다음을 통해 공유

Power BI 구현 계획: 데이터 수준 감사

  • 아티클

참고 항목

이 문서는 Power BI 구현 계획 시리즈의 일부를 구성합니다. 이 시리즈는 주로 Microsoft Fabric 내의 Power BI 환경에 중점을 둡니다. 시리즈에 대한 소개는 Power BI 구현 계획을 참조하세요.

이 데이터 수준 감사 문서는 여러 대상 그룹을 대상으로 합니다.

  • 데이터 작성자 및 작업 영역 관리자: 자신이 만들고, 게시하고, 공유하는 의미 체계 모델(이전에는 데이터 세트라고 함), 데이터 흐름, 데이터 마트의 사용, 채택, 성능을 이해해야 하는 사용자입니다.
  • Power BI 관리자: 조직의 Power BI를 감독할 책임이 있는 관리자입니다. Power BI 관리자는 IT, 보안, 내부 감사, 기타 관련 팀과 협업해야 할 수 있습니다. Power BI 관리자는 성능 문제를 해결할 때 콘텐츠 작성자와 협업해야 할 수도 있습니다.
  • Power BI 용량 관리자: 조직의 프리미엄 용량을 감독하는 관리자입니다. Power BI 용량 관리자는 성능 문제를 해결할 때 콘텐츠 작성자와 협업해야 할 수 있습니다.
  • 우수성 센터, IT 및 BI 팀: Power BI를 감독할 책임도 있는 팀입니다. Power BI 관리자 및 기타 관련 팀과 협업해야 할 수도 있습니다.
  • 시스템 관리자:Azure Log Analytics 리소스 만들기 및 보안을 담당하는 팀과 데이터 원본을 관리하는 데이터베이스 관리자입니다.

Important

때때로 이 문서는 Power BI Premium 또는 P SKU(용량 구독)를 참조합니다. Microsoft는 현재 구매 옵션을 통합하고 용량 SKU당 Power BI Premium을 사용 중지하고 있습니다. 신규 및 기존 고객은 F SKU(패브릭 용량 구독)를 대신 구매하는 것을 고려해야 합니다.

자세한 내용은 Power BI Premium 라이선스 및 Power BI Premium FAQ에 제공되는 중요 업데이트를 참조하세요.

이 문서에서 다루는 개념은 주로 세 가지 콘텐츠 배달 범위, 즉 엔터프라이즈 BI, 부서별 BI, 팀 BI용으로 만든 솔루션에 적용됩니다. 개인 BI 솔루션 작성자에게도 이 문서의 정보가 유용할 수 있지만, 이들이 주요 대상은 아닙니다.

기본 의미 체계 모델 및/또는 데이터 원본의 성능이 좋지 않으면 보고서 및 시각적 개체에서 좋은 성능을 달성하는 것이 불가능합니다. 이 문서에서는 의미 체계 모델, 데이터 흐름, 데이터 마트의 감사 및 모니터링에 중점을 둡니다. 감사 및 모니터링 시리즈의 두 번째 문서로, 도구와 기법이 보고서 수준 감사 문서에 설명된 것보다 더 복잡합니다. 이상적으로는 사용자가 보고서를 만들기 전에 공유 의미 체계 모델(여러 보고서에서 재사용하기 위한 것)을 만드는 것이 좋습니다. 따라서 이 문서를 보고서 수준 감사 문서와 함께 읽는 것을 권장합니다.

Power BI 의미 체계 모델은 Analysis Services 테이블 형식 엔진을 기반으로 구축되므로 마치 Analysis Services 데이터베이스인 것처럼 로컬 데이터 모델(Power BI Desktop) 또는 프리미엄 의미 체계 모델(Power BI 서비스)에 연결할 수 있습니다. 따라서 Analysis Services의 많은 감사 및 모니터링 기능이 Power BI Premium 의미 체계 모델에 대해 지원됩니다.

참고 항목

Analysis Services에서 호스트되는 모델에 대한 자세한 내용은 모니터링 개요를 참조하세요.

이 문서의 나머지 부분에서는 주로 Power BI 서비스에 게시된 모델에 중점을 둡니다.

의미 체계 모델 이벤트 로그

시간이 지남에 따라 데이터 작성자와 소유자는 의미 체계 모델과 관련된 상황을 경험할 수 있습니다. 의미 체계 모델은 다음을 수행할 수 있습니다.

  • 더 복잡해지고 복잡한 측정값을 포함합니다.
  • 데이터 볼륨이 더 커집니다.
  • 더 많은 메모리를 소비합니다(때로는 잘못된 설계 결정을 내렸을 때 불필요하게 발생).
  • 더 다양한 데이터 원본과 더 복잡한 테이블 관계를 사용합니다.
  • 더 많은 RLS(행 수준 보안) 규칙을 포함합니다. 자세한 내용은 소비자 ID를 기반으로 데이터 보안 강화를 참조하세요.
  • 종속된 더 많은 보고서가 있습니다. 공유 의미 체계 모델과 함께 라이브 연결을 사용하는 방법에 대한 자세한 내용은 관리형 셀프 서비스 BI 사용 시나리오를 참조하세요.
  • 종속된 더 많은 다운스트림 데이터 모델이 있습니다. 공유 의미 체계 모델과 함께 Power BI 의미 체계 모델 및 Analysis Services용 DirectQuery를 사용하는 방법에 대한 자세한 내용은 사용자 지정 가능한 관리형 셀프 서비스 BI 사용 시나리오를 참조하세요.
  • 쿼리 실행 속도와 데이터 새로 고침 시간이 느려집니다.
  • 보고서 및 시각적 개체의 렌더링 속도를 늦추는 데 기여합니다.

유용성, 우수한 성능, 만든 콘텐츠의 채택을 보장하려면 관리를 담당하는 데이터 자산의 사용 및 성능을 감사해야 합니다. 의미 체계 모델에 대해 발생하는 사용자 생성 및 시스템 생성 활동을 캡처하는 데이터 세트 이벤트 로그를 사용할 수 있습니다. 추적 이벤트, 데이터 세트 로그 또는 데이터 세트 활동 로그라고도 합니다. 시스템 관리자는 자세히 설명되어 있으므로 이를 하위 수준 추적 이벤트라고 부르는 경우가 많습니다.

참고 항목

데이터 세트 이름 변경은 Power BI 서비스 및 설명서에 롤아웃되었지만, 이벤트 로그 작업과 같이 변경이 아직 발생하지 않은 일부 인스턴스가 있을 수 있습니다.

의미 체계 모델 추적 이벤트를 분석하여 다음을 수행해야 합니다.

  • 의미 체계 모델에서 발생한 모든 활동을 감사합니다.
  • 의미 체계 모델 성능, 메모리 사용, 쿼리 효율성 문제를 해결하고 최적화합니다.
  • 의미 체계 모델 새로 고침 세부 정보 및 기간을 조사합니다.
  • Power Query에서 보낸 Power Query 수식 언어(M 쿼리)를 모니터링합니다.
  • 의미 체계 모델(Analytic Services 엔진)로 전송된 DAX 수식 및 언어 식을 모니터링합니다.
  • 워크로드 및 최신 데이터와 최적 성능의 균형 유지 필요성에 따라 올바른 스토리지 모드가 선택되었는지 확인합니다.
  • 호출되는 행 수준 보안 역할, 사용자, 의미 체계 모델을 감사합니다.
  • 동시 사용자 수를 파악합니다.
  • 의미 체계 모델을 검증합니다(예: 의미 체계 모델을 승인하기 전이나 프로덕션 작업 영역에 게시하기 전에 데이터 품질과 성능을 확인하기 위해).

