Memahami datamart

  • Artikel

Artikel ini menjelaskan dan menjelaskan konsep penting tentang datamart.

Memahami model semantik (default)

Datamarts menyediakan lapisan semantik yang secara otomatis dihasilkan dan disinkronkan dengan konten tabel datamart, strukturnya, dan data yang mendasar. Lapisan ini disediakan dalam model semantik yang dihasilkan secara otomatis. Pembuatan dan sinkronisasi otomatis ini memungkinkan Anda menjelaskan lebih lanjut domain data dengan hal-hal seperti hierarki, nama dan deskripsi yang mudah diingat. Anda juga dapat mengatur pemformatan khusus untuk persyaratan lokal atau bisnis Anda. Dengan datamart, Anda dapat membuat pengukuran dan metrik standar untuk pelaporan. Power BI (dan alat klien lainnya) dapat membuat visual dan memberikan hasil untuk perhitungan tersebut berdasarkan data dalam konteks.

Model semantik Power BI default yang dibuat dari datamart menghilangkan kebutuhan untuk menyambungkan ke model semantik terpisah, menyiapkan jadwal refresh, dan mengelola beberapa elemen data. Sebagai gantinya, Anda dapat membangun logika bisnis Anda dalam datamart dan datanya akan segera tersedia di Power BI, mengaktifkan hal berikut:

  • Akses data Datamart melalui Hub model Semantik.
  • Kapabilitas untuk menganalisis di Excel.
  • Kemampuan untuk membuat laporan dengan cepat di layanan Power BI.
  • Tidak perlu merefresh, menyinkronkan data, atau memahami detail koneksi.
  • Bangun solusi di web tanpa memerlukan Power BI Desktop.

Selama pratinjau, konektivitas model semantik default hanya tersedia menggunakan DirectQuery . Gambar berikut menunjukkan bagaimana datamart cocok dengan kontinum proses yang dimulai dengan menyambungkan ke data, hingga membuat laporan.

Diagram that shows how datamarts fit into the data connection and analysis continuum.

Model semantik default berbeda dari model semantik Power BI tradisional dengan cara berikut:

  • Titik akhir XMLA mendukung operasi baca-saja dan pengguna tidak dapat mengedit model semantik secara langsung. Dengan izin baca-saja XMLA, Anda dapat mengkueri data di jendela kueri.
  • Model semantik default tidak memiliki pengaturan sumber data dan pengguna tidak perlu memasukkan kredensial. Sebaliknya, mereka menggunakan akses menyeluruh (SSO) otomatis untuk kueri.
  • Untuk operasi refresh, model semantik menggunakan info masuk penulis model semantik untuk menyambungkan ke titik akhir SQL datamart terkelola.

Dengan pengguna Power BI Desktop dapat membangun model komposit, memungkinkan Anda menyambungkan ke model semantik datamart dan melakukan hal berikut:

  • Pilih tabel tertentu untuk dianalisis.
  • Tambahkan lebih banyak sumber data.

Terakhir, jika Anda tidak ingin menggunakan model semantik default secara langsung, Anda dapat terhubung ke titik akhir SQL datamart. Untuk informasi selengkapnya, lihat Membuat laporan menggunakan datamart.

Memahami apa yang ada dalam model semantik default

Saat ini, tabel dalam datamart secara otomatis ditambahkan ke model semantik default. Pengguna juga dapat memilih tabel atau tampilan secara manual dari datamart yang ingin disertakan dalam model untuk lebih banyak fleksibilitas. Objek yang berada dalam model semantik default akan dibuat sebagai tata letak dalam tampilan model.

Sinkronisasi latar belakang yang mencakup objek (tabel dan tampilan) akan menunggu model semantik hilir tidak digunakan untuk memperbarui model semantik, menghormati keusangan terikat. Pengguna selalu dapat pergi dan secara manual memilih tabel yang mereka inginkan atau tidak inginkan dalam model semantik.

Memahami refresh dan datamart bertahap

Anda dapat membuat dan memodifikasi refresh data bertahap, mirip dengan aliran data dan refresh inkremental model semantik, menggunakan editor datamart. Refresh bertahap memperluas operasi refresh terjadwal dengan menyediakan pembuatan dan manajemen partisi otomatis untuk tabel himpunan data yang sering memuat data baru dan yang diperbarui.

Untuk sebagian besar datamart, refresh bertahap akan melibatkan satu atau beberapa tabel yang berisi data transaksi yang sering berubah dan dapat tumbuh secara eksponensial, seperti tabel fakta dalam skema database relasional atau bintang. Jika Anda menggunakan kebijakan refresh inkremental untuk mempartisi tabel, dan hanya me-refresh partisi impor terbaru, Anda dapat secara signifikan mengurangi jumlah data yang harus disegarkan.

Refresh bertahap dan data real-time untuk datamart menawarkan keuntungan berikut:

  • Lebih sedikit siklus refresh untuk data yang cepat berubah
  • Refresh lebih cepat
  • Refresh lebih dapat diandalkan
  • Penggunaan sumber daya berkurang
  • Memungkinkan Anda membuat datamart besar
  • Mudah dikonfigurasi

Memahami penembolokan proaktif

Penembolokan proaktif memungkinkan impor otomatis data yang mendasar untuk model semantik default sehingga Anda tidak perlu mengelola atau mengatur mode penyimpanan. Mode impor untuk model semantik default menyediakan akselerasi performa untuk model semantik datamart dengan menggunakan mesin Vertipaq yang cepat. Saat Anda menggunakan penembolokan proaktif, Power BI mengubah mode penyimpanan model Anda untuk diimpor, yang menggunakan mesin dalam memori di Power BI dan Analysis Services.

Penembolokan proaktif berfungsi dengan cara berikut: setelah setiap refresh, mode penyimpanan untuk model semantik default diubah menjadi DirectQuery. Penembolokan proaktif membangun model impor berdampingan secara asinkron dan dikelola oleh datamart, dan tidak memengaruhi ketersediaan atau performa datamart. Kueri yang masuk setelah model semantik default selesai akan menggunakan model impor.

Pembuatan otomatis model impor terjadi dalam waktu sekitar 10 menit setelah tidak ada perubahan yang terdeteksi dalam datamart. Model semantik impor berubah dengan cara berikut:

  • Refresh
  • Sumber data baru
  • Perubahan skema:
    • Sumber data baru
    • Pembaruan untuk langkah-langkah persiapan data di Power Query Online
  • Pembaruan pemodelan apa pun, seperti:
    • Tindakan
    • Hirarki
    • Deskripsi

Praktik terbaik untuk penembolokan proaktif

Gunakan Alur Penyebaran untuk perubahan guna memastikan performa terbaik, dan untuk memastikan pengguna menggunakan model impor. Menggunakan Alur Penyebaran sudah merupakan praktik terbaik untuk membangun datamart, tetapi melakukannya memastikan Anda memanfaatkan penembolokan proaktif lebih sering.

Pertimbangan dan batasan untuk penembolokan proaktif

  • Power BI saat ini membatasi durasi operasi penembolokan hingga 10 menit.
  • Batasan keunikan/non-null untuk kolom tertentu akan diberlakukan dalam model Impor dan akan gagal dalam pembuatan cache jika data tidak sesuai.

Konten terkait

Artikel ini memberikan gambaran umum tentang konsep datamart penting untuk dipahami.

Artikel berikut ini menyediakan informasi selengkapnya tentang datamart dan Power BI:

Untuk informasi selengkapnya tentang aliran data dan mengubah data, lihat artikel berikut ini: