Innledning
Semantiske modeller er grunnlaget for analyse i Microsoft Fabric. De definerer hvordan data struktureres, beregnes og konsumeres på tvers av rapporter, dashbord og AI-opplevelser. En modell som fungerer for et lite team i Power BI Desktop, betjener ikke automatisk hundrevis av brukere på tvers av flere datalagre. Når datavolumene vokser, teamene utvider seg og forbruksmønstrene endres, må designbeslutningene bak modellen endres.
Anta at en organisasjon skalerer sin analyseplattform i Microsