adatbázisok figyeléséhez.

Előfordulhat, hogy a Power BI egy adatforráshoz egy adatátjárón keresztül fér hozzá. Az átjárók a Power BI szolgáltatás és bizonyos típusú adatforrások közötti kapcsolatot kezelik. Azonban nem csupán az adatokhoz való kapcsolódást teszik lehetővé. Az átjáró tartalmaz egy összefésítési motort, amely feldolgozási és adatátalakításokat hajt végre a gépen. Emellett tömöríti és titkosítja az adatokat, hogy azok hatékonyan és biztonságosan továbbíthatók legyenek a Power BI szolgáltatás. Ezért egy nem felügyelt vagy nem optimalizált átjáró hozzájárulhat a teljesítmény szűk keresztmetszeteihez. Javasoljuk, hogy forduljon az átjáró rendszergazdájához az átjárók figyelésével kapcsolatos segítségért.

Tipp.

A Power BI-rendszergazda összeállíthat egy teljes bérlői leltárt (amely magában foglalja a leállásokat is), és hozzáférhet a tevékenységnapló felhasználói tevékenységeihez. Az életút és a felhasználói tevékenységek korrelációja révén a rendszergazdák azonosíthatják a leggyakrabban használt adatforrásokat és átjárókat.

A bérlői leltárral és a tevékenységnaplóval kapcsolatos további információkért lásd a bérlőszintű naplózást.

Ellenőrzőlista – Az adatforrások monitorozásának tervezésekor a legfontosabb döntések és műveletek a következők:

  • Konkrét célok meghatározása: Adatforrások monitorozásakor egyértelművé teszi, hogy pontosan mit kell elérnie, és hogy milyen hibaelhárítási célokat kell elérnie.
  • Együttműködés az adatbázis-rendszergazdákkal: Az adatbázissal vagy a rendszergazdával együttműködve segítséget kaphat egy adott adatforrás monitorozása során.
  • Együttműködés az átjáró rendszergazdáival: Az adatátjárón keresztül csatlakozó adatforrások esetén a hibaelhárítás során együttműködjön az átjáró rendszergazdájával.
  • Csatlakozás a támogatási csapat és az adatbázisgazdák számára: Győződjön meg arról, hogy a támogatási csapat tudja, hogyan léphet kapcsolatba az egyes adatforrások megfelelő rendszergazdáival (például a lekérdezések összecsukásának hibaelhárítása során).
  • Frissítési betanítás és útmutató: Az adatkészítők számára fontos információk és tippek a szervezeti adatforrásokkal való munkáról. Adjon meg információkat arról, hogy mi a teendő, ha valami hiba történik.

Adatfrissítés monitorozása

Az adatfrissítési művelet magában foglalja az adatok importálását az alapul szolgáló adatforrásokból egy Power BI szemantikai modellbe, adatfolyamba vagy adatmartba. Ütemezhet egy adatfrissítési műveletet, vagy igény szerint futtathatja.

Szolgáltatásiszint-szerződés

Az informatikai szolgáltatásszint-szerződések (SLA-k) gyakran használják az adategységekkel kapcsolatos elvárások dokumentálására. A Power BI esetében érdemes lehet SLA-t használni kritikus vagy vállalati szintű tartalmakhoz. Ez általában azt is magában foglalja, hogy a felhasználók mikor számíthatnak arra, hogy a szemantikai modell frissített adatai elérhetők lesznek. Lehet például egy SLA, amelyet minden adatfrissítésnek minden nap 7-ig végre kell hajtania.

Szemantikai modellnaplók

Az Azure Log Analyticsből vagy az SQL Profilerből származó szemantikai modell eseménynaplói (amelyet korábban ebben a cikkben ismertetünk) részletes információkat tartalmaznak arról, hogy mi történik egy szemantikai modellben. A rögzített események közé tartozik a szemantikai modell frissítési tevékenysége. Az eseménynaplók különösen hasznosak, ha szemantikai modellfrissítéseket kell elhárítania és kivizsgálnia.

Prémium szintű kapacitás szemantikai modellek

Ha Power BI Premium-kapacitásban üzemeltetett tartalommal rendelkezik, több képességgel rendelkezik az adatfrissítési műveletek monitorozására.

  • A Power BI frissítési összefoglalóinak lapja a felügyeleti portálon tartalmazza a frissítési előzmények összegzését. Ez az összefoglalás a frissítés időtartamáról és a hibaüzenetekről tartalmaz információkat.
  • A Power BI Premium-kihasználtság és a metrikák alkalmazás hasznos frissítési információkat is tartalmaz. Ez akkor hasznos, ha a Power BI Premium-kapacitás (P termékváltozat) vagy a Power BI Embedded (A termékváltozat) kapacitás frissítési tevékenységeit kell megvizsgálnia.

Továbbfejlesztett szemantikai modellfrissítések

A tartalomkészítők programozott módon is kezdeményezhetik a szemantikai modellek frissítését a Csoportos Power BI REST API Adathalmaz frissítése funkcióval végzett továbbfejlesztett frissítéssel. A bővített frissítés használatakor figyelheti a korábbi, az aktuális és a függőben lévő frissítési műveleteket.

Adatfrissítés ütemezésének monitorozása

A Power BI-rendszergazdák figyelhetik a bérlő adatfrissítési ütemezéseit, így megállapíthatják, hogy egy adott időkeretben (például 5 és 7 óra között) több frissítési művelet van-e egyidejűleg ütemezve, ami különösen elfoglalt adatfrissítési idő lehet. Rendszergazda istratorok hozzáférhetnek a szemantikai modell frissítési ütemezési metaadataihoz a metaadat-beolvasási API-kból, amelyeket szkenner API-knak neveznek.

A Power BI REST API-jai

Kritikus szemantikai modellek esetén ne kizárólag az e-mailes értesítésekre támaszkodzon az adatfrissítési problémák monitorozásához. Fontolja meg az adatfrissítési előzmények összeállítását egy központosított tárolóban, ahol figyelheti, elemezheti és kezelheti azokat.

Az adatok frissítési előzményeit az alábbiak használatával kérdezheti le:

Tipp.

Határozottan javasoljuk, hogy figyelje a szemantikai modellek frissítési előzményeit, hogy az aktuális adatok elérhetők legyenek a jelentések és irányítópultok számára. Azt is segít tudni, hogy az SLA-k teljesülnek-e.

Ellenőrzőlista – Az adatfrissítések monitorozásának tervezésekor a legfontosabb döntések és műveletek a következők:

  • Konkrét célok meghatározása: Az adatfrissítések monitorozása során egyértelművé tegye, hogy pontosan mit kell végrehajtania, és hogy milyen hatókörrel kell rendelkeznie a monitorozásnak (például éles szemantikai modellek, minősített szemantikai modellek stb.).
  • Fontolja meg az SLA beállítását: Annak meghatározása, hogy az SLA hasznos lenne-e az adatok rendelkezésre állásával kapcsolatos elvárások beállításához és az adatfrissítési ütemezések futtatásához.
  • Együttműködés az adatbázis- és átjáró-rendszergazdákkal: Az adatbázis- vagy rendszergazda(ok) és az átjáró-rendszergazdák együttműködése az adatfrissítések monitorozásához vagy hibaelhárításához.
  • Tudásátvitel a támogatási csapat számára: Győződjön meg arról, hogy a támogatási csapat tudja, hogyan segíthet a tartalomkészítőknek adatfrissítési problémák esetén.
  • Frissítési betanítás és útmutató: Az adatkészítők számára fontos információk és tippek az adatok szervezeti adatforrásokból és gyakori adatforrásokból való frissítéséről. Ajánlott eljárások és szervezeti beállítások az adatfrissítés kezeléséhez.
  • Az értesítésekhez használjon támogatási e-mail-címet: Kritikus tartalom esetén állítsa be a frissítési értesítéseket egy támogatási e-mail-cím használatára.
  • Központi frissítésfigyelés beállítása: A Power BI REST API-kkal állíthatja össze az adatfrissítési előzményeket.

Adatfolyam monitorozása

Power BI-adatfolyamot hozhat létre a Power Query Online-nal. A lekérdezési teljesítmény számos funkciója és a Korábban ismertetett Power Query-diagnosztika is alkalmazható.

Igény szerint úgy is beállíthatja a munkaterületeket, hogy a belső tárolás helyett az Azure Data Lake Storage Gen2-t használják adatfolyam-tároláshoz (más néven saját tároláshoz). Ha saját tárhelyet használ, fontolja meg a telemetriai adatok engedélyezését, hogy a tárfiók metrikáit monitorozni tudja. További információkért tekintse meg az önkiszolgáló adatelőkészítés használati forgatókönyvét és a speciális adat-előkészítési használati forgatókönyvet.

A Power BI REST API-kkal figyelheti az adatfolyam-tranzakciókat. Az adatfolyam-frissítések állapotának ellenőrzéséhez használja például az Adatfolyam-tranzakciók lekérése API-t.

A Power BI-adatfolyamok felhasználói tevékenységeit a Power BI tevékenységnaplójával követheti nyomon. További információ: Bérlőszintű naplózás.

Tipp.

Számos ajánlott eljárást alkalmazhat az adatfolyamtervek optimalizálásához. További információ: Adatfolyamok – ajánlott eljárások.

Datamart monitorozása

A Power BI-adatmart számos integrált összetevőt tartalmaz, köztük egy adatfolyamot, egy felügyelt adatbázist és egy szemantikai modellt. A cikk előző szakaszaiban megismerheti az egyes összetevők naplózását és monitorozását.

A Power BI-adatmartok felhasználói tevékenységeit a Power BI-tevékenységnapló használatával követheti nyomon. További információ: Bérlőszintű naplózás.

Kapcsolódó tartalom

A sorozat következő cikkében megismerheti a bérlői szintű naplózást.