Meningkatkan refresh dan fungsi model
Sebelum Anda menjelajahi lebih lanjut cara meningkatkan refresh dan fungsi model, Anda harus tahu bagaimana Power BI menyimpan data. Mirip dengan file hyper Tableau, Power BI menyimpan data sebagai database kolumnar.
Catatan
Database kolumnar menyimpan setiap kolom sebagai filenya sendiri alih-alih menyimpan baris demi baris data (database berbasis baris).
Menyimpan data Anda sebagai database kolom sangat ideal untuk tabel panjang di mana mengambil baris untuk kolom jauh lebih cepat. Data dalam satu kolom selalu dengan jenis yang sama, seperti string atau bilangan bulat. Karena semua entri jenis dikelompokkan bersama,mereka dapat dikompresi lebih efisien, yang mengarah ke performa yang lebih baik ketika Anda menganalisis data dalam volume besar.
Catatan
Power BI juga mencoba menyimpan kolom ini secara optimal dengan mengelompokkannya bersama-sama, seperti item. Setelah kolom dikelompokkan, kamus nilai berbeda yang dipetakan akan dibuat.
Meningkatkan model
Pertimbangkan faktor-faktor berikut saat Anda ingin meningkatkan performa model:
Kardinalitas
Mengubah BLANK menjadi nilai
Menghapus bidang yang berlebihan dan tidak perlu
Skema bintang
Tanggal/waktu otomatis
Bilangan bulat versus string
Menghapus bidang kardinalitas tinggi
Kardinalitas mengacu pada jumlah nilai unik yang terkandung dalam kolom atau bidang database. Nilai kardinalitas tinggi biasanya merupakan nomor identifikasi, alamat email, atau nama pengguna.
Pertimbangan pertama Anda harus menghapus bidang kardinalitas tinggi. Jika Anda memiliki ID unik untuk setiap baris, hapus bidang tersebut. Semakin tinggi kardinalitas, semakin mahal untuk menyimpan; nilai berbeda sama dengan biaya tinggi.
Masalah umum adalah bidang Tanggal/Waktu , di mana kombinasi tanggal dan waktu meningkatkan kardinalitas bidang. Untuk mengatasi masalah ini, pertimbangkan untuk membagi bidang menjadi bidang tanggal dan waktu terpisah.
Mengubah BLANK menjadi nilai
Saat menulis pengukuran, Anda mungkin mengalami skenario di mana nilai yang bermakna tidak dapat dikembalikan. Dalam kasus ini, Anda mungkin tergoda untuk mengembalikan nilai, seperti nol, sebagai gantinya. Demi kinerja, Anda harus mempertimbangkan kembali godaan ini.
Selama sebagian besar perhitungan, nilai BLANK diabaikan, tetapi nilai nol tidak. Mengonversi nilai BLANK menjadi nol akan memaksa perhitungan untuk mengevaluasi lebih banyak baris dan mengembalikan kumpulan hasil kueri besar, yang sering menyebabkan penyajian laporan lambat. Dengan kata lain, mengonversi nilai BLANK menjadi nol menambah biaya penghitungan.
Menghapus bidang yang berlebihan dan tidak perlu
Menghapus bidang yang berlebihan dan tidak perlu penting karena Anda mencoba membatasi lebar tabel Anda, yang meningkatkan performa refresh. Biasanya, Anda dapat menghapus bidang yang berlebihan karena Anda telah membuat skema star, dan Anda tidak memerlukan bidang yang sama untuk muncul beberapa kali. Dengan bidang yang tidak perlu, Anda mengidentifikasi bidang apa yang akan digunakan untuk mengimpor. Yang terbaik adalah memulai dari yang kecil dan berkembang alih-alih menyatukan semua data Anda dalam satu himpunan data besar.
Create model berkinerja tinggi dengan skema star
Desain skema bintang relevan untuk mengembangkan model Power BI berkinerja tinggi dan dapat digunakan. Setiap laporan Power BI membuat kueri yang dikirim ke model Power BI. Kueri ini digunakan untuk memfilter, mengelompokkan, dan meringkas data model. Memiliki model yang dirancang dengan baik menyediakan tabel untuk pemfilteran, pengelompokan, dan ringkasan.
Catatan
Skema star adalah jenis skema pemodelan data dengan satu tabel fakta di tengah dan beberapa tabel dimensi terkait di sekitar tabel fakta. Skema bintang dioptimalkan untuk mengkueri himpunan data besar.
Model yang dirancang dengan baik ini bekerja dengan baik dengan persyaratan skema star:
Tabel dimensi mendukung pemfilteran dan pengelompokan
Tabel fakta mendukung ringkasan
Skema star mencegah perhitungan dan penanganan gabungan tambahan yang akan Anda dapatkan dari skema snowflake, tetapi masih memberikan manfaat data ringkas yang tidak dapat disediakan oleh tabel datar.
Nonaktifkan Tanggal/waktu otomatis
Tanggal/waktu otomatis adalah opsi pemuatan data di Power BI Desktop yang mendukung pelaporan inteligensi waktu yang berguna berdasarkan kolom tanggal yang dimuat ke dalam model. Dengan opsi ini diaktifkan, Power BI Desktop membuat tabel tanggal/waktu tersembunyi di belakang setiap bidang tanggal di himpunan data Anda.
Dengan semua tabel tanggal/waktu tersembunyi dan bidang tanggal ini bersama-sama, ukuran model Anda tumbuh secara signifikan. Mengurangi ukuran model mengoptimalkan performa, terutama dengan himpunan data yang lebih besar. Secara optimal, Anda akan membuat satu tabel tanggal dan menautkannya. Anda juga dapat menambahkan dimensi tanggal lain dengan tabel tanggal Anda sendiri yang dapat menyediakan lebih banyak fungsionalitas daripada tabel tanggal/waktu otomatis tersembunyi.
Untuk menonaktifkan opsi Tanggal/waktu otomatis di Power BI, gunakan prosedur berikut ini.
Pilih Opsi dan pengaturan File>.
Pilih Opsi.
Pilih opsi Muat Data di bagian Global atau File Saat Ini .
Hapus centang kotak Tanggal/waktu otomatis untuk file baru di bagian Inteligensi waktu .
Menggunakan bilangan bulat di atas string
Bilangan bulat lebih baik daripada string karena dua alasan:
Mencocokkan bilangan bulat ke bilangan bulat lain lebih cepat daripada mencocokkan string dengan string.
Untai (karakter) harus disimpan s sehingga Anda harus menemukan indeksnya terlebih dahulu, lalu Anda akan menemukan nilainya.
String dirujuk dua kali, sementara bilangan bulat hanya dirujuk sekali.
Untuk mengetahui informasi selengkapnya, lihat Memahami skema bintang dan pentingnya Power BI.