Acara
Bergabunglah dengan kami di FabCon Vegas
31 Mar, 23 - 2 Apr, 23
Acara utama yang dipimpin komunitas Microsoft Fabric, Power BI, SQL, dan AI. 31 Maret hingga 2 April 2025.
Daftar hari iniBrowser ini sudah tidak didukung.
Mutakhirkan ke Microsoft Edge untuk memanfaatkan fitur, pembaruan keamanan, dan dukungan teknis terkini.
Agregasi otomatis menggunakan pembelajaran mesin (ML) canggih untuk terus mengoptimalkan model semantik DirectQuery untuk performa kueri laporan maksimum. Agregasi otomatis dibangun di atas infrastruktur agregasi yang ditentukan pengguna yang ada yang pertama kali diperkenalkan dengan model komposit untuk Power BI. Tidak seperti agregasi yang ditentukan pengguna, agregasi otomatis tidak memerlukan pemodelan data yang luas dan keterampilan pengoptimalan kueri untuk dikonfigurasi dan dikelola. Agregasi otomatis adalah pelatihan mandiri dan pengoptimalan diri. Mereka memungkinkan pemilik model dari tingkat keterampilan apa pun untuk meningkatkan performa kueri, memberikan visualisasi laporan yang lebih cepat untuk model besar.
Dengan agregasi otomatis:
Agregasi otomatis didukung untuk model Power BI Premium per kapasitas, Premium per pengguna, dan Power BI Embedded.
Agregasi otomatis didukung untuk sumber data berikut:
Agregasi otomatis didukung untuk model mode DirectQuery. Model model komposit dengan tabel impor dan koneksi DirectQuery didukung. Agregasi otomatis hanya didukung untuk koneksi DirectQuery.
Untuk mengaktifkan dan mengonfigurasi agregasi otomatis, Anda harus menjadi pemilik Model. Admin ruang kerja dapat mengambil alih sebagai pemilik untuk mengonfigurasi pengaturan agregasi otomatis.
Agregasi otomatis dikonfigurasi dalam Pengaturan model. Mengonfigurasi itu sederhana - aktifkan pelatihan agregasi otomatis dan jadwalkan satu atau beberapa refresh. Sebelum Anda mengonfigurasi agregasi otomatis untuk model Anda, pastikan untuk sepenuhnya membaca artikel ini. Artikel ini memberikan pemahaman yang baik tentang cara kerja agregasi otomatis dan dapat membantu Anda memutuskan apakah agregasi otomatis tepat untuk lingkungan Anda. Saat Anda siap untuk instruksi langkah demi langkah tentang cara mengaktifkan pelatihan agregasi otomatis, mengonfigurasi jadwal refresh, dan menyempurnakan untuk lingkungan Anda, lihat Mengonfigurasi agregasi otomatis.
Dengan DirectQuery, setiap kali pengguna model membuka laporan atau berinteraksi dengan visualisasi laporan, kueri Data Analysis Expressions (DAX) diteruskan ke mesin kueri lalu ke sumber data backend sebagai kueri SQL. Sumber data harus menghitung dan mengembalikan hasil untuk setiap kueri. Dibandingkan dengan model mode impor yang disimpan dalam memori, perjalanan pulang pergi sumber data DirectQuery dapat memakan waktu dan proses intensif, sering menyebabkan waktu respons kueri yang lambat dalam visualisasi laporan.
Saat diaktifkan untuk model DirectQuery, agregasi otomatis dapat meningkatkan performa kueri laporan dengan menghindari kueri sumber data pulang pergi. Hasil kueri pra-agregat secara otomatis dikembalikan oleh cache agregasi dalam memori daripada dikirim ke dan dikembalikan oleh sumber data. Jumlah data pra-agregat dalam cache agregasi dalam memori adalah sebagian kecil dari jumlah data yang disimpan dalam tabel fakta dan detail di sumber data. Hasilnya tidak hanya melaporkan performa kueri yang lebih baik, tetapi juga mengurangi beban pada sistem sumber data backend. Dengan agregasi otomatis, hanya sebagian kecil laporan dan kueri ad-hoc yang memerlukan agregasi yang tidak disertakan dalam cache dalam memori yang diteruskan ke sumber data backend, sama seperti mode DirectQuery murni.
Meskipun agregasi otomatis menghilangkan kebutuhan untuk membuat tabel agregasi yang ditentukan pengguna dan secara dramatis menyederhanakan penerapan solusi data pra-agregat, keakraban yang lebih dalam dengan proses dan dependensi yang mendasarinya sangat membantu dalam memahami cara kerja agregasi otomatis. Power BI bergantung pada hal berikut untuk membuat dan mengelola agregasi otomatis.
Power BI melacak kueri model dan laporan pengguna dalam log kueri. Untuk setiap model, Power BI mempertahankan tujuh hari data log kueri. Data log kueri digulirkan ke depan setiap hari. Log kueri aman dan tidak terlihat oleh pengguna atau melalui titik akhir XMLA.
Sebagai bagian dari operasi refresh model terjadwal pertama untuk frekuensi yang Anda pilih (Hari atau Minggu), Power BI terlebih dahulu memulai operasi pelatihan yang mengevaluasi log kueri untuk memastikan agregasi dalam cache agregasi dalam memori beradaptasi dengan mengubah pola kueri. Tabel agregasi dalam memori dibuat, diperbarui, atau dihilangkan, dan kueri khusus dikirim ke sumber data untuk menentukan agregasi yang akan disertakan dalam cache. Namun, data agregasi terhitung tidak dimuat ke dalam cache dalam memori selama pelatihan - dimuat selama operasi refresh berikutnya.
Misalnya, jika Anda memilih frekuensi Hari dan jadwal di-refresh pada pukul 04.00, 09.00, 14.00, dan 19.00, hanya refresh pukul 04.00 setiap hari yang akan mencakup operasi pelatihan dan operasi refresh. Refresh terjadwal 9.00, 14.00, dan 19.00 berikutnya untuk hari itu adalah operasi refresh saja yang memperbarui agregasi yang ada di cache.
Saat operasi pelatihan mengevaluasi kueri sebelumnya dari log kueri, hasilnya cukup akurat untuk memastikan kueri di masa mendatang tercakup. Namun, tidak ada jaminan bahwa kueri di masa mendatang akan dikembalikan oleh cache agregasi dalam memori karena kueri baru tersebut bisa berbeda dari yang berasal dari log kueri. Kueri yang tidak dikembalikan oleh cache agregasi dalam memori diteruskan ke sumber data dengan menggunakan DirectQuery. Bergantung pada frekuensi dan peringkat kueri baru tersebut, agregasi untuk kueri tersebut dapat disertakan dalam cache agregasi dalam memori dengan operasi pelatihan berikutnya.
Operasi pelatihan memiliki batas waktu 60 menit. Jika pelatihan tidak dapat memproses seluruh log kueri dalam batas waktu, pemberitahuan dicatat dalam riwayat Refresh model dan pelatihan dilanjutkan saat berikutnya diluncurkan. Siklus pelatihan selesai dan menggantikan agregasi otomatis yang ada saat seluruh log kueri diproses.
Seperti yang dijelaskan sebelumnya, setelah operasi pelatihan selesai sebagai bagian dari refresh terjadwal pertama untuk frekuensi yang Anda pilih, Power BI melakukan operasi refresh yang mengkueri dan memuat data agregasi baru dan yang diperbarui ke dalam cache agregasi dalam memori dan menghapus agregasi apa pun yang tidak lagi memberi peringkat cukup tinggi (seperti yang ditentukan oleh algoritma pelatihan). Semua refresh berikutnya untuk frekuensi Hari atau Minggu yang Anda pilih hanya merupakan operasi refresh yang mengkueri sumber data untuk memperbarui data agregasi yang ada di cache. Dengan menggunakan contoh kami sebelumnya, refresh terjadwal pukul 09.00, 14.00, dan 19.00 untuk hari tersebut hanya operasi refresh.