Power BI 의미 체계 모델에서 생성된 이벤트는 기존 Azure Analysis Services에 사용할 수 있는 진단 로그에서 파생됩니다. 캡처하고 분석할 수 있는 다양한 유형의 추적 이벤트가 있으며 이에 대해서는 다음 섹션에서 설명합니다.

Azure Log Analytics

Azure Log Analytics는 Azure Monitor 서비스의 구성 요소입니다. Power BI와 Azure Log Analytics 통합을 사용하면 Power BI 작업 영역의 모든 의미 체계 모델에서 의미 체계 모델 이벤트를 캡처할 수 있습니다. 프리미엄 작업 영역에서만 지원됩니다. 통합을 설정하고 연결이 활성화되면 Power BI Premium 작업 영역에 대해 의미 체계 모델 이벤트가 자동으로 캡처되어 지속적으로 Azure Log Analytics 작업 영역으로 전송됩니다. 의미 체계 모델 로그는 대용량의 실시간에 가까운 원격 분석 데이터를 캡처하는 데 최적화된 추가 전용 데이터베이스인 Azure Data Explorer에 저장됩니다.

Azure의 Log Analytics 작업 영역에 Power BI Premium 작업 영역을 할당합니다. 이 유형의 로깅을 사용하려면 Azure 구독에 새 Log Analytics 리소스를 만들어야 합니다.

하나 이상의 Power BI 작업 영역의 로그는 대상 Log Analytics 작업 영역으로 전송됩니다. 다음은 데이터를 구성하기 위해 선택할 수 있는 몇 가지 방법입니다.

  • 모든 감사 데이터에 대한 하나의 대상 작업 영역: 하나의 Log Analytics 작업 영역에 모든 데이터를 저장합니다. 이는 동일한 관리자나 사용자가 모든 데이터에 액세스할 때 유용합니다.
  • 주제 영역별로 정리된 대상 작업 영역: 주제 영역별로 콘텐츠를 정리합니다. 이 기법은 여러 관리자 또는 사용자가 Azure Log Analytics의 감사 데이터에 액세스하도록 허용된 경우 특히 유용합니다. 예를 들어 영업 데이터와 운영 데이터를 분리해야 하는 경우입니다.
  • 각 Power BI 작업 영역에 대한 하나의 대상 작업 영역: Power BI 작업 영역과 Azure Log Analytics 작업 영역 간에 1:1 관계를 설정합니다. 특히 중요한 콘텐츠가 있거나 데이터에 특정 규정 준수 또는 규정 요구 사항이 적용되는 경우에 유용합니다.

팁

이 기능에 대한 문서와 질문과 대답을 철저하게 검토하여 무엇이 가능한지 명확하게 파악하고 기술 요구 사항을 이해하기 바랍니다. 조직의 작업 영역 관리자가 이 기능을 광범위하게 사용할 수 있도록 하기 전에 하나의 Power BI 작업 영역을 사용하여 POC(기술 개념 증명)를 수행하는 것을 고려하세요.

Important

이름은 비슷하지만 Azure Log Analytics에서 캡처한 데이터는 Power BI 활동 로그와 동일하지 않습니다. Azure Log Analytics는 Analysis Services 엔진에서 세부 수준 추적 이벤트를 캡처합니다. 유일한 목적은 의미 체계 모델 성능을 분석하고 문제를 해결하는 데 도움을 주는 것입니다. 해당 범위는 작업 영역 수준에 있습니다. 반대로 활동 로그의 목적은 특정 사용자 활동(예: 보고서 편집, 의미 체계 모델 새로 고침, 앱 만들기)이 얼마나 자주 발생하는지 이해하는 데 도움을 주는 것입니다. 해당 범위는 전체 Power BI 테넌트입니다.

Power BI 테넌트에 대해 감사할 수 있는 사용자 활동에 대한 자세한 내용은 테넌트 수준 감사를 참조하세요.

작업 영역 관리자를 위한 Azure Log Analytics 연결테넌트 설정은 필요한 작업 영역 관리자 역할이 있는 사용자 그룹이 Power BI 작업 영역을 기존 Azure Log Analytics 작업 영역에 연결할 수 있는지를 제어합니다.

통합을 설정하려면 먼저 보안 필수 조건을 충족해야 합니다. 따라서 Azure Log Analytics에 필요한 권한이 있거나 요청 시 해당 권한을 얻을 수 있는 Power BI 작업 영역 관리자에 대해서만 Power BI 테넌트 설정을 사용하는 것이 좋습니다.

팁

특히 조직에서 새 Azure 리소스 만들기에 대한 승인을 받는 것이 어려운 경우 계획 프로세스 초기에 Azure 관리자와 협업하세요. 또한 보안 필수 조건에 대한 계획도 세워야 합니다. Azure에서 Power BI 작업 영역 관리자에게 사용 권한을 부여할지 또는 Power BI에서 Azure 관리자에게 권한을 부여할지 여부를 결정합니다.

Azure Log Analytics에서 캡처한 의미 체계 모델 로그에는 의미 체계 모델 쿼리, 쿼리 통계, 세부 새로 고침 활동, 프리미엄 용량에서 소비된 CPU 시간 등이 포함되어 있습니다. Analysis Services 엔진의 세부 수준 로그이기 때문에 데이터가 자세할 수 있습니다. 의미 체계 모델 활동이 많은 대규모 작업 영역에서는 대용량 데이터 볼륨이 일반적입니다.

Power BI와 함께 Azure Log Analytics를 사용할 때 비용을 최적화하려면 다음을 수행합니다.

  • 적극적으로 의미 체계 모델 활동의 문제를 해결하거나 테스트, 최적화 또는 조사하는 경우에만 Power BI 작업 영역을 Azure Log Analytics에 연결합니다. 연결되면 작업 영역의 모든 의미 체계 모델에서 추적이 실행됩니다.
  • 적극적으로 의미 체계 모델 활동의 문제를 해결하거나 테스트, 최적화 또는 조사할 필요가 없는 경우에는 Power BI 작업 영역에서 Azure Log Analytics 연결을 끊습니다. 연결을 끊으면 작업 영역의 모든 의미 체계 모델에서 추적 실행이 종료됩니다.
  • Azure Log Analytics가 데이터 수집, 스토리지, 쿼리에 대해 청구하는 방식에 대한 비용 모델을 이해해야 합니다.
  • 기본 30일 보존 기간보다 더 오래 Log Analytics에 데이터를 저장하지 마세요. 의미 체계 모델은 일반적으로 즉각적인 문제 해결 활동에 중점을 두기 때문입니다.

Azure Log Analytics로 전송된 이벤트에 액세스하는 방법에는 여러 가지가 있습니다. 다음을 사용할 수 있습니다.

  • 미리 빌드된 Power BI 의미 체계 모델용 Log Analytics 템플릿 앱입니다.
  • Azure Data Explorer용 Power BI Desktop 커넥터(Kusto). Log Analytics에 저장된 데이터를 분석하려면 KQL(Kusto 쿼리 언어)을 사용하세요. SQL 쿼리 경험이 있다면 KQL과 많은 유사점을 발견하게 될 것입니다.
  • Azure Data Explorer의 웹 기반 쿼리 환경.
  • KQL 쿼리를 실행할 수 있는 모든 쿼리 도구.

팁

많은 양의 의미 체계 모델 추적 이벤트가 있으므로 데이터를 분석하는 DirectQuery 모델을 개발하는 것이 좋습니다. DirectQuery 모델을 사용하면 거의 실시간으로 데이터를 쿼리할 수 있습니다. 이벤트는 일반적으로 5분 이내에 도착합니다.

자세한 내용은 Azure 연결 관리를 참조하세요.

검사 목록 - Azure Log Analytics 사용을 계획할 때 주요 결정 사항 및 작업은 다음과 같습니다.

  • 기술 POC 고려: 기술 요구 사항, 보안 요구 사항, 캡처할 이벤트, 로그 분석 방법을 완전히 이해할 수 있도록 소규모 프로젝트를 계획합니다.
  • Log Analytics와 통합할 작업 영역 결정: 분석하려는 의미 체계 모델이 포함된 프리미엄 작업 영역을 결정합니다.
  • 모든 작업 영역에 대해 Log Analytics를 전체 시간에 사용하도록 설정할지 여부 결정: 비용 최적화를 위해 로깅을 영구적으로 사용하도록 설정해야 하는 상황(또는 특정 작업 영역)이 있는지 여부를 결정합니다. 문제 해결이 발생하지 않을 때 작업 영역 연결을 끊을지 여부를 결정합니다.
  • Log Analytics 데이터 보존 기간 결정: 기본값인 30일보다 더 긴 보관 기간을 설정해야 하는지 여부를 결정합니다.
  • 새 Log Analytics 작업 영역을 요청하는 프로세스를 명확하게 설명: Azure 관리자와 협력하여 Power BI 작업 영역 관리자가 새 Log Analytics 리소스에 대한 요청을 제출하는 방법을 명확하게 설명합니다.
  • 보안 작동 방식 결정: Azure 관리자와 협력하여 Power BI 작업 영역 관리자에게 Azure Log Analytics 작업 영역에 대한 권한을 부여하는 것이 더 적합한지 아니면 Azure 관리자에게 Power BI 작업 영역에 대한 권한을 부여하는 것이 더 적합한지 결정합니다. 이러한 보안 결정을 내릴 때는 비용 최적화를 위해 작업 영역을 정기적으로 연결하고 연결을 끊는 계획을 고려합니다.
  • 대상 Log Analytics 작업 영역 구성 방법 결정: 하나 이상의 Power BI 작업 영역에서 데이터를 구성하는 데 적합한 Azure Log Analytics 작업 영역 수를 고려합니다. 로그 데이터에 액세스할 수 있는 사람에 대한 보안 결정에 맞춰 결정 사항을 조정하세요.
  • 연결이 허용되는 작업 영역 관리자 결정: Power BI 작업 영역을 Log Analytics 작업 영역에 연결할 수 있는 작업 영역 관리자 그룹을 결정합니다. 이 결정에 맞게 작업 영역 관리자를 위한 Azure Log Analytics 연결 테넌트 설정을 지정합니다.
  • Azure Log Analytics 리소스 만들기: Azure 관리자와 협업하여 각 Log Analytics 작업 영역을 만듭니다. Power BI가 문제없이 구성될 수 있도록 Azure에 할당된 권한을 확인하고 업데이트합니다. Azure에 저장된 데이터가 올바른 지리적 지역에 있는지 확인합니다.
  • 각 Power BI 작업 영역에 대한 Log Analytics 연결 설정: Power BI 작업 영역 관리자와 협업하여 각 Power BI 작업 영역에 대한 Log Analytics 연결을 설정합니다. 로그 데이터가 Log Analytics 작업 영역으로 올바르게 흘러가는지 확인합니다.
  • 데이터 분석을 위한 쿼리 만들기: 사용 사례와 현재 요구 사항에 따라 Log Analytics의 데이터를 분석하기 위한 KQL 쿼리를 설정합니다.
  • Power BI 작업 영역 관리자를 위한 지침 포함: Power BI 작업 영역 관리자에게 새 Log Analytics 작업 영역을 요청하는 방법과 Power BI 작업 영역에 연결하는 방법에 대한 정보와 필수 조건을 제공합니다. 또한 Power BI 작업 영역의 연결을 끊는 것이 적절한 경우를 설명합니다.
  • 데이터 분석을 위한 지침 및 샘플 쿼리 제공: 작업 영역 관리자를 위한 KQL 쿼리를 생성하면 캡처된 데이터 분석을 더 쉽게 시작할 수 있습니다.
  • 비용 모니터링: Azure 관리자와 협업하여 Log Analytics 비용을 지속적으로 모니터링합니다.

SQL Server Profiler

SQL Server Profiler(SQL Profiler)를 사용하여 Power BI 의미 체계 모델 이벤트를 캡처할 수 있습니다. 이는 SSMS(SQL Server Management Studio)의 구성 요소입니다. SQL Server에서 시작된 Analysis Services 아키텍처를 기반으로 하기 때문에 SSMS에서는 Power BI 의미 체계 모델에 대한 연결이 지원됩니다.

의미 체계 모델 수명 주기의 여러 단계에서 SQL Profiler를 사용할 수 있습니다.

  • 데이터 모델 개발 중: SQL Profiler는 Power BI Desktop의 데이터 모델에 외부 도구로 연결할 수 있습니다. 이 방법은 데이터 모델을 검증하거나 성능 튜닝을 수행하려는 데이터 모델러에게 유용합니다.
  • 의미 체계 모델이 Power BI 서비스에 게시된 후: SQL Profiler는 프리미엄 작업 영역의 의미 체계 모델에 연결할 수 있습니다. SSMS는 연결을 위해 XMLA 엔드포인트를 사용할 수 있는 지원되는 여러 클라이언트 도구 중 하나입니다. 이 방법은 Power BI 서비스에 게시된 의미 체계 모델을 감사, 모니터링, 유효성 검사, 문제 해결 또는 조정하려는 경우에 유용합니다.

DAX Studio 내에서 SQL Profiler를 외부 도구로 사용할 수도 있습니다. DAX Studio를 사용하여 프로파일러 추적을 시작하고, 데이터를 구문 분석하고, 결과 형식을 지정할 수 있습니다. DAX Studio를 사용하는 데이터 모델러는 SQL Profiler를 직접 사용하는 것보다 이 방법을 선호하는 경우가 많습니다.

참고 항목

SQL Profiler를 사용하는 것은 데이터 프로파일링 활동과 다른 사용 사례입니다. Power Query 편집기에서 데이터를 프로파일링하면 데이터의 특성을 더 깊이 이해할 수 있습니다. 데이터 프로파일링은 데이터 모델러에게 중요한 활동이지만 이 문서의 범위에는 포함되지 않습니다.

다음과 같은 경우 Azure Log Analytics 대신 SQL Profiler를 사용하는 것이 좋습니다.

