Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Direct Lake adalah opsi mode penyimpanan tabel model semantik Power BI tersedia di Microsoft Fabric. Ini dioptimalkan agar data dalam volume besar dimuat dengan cepat ke dalam memori dari tabel Delta yang tersedia di OneLake—penyimpanan tunggal untuk semua data analitik. Setelah dimuat ke dalam memori, model semantik memungkinkan analisis interaktif berkinerja tinggi.
Direct Lake sangat ideal untuk model semantik yang terhubung ke lakehouse Fabric besar, gudang, dan sumber data Fabric lainnya dengan tabel Delta. Direct Lake sangat berguna saat mereplikasi seluruh volume data ke dalam tabel Impor tidak praktis atau tidak mungkin. Kueri Direct Lake dan Impor diproses oleh mesin kueri VertiPaq, sedangkan DirectQuery menggabungkan kueri ke sumber data yang mendasarinya. Kueri Direct Lake dan Impor biasanya mengungguli kueri DirectQuery saat memuat dan berinteraksi dengan visual dalam laporan.
Namun, Direct Lake berbeda dari mode Impor dengan cara yang penting: operasi refresh untuk model semantik Direct Lake secara konseptual berbeda dari operasi refresh untuk model semantik Impor. Mode impor mereplikasi data dan membuat seluruh salinan data yang di-cache untuk model semantik, sedangkan refresh Direct Lake hanya menyalin metadata (dikenal sebagai pembingkaian, dijelaskan nanti dalam artikel ini), yang dapat memakan waktu beberapa detik untuk diselesaikan. Refresh Direct Lake adalah operasi bernilai rendah yang menganalisis metadata versi terbaru tabel Delta dan memperbarui referensi ke file terbaru di OneLake. Sebaliknya, refresh Impor menghasilkan salinan data, yang dapat memakan waktu yang cukup lama dan mengonsumsi sumber data dan sumber daya kapasitas yang signifikan (memori dan CPU). Direct Lake memindahkan persiapan data ke OneLake dan, dengan demikian, menggunakan luasnya teknologi Fabric untuk persiapan data, termasuk pekerjaan Spark, pernyataan T-SQL DML, aliran data, alur, dan banyak lagi.
Mode penyimpanan Direct Lake menawarkan manfaat utama berikut:
- Mirip dengan mode Impor, kueri Direct Lake diproses oleh mesin VertiPaq, dan dengan demikian memberikan performa kueri yang sebanding dengan mode Impor tanpa overhead manajemen siklus refresh data untuk memuat seluruh volume data.
- Menggunakan investasi Fabric yang ada dengan berintegrasi dengan mulus dengan lakehouse besar, gudang, dan sumber Fabric lainnya dengan tabel Delta. Misalnya, Direct Lake adalah pilihan ideal untuk lapisan analitik gold dalam arsitektur medallion lakehouse.
- Memaksimalkan pengembalian investasi (ROI) karena volume data yang dianalisis dapat melebihi batas memori maksimum kapasitas, karena hanya data yang diperlukan untuk menjawab kueri yang dimuat ke dalam memori.
- Meminimalkan latensi data dengan menyinkronkan model semantik dengan sumbernya dengan cepat dan otomatis, membuat data baru tersedia untuk pengguna bisnis tanpa me-refresh jadwal.
Petunjuk
Performa Direct Lake tergantung pada tabel Delta yang disetel dengan baik. Untuk panduan komprehensif tentang mengoptimalkan tabel untuk konsumsi Direct Lake, termasuk rekomendasi V-Order dan grup baris, lihat Pemeliharaan dan pengoptimalan tabel lintas beban kerja.
Kapan Anda harus menggunakan mode penyimpanan Direct Lake?
Kasus penggunaan utama untuk mode penyimpanan Direct Lake biasanya untuk proyek analitik berbasis IT yang menggunakan arsitektur yang ber sentris danau. Dalam skenario seperti itu, Anda memiliki, atau mengharapkan untuk mengumpulkan data dalam volume besar di OneLake. Pemuatan cepat data tersebut ke dalam memori, operasi refresh yang sering dan cepat, penggunaan sumber daya kapasitas yang efisien, dan performa kueri yang cepat semuanya penting untuk kasus penggunaan ini.