Refresh yang dijadwalkan secara teratur sepanjang hari (atau minggu) memastikan data agregasi dalam cache lebih diperbarui dengan data di sumber data backend. Melalui model Pengaturan, Anda dapat menjadwalkan hingga 48 refresh per hari untuk memastikan kueri laporan yang dikembalikan oleh cache agregasi mendapatkan hasil berdasarkan data terbaru yang disegarkan dari sumber data backend.
Perhatian
Operasi pelatihan dan refresh adalah proses dan sumber daya intensif untuk layanan Power BI dan sistem sumber data. Meningkatkan persentase kueri yang menggunakan agregasi berarti lebih banyak agregasi harus dikueri dan dihitung dari sumber data selama operasi pelatihan dan refresh, meningkatkan kemungkinan penggunaan sumber daya sistem yang berlebihan dan berpotensi menyebabkan waktu habis. Untuk mempelajari lebih lanjut, lihat Penyesuaian yang baik.
Seperti disebutkan sebelumnya, siklus pelatihan mungkin tidak selesai dalam batas waktu satu siklus refresh data. Jika Anda tidak ingin menunggu hingga siklus refresh terjadwal berikutnya yang menyertakan pelatihan, Anda juga dapat memicu pelatihan agregasi otomatis sesuai permintaan dengan memilih Latih dan Refresh Sekarang dalam model Pengaturan. Dengan menggunakan Latih dan Refresh Sekarang memicu operasi pelatihan dan operasi refresh. Periksa riwayat Refresh model untuk melihat apakah operasi saat ini selesai sebelum menjalankan operasi pelatihan dan refresh sesuai permintaan lainnya, jika perlu.
Setiap operasi refresh direkam dalam riwayat Refresh model. Informasi penting tentang setiap refresh ditampilkan, termasuk jumlah agregasi memori dalam cache yang digunakan untuk persentase kueri yang dikonfigurasi. Untuk melihat riwayat refresh, di halaman model Pengaturan, pilih Riwayat refresh. Jika Anda ingin menelusuri lebih detail, pilih Perlihatkan detail.
Dengan memeriksa riwayat refresh secara teratur, Anda dapat memastikan operasi refresh terjadwal Anda selesai dalam periode yang dapat diterima. Pastikan operasi refresh berhasil diselesaikan sebelum refresh terjadwal berikutnya dimulai.
Meskipun Power BI melakukan operasi pelatihan dan refresh sebagai bagian dari refresh terjadwal pertama untuk frekuensi hari atau minggu yang Anda pilih, operasi ini diterapkan sebagai transaksi terpisah. Jika operasi pelatihan tidak dapat sepenuhnya memproses log kueri dalam batas waktunya, Power BI akan melanjutkan penyegaran agregasi yang ada (dan tabel reguler dalam model komposit) menggunakan status pelatihan sebelumnya. Dalam hal ini, riwayat refresh akan menunjukkan refresh berhasil dan pelatihan akan melanjutkan pemrosesan log kueri saat pelatihan diluncurkan berikutnya. Performa kueri mungkin kurang dioptimalkan jika pola kueri laporan klien berubah dan agregasi belum menyesuaikan tetapi tingkat performa yang dicapai masih harus jauh lebih baik daripada model DirectQuery murni tanpa agregasi apa pun.
Jika operasi pelatihan memerlukan terlalu banyak siklus untuk menyelesaikan pemrosesan log kueri, pertimbangkan untuk mengurangi persentase kueri yang menggunakan cache agregasi dalam memori dalam model Pengaturan. Ini akan mengurangi jumlah agregasi yang dibuat di cache, tetapi memungkinkan lebih banyak waktu untuk melatih dan menyegarkan operasi untuk diselesaikan. Untuk mempelajari lebih lanjut, lihat Penyesuaian yang baik.
Jika pelatihan berhasil tetapi refresh gagal, seluruh refresh ditandai sebagai Gagal karena hasilnya adalah cache agregasi dalam memori yang tidak tersedia.
Saat menjadwalkan refresh, Anda dapat menentukan pemberitahuan email jika ada kegagalan refresh.