  • 조직에서 Azure에서 Azure Log Analytics 리소스를 사용하거나 만드는 것을 허용하지 않습니다.
  • Power BI 서비스의 프리미엄 작업 영역에 게시되지 않은 Power BI Desktop의 데이터 모델에 대한 이벤트를 캡처하려고 합니다.
  • 프리미엄 작업 영역의 모든 의미 체계 모델이 아닌 짧은 기간 동안 하나의 의미 체계 모델에 대한 이벤트를 캡처하려고 합니다.
  • 추적 중에만 특정 이벤트(예: 쿼리 종료 이벤트만)를 캡처하려고 합니다.
  • 추적을 자주 시작하고 중지하려고 합니다(예: 현재 발생하는 의미 체계 모델 이벤트를 캡처해야 하는 경우).

Azure Log Analytics(이 문서의 앞부분에서 설명)와 마찬가지로 SQL Profiler에서 캡처한 의미 체계 모델 이벤트는 기존 Azure Analysis Services에 사용할 수 있는 진단 로그에서 파생됩니다. 그러나 사용할 수 있는 이벤트에는 몇 가지 차이점이 있습니다.

팁

Analysis Services 모니터링을 위한 SQL Profiler의 사용은 많은 서적, 문서, 블로그 게시물에서 다룹니다. 해당 정보의 대부분은 Power BI 의미 체계 모델 모니터링과 관련이 있습니다.

Important

SQL Profiler를 사용하여 Power BI 서비스에서 기본 데이터 원본(예: SQL Server 관계형 데이터베이스)으로 전송된 쿼리를 모니터링할 수도 있습니다. 그러나 관계형 데이터베이스를 추적하는 기능은 더 이상 사용되지 않습니다. Analysis Services 엔진에 대한 연결은 지원되며 더 이상 사용되지 않습니다. Analytic Services 확장 이벤트에 대해 잘 알고 있고 이를 사용하려는 경우 Power BI Desktop의 데이터 모델에 대해 SSMS 연결이 가능합니다. 그러나 Power BI Premium에는 지원되지 않습니다. 따라서 이 섹션에서는 표준 SQL Profiler 연결에만 중점을 둡니다.

온-프레미스 의미 체계 모델로 XMLA 엔드포인트 및 Excel에서 분석 허용 테넌트 설정은 어떤 사용자 그룹(기여자, 멤버 또는 관리자 작업 영역 역할 또는 개별 의미 체계 모델에 대한 빌드 사용 권한이 할당된 사용자)이 XMLA 엔드포인트를 사용하여 Power BI 서비스에서 의미 체계 모델을 쿼리 및/또는 유지 관리할 수 있는지를 제어합니다. XMLA 엔드포인트 사용에 대한 자세한 내용은 고급 데이터 모델 관리 사용 시나리오를 참조하세요.

참고 항목

SQL Profiler를 사용하여 특정 DAX 식을 디버그하고 문제를 해결할 수도 있습니다. SQL Profiler를 Power BI Desktop에 외부 도구로 연결할 수 있습니다. DAX 식의 중간 결과를 보려면 DAX 평가 로그 이벤트 클래스를 찾으세요. 해당 이벤트는 모델 계산에서 EVALUATEANDLOG DAX 함수를 사용할 때 생성됩니다.

이 기능은 개발 및 테스트 목적으로만 사용됩니다. 데이터 모델을 프로덕션 작업 영역에 게시하기 전에 데이터 모델 계산에서 제거해야 합니다.

검사 목록 - SQL Profiler 사용을 계획할 때 주요 결정 사항 및 작업에는 다음이 포함됩니다.

  • SSMS 또는 DAX Studio를 설치할 수 있는 사용자 결정: 조직의 모든 Power BI 콘텐츠 작성자가 SQL 프로파일러를 사용할 수 있도록 SSMS 및/또는 DAX Studio를 설치하도록 허용할지 결정합니다. 이러한 보조 도구가 요청 시 설치되는지, 아니면 조직에서 승인된 데이터 작성자를 위해 설치되는 표준 소프트웨어 세트의 일부인지 결정합니다.
  • Power BI Desktop의 외부 도구 메뉴에 SQL Profiler 추가: 데이터 작성자가 SQL Profiler를 자주 사용하는 경우 IT 팀에 해당 사용자를 위해 Power BI Desktop의 외부 도구 메뉴에 자동으로 추가하도록 요청하세요.
  • XMLA 엔드포인트를 사용할 수 있는 사용자 결정: 모든 사용자가 XMLA 엔드포인트를 사용하여 게시된 의미 체계 모델에 연결하도록 허용할지 아니면 승인된 데이터 작성자에게만 연결하도록 제한할지를 결정합니다. 이 결정에 따라 온-프레미스 의미 체계 모델을 사용하여 XMLA 엔드포인트 및 Excel에서 분석 허용 테넌트 설정을 지정합니다.
  • 데이터 분석을 위한 지침 및 샘플 쿼리 제공: 데이터 작성자가 의미 체계 모델을 감사하고 모니터링하는 권장 방법을 이해할 수 있도록 문서를 작성하세요. 추적 데이터 수집 및 분석을 더 쉽게 시작할 수 있도록 일반적인 사용 사례에 대한 지침을 제공합니다.

데이터 모델 메타데이터

Power BI 의미 체계 모델은 Analysis Services 엔진을 기반으로 구축되므로 데이터 모델의 메타데이터를 쿼리할 수 있는 도구에 액세스할 수 있습니다. 메타데이터에는 테이블 이름, 열 이름, 측정 식을 포함하여 데이터 모델에 대한 모든 것이 포함되어 있습니다.

동적 관리 뷰

Analysis Services DMV(동적 관리 뷰)는 데이터 모델 메타데이터를 쿼리할 수 있습니다. DMV를 사용하여 특정 시점에 데이터 모델을 감사, 문서화, 최적화할 수 있습니다.

특히 다음을 수행할 수 있습니다.

  • 모델에서 사용하는 데이터 원본을 감사합니다.
  • 모델에서 가장 많은 메모리를 사용하는 개체를 검색합니다.
  • 열 데이터를 얼마나 효율적으로 압축할 수 있는지 결정합니다.
  • 모델에서 사용되지 않는 열을 찾습니다.
  • 활성 사용자 세션 및 연결을 감사합니다.
  • 모델의 구조를 확인합니다.
  • 계산된 테이블, 계산된 열, 측정값, RLS(행 수준 보안) 규칙에 사용되는 DAX 식을 검토합니다.
  • 개체와 측정값 간의 종속성을 식별합니다.

팁

DMV는 의미 체계 모델의 현재 상태에 대한 정보를 검색합니다. DMV가 반환한 데이터를 특정 시점에 발생하는 상황에 대한 스냅샷으로 간주합니다. 반대로 의미 체계 모델 이벤트 로그(이 문서의 앞부분에서 설명)는 추적 연결이 활성화된 동안 의미 체계 모델에 대해 발생한 활동에 대한 정보를 검색합니다.

SSMS는 DMV 쿼리를 실행하는 데 일반적으로 사용되는 도구입니다. 또한 Invoke-ASCmd PowerShell cmdlet을 사용하여 DMV를 쿼리하는 XMLA 스크립트를 만들고 실행할 수도 있습니다.

타사 도구 및 외부 도구도 Power BI 커뮤니티에서 널리 사용됩니다. 이러한 도구는 공개적으로 문서화된 DMV를 사용하여 액세스를 간소화하고 DMV에서 반환된 데이터로 작업합니다. 한 가지 예는 DMV에 액세스하기 위한 명시적인 기능을 포함하는 DAX Studio입니다. DAX Studio에는 일반적으로 Vertipaq 분석기라고 알려진 기본 제공 메트릭 보기 기능도 포함되어 있습니다. Vertipaq 분석기에는 데이터 모델의 테이블, 열, 관계, 파티션의 구조와 크기를 분석하기 위한 사용자 인터페이스가 있습니다. 데이터 모델 메타데이터를 .vpax 파일로 내보내거나 가져올 수도 있습니다. 내보낸 파일에는 모델 데이터를 저장하지 않고 데이터 모델 구조 및 크기에 대한 메타데이터만 포함됩니다.

팁

데이터 모델에 대한 도움이 필요한 경우 다른 사용자와 .vpax 파일을 공유하는 것이 좋습니다. 이렇게 하면 모델 데이터를 해당 사용자와 공유하지 않습니다.

의미 체계 모델 수명 주기의 여러 단계에서 DMV 쿼리를 사용할 수 있습니다.

  • 데이터 모델 개발 중: 선택한 도구는 Power BI Desktop의 데이터 모델에 외부 도구로 연결할 수 있습니다. 이 방법은 데이터 모델을 검증하거나 성능 튜닝을 수행하려는 데이터 모델러에게 유용합니다.
  • 의미 체계 모델이 Power BI 서비스에 게시된 후: 선택한 도구는 프리미엄 작업 영역의 의미 체계 모델에 연결할 수 있습니다. SSMS는 연결을 위해 XMLA 엔드포인트를 사용하는 지원되는 여러 클라이언트 도구 중 하나입니다. 이 접근 방식은 Power BI 서비스에 게시된 의미 체계 모델을 감사하거나 유효성을 검사하려는 경우에 유용합니다.

팁

사용자 고유의 DMV 쿼리(예: SSMS)를 작성하기로 결정한 경우 DMV가 모든 SQL 작업을 지원하지는 않는다는 점에 유의하세요. 또한 일부 DMV는 Power BI에서 지원되지 않습니다(Power BI에서 지원되지 않는 Analysis Services 서버 관리자 권한이 필요하기 때문).

온-프레미스 의미 체계 모델로 XMLA 엔드포인트 및 Excel에서 분석 허용 테넌트 설정은 어떤 사용자 그룹(기여자, 멤버 또는 관리자 작업 영역 역할 또는 개별 의미 체계 모델에 대한 빌드 사용 권한이 할당된 사용자)이 XMLA 엔드포인트를 사용하여 Power BI 서비스에서 의미 체계 모델을 쿼리 및/또는 유지 관리할 수 있는지를 제어합니다.

XMLA 엔드포인트, 타사 도구, 외부 도구 사용에 대한 자세한 내용은 고급 데이터 모델 관리 사용 시나리오를 참조하세요.

모범 사례 분석기

BPA(모범 사례 분석기)는 Power BI 커뮤니티에서 널리 채택된 타사 도구인 테이블 형식 편집기의 기능입니다. BPA에는 데이터 모델의 품질, 일관성, 성능을 감사하는 데 도움이 되는 사용자 지정 가능한 규칙 집합이 포함되어 있습니다.

팁

BPA를 설정하려면 Microsoft가 GitHub에서 제공하는 모범 사례 규칙 세트를 다운로드하세요.

기본적으로 BPA는 성능 문제를 줄일 수 있는 최적이 아닌 설계 결정을 감지하여 모델의 일관성을 향상시키는 데 도움이 될 수 있습니다. 조직의 여러 영역에 셀프 서비스 데이터 모델러가 분산되어 있는 경우 유용합니다.

BPA는 또한 데이터 모델을 감사하고 관리하는 데 도움이 될 수 있습니다. 예를 들어 데이터 모델에 RLS(행 수준 보안) 역할이 포함되어 있는지 확인할 수 있습니다. 또는 모든 모델 개체에 설명이 있는지 확인할 수 있습니다. 예를 들어 데이터 모델에 데이터 사전이 포함되도록 하는 것이 목표일 때 유용합니다.

BPA는 우수성 센터가 추가 교육이나 문서가 필요한지 여부를 결정하는 데 도움이 되는 설계 문제를 노출할 수 있습니다. 데이터 작성자에게 모범 사례와 조직 지침을 교육하는 작업을 할 수 있습니다.

팁

BPA는 특성(예: 행 수준 보안)의 존재를 감지할 수 있다는 점을 명심하세요. 그러나 올바르게 설정되었는지 확인하기 어려울 수 있습니다. 따라서 주제 전문가가 검토를 수행해야 할 수도 있습니다. 반대로 특정 특성이 존재하지 않는다고 해서 반드시 나쁜 디자인을 의미하는 것은 아닙니다. 데이터 모델러가 특정 디자인을 생성하는 데에는 타당한 이유가 있을 수 있습니다.

검사 목록 - 데이터 모델에 대한 메타데이터 액세스를 계획하는 경우 주요 결정 및 작업은 다음과 같습니다.

  • SSMS를 설치할 수 있는 사람 결정: 조직의 모든 Power BI 콘텐츠 작성자가 게시된 의미 체계 모델에 연결할 수 있도록 SSMS를 설치하도록 허용할지 여부를 결정합니다. 요청 시 설치할지 아니면 조직에서 승인된 데이터 작성자를 위해 설치되는 표준 소프트웨어 세트의 일부로 설치할지 결정하세요.
  • 타사 도구를 설치할 수 있는 사용자 결정: 조직의 모든 Power BI 콘텐츠 작성자가 로컬 데이터 모델 및/또는 게시된 의미 체계 모델을 모니터링할 수 있도록 타사 도구(예: DAX Studio 및 Tabular Editor)를 설치하도록 허용할지 결정합니다. 요청 시 설치할지 아니면 조직에서 승인된 데이터 작성자를 위해 설치되는 표준 소프트웨어 집합의 일부로 설치할지 결정하세요.
  • 모범 사례 규칙 설정: 조직의 데이터 모델을 검사할 수 있는 모범 사례 분석기 규칙을 결정합니다.
  • XMLA 엔드포인트를 사용할 수 있는 사용자 결정: 모든 사용자가 XMLA 엔드포인트를 사용하여 의미 체계 모델에 연결하도록 허용할지 아니면 승인된 데이터 작성자에게만 연결하도록 제한할지를 결정합니다. 이 결정에 따라 온-프레미스 의미 체계 모델을 사용하여 XMLA 엔드포인트 및 Excel에서 분석 허용 테넌트 설정을 지정합니다.
  • 콘텐츠 작성자를 위한 지침 제공: 데이터 작성자가 의미 체계 모델 분석에 권장되는 방법을 이해할 수 있도록 문서를 작성합니다. DMV 결과 수집 및 분석 및/또는 모범 사례 분석기 사용을 보다 쉽게 시작할 수 있도록 일반적인 사용 사례에 대한 지침을 제공합니다.

데이터 모델 및 쿼리 성능

Power BI Desktop에는 데이터 작성자가 데이터 모델 문제를 해결하고 조사하는 데 도움이 되는 여러 가지 도구가 포함되어 있습니다. 이러한 기능은 데이터 모델의 유효성을 검사하고 Power BI 서비스에 게시하기 전에 성능 조정을 수행하려는 데이터 모델러를 대상으로 합니다.

성능 분석기

Power BI Desktop에서 사용할 수 있는 성능 분석기를 사용하여 데이터 모델의 성능을 감사하고 조사하세요. 성능 분석기는 보고서 작성자가 개별 보고서 요소의 성능을 측정하는 데 도움이 됩니다. 그러나 일반적으로 성능 문제의 근본 원인은 데이터 모델 설계와 관련이 있습니다. 이러한 이유로 의미 체계 모델 작성자도 성능 분석기를 사용하면 이점을 얻을 수 있습니다. 보고서 작성과 의미 체계 모델 작성을 담당하는 콘텐츠 작성자가 서로 다른 경우 성능 문제를 해결할 때 협업해야 할 가능성이 높습니다.

팁

DAX Studio를 사용하여 성능 분석기에서 생성된 로그 파일을 가져오고 분석할 수 있습니다.

성능 분석기에 대한 자세한 내용은 보고서 수준 감사를 참조하세요.

쿼리 진단

Power BI Desktop에서 사용할 수 있는 쿼리 진단을 사용하여 파워 쿼리의 성능을 조사하세요. 문제를 해결하고 파워 쿼리 엔진이 수행하는 작업을 이해해야 할 때 유용합니다.

쿼리 진단에서 얻을 수 있는 정보는 다음과 같습니다.

  • 오류 메시지와 관련된 추가 세부 정보(예외가 발생하는 경우)
  • 데이터 원본으로 전송되는 쿼리.
  • 쿼리 폴딩이 발생하는지 여부.
  • 쿼리에서 반환된 행 수.
  • 데이터 새로 고침 작업 중 속도가 느려질 수 있음.
  • 백그라운드 이벤트 및 시스템 생성 쿼리.

찾고 있는 항목에 따라 집계 로그, 세부 로그, 성능 카운터, 데이터 개인 정보 보호 파티션 등 하나 또는 모든 로그를 사용할 수 있습니다.

Power Query 편집기에서 세션 진단을 시작할 수 있습니다. 사용하도록 설정되면 진단 추적이 중단될 때까지 쿼리 및 새로 고침 작업이 수집됩니다. 진단이 중단되는 즉시 쿼리 편집기에 데이터가 직접 채워집니다. 파워 쿼리는 진단 그룹(폴더)을 만들고 여기에 여러 쿼리를 추가합니다. 그런 다음 표준 파워 쿼리 기능을 사용하여 진단 데이터를 보고 분석할 수 있습니다.

또는 옵션 창의 진단 섹션에서 Power BI Desktop의 추적을 사용할 수 있습니다. 로그 파일은 로컬 컴퓨터의 폴더에 저장됩니다. 이러한 로그 파일은 Power BI Desktop을 닫은 후 데이터로 채워지며 이때 추적이 중단됩니다. Power BI Desktop이 닫히면 원하는 프로그램(예: 텍스트 편집기)으로 로그 파일을 열어 볼 수 있습니다.

쿼리 평가 및 폴딩

파워 쿼리는 쿼리 계획을 포함하여 쿼리 평가를 이해하는 데 도움이 되는 다양한 기능을 지원합니다. 또한 전체 쿼리에 대해 쿼리 폴딩이 발생하는지 아니면 쿼리의 단계 하위 집합에 대해 발생하는지 확인하는 데 도움이 될 수 있습니다. 쿼리 폴딩은 성능 튜닝의 가장 중요한 측면 중 하나입니다. 데이터 원본을 모니터링할 때 파워 쿼리에서 보낸 기본 쿼리를 검토하는 것도 도움이 됩니다. 이에 대해서는 이 문서의 뒷부분에서 설명합니다.

프리미엄 메트릭 앱

문제를 해결할 때 Power BI Premium 용량 관리자와 협업하는 것이 도움이 될 수 있습니다. 용량 관리자는 Power BI Premium 사용률 및 메트릭 앱에 액세스할 수 있습니다. 이 앱은 해당 용량에서 발생하는 활동에 대한 풍부한 정보를 제공할 수 있습니다. 해당 정보는 의미 체계 모델 문제를 해결하는 데 도움이 될 수 있습니다.

팁

프리미엄 용량 관리자는 추가 사용자(비용량 관리자)에게 프리미엄 메트릭 앱에 액세스할 수 있도록 액세스 권한을 부여할 수 있습니다.

프리미엄 메트릭 앱은 내부 의미 체계 모델과 초기 보고서 세트로 구성됩니다. 이를 통해 P SKU(Power BI Premium) 용량 또는 A SKU(Power BI Embedded) 용량을 거의 실시간으로 모니터링할 수 있습니다. 여기에는 지난 2~4주 동안의 데이터가 포함되어 있습니다(메트릭에 따라 다름).

프리미엄 메트릭 앱을 사용하여 의미 체계 모델 문제를 해결하고 최적화합니다. 예를 들어 메모리 공간이 크거나 정기적으로 높은 CPU 사용량을 경험하는 의미 체계 모델을 식별할 수 있습니다. 또한 용량 크기 제한에 근접한 의미 체계 모델을 찾는 데 유용한 도구이기도 합니다.

검사 목록 - 데이터 모델 및 쿼리 성능 모니터링에 사용할 접근 방식을 고려할 때 주요 결정 및 작업은 다음과 같습니다.

  • 의미 체계 모델 쿼리 성능 목표 식별: 우수한 의미 체계 모델 성능이 무엇을 의미하는지 잘 이해하고 있는지 확인하세요. 특정 쿼리 성능 목표가 필요한 시기를 결정합니다. 예를 들어 보고서를 지원하는 쿼리는 5초 이내에 렌더링되어야 합니다. 그렇다면 목표가 조직의 데이터 작성자에게 전달되었는지 확인하세요.
  • 의미 체계 모델 새로 고침 성능 목표 식별: 특정 데이터 새로 고침 목표가 필요한 시기를 결정합니다(예: 15분 이내 오전 5시 이전에 데이터 새로 고침 작업 완료). 그렇다면 목표가 조직의 데이터 작성자에게 전달되었는지 확인하세요.
  • 지원 팀 교육: 내부 사용자 지원 팀이 진단 기능을 숙지하여 도움이 필요할 때 Power BI 사용자를 지원할 준비가 되었는지 확인합니다.
  • 지원 팀과 데이터베이스 관리자 연결: 지원 팀이 각 데이터 원본에 대해 올바른 관리자에게 연락하는 방법을 알고 있는지 확인하세요(예: 쿼리 폴딩 문제 해결 시).
  • 프리미엄 용량 관리자와 협업: 용량 관리자와 협업하여 프리미엄 용량 또는 Power BI Embedded 용량에 할당된 작업 영역에 있는 의미 체계 모델 문제를 해결합니다. 적절한 경우 프리미엄 메트릭 앱에 대한 액세스를 요청합니다.
  • 콘텐츠 작성자를 위한 지침 제공: 문제 해결 시 수행할 작업을 이해할 수 있도록 데이터 작성자를 위한 문서를 만듭니다.
  • 교육 자료에 포함: 잘 수행되는 데이터 모델을 만드는 방법에 대한 지침을 데이터 작성자에게 제공합니다. 좋은 설계 습관을 조기에 채택할 수 있도록 지원합니다. 좋은 설계 결정을 내리는 방법을 데이터 작성자에게 교육하는 데 집중합니다.

