Bevezetés a teljesítményoptimalizálásba
A teljesítményoptimalizálás, más néven a teljesítmény finomhangolása magában foglalja a szemantikai modell aktuális állapotának módosítását, hogy hatékonyabban fusson. A szemantikai modell optimalizálása lényegében jobb teljesítményt jelent.
Előfordulhat, hogy egy jelentés megfelelően fut a tesztelési és a fejlesztési környezetben, azonban éles környezetben, szélesebb körű felhasználás mellett már teljesítménybeli problémák merülnek fel. A jelentéshasználó szemszögéből nézve az alacsony teljesítményt az jelöli, hogy a jelentésoldalak lassabban töltenek be, a vizualizációk pedig lassabban frissülnek. Az alacsony teljesítmény rossz felhasználói élményt eredményez.
Adatelemzőként az adatokkal végzett munka körülbelül 90 százalékát fogja tölteni, és tízből kilenc esetben a gyenge teljesítmény egy rossz szemantikai modell, a rossz adatelemzési kifejezések (DAX) vagy a kettő kombinációjának közvetlen eredménye. A szemantikai modell teljesítményre való tervezésének folyamata fárasztó lehet, és gyakran alábecsülik. Ha azonban a fejlesztés során teljesítményproblémákat kezel, egy robusztus Power BI szemantikai modellel rendelkezik, amely jobb jelentési teljesítményt és pozitívabb felhasználói élményt biztosít. Végső soron képes lesz megtartani az optimalizált teljesítményt. A szervezet növekedésével az adatok mérete növekszik, és a szemantikai modell összetettebbé válik. A szemantikai modell korai optimalizálásával csökkentheti a szemantikai modell teljesítményére gyakorolt negatív hatást.
A kisebb méretű szemantikai modellek kevesebb erőforrást (memóriát) használnak, és gyorsabb adatfrissítést, számításokat és vizualizációk megjelenítését teszik elérjük a jelentésekben. Ezért a teljesítményoptimalizálási folyamat magában foglalja a szemantikai modell méretének minimalizálását és a modellben található adatok leghatékonyabb felhasználását, amely magában foglalja a következőket:
A megfelelő adattípusok használatának biztosítása.
A szükségtelen oszlopok és sorok törlése.
Az ismétlődő értékek kerülése.
A numerikus oszlopok lecserélése mértékekre.
A számosságok csökkentése.
A modell metaadatainak elemzése.
Adatösszesítés mindenhol, ahol lehetséges.
Ebben a modulban megismerheti azokat a lépéseket, folyamatokat és fogalmakat, amelyek a szemantikai modell nagyvállalati szintű teljesítményre való optimalizálásához szükségesek. Ne feledje azonban, hogy bár a Power BI alapszintű teljesítmény- és ajánlott eljárásokkal kapcsolatos útmutatója hosszú utat vezet, a szemantikai modell lekérdezési teljesítményre való optimalizálásához valószínűleg egy adatszakértővel kell együttműködnie, hogy a szemantikai modellek optimalizálása a forrás adatforrásokban legyen.
Tegyük fel például, hogy a Tailwind Traders cégnek dolgozik Microsoft Power BI-fejlesztőként. Kapott egy feladatot, hogy áttekintse a szemantikai modellt, amelyet néhány évvel ezelőtt egy másik fejlesztő, egy személy készített, aki azóta elhagyta a szervezetet.
A szemantikai modell létrehoz egy jelentést, amely negatív visszajelzést kapott a felhasználóktól. Elégedettek ugyanis a jelentés eredményeivel, azonban annak teljesítményével nem. A jelentésoldalak betöltése túl lassú, a táblák pedig nem frissülnek elég gyorsan bizonyos kijelölések esetén. A visszajelzések mellett az informatikai csapat kiemelte, hogy az adott szemantikai modell fájlmérete túl nagy, és ez megterheli a szervezet erőforrásait.
A teljesítményproblémák kiváltó okának azonosításához és a teljesítmény optimalizálásához át kell tekintenie a szemantikai modellt.
A modul végére a következőkre lesz képes:
Mértékek, kapcsolatok és vizualizációk teljesítményének áttekintése.
A teljesítmény növelése és hibaelhárítás változókkal.
A teljesítmény növelése a számossági szintek csökkentésével.
DirectQuery-modellek optimalizálása táblaszintű tárolással.
Összesítések létrehozása és kezelése.