Mértékek, kapcsolatok és vizualizációk teljesítményének áttekintése
Ha a szemantikai modell több táblával, összetett kapcsolattal, bonyolult számításokkal, több vizualizációval vagy redundáns adatokkal rendelkezik, akkor a jelentés gyenge teljesítményének lehetősége áll fenn. A jelentés gyenge teljesítménye rossz hatással lesz a felhasználói élményre is.
A teljesítmény optimalizálásához először meg kell határoznia, hogy honnan származik a probléma; vagyis megtudhatja, hogy a jelentés és a szemantikai modell mely elemei okozzák a teljesítményproblémákat. Ezután az azonosított problémák megoldásával javítható az általános teljesítmény is.
A jelentési teljesítmény szűk keresztmetszetének azonosítása
A jelentések optimális teljesítményének eléréséhez hatékony szemantikai modellt kell létrehoznia, amely gyorsan futó lekérdezésekkel és mértékekkel rendelkezik. Ha sikerül megteremtenie egy megfelelő alapot, onnantól a lekérdezéstervek és a függőségek vizsgálatával és módosításával tovább optimalizálhatja a modell teljesítményét.
Tekintse át a szemantikai modellben található mértékeket és lekérdezéseket, hogy a leghatékonyabb módszert használja a kívánt eredmények lekéréséhez. Kiindulásként azonosítani kell a kódban található szűk keresztmetszeteket. Amikor azonosítja a szemantikai modell leglassabb lekérdezését, először a legnagyobb szűk keresztmetszetre összpontosíthat, és létrehozhat egy prioritási listát a többi probléma megoldásához.
Teljesítményelemzés
A Power BI Desktop teljesítményelemzőjével megtudhatja, hogyan teljesít az egyes jelentéselemek, amikor a felhasználók használják őket. Meghatározhatja például, hogy mennyi ideig tartson frissíteni egy adott vizualizációt, ha azt a felhasználó kéri. A Teljesítményelemző segítségével azonosíthatja, melyek azok az elemek, amelyek hozzájárulnak a teljesítménnyel kapcsolatos problémákhoz, ez pedig hibaelhárításnál is hasznos lehet.
A Teljesítményelemző futtatása előtt, annak érdekében, hogy a lehető legpontosabb eredményt kapja az elemzés (teszt) során, győződjön meg róla, hogy kiürítette a vizualizációk és az adatmotor gyorsítótárait.
Vizualizációs gyorsítótár – Miután betöltött egy vizualizációt, a vizualizációs gyorsítótárat már csak a Power BI Desktop bezárásával és újbóli megnyitásával törölheti. Ahhoz, hogy a gyorsítótár ne befolyásolhassa az eredményeket, az elemzést üres vizualizációs gyorsítótárral kell indítani.
Annak érdekében, hogy biztosan üres vizualizációs gyorsítótárral kezdhesse az elemzést, adjon hozzá egy üres lapot a Power BI Desktop-fájlhoz (.pbix), majd válassza ki az adott oldalt, majd mentse és zárja be a fájlt. Ezután nyissa meg újra az elemezni kívánt Power BI Desktop-fájlt (.pbix). A fájl az üres lappal fog megnyílni.
Adatmotor-gyorsítótár – Lekérdezés futtatásakor a rendszer gyorsítótárazza az eredményeket, ezért az elemzés eredményei félrevezetőek lehetnek. A vizualizáció újrafuttatása előtt ki kell ürítenie az adatgyorsítótárat.
Az adatgyorsítótár törléséhez indítsa újra Power BI Desktop, vagy csatlakoztassa a DAX Studiót a szemantikai modellhez, majd hívja meg a Gyorsítótár törlése parancsot.
Ha kiürítette a gyorsítótárat és megnyitotta a Power BI Desktop-fájlt az üres lapon, lépjen a Nézet lapra, és válassza a Teljesítményelemző lehetőséget.
Az elemzési folyamat megkezdéséhez válassza a Rögzítés indítása lehetőséget, válassza ki az elemezni kívánt jelentés oldalát, és használja a jelentés mérni kívánt elemeit. A műveletek eredményei folyamatosan megjelennek a Teljesítményelemző panelén. Ha elkészült, kattintson a Leállítás gombra.
További információ: A jelentéselemek teljesítményének vizsgálata a Teljesítményelemzővel.
Az eredmények áttekintése
A teljesítményteszt eredményeit a Teljesítményelemző panelen tekintheti át. Ha a feladatokat az időtartamuk sorrendjében szeretné áttekinteni a leghosszabbtól a legrövidebbig, kattintson a jobb gombbal a Rendezés ikonra az Időtartam (ms) oszlopfejléc mellett, majd válassza a Teljes idő, majd a Csökkenő sorrendben lehetőséget.
Az egyes vizualizációk naplóadatai azt mutatják be, hogy mennyi idő telt el a következő feladatkategóriák elvégzéséhez:
DAX-lekérdezés – a lekérdezés elküldéséhez a vizualizáció számára szükséges idő, valamint az eredmények visszaküldéséhez az Analysis Services számára szükséges idő.
Vizualizáció megjelenítése – a vizualizációnak a képernyőn történő rendereléséhez szükséges idő, beleértve a webes képek vagy a geokódolás lekéréséhez szükséges időt.
Egyéb – a lekérdezések előkészítéséhez a vizualizáció számára szükséges idő, a többi vizualizáció vagy más, a háttérben futó feldolgozási feladatok elkészültére való várakozás ideje. Ha ez a kategória hosszú időtartamot jelenít meg, az egyetlen valós módszer az időtartam csökkentésére a DAX-lekérdezések más vizualizációk számára való optimalizálása, vagy a jelentésbe foglalt vizualizációk számának csökkentése.
Az elemzési teszt eredményei segítenek megérteni a szemantikai modell viselkedését, és azonosítani az optimalizálni kívánt elemeket. Összehasonlíthatja a jelentés egyes elemeinek időtartamát, és azonosíthatja a hosszú időt igénybe vevő elemeket. Érdemes ezekre az elemekre összpontosítania, és megvizsgálni, hogy miért tart sokáig betölteni ezeket a jelentés oldalán.
A lekérdezések részletesebb elemzéséhez használhatja a DAX Studiót, amely egy másik szolgáltatás által biztosított ingyenes, nyílt forráskódú eszköz.
Problémamegoldás és teljesítményoptimalizálás
Az elemzés eredményei megmutatják, hol lehet szükség javításra, és hogy milyen lehetőségek vannak a teljesítmény optimalizálására. Előfordulhat, hogy javítania kell a vizualizációkat, a DAX-lekérdezést vagy a szemantikai modell egyéb elemeit. A következő információk útmutatást nyújtanak a szükséges módosítások azonosításához és elvégzéséhez.
Vizualizációk
Ha azonosítja a gyenge teljesítményt okozó, szűk keresztmetszetet jelentő vizualizációkat, a felhasználói élményre gyakorolt jelentős hatás nélkül javíthatja a teljesítményt.
Fontolja meg a vizualizációk számát a jelentésoldalon; kevesebb vizualizáció jobb teljesítményt jelent. Gondolja át, hogy valóban szükség van-e az adott vizualizációra, és hogy az képvisel-e hozzáadott értéket a végfelhasználók számára. Ha a válasz nem, távolítsa el a vizualizációt. Ahelyett, hogy az oldalon több vizualizációt használna, fontolja meg a további információk biztosításának egyéb módjainak használatát, például a részletezési lapokat és a jelentésoldal elemleírásait.
Vizsgálja meg a mezők számát az egyes vizualizációkban. Minél több vizualizáció van a jelentésben, annál nagyobb a teljesítményproblémák esélye. Emellett a vizualizációk számának növekedésével a jelentés zsúfolttá válhat, és veszíthet az érthetőségéből. A vizualizációk felső korlátja 100 mező (mértékek vagy oszlopok), ezért a több mint 100 mezőt tartalmazó vizualizációk lassan töltődnek be. Gondolja végig, hogy valóban szüksége van-e az összes adatra egyetlen vizualizációban. Előfordulhat, hogy csökkenteni tudja a használt mezők számát.
DAX-lekérdezés
Ha megvizsgálja az eredményeket a Teljesítményelemző panelén, láthatja, hogy mennyi ideig tartott a Power BI Desktop motorjának az egyes lekérdezések kiértékelése (ezredmásodpercben). Jó kiindulási pont minden olyan DAX-lekérdezés, amely 120 ezredmásodpercnél hosszabb időt vesz igénybe. Ebben a példában egy adott lekérdezést azonosít, amely sok időt vesz igénybe.
A Teljesítményelemző kiemeli a lehetséges problémákat, de nem jeleníti meg, hogy mit kell tenni a megoldásukhoz. Érdemes lehet további vizsgálatot is elvégezni, és feltárni, hogy miért tart sokáig a mérés feldolgozása. A DAX Studio segítségével részletesebben is megvizsgálhatja a lekérdezéseket.
Válassza ki például a Lekérdezés másolása lehetőséget a számítási képlet vágólapra másolásához, majd illessze be a DAX Studióba. Ezt követően részletesebben is áttekintheti a számítási lépést. Ebben a példában a legalább öt megrendeléssel rendelkező termékek teljes számát szeretné megkapni.
Count Customers =
CALCULATE (
DISTINCTCOUNT ( Order[ProductID] ),
FILTER ( Order, Order[OrderQty] >= 5 )
)
A lekérdezés elemzése után a saját tudását és tapasztalatát felhasználva azonosíthatja a teljesítményproblémákat. Más DAX-függvényeket is kipróbálhat, és ellenőrizheti, hogy azok javítják-e a teljesítményt. A következő példában a FILTER függvényt a KEEPFILTER függvény váltotta fel. Amikor a tesztet újrafuttatták a Teljesítményelemzőben, az időtartam a KEEPFILTER függvénynek köszönhetően rövidebb lett.
Count Customers =
CALCULATE (
DISTINCTCOUNT ( Order[ProductID] ),
KEEPFILTERS (Order[OrderQty] >= 5 )
)
Ebben az esetben lecserélheti a FILTER függvényt a KEEPFILTER függvényre, hogy jelentősen csökkentse a lekérdezés kiértékelési idejét. Amikor elvégzi ezt a módosítást, ellenőrizze, hogy az időtartam javult-e vagy sem, ürítse az adatgyorsítótárat, majd futtassa újra a Teljesítményelemző folyamatot.
Szemantikai modell
Ha a mérések és a vizualizációk időtartama alacsony, nem azok okozzák a teljesítményproblémákat. Ehelyett, ha a DAX-lekérdezés nagy időtartamú értéket jelenít meg, valószínű, hogy egy mérték írása rosszul történik, vagy probléma történt a szemantikai modellel. A problémát a modellben lévő kapcsolatok, oszlopok vagy metaadatok okozhatják, illetve az Automatikus dátum/idő beállítás állapota, ahogy az a következő szakaszban is látható.
Kapcsolatok
Tekintse át a táblák közötti kapcsolatokat, hogy meggyőződjön arról, hogy megfelelő kapcsolatokat hozott létre. Győződjön meg arról, hogy a kapcsolati számosságtulajdonságok helyesen vannak konfigurálva. Előfordulhat például, hogy egy egyoldalas oszlop, amely egyedi értékeket tartalmaz, helytelenül van beállítva többoldalas oszlopként. A modul későbbi részében részletesebben is megismerheti, hogy hogyan befolyásolja a számosság a teljesítményt.