데이터 원본 모니터링

Power BI가 연결되는 특정 데이터 원본을 직접 모니터링해야 하는 경우도 있습니다. 예를 들어 워크로드가 증가하고 사용자가 성능 저하를 보고하는 데이터 웨어하우스가 있을 수 있습니다. 일반적으로 데이터베이스 관리자나 시스템 관리자는 데이터 원본을 모니터링합니다.

데이터 원본을 모니터링하여 다음을 수행할 수 있습니다.

  • 데이터 원본에 쿼리를 보내는 사용자를 감사합니다.
  • 데이터 원본에 쿼리를 보내는 애플리케이션(예: Power BI)을 감사합니다.
  • 데이터 원본, 시기, 사용자에 의해 전송되는 쿼리 문을 검토합니다.
  • 쿼리를 실행하는 데 걸리는 시간을 결정합니다.
  • SSO(Single Sign-On)를 사용하는 경우 원본 시스템에서 행 수준 보안을 호출하는 방법을 감사합니다.

Power BI 콘텐츠 작성자가 모니터링 결과를 분석한 후 수행할 수 있는 많은 작업이 있습니다. 다음을 수행할 수 있습니다.

  • 데이터 원본으로 전송되는 쿼리를 최대한 효율적으로 조정하고 구체화합니다.
  • 데이터 원본으로 전송되는 네이티브 쿼리의 유효성을 검사하고 조정합니다.
  • 데이터 모델로 가져온 열 수를 줄입니다.
  • 데이터 모델로 가져온 높은 정밀도 및 높은 카디널리티 열을 제거합니다.
  • 데이터 모델로 가져온 기록 데이터의 양을 줄입니다.
  • 데이터 원본에 대한 수요를 분산하는 데 도움이 되도록 Power BI 데이터 새로 고침 시간을 조정합니다.
  • 증분 데이터 새로 고침을 사용하여 데이터 원본의 부하를 줄입니다.
  • 여러 의미 체계 모델을 공유 의미 체계 모델로 통합하여 Power BI 데이터 새로 고침 횟수를 줄입니다.
  • 자동 페이지 새로 고침 설정을 조정하여 새로 고침 빈도를 높이고 데이터 소스의 로드를 줄이세요.
  • 계산을 간소화하여 데이터 원본으로 전송되는 쿼리의 복잡성을 줄입니다.
  • 데이터 원본의 일관된 쿼리 부하를 줄이려면 데이터 저장 모드(예: DirectQuery 대신 가져오기 모드로)를 변경하세요.
  • 데이터 원본으로 전송되는 쿼리 수를 줄이려면 쿼리 감소 기법을 사용하세요.

시스템 관리자는 다른 조치를 취할 수도 있습니다. 다음을 수행할 수 있습니다.

  • Power BI 데이터 흐름과 같은 중간 데이터 계층을 도입합니다(데이터 웨어하우스가 실행 가능한 옵션이 아닌 경우). Power BI 콘텐츠 작성자는 데이터 원본에 직접 연결하는 대신 데이터 흐름을 데이터 원본으로 사용할 수 있습니다. 중간 데이터 계층은 원본 시스템의 부하를 줄일 수 있습니다. 또한 데이터 준비 논리를 중앙 집중화할 수 있다는 추가 이점도 있습니다. 자세한 내용은 셀프 서비스 데이터 준비 사용 시나리오를 참조하세요.
  • 네트워크 대기 시간의 영향을 줄이기 위해 데이터 원본 위치를 변경합니다. 예를 들어 Power BI 서비스, 데이터 원본, 게이트웨이에 동일한 데이터 지역을 사용합니다.
  • Power BI용 데이터를 보다 효율적으로 검색할 수 있도록 데이터 원본을 최적화합니다. 여러 일반적인 기법에는 테이블 인덱스 만들기, 인덱싱된 뷰 만들기, 지속형 계산 열 만들기, 통계 유지 관리, 메모리 내 또는 Columnstore 테이블 사용, 구체화된 뷰 만들기 등이 포함됩니다.
  • 사용자가 원래 프로덕션 데이터베이스가 아닌 데이터 원본의 읽기 전용 복제본을 사용하도록 지시합니다. 복제본은 HA(고가용성) 데이터베이스 전략의 일부로 사용할 수 있습니다. 읽기 전용 복제본의 한 가지 이점은 원본 시스템에서 경합을 줄이는 것입니다.

데이터 원본을 모니터링하는 데 사용할 수 있는 도구와 기법은 기술 플랫폼에 따라 달라집니다. 예를 들어 데이터베이스 관리자는 Azure SQL 데이터베이스 및 SQL Server 데이터베이스를 모니터링하기 위해 확장 이벤트 또는 쿼리 저장소를 사용할 수 있습니다.

때로는 Power BI가 데이터 게이트웨이를 통해 데이터 원본에 액세스합니다. 게이트웨이는 Power BI 서비스에서 특정 유형의 데이터 원본으로의 연결을 처리합니다. 그러나 게이트웨이는 데이터에 연결하는 것 이상의 작업을 수행합니다. 게이트웨이에는 컴퓨터에서 처리 및 데이터 변환을 수행하는 매시업 엔진이 포함되어 있습니다. 또한 데이터를 Power BI 서비스에 효율적이고 안전하게 전송할 수 있도록 데이터를 압축하고 암호화합니다. 따라서 관리되지 않거나 최적화되지 않은 게이트웨이는 성능 병목 현상의 원인이 될 수 있습니다. 게이트웨이 모니터링에 대한 도움이 필요하면 게이트웨이 관리자에게 문의하는 것이 좋습니다.

팁

Power BI 관리자는 전체 테넌트 인벤토리(계보 포함)를 컴파일하고 활동 로그에서 사용자 작업에 액세스할 수 있습니다. 계보와 사용자 작업의 상관관계를 통해 관리자는 가장 자주 사용되는 데이터 원본과 게이트웨이를 식별할 수 있습니다.

테넌트 인벤토리 및 활동 로그에 대한 자세한 내용은 테넌트 수준 감사를 참조하세요.

검사 목록 - 데이터 원본 모니터링을 계획할 때 주요 결정 및 작업은 다음과 같습니다.

  • 구체적인 목표 결정: 데이터 원본을 모니터링할 때 달성해야 할 목표와 문제 해결 목표를 정확히 파악하세요.
  • 데이터베이스 관리자와 협업: 특정 데이터 원본을 모니터링할 때 데이터베이스 또는 시스템 관리자와 협업하여 도움을 받으세요.
  • 게이트웨이 관리자와 협업: 데이터 게이트웨이를 통해 연결하는 데이터 원본의 경우 문제 해결 시 게이트웨이 관리자와 협업합니다.
  • 지원 팀과 데이터베이스 관리자 연결: 지원 팀이 각 데이터 원본에 대해 올바른 관리자에게 문의하는 방법을 알고 있는지 확인하세요(예: 쿼리 폴딩 문제 해결 시).
  • 교육 및 지침 업데이트: 데이터 작성자를 위한 조직 데이터 원본 작업 방법에 대한 주요 정보와 팁을 포함합니다. 문제가 발생할 경우 수행할 작업에 대한 정보를 포함합니다.

데이터 새로 고침 모니터링

데이터 새로 고침 작업에는 기본 데이터 원본의 데이터를 Power BI 의미 체계 모델, 데이터 흐름 또는 데이터 마트로 가져오는 작업이 포함됩니다. 데이터 새로 고침 작업을 예약하거나 요청 시 실행할 수 있습니다.