Agregasi yang ditentukan pengguna di Power BI dapat dikonfigurasi secara manual berdasarkan tabel agregat tersembunyi dalam model. Mengonfigurasi agregasi yang ditentukan pengguna seringkali rumit, membutuhkan tingkat keterampilan pemodelan data dan pengoptimalan kueri yang lebih besar. Agregasi otomatis di sisi lain menghilangkan kompleksitas ini sebagai bagian dari sistem berbasis AI. Tidak seperti agregasi yang ditentukan pengguna yang tetap statis, Power BI terus mempertahankan log kueri dan dari log tersebut menentukan pola kueri berdasarkan algoritma pemodelan prediktif pembelajaran mesin (ML). Data pra-agregat dihitung dan disimpan dalam memori berdasarkan analisis pola kueri. Dengan agregasi otomatis, model adalah pelatihan mandiri dan mengoptimalkan diri. Saat pola kueri laporan klien berubah, agregasi otomatis menyesuaikan, memprioritaskan, dan penembolokan agregasi yang paling sering digunakan.
Karena agregasi otomatis dibangun di atas infrastruktur agregasi yang ditentukan pengguna yang ada, dimungkinkan untuk menggunakan agregasi yang ditentukan pengguna dan otomatis bersama-sama dalam model yang sama. Pemodel data terampil dapat menentukan agregasi untuk tabel menggunakan DirectQuery, Impor (dengan atau tanpa refresh Bertahap), atau Mode penyimpanan ganda, sementara pada saat yang sama memiliki manfaat agregasi yang lebih otomatis untuk kueri melalui koneksi DirectQuery yang tidak mencapai tabel agregasi yang ditentukan pengguna. Fleksibilitas ini memungkinkan arsitektur seimbang yang dapat mengurangi beban kueri dan menghindari penyempitan.
Agregasi yang dibuat dalam cache dalam memori oleh algoritma pelatihan agregasi otomatis diidentifikasi sebagai System
agregasi. Algoritma pelatihan hanya membuat dan menghapus agregasi tersebut System
karena kueri pelaporan dianalisis dan penyesuaian dilakukan untuk mempertahankan agregasi optimal untuk model. Agregasi yang ditentukan pengguna dan otomatis disegarkan dengan refresh. Hanya agregasi yang dibuat oleh agregasi otomatis dan ditandai sebagai agregasi yang dihasilkan sistem yang disertakan dalam pemrosesan agregasi otomatis.
Power BI Premium juga mendukung Penembolokan kueri di Power BI Premium/Embedded untuk mempertahankan hasil kueri. Penembolokan kueri adalah fitur yang berbeda dari agregasi otomatis. Dengan penembolokan kueri, Power BI Premium menggunakan layanan penembolokan lokalnya untuk menerapkan penembolokan, sedangkan agregasi otomatis diterapkan di tingkat model. Dengan penembolokan kueri, layanan hanya menyimpan kueri untuk pemuatan halaman laporan awal, oleh karena itu performa kueri tidak ditingkatkan saat pengguna berinteraksi dengan laporan. Sebaliknya, agregasi otomatis mengoptimalkan sebagian besar kueri laporan dengan melakukan pra-penembolokan hasil kueri agregat, termasuk kueri yang dihasilkan saat pengguna berinteraksi dengan laporan. Penembolokan kueri dan agregasi otomatis keduanya dapat diaktifkan untuk model, tetapi kemungkinan tidak diperlukan.
Azure Log Analytics (LA) adalah layanan dalam Azure Monitor yang dapat digunakan Power BI untuk menyimpan log aktivitas. Dengan Azure Monitor, Anda dapat mengumpulkan, menganalisis, dan bekerja berdasarkan telemetri dari lingkungan cloud dan lokal. Ini menawarkan penyimpanan jangka panjang, antarmuka kueri ad-hoc, dan akses API untuk memungkinkan ekspor dan integrasi data dengan sistem lain. Untuk mempelajari selengkapnya, lihat Menggunakan Azure Log Analytics di Power BI.