Oszlopok
Nem ajánlott olyan adatoszlopokat importálni, amelyek nem szükségesek. Ha el szeretné kerülni az oszlopok törlését a Power Query-szerkesztőben, próbálja meg a problémát a forrásánál kezelni, az adatok Power BI Desktopba való betöltéskor. Ha azonban nem tudja eltávolítani a redundáns oszlopokat a forráslekérdezésből, vagy az adatok már importálva lettek nyers állapotban, a Power Query-szerkesztővel bármikor megvizsgálhatja az egyes oszlopokat. Kérdezze meg magától, hogy valóban szüksége van-e minden oszlopra, és próbálja meg azonosítani az előnyöket, amelyeket mindegyik hozzáad a szemantikai modellhez. Ha úgy találja, hogy egy oszlop nem ad hozzá értéket, távolítsa el a szemantikai modellből. Tegyük fel például, hogy egy azonosítókat tartalmazó oszlop több ezer egyedi sorral rendelkezik. Biztosan tudja, hogy nem fogja használni az adott oszlopot a kapcsolataiban, ezért nem fogja használni a jelentésben. Ezért ezt az oszlopot szükségtelennek kell tekintenie, és be kell látnia, hogy a szemantikai modellben helyet veszt el.
Ha eltávolít egy felesleges oszlopot, csökkenti a szemantikai modell méretét, ami viszont kisebb fájlméretet és gyorsabb frissítési időt eredményez. Mivel a szemantikai modell csak releváns adatokat tartalmaz, a jelentés teljes teljesítménye javulni fog.
További információ: Adatmennyiség-csökkentési módszerek importált modellekhez.
Metaadatok
A metaadatok más adatokkal kapcsolatos információk. A Power BI-metaadatok információkat tartalmaznak a szemantikai modellről, például az egyes oszlopok nevét, adattípusát és formátumát, az adatbázis sémáját, a jelentéstervet, a fájl utolsó módosításának idejét, az adatfrissítési gyakoriságot és sok mást.
Amikor adatokat tölt be Power BI Desktop, érdemes elemezni a megfelelő metaadatokat, hogy azonosítani tudja a szemantikai modellel való inkonsztenciákat, és normalizálja az adatokat, mielőtt elkezdené a jelentések készítését. A metaadatok elemzésének futtatása javítja a szemantikai modell teljesítményét, mivel a metaadatok elemzése során azonosítja a felesleges oszlopokat, az adatokon belüli hibákat, a helytelen adattípusokat, a betöltendő adatok mennyiségét (a nagy szemantikai modellek, beleértve a tranzakciós vagy az előzményadatokat is), és még sok mást.
A Power BI Desktop Power Query-szerkesztője segítségével megvizsgálhatja a nyers adatok oszlopait, sorait és értékeit. Ezután használhatja az elérhető eszközöket a szükséges módosítások elvégzéséhez, például azokat, amelyeket a következő képernyőképen kiemeltünk.
A Power Query-lehetőségek többek között a következők:
Szükségtelen oszlopok – kiértékeli az egyes oszlopok szükségességét. Ha egy vagy több oszlop nem lesz felhasználva a jelentésben, és ezért szükségtelen, távolítsa el a Kezdőlapon található Oszlopok eltávolítása lehetőség segítségével.
Felesleges sorok – Ellenőrzi a szemantikai modell első néhány sorát, és ellenőrzi, hogy üresek-e, vagy olyan adatokat tartalmaznak-e, amelyekre nincs szüksége a jelentésekben; ha igen, eltávolítja ezeket a sorokat a Kezdőlap lap Sorok eltávolítása lehetőségével.
Adattípus – kiértékeli az oszlopok adattípusait annak ellenőrzésére, hogy helyesek-e. Ha azonosít egy helytelen adattípust, módosítsa azt az oszlop, majd az Átalakítás lapon az Adattípus lehetőség, majd a listából a megfelelő adattípus kiválasztásával.
Lekérdezésnevek – megvizsgálja a lekérdezések (táblák) neveit a Lekérdezések panelen. Ugyanúgy, ahogy az oszlopfejlécek neveinél, a nem gyakori vagy nem hasznos lekérdezésneveket olyan nevekre érdemes módosítania, amelyek egyértelműbbek vagy olyan nevek, amelyeket jobban ismernek a felhasználók. A lekérdezés átnevezéséhez kattintson a jobb gombbal a lekérdezésre, majd válassza az Átnevezés lehetőséget, adja meg a kívánt nevet, majd nyomja meg az Enter billentyűt.