서비스 수준 약정

IT 팀은 일반적으로 SLA(서비스 수준 계약)를 사용하여 데이터 자산에 대한 기대치를 문서화합니다. Power BI의 경우 중요한 콘텐츠 또는 엔터프라이즈 수준 콘텐츠에 SLA를 사용하는 것을 고려하세요. 여기에는 일반적으로 사용자가 의미 체계 모델의 업데이트된 데이터를 사용할 수 있을 것으로 예상할 수 있는 시기가 포함됩니다. 예를 들어 모든 데이터 새로 고침을 매일 오전 7시까지 완료해야 한다는 SLA를 설정할 수 있습니다.

의미 체계 모델 로그

Azure Log Analytics 또는 SQL Profiler(이 문서의 앞부분에서 설명함)의 의미 체계 모델 이벤트 로그에는 의미 체계 모델에서 발생하는 상황에 대한 자세한 정보가 포함되어 있습니다. 캡처된 이벤트에는 의미 체계 모델 새로 고침 활동이 포함됩니다. 이벤트 로그는 의미 체계 모델 새로 고침 문제를 해결하고 조사해야 할 때 특히 유용합니다.

프리미엄 용량 의미 체계 모델

Power BI Premium 용량에서 호스트되는 콘텐츠가 있는 경우 데이터 새로 고침 작업을 모니터링하는 더 많은 기능이 있습니다.

  • 관리 포털의 Power BI 새로 고침 요약 페이지에는 새로 고침 기록 요약이 포함되어 있습니다. 이 요약은 새로 고침 기간 및 오류 메시지에 대한 정보를 제공합니다.
  • Power BI Premium 사용률 및 메트릭 앱에도 유용한 새로 고침 정보가 포함되어 있습니다. P SKU(Power BI Premium) 용량 또는 A SKU(Power BI Embedded) 용량에 대한 새로 고침 작업을 조사해야 하는 경우에 유용합니다.

향상된 의미 체계 모델 새로 고침

콘텐츠 작성자는 그룹의 의미 체계 모델 새로 고침 Power BI REST API와 함께 향상된 새로 고침을 사용하여 프로그래밍 방식으로 데이터 세트 새로 고침을 시작할 수 있습니다. 향상된 새로 고침을 사용하면 기록, 현재, 대기 중인 새로 고침 작업을 모니터링할 수 있습니다.

데이터 새로 고침 예약 모니터링

Power BI 관리자는 테넌트의 데이터 새로 고침 일정을 모니터링하여 특정 기간(예: 특히 바쁜 데이터 새로 고침 시간인 오전 5시부터 오전 7시 사이) 동안 동시에 예약된 새로 고침 작업이 많이 있는지 확인할 수 있습니다. 관리자는 검사기 API라고도 하는 메타데이터 검색 API에서 의미 체계 모델 새로 고침 일정 메타데이터에 액세스할 수 있는 권한이 있습니다.

Power BI REST API

중요한 의미 체계 모델의 경우 데이터 새로 고침 문제를 모니터링하기 위해 이메일 알림에만 의존하지 마세요. 모니터링, 분석, 조치를 취할 수 있는 중앙 저장소에서 데이터 새로 고침 기록을 컴파일하는 것을 고려해 보세요.

다음을 사용하여 데이터 새로 고침 기록을 검색할 수 있습니다.

팁

현재 데이터를 보고서 및 대시보드에 사용할 수 있도록 의미 체계 모델의 새로 고침 기록을 모니터링하는 것이 좋습니다. 또한 SLA가 충족되는지 여부를 확인하는 데도 도움이 됩니다.

검사 목록 - 데이터 새로 고침 모니터링을 계획할 때 주요 결정 사항 및 작업에는 다음이 포함됩니다.

  • 구체적인 목표 결정: 데이터 새로 고침을 모니터링할 때 달성해야 하는 작업과 모니터링 범위(예: 프로덕션 의미 체계 모델, 인증된 의미 체계 모델 등)를 정확히 파악합니다.
  • SLA 설정 고려: SLA가 데이터 가용성에 대한 기대치를 설정하는 데 유용한지 여부와 데이터 새로 고침 일정을 실행해야 하는 시기를 결정합니다.
  • 데이터베이스 및 게이트웨이 관리자와 협업: 데이터베이스 또는 시스템 관리자, 게이트웨이 관리자와 협업하여 데이터 새로 고침을 모니터링하거나 문제를 해결합니다.
  • 지원 팀을 위한 지식 전달: 데이터 새로 고침 문제가 발생할 때 지원 팀이 콘텐츠 작성자를 도울 방법을 알고 있는지 확인하세요.
  • 교육 및 지침 업데이트: 데이터 작성자를 위한 조직 데이터 원본 및 일반 데이터 원본의 데이터를 새로 고치는 방법에 대한 주요 정보와 팁을 포함합니다. 데이터 새로 고침을 관리하는 방법에 대한 모범 사례와 조직 기본 설정을 포함합니다.
  • 알림에 지원 메일 주소 사용: 중요한 콘텐츠의 경우 지원 메일 주소를 사용하도록 새로 고침 알림을 설정합니다.
  • 중앙 집중식 새로 고침 모니터링 설정: Power BI REST API를 사용하여 데이터 새로 고침 기록을 컴파일합니다.

데이터 흐름 모니터링

파워 쿼리 Online을 사용하여 Power BI 데이터 흐름을 만듭니다. 앞에서 설명한 쿼리 성능 기능과 파워 쿼리 진단 중 대부분을 적용할 수 있습니다.

선택적으로 내부 스토리지 대신 데이터 흐름 스토리지(bring-your-own-storage라고도 함)에 Azure Data Lake Storage Gen2를 사용하도록 작업 영역을 설정할 수 있습니다. bring-your-own-storage를 사용하는 경우 스토리지 계정에 대한 메트릭을 모니터링할 수 있도록 원격 분석 활성화를 고려하세요. 자세한 내용은 셀프 서비스 데이터 준비 사용 시나리오 및 고급 데이터 준비 사용 시나리오를 참조하세요.

Power BI REST API를 사용하여 데이터 흐름 트랜잭션을 모니터링할 수 있습니다. 예를 들어 데이터 흐름 새로 고침 상태를 확인하려면 Get Dataflow Transactions API를 사용합니다.

Power BI 활동 로그를 사용하여 Power BI 데이터 흐름에 대한 사용자 활동을 추적할 수 있습니다. 자세한 내용은 테넌트 수준 감사를 참조하세요.

팁

데이터 흐름 디자인을 최적화하기 위해 채택할 수 있는 모범 사례가 많이 있습니다. 자세한 내용은 데이터 흐름 모범 사례를 참조하세요.

데이터 마트 모니터링

Power BI 데이터 마트에는 데이터 흐름, 관리형 데이터베이스, 의미 체계 모델을 포함한 여러 통합 구성 요소가 포함되어 있습니다. 각 구성 요소의 감사 및 모니터링에 대해 알아보려면 이 문서의 이전 섹션을 참조하세요.

Power BI 활동 로그를 사용하여 Power BI 데이터 마트에 대한 사용자 활동을 추적할 수 있습니다. 자세한 내용은 테넌트 수준 감사를 참조하세요.

관련 콘텐츠

이 시리즈의 다음 문서에서는 테넌트 수준 감사에 대해 알아봅니다.