Nota
Tabel Impor dan DirectQuery dalam model semantik masih relevan dalam Fabric, dan merupakan pilihan model semantik yang tepat untuk beberapa skenario. Misalnya, Mode penyimpanan Impor sering berfungsi dengan baik bagi analis layanan mandiri yang membutuhkan kebebasan dan kelincahan untuk bertindak dengan cepat, dan tanpa dependensi pada IT untuk menambahkan elemen data baru.
Model semantik dengan tabel Impor dan tabel Direct Lake menawarkan skala dan fleksibilitas yang diperlukan untuk banyak skenario BI.
Selain itu, integrasi OneLake secara otomatis menulis data untuk tabel dalam mode Impor penyimpanan ke tabel Delta di OneLake tanpa melibatkan upaya migrasi apa pun, yang memungkinkan Anda menyadari banyak manfaat Fabric yang tersedia untuk Mengimpor pengguna model semantik, seperti integrasi dengan lakehouse melalui pintasan, Kueri SQL, buku catatan, dan lainnya. Kami merekomendasikan opsi ini sebagai cara cepat untuk menuai manfaat Fabric tanpa harus atau segera mendesain ulang gudang data dan/atau sistem analitik yang ada.
Direct Lake bergantung pada persiapan data yang diolah di data lake. Penyiapan data dapat dilakukan dengan menggunakan berbagai alat, seperti pekerjaan Spark untuk Fabric lakehouse, pernyataan DML T-SQL untuk gudang Fabric, aliran data, alur, dan lainnya, yang membantu memastikan bahwa logika persiapan data dilakukan di hulu dalam arsitektur untuk memaksimalkan penggunaan kembali. Namun, jika penulis model semantik tidak memiliki kemampuan untuk memodifikasi item sumber, misalnya, jika analis layanan mandiri tidak memiliki izin tulis di lakehouse yang dikelola oleh IT, maka menambah model dengan tabel Mode penyimpanan Impor mungkin merupakan pilihan yang baik, karena mode Impor mendukung persiapan data dengan menggunakan Power Query, yang didefinisikan sebagai bagian dari model semantik.
Pastikan bahwa Anda mempertimbangkan lisensi kapasitas Fabric Anda saat ini dan batas kapasitas Fabric saat Anda mempertimbangkan mode penyimpanan Direct Lake. Juga, perhitungkan pertimbangan dan batasan yang dijelaskan nanti dalam artikel ini.
Petunjuk
Kami menyarankan agar Anda menghasilkan prototipe —atau proof of concept (POC)—untuk menentukan apakah model semantik Direct Lake adalah solusi yang tepat, dan untuk mengurangi risiko.
Konsep dan terminologi utama
Artikel ini mengasumsikan keakraban dengan konsep berikut:
Pengguna memuat dan berinteraksi dengan visual dalam laporan Power BI yang menghasilkan kueri DAX ke model semantik.
Mode penyimpanan: Model semantik memproses kueri DAX secara berbeda tergantung pada mode penyimpanan tabel yang digunakan. Contohnya:
- Mode penyimpanan Impor dan Direct Lake menggunakan mesin VertiPaq untuk memproses kueri DAX dan mengembalikan hasil ke laporan dan pengguna Power BI.
- DirectQuery menerjemahkan kueri DAX ke sintaks kueri sumber data, seperti kueri SQL, dan menjalankannya pada database sumber yang mendasarinya. Database sumber ini biasanya tidak dioptimalkan untuk beban kueri berat yang berasal dari laporan dan kueri agregat yang diperlukan oleh tampilan visual, dan ini dapat mengakibatkan performa yang lebih lambat jika dibandingkan dengan mode "Impor" dan "Danau Langsung."
Mode penyimpanan adalah properti tabel dalam model semantik. Ketika model semantik menyertakan tabel dengan mode penyimpanan yang berbeda, model tersebut disebut sebagai model komposit. Untuk informasi selengkapnya tentang mode penyimpanan, lihat Semantic model modes di Power BI Service.
