요약
이 모듈의 시나리오에서 organization Power BI Desktop 의미 체계 모델 중 하나가 비효율적이며 문제를 일으켰습니다. 사용자는 보고서 성능에 만족하지 않았고, 모델의 파일 크기가 너무 커서 조직의 리소스에 과도한 부담을 주었습니다.
의미 체계 모델을 검토하여 성능 문제의 원인을 파악하고 성능을 최적화하고 모델 크기를 줄이기 위해 변경하라는 요청을 받았습니다.
Power BI Desktop 의미 체계 모델의 성능을 분석하고 최적화할 수 있는 다양한 도구와 기능을 제공합니다. 성능 분석기 및 기타 도구를 사용하여 측정값, 관계, 시각적 개체의 성능을 검토하는 것으로 최적화 프로세스를 시작한 후 분석 결과에 따라 개선했습니다. 그런 다음, 변수를 사용하여 덜 복잡하고 더 효율적인 계산을 작성했습니다. 그리고 열 배포를 더 면밀하게 살펴보고 관계의 카디널리티를 줄였습니다. 이 단계에서 의미 체계 모델이 더 최적화되었습니다. 조직에서 DirectQuery 모델을 사용했다면 상황이 어떻게 달라졌을지 고려한 후에 Power BI Desktop 및 원본 데이터베이스에서 성능을 최적화하는 방법을 식별했습니다. 마지막으로 집계를 사용하여 의미 체계 모델의 크기를 크게 줄입니다.
Power BI Desktop 비효율적인 의미 체계 모델을 최적화할 수 있는 기회를 제공하지 않은 경우 여러 데이터 원본에서 데이터를 개선하기 위해 많은 시간을 보내야 합니다. 특히 성능 분석기가 없었다면 보고서의 성능 문제가 발생한 이유뿐만 아니라 쿼리에서 해결해야 하는 병목 상태도 파악하지 못했을 것입니다. 이런 경우, 사용자는 실망하고 동기를 얻을 수 없으므로 보고서 사용을 피할 수도 있습니다.
이제 보고서를 최적화했으므로, 사용자는 더 빠른 시간 내에 필요한 데이터에 액세스할 수 있어 사용자의 생산성이 높아지고 작업 만족도가 커집니다. 모델의 파일 크기가 줄어 리소스에 대한 부담이 줄어들고 조직이 다양한 이점을 얻게 됩니다. 지정된 작업을 성공적으로 완료했습니다.