Oszlopadatok – a Power Query-szerkesztő a következő három adatelőnézeti lehetőséggel rendelkezik, amelyek segítségével elemezheti az oszlopokhoz tartozó metaadatokat. Ezeket a beállításokat a Nézet lapon találja, ahogy az az alábbi képernyőképen is látható.
Oszlopminőség – meghatározza, hogy az oszlopban szereplő elemek hány százaléka érvényes, tartalmaz hibákat vagy üres. Ha az érvényes elemek százalékos értéke nem 100, vizsgálja meg az okot, javítsa ki a hibákat, és töltse ki az üres értékeket.
Oszlopeloszlás – Az egyes oszlopok értékeinek gyakoriságát és eloszlását jeleníti meg. Ezt ebben a modulban ismertetjük részletesen.
Oszlopprofil – Oszlopstatisztikai diagramot és oszlopterjesztési diagramot jelenít meg.
Megjegyzés
Ha egy több mint 1000 sorból álló nagy szemantikai modellt tekint át, és a teljes szemantikai modellt szeretné elemezni, módosítania kell az alapértelmezett beállítást az ablak alján. Válassza az Oszlopprofilozás lehetőséget az első 1000 sor> alapjánOszlopprofilozás a teljes adatkészlet alapján.
Egyéb metaadatok, amelyeket figyelembe kell vennie, a szemantikai modell egészére vonatkozó információk, például a fájlméret és az adatfrissítési arány. Ezek a kapcsolódó Power BI Desktop-fájlban (.pbix) találhatók. A Power BI Desktopba betöltött adatokat a VertiPaq tárolási összetevő tömöríti és tárolja a lemezen. A szemantikai modell mérete közvetlen hatással van a teljesítményére; egy kisebb méretű szemantikai modell kevesebb erőforrást (memóriát) használ, és gyorsabb adatfrissítést, számításokat és vizualizációk megjelenítését teszi elérjük a jelentésekben.
Automatikus dátum/idő funkció
Egy másik fontos elem a teljesítményoptimalizálásnál a Power BI Desktop Automatikus dátum/idő lehetősége. Ez a funkció alapértelmezés szerint globálisan engedélyezve van, ami azt jelenti, hogy a Power BI Desktop automatikusan létrehoz egy rejtett számított táblát minden dátumoszlophoz, amennyiben bizonyos feltételek teljesülnek. Az új, rejtett táblák a szemantikai modellben már meglévő táblák mellett találhatók.
A Automatikus dátum/idő beállítással időintelligenciát használhat naptári időszakok szűrésekor, csoportosításakor és részletezésekor. Azt javasoljuk, hogy csak akkor hagyja bekapcsolva az Automatikus dátum/idő beállítást, ha naptári időszakokkal dolgozik, és ha leegyszerűsített modellkövetelményekkel rendelkezik az időre vonatkozóan.
Ha az adatforrás már meghatározott egy dátum típusú dimenziótáblát, azzal konzisztens módon definiálhatja az időt a szervezetben, így kikapcsolhatja a globális Automatikus dátum/idő beállítást. Ha letiltja ezt a beállítást, csökkentheti a szemantikai modell méretét, és csökkentheti a frissítési időt.
Az Automatikus dátum/idő beállítást alkalmazhatja globálisan, így az minden Power BI Desktop-fájlra vonatkozik, vagy csak az aktuális fájlon, így csak arra vonatkozik.
Az automatikus dátum/idő beállítás engedélyezéséhez/letiltásához lépjen a Fájlbeállítások>és beállítások>beállítások területre, majd válassza a Globális vagy az Aktuális fájl lapot. A következő lapon válassza az Adatok betöltése lehetőséget, majd az Időintelligencia szakaszban igény szerint jelölje be a jelölőnégyzetet, vagy törölje abból a jelölést.
Az Automatikus dátum/idő funkció áttekintéséhez és általános bevezetéséhez tekintse meg a Automatikus dátum/idő alkalmazása a Power BI Desktopba című témakört.