Jika Power BI dikonfigurasi dengan akun Azure LA, seperti yang dijelaskan dalam Mengonfigurasi Azure Log Analytics untuk Power BI, Anda dapat menganalisis tingkat keberhasilan agregasi otomatis Anda. Antara lain, Anda dapat menentukan apakah kueri laporan dijawab dari cache dalam memori.
Untuk menggunakan kemampuan ini, unduh templat PBIT dan sambungkan ke akun analitik log Anda, seperti yang dijelaskan dalam posting blog Power BI ini. Dalam laporan, Anda bisa menampilkan data pada tiga tingkat berbeda: Tampilan ringkasan, tampilan tingkat kueri DAX, dan tampilan tingkat kueri SQL.
Gambar berikut ini memperlihatkan halaman ringkasan untuk semua kueri. Seperti yang Anda lihat, bagan yang ditandai menunjukkan persentase total kueri yang dipenuhi oleh agregasi vs. yang harus menggunakan sumber data.
Langkah selanjutnya untuk menyelam lebih dalam adalah melihat penggunaan agregasi pada tingkat kueri DAX. Klik kanan kueri DAX dari daftar (kiri bawah) >Menelusuri>riwayat Kueri.
Penelusuran ini akan memberi Anda daftar semua kueri yang bersangkutan. Telusuri ke tingkat berikutnya untuk memperlihatkan detail agregasi lainnya.
Dari pengembangan hingga pengujian dan dari pengujian hingga produksi, model dengan agregasi otomatis diaktifkan memiliki persyaratan khusus untuk solusi ALM.
Dengan alur penyebaran, Power BI dapat menyalin model dengan konfigurasi modelnya dari tahap saat ini ke tahap target. Namun, agregasi otomatis harus diatur ulang dalam tahap target karena pengaturan tidak ditransfer dari tahap saat ini ke target. Anda juga dapat menyebarkan konten secara terprogram, menggunakan REST API alur penyebaran. Untuk mempelajari selengkapnya proses ini, lihat Mengotomatiskan alur penyebaran Anda menggunakan API dan DevOps.
Jika Anda menggunakan solusi ALM kustom berdasarkan titik akhir XMLA, perlu diingat bahwa solusi Anda mungkin dapat menyalin tabel agregasi yang dihasilkan sistem dan dibuat pengguna sebagai bagian dari metadata model. Namun, Anda harus mengaktifkan agregasi otomatis setelah setiap langkah penyebaran pada tahap target secara manual. Power BI akan mempertahankan konfigurasi jika Anda menimpa model yang sudah ada.
Catatan
Jika Anda mengunggah atau menerbitkan ulang model sebagai bagian dari file Power BI Desktop (.pbix), tabel agregasi yang dibuat sistem hilang karena Power BI menggantikan model yang ada dengan semua metadata dan datanya di ruang kerja target.
Setelah mengubah model dengan agregasi otomatis yang diaktifkan melalui titik akhir XMLA, seperti menambahkan atau menghapus tabel, Power BI mempertahankan agregasi yang ada yang bisa dan menghapus yang tidak lagi diperlukan atau relevan. Performa kueri dapat terpengaruh hingga fase pelatihan berikutnya dipicu.
Model dengan agregasi otomatis yang diaktifkan berisi tabel agregasi unik yang dihasilkan sistem. Tabel agregasi tidak terlihat oleh pengguna di alat pelaporan. Mereka terlihat melalui titik akhir XMLA dengan menggunakan alat dengan pustaka klien Analysis Services versi 19.22.5 dan yang lebih tinggi. Saat bekerja dengan model dengan agregasi otomatis diaktifkan, pastikan untuk meningkatkan pemodelan data dan alat administrasi Anda ke versi terbaru pustaka klien. Untuk SQL Server Management Studio (SSMS), perbarui ke SSMS versi 18.9.2 atau yang lebih tinggi. Versi SSMS yang lebih lama tidak dapat menghitung tabel atau skrip model ini.
Tabel agregasi otomatis diidentifikasi oleh SystemManaged
properti tabel, yang baru untuk Model Objek Tabular (TOM) di pustaka klien Analysis Services versi 19.22.5 dan yang lebih tinggi. Cuplikan kode berikut menunjukkan properti yang SystemManaged
diatur ke true
untuk tabel agregasi otomatis dan false
untuk tabel reguler.
using System;
using System.Collections.Generic;
using System.Linq;
using Microsoft.AnalysisServices.Tabular;
namespace AutoAggs
{
class Program
{
static void Main(string[] args)
{
string workspaceUri = "<Specify the URL of the workspace where your model resides>";
string datasetName = "<Specify the name of your dataset>";
Server sourceWorkspace = new Server();
sourceWorkspace.Connect(workspaceUri);
Database dataset = sourceWorkspace.Databases.GetByName(datasetName);
// Enumerate system-managed tables.
IEnumerable<Table> aggregationsTables = dataset.Model.Tables.Where(tbl => tbl.SystemManaged == true);
if (aggregationsTables.Any())
{
Console.WriteLine("The following auto aggs tables exist in this dataset:");
foreach (Table table in aggregationsTables)
{
Console.WriteLine($"\t{table.Name}");
}
}
else
{
Console.WriteLine($"This dataset has no auto aggs tables.");
}
Console.WriteLine("\n\rPress [Enter] to exit the sample app...");
Console.ReadLine();
}
}
}
Menjalankan cuplikan ini menghasilkan tabel agregasi otomatis yang saat ini disertakan dalam model di konsol.
Perlu diingat, tabel agregasi terus berubah karena operasi pelatihan menentukan agregasi optimal untuk disertakan dalam cache agregasi dalam memori.
Penting
Power BI sepenuhnya mengelola objek tabel yang dihasilkan sistem agregasi otomatis. Jangan menghapus atau mengubah tabel ini sendiri. Melakukannya dapat menyebabkan penurunan performa.
Power BI mempertahankan konfigurasi model di luar model. Kehadiran tabel agregasi yang dikelola sistem dalam model tidak selalu berarti model sebenarnya diaktifkan untuk pelatihan agregasi otomatis. Dengan kata lain, jika Anda membuat skrip definisi model lengkap untuk model dengan agregasi otomatis diaktifkan, dan membuat salinan model baru (dengan nama/ruang kerja/kapasitas yang berbeda), model yang dihasilkan baru tidak diaktifkan untuk pelatihan agregasi otomatis. Anda masih perlu mengaktifkan pelatihan agregasi otomatis untuk model baru dalam Pengaturan model.
Saat menggunakan agregasi otomatis, ingatlah hal berikut:
SELECT SCHEMA_NAME(schema_id) AS schema_name, name AS table_name FROM sys.external_tables
.COMBINEVALUES
fungsi DAX untuk membuat hubungan berdasarkan beberapa kolom dari dua tabel DirectQuery, kueri laporan yang sesuai tidak akan mencapai cache agregasi dalam memori.Power BI memiliki komunitas yang dinamis di mana MVP, pro BI, dan rekan sejawat berbagi keahlian dalam grup diskusi, video, blog, dan lainnya. Saat mempelajari tentang agregasi otomatis, pastikan untuk memeriksa sumber daya lain ini:
Acara
Bergabunglah dengan kami di FabCon Vegas
31 Mar, 23 - 2 Apr, 23
Acara utama yang dipimpin komunitas Microsoft Fabric, Power BI, SQL, dan AI. 31 Maret hingga 2 April 2025.
Daftar hari iniPelatihan
Modul
Mengoptimalkan model untuk performa di Power BI - Training
Pengoptimalan performa, juga dikenal sebagai penyetelan performa, melibatkan pembuatan perubahan pada status model semantik saat ini sehingga berjalan lebih efisien. Pada dasarnya, ketika model semantik Anda dioptimalkan, model tersebut berkinerja lebih baik.
Sertifikasi
Microsoft Certified: Power BI Data Analyst Associate - Certifications
Menunjukkan metode dan praktik terbaik yang selaras dengan persyaratan bisnis dan teknis untuk pemodelan, visualisasi, dan analisis data dengan Microsoft Power BI.