Mode penyimpanan tabel Direct Lake memiliki dua opsi:
Direct Lake di OneLake dapat menggunakan data dari satu atau beberapa sumber data Fabric dengan tabel Delta. Direct Lake di OneLake tidak dapat beralih kembali ke mode DirectQuery melalui titik akhir analitik SQL dari sumber data. Model semantik dengan Direct Lake pada tabel OneLake juga dapat menambahkan tabel Impor dari sumber data lainnya.
Direct Lake di SQL dapat menggunakan data dari satu sumber data Fabric dengan tabel Delta. Endpoint analitik SQL digunakan untuk penemuan tabel Delta dan tampilan SQL serta pemeriksaan izin. Direct Lake pada titik akhir SQL beralih ke mode penyimpanan tabel DirectQuery saat data tidak dapat dimuat langsung dari tabel Delta, misalnya ketika sumber data berupa tampilan SQL atau saat gudang data menggunakan kontrol akses terperinci berbasis SQL. Properti model semantik, perilaku Direct Lake, mengatur perilaku fallback.
Perbandingan mode penyimpanan
Tabel berikut membandingkan mode penyimpanan Direct Lake dengan mode penyimpanan Impor dan DirectQuery.
| Kemampuan | Danau Langsung di OneLake | Direct Lake pada endpoint SQL | Mengimpor | DirectQuery |
|---|---|---|---|---|
| Perizinan | langganan kapasitas Fabric (SKU) saja | langganan kapasitas Fabric (SKU) saja | Lisensi Fabric atau Power BI apa pun (termasuk lisensi gratis Microsoft Fabric) | Lisensi Fabric atau Power BI apa pun (termasuk lisensi gratis Microsoft Fabric) |
| Sumber data | Tabel sumber data Fabric apa pun yang didukung oleh tabel Delta | Hanya lakehouse atau tabel gudang (atau tampilan) | Konektor apa pun | Konektor apa pun yang mendukung mode DirectQuery |
| Menyambungkan ke tampilan titik akhir analitik SQL | Tidak | Ya – tetapi akan secara otomatis kembali ke mode DirectQuery | Ya | Ya |
| Model komposit | Ya - dapat dikombinasikan dengan tabel mode penyimpanan Impor dalam pemodelan web Power BI dan tabel DirectQuery menggunakan alat XMLA. | Tidak ada 1 | Ya – dapat dikombinasikan dengan tabel mode penyimpanan DirectQuery, Dual, dan Direct Lake | Ya – dapat dikombinasikan dengan tabel mode penyimpanan Impor, Ganda, dan Direct Lake |
| Sistem masuk tunggal (SSO) | Ya | Ya | Tidak berlaku | Ya |
| Tabel terhitung | Ya (pratinjau) – tabel kalkulasi didukung pada Direct Lake di OneLake; lihat pertimbangan dan batasan. | Tidak – kecuali grup perhitungan , parameter "what-if" , dan parameter bidang , yang secara implisit membentuk tabel terhitung. | Ya | Tidak – tabel terhitung menggunakan mode penyimpanan Impor meskipun merujuk ke tabel lain dalam mode DirectQuery. |
| Kolom yang dihitung | Ya - Konteks Pengguna Saja (Pratinjau) | Tidak | Ya | Ya |
| Tabel hibrid | Tidak | Tidak | Ya | Ya |
| Partisi model tabel | Tidak – namun pemartisian dapat dilakukan di tingkat tabel Delta | Tidak – namun pemartisian dapat dilakukan di tingkat tabel Delta | Ya – dibuat secara otomatis oleh pencadangan bertahap, atau dibuat secara manual dengan menggunakan titik akhir XMLA | Tidak |
| Agregasi yang ditentukan pengguna | Tidak | Tidak | Ya – Mengimpor tabel agregasi pada tabel DirectQuery didukung | Ya |
| Keamanan tingkat objek titik akhir analitik SQL atau keamanan tingkat kolom | Tidak | Ya – tetapi mungkin menghasilkan kesalahan ketika izin ditolak | Ya – tetapi harus menduplikasi izin dengan keamanan tingkat objek pada model semantik | Ya – tetapi kueri mungkin menghasilkan kesalahan saat izin ditolak |
| Keamanan tingkat baris titik akhir analitik SQL (RLS) | Tidak | Ya – tetapi kueri akan kembali ke mode DirectQuery | Ya – tetapi harus menduplikasi izin dengan RLS model semantik | Ya |
| Model semantik keamanan tingkat baris (RLS) | Ya – tetapi sangat disarankan untuk menggunakan koneksi cloud dengan identitas tetap | Ya – tetapi sangat disarankan untuk menggunakan koneksi cloud dengan identitas tetap | Ya | Ya |
| Keamanan tingkat objek model semantik (OLS) | Ya | Ya | Ya | Ya |
| Volume data besar tanpa persyaratan refresh | Ya | Ya | Tidak | Ya |
| Mengurangi latensi data | Ya – saat pembaruan otomatis diaktifkan, atau penataan ulang secara terprogram | Ya – saat pembaruan otomatis diaktifkan, atau penataan ulang secara terprogram | Tidak | Ya |
| Power BI Embedded | Ya 2 | Ya 2 | Ya | Ya |
1 Saat menggunakan Direct Lake pada titik akhir SQL, Anda tidak dapat menggabungkan tabel mode penyimpanan Direct Lake dengan tabel mode Penyimpanan DirectQuery atau Ganda dalam model semantik yang sama. Namun, Anda dapat menggunakan Power BI Desktop untuk membuat model komposit pada model semantik Direct Lake dan kemudian memperluasnya dengan tabel baru (dengan menggunakan mode impor, DirectQuery, atau Penyimpanan ganda) atau perhitungan. Untuk informasi selengkapnya, lihat Membangun model komposit pada model semantik.
2 Memerlukan token semat V2. Jika Anda menggunakan prinsipal layanan, Anda harus menggunakan identitas tetap koneksi awan.
Untuk detail tentang cara kerja Direct Lake, termasuk pemuatan kolom (transcoding), pembingkaian, pembaruan otomatis, dan fallback DirectQuery, lihat Cara kerja Direct Lake.
Untuk detail tentang izin, autentikasi, OLS/RLS, dan opsi aturan akses data, lihat Mengintegrasikan keamanan Direct Lake.
persyaratan kapasitas Fabric
Model semantik Direct Lake memerlukan lisensi kapasitas Fabric. Selain itu, ada pagar pembatas kapasitas dan batasan yang berlaku untuk langganan kapasitas (SKU) Fabric Anda, seperti yang disajikan dalam tabel berikut.
Penting
Kolom pertama dalam tabel berikut ini juga menyertakan langganan kapasitas Premium (SKU P) Power BI. SKU Power BI Premium per kapasitas akan dihentikan. Penerapan baru sebaiknya menggunakan langganan kapasitas Fabric (SKU F).
Untuk informasi selengkapnya, lihat gambaran umum migrasi Power BI Premium ke Microsoft Fabric.
| Produk SKU Fabric | File format parquet untuk setiap tabel | Kelompok baris per tabel | Baris per tabel (jutaan) | Ukuran model maksimum pada disk/OneLake (GB) | Memori maksimum (GB) 1 |
|---|---|---|---|---|---|
| F2 | 1,000 | 1,000 | 300 | 10 | 3 |
| F4 | 1,000 | 1,000 | 300 | 10 | 3 |
| F8 | 1,000 | 1,000 | 300 | 10 | 3 |
| F16 | 1,000 | 1,000 | 300 | 20 | 5 |
| F32 | 1,000 | 1,000 | 300 | 40 | 10 |
| F64/FT1/P1 | 5.000 | 5.000 | 1,500 | Tak Terbatas | Dua puluh lima |
| F128/P2 | 5.000 | 5.000 | 3.000 | Tak Terbatas | 50 |
| F256/P3 | 5.000 | 5.000 | 6.000 | Tak Terbatas | 100 |
| F512/P4 | 10.000 | 10.000 | 12,000 | Tak Terbatas | 200 |
| F1024/P5 | 10.000 | 10.000 | 24,000 | Tak Terbatas | 400 |
| F2048 | 10.000 | 10.000 | 24,000 | Tak Terbatas | 400 |
| F4096 | 10.000 | 10.000 | 24,000 | Tak Terbatas | 400 |
| F8192 | 10.000 | 10.000 | 24,000 | Tak Terbatas | 400 |
1 Untuk model semantik Direct Lake, Memori Maksimal mewakili batas atas sumber daya memori untuk berapa banyak data yang dapat dimuat. Untuk alasan ini, ini bukan pagar pembatas; namun, hal ini dapat berdampak pada performa jika jumlah data cukup besar untuk menyebabkan paging yang berlebihan masuk dan keluar dari data model dari data OneLake.
Jika pagar pembatas terlampaui, perilaku bergantung pada mode penyimpanan tabel:
- Direct Lake di OneLake: Mirip dengan mode Impor, refresh gagal dan model tidak dapat diakses hingga tabel Delta dioptimalkan agar sesuai dengan batasan pembatas.
- Direct Lake di SQL: Kembali ke mode DirectQuery jika fallback diaktifkan. Refresh berhasil dengan peringatan, dan kueri masih mengembalikan hasil, tetapi dengan performa yang lebih lambat.
Ukuran model Maks pada pagar pembatas disk/OneLake dievaluasi pada tingkat model dan memengaruhi semua kueri. Semua pagar pembatas lain yang disajikan dalam tabel dievaluasi per kueri. Oleh karena itu, penting bagi Anda untuk mengoptimalkan tabel Delta Anda dan model semantik Direct Lake guna menghindari keharusan meningkatkan skala ke SKU Fabric yang lebih tinggi.
Selain itu, unit Kapasitas dan Batas maksimum memori per kueri berlaku untuk model semantik Direct Lake. Untuk informasi selengkapnya, lihat Kapasitas dan SKU.
Pertimbangan dan batasan
Model semantik Direct Lake memiliki beberapa pertimbangan dan batasan.
Nota
Kemampuan dan fitur model semantik Direct Lake berkembang dengan cepat. Pastikan untuk memeriksa kembali secara berkala untuk meninjau daftar pertimbangan dan batasan terbaru.
| Pertimbangan /batasan | Danau Langsung di OneLake | Direct Lake pada SQL (titik akhir analitik) |
|---|---|---|
| Ketika titik akhir analitik SQL memberlakukan keamanan tingkat baris, kueri DAX diproses secara berbeda tergantung pada jenis mode Direct Lake yang digunakan. Ketika Direct Lake di OneLake digunakan, kueri akan berhasil, dan RLS berbasis SQL tidak diterapkan. Direct Lake on OneLake mengharuskan pengguna memiliki akses ke file di OneLake, yang tidak mengamati RLS berbasis SQL. |
Kueri akan berhasil. | Ya, kecuali fallback dinonaktifkan dalam hal ini kueri akan gagal. |
| Jika tabel dalam model semantik didasarkan pada tampilan SQL (tidak terwujud), kueri DAX diproses secara berbeda tergantung pada jenis mode Direct Lake yang digunakan. Direct Lake pada endpoint SQL akan beralih ke DirectQuery dalam situasi ini. Anda tidak dapat membuat Direct Lake pada tabel OneLake berdasarkan tampilan SQL yang tidak terwujudkan secara fisik. Sebagai gantinya, Anda dapat menggunakan tampilan materialisasi lakehouse karena tabel Delta dibuat. Atau, gunakan mode penyimpanan yang berbeda seperti Impor atau Direct Lake untuk tabel berdasarkan view SQL yang tidak termaterialisasi. |
Tidak berlaku | Ya, kecuali fallback dinonaktifkan dalam hal ini kueri akan gagal. |
| Pemodelan komposit berarti tabel model semantik Direct Lake dapat dicampur dengan tabel dalam mode penyimpanan lain, seperti Impor, DirectQuery, atau Dual (kecuali kasus khusus, termasuk kelompok perhitungan, parameter what-if, dan parameter bidang). | Didukung | Tidak didukung |
| Kolom terhitung dan tabel terhitung yang mengacu pada kolom atau tabel dalam mode penyimpanan Direct Lake. Grup perhitungan, parameter what-if, dan parameter lapangan, yang membuat tabel terhitung secara implisit, dan tabel terhitung yang tidak mereferensikan kolom atau tabel Direct Lake didukung di semua skenario. | Ya - Kolom Terhitung hanya berlaku untuk konteks pengguna | Tidak didukung |
| Tabel mode penyimpanan Direct Lake tidak mendukung jenis kolom tabel Delta yang kompleks. Jenis semantik biner dan GUID juga tidak didukung. Anda harus mengonversi jenis data ini menjadi string atau jenis data lain yang didukung. | Tidak didukung | Tidak didukung |
| Hubungan tabel mengharuskan tipe data kolom terkait cocok. | Ya | Ya |
| Kolom hubungan satu sisi harus berisi nilai unik. Kueri gagal jika nilai duplikat terdeteksi dalam kolom satu sisi. | Ya | Ya |
| Kecerdasan otomatis tanggal/waktu di Power BI Desktop untuk hanya menggunakan bagian tanggal dari kolom tanggal waktu dalam membuat hubungan. Catatan: Menandai tabel tanggal yang Anda buat sendiri sebagai tabel tanggal dan mendukung pembuatan hubungan menggunakan kolom tanggal. | Didukung | Tidak didukung |
| Panjang nilai kolom string dibatasi hingga 32.764 karakter Unicode. | Ya | Ya |
| Nilai titik mengambang non-numerik, seperti NaN (bukan angka), tidak didukung. | Ya | Ya |
| Publish ke web dari Power BI menggunakan perwakilan layanan hanya didukung saat menggunakan identitas fiks untuk model semantik Direct Lake. | Ya | Ya |
| Dalam pengalaman pemodelan web , validasi terbatas untuk model semantik Direct Lake. Pilihan pengguna diasumsikan benar, dan tidak ada kueri yang dikeluarkan untuk memvalidasi pilihan kardinalitas atau filter silang untuk hubungan, atau untuk kolom tanggal yang dipilih dalam tabel tanggal yang ditandai. | Ya | Ya |
| Di portal Fabric, tab Direct Lake di riwayat refresh mencantumkan kegagalan refresh terkait Direct Lake. Operasi refresh (pembingkaian) yang berhasil biasanya tidak tercantum kecuali status refresh berubah, seperti dari tidak ada kegagalan eksekusi atau refresh sebelumnya untuk menyegarkan keberhasilan atau menyegarkan keberhasilan dengan peringatan. | Ya | Ya |
| SKU Fabric Anda menentukan memori maksimum yang tersedia per model semantik Direct Lake untuk kapasitas tersebut. Jika batas terlampaui, kueri ke model semantik kemungkinan akan lebih lambat karena proses paging data model yang berlebihan. | Ya | Ya |
| Membuat model semantik Direct Lake di ruang kerja yang berada di wilayah berbeda dari ruang kerja sumber data tidak didukung. Misalnya, jika Lakehouse berada di US Tengah Barat, maka Anda hanya dapat membuat model semantik dari Lakehouse ini di wilayah yang sama. Untuk menemukan wilayah tempat Anda berada, lihat menemukan wilayah asal Fabric Anda. | Ya | Ya Solusi sementara adalah membuat lakehouse di ruang kerja wilayah lain dan membuat pintasan ke tabel sebelum membuat model semantik. |
| Menyematkan laporan memerlukan token semat V2. | Ya | Ya |
| Profil prinsipal layanan untuk autentikasi. | Tidak didukung | Tidak didukung |
| Model semantik Direct Lake di Power BI dapat dikueri dan dibuat oleh Principal Layanan, dan keanggotaan peran Penampil dengan Principal Layanan didukung, tetapi model semantik Direct Lake default di lakehouse/warehouse tidak mendukung skenario ini. | Ya | Ya |
| Pintasan di lakehouse dapat digunakan sebagai sumber data untuk tabel model semantik. | Didukung | Didukung |
| Buat model Direct Lake di ruang kerja pribadi (Ruang Kerja Saya). | Tidak didukung | Tidak didukung |
| Aturan alur penyebaran untuk mengikat kembali sumber data. | Tidak didukung secara langsung - dapat membuat ekspresi parameter untuk digunakan di string koneksi. | Didukung |
| Menambahkan beberapa tabel dari tabel sumber data yang sama. | Tidak didukung di Power BI Desktop atau pemodelan web. Dimungkinkan untuk menambahkan beberapa tabel dari tabel sumber data yang sama menggunakan alat eksternal berbasis XMLA. Menggunakan tabel Edit dalam alat Power BI dan refresh mengakibatkan kesalahan dengan beberapa tabel dari tabel sumber data yang sama dalam model semantik. | Tidak didukung di Power BI Desktop atau pemodelan web. Dimungkinkan untuk menambahkan beberapa tabel dari tabel sumber data yang sama menggunakan alat eksternal berbasis XMLA. Menggunakan tabel Edit dalam alat Power BI dan refresh mengakibatkan kesalahan dengan beberapa tabel dari tabel sumber data yang sama dalam model semantik. |
| Tabel Direct Lake yang dibuat dengan menggunakan aplikasi XMLA pada awalnya dalam status tidak diproscesikan hingga aplikasi mengirim perintah refresh. Pastikan untuk merefresh model untuk memproses tabelnya saat Anda membuat model semantik baru. | Kueri yang melibatkan tabel yang tidak diolah mengembalikan kesalahan. | Kueri yang melibatkan tabel yang tidak diolah kembali ke mode DirectQuery, kecuali fallback dinonaktifkan dalam hal ini kueri gagal. |
Alat yang mematuhi XMLA harus mendukung compatibilityLevel 1604 atau lebih tinggi untuk bekerja dengan model semantik Direct Lake dan mengekspos metadata khusus Direct Lake. |
Ya | Ya |
| Menggunakan gateway apa pun (lokal atau VNET) untuk me-refresh model semantik Direct Lake | Tidak didukung. Direct Lake di OneLake hanya mendukung koneksi cloud dan tidak dapat beroperasi melalui gateway apa pun. | Tidak didukung. Direct Lake di SQL (titik akhir analitik) hanya mendukung koneksi cloud dan tidak dapat beroperasi melalui gateway apa pun. |
Analisis dalam tabel pivot Excel (dan klien MDX lainnya) memiliki batasan yang sama dengan DirectQuery dengan tabel Direct Lake dalam model semantik. Pernyataan MDX yang berlaku untuk sesi, seperti set yang dinamai, anggota yang dihitung, anggota default, dll. tidak didukung. Pernyataan MDX yang berlaku untuk kueri, seperti klausa 'WITH', didukung. Hierarki yang ditentukan oleh pengguna pada tabel Direct Lake tidak didukung. Hierarki yang didefinisikan pengguna pada tabel impor didukung bahkan dengan tabel Direct Lake dalam model semantik.
Power BI Desktop dapat langsung mengedit model semantik dengan tabel Direct Lake dan Tabel impor. Grup perhitungan, parameter bagaimana-jika, dan parameter bidang, yang secara implisit membuat tabel terhitung, dan tabel terhitung yang tidak mereferensikan kolom atau tabel Direct Lake juga dapat disertakan.
Power BI pemodelan web dapat membuka model semantik apa pun, termasuk tabel Direct Lake dengan tabel mode penyimpanan lainnya.
```plaintext Tampilan kueri DAX saat pengeditan langsung atau koneksi langsung, serta penulisan kueri DAX di web, didukung untuk Direct Lake dengan SQL, Direct Lake dengan OneLake, dan model semantik komposit sejati (Direct Lake dengan OneLake + Impor dari sumber data apa pun). ```
Tampilan TMDL didukung saat pengeditan langsung di Power BI Desktop.
Membuat laporan dengan koneksi langsung didukung untuk semua model semantik, ketika penulis laporan memiliki setidaknya akses build.
Ekspresi koneksi Direct Lake pada SQL dalam model semantik harus merujuk ke titik akhir analitik SQL dengan GUID, bukan dengan nama yang mudah dibaca, untuk menggunakan operasi Edit tabel dan refresh di Power BI Desktop dan pemodelan di web Power BI. Ekspresi koneksi dapat diperbarui dalam tampilan TMDL atau alat eksternal berbasis XMLA. GUID tersedia di URL saat melihat titik akhir analitik SQL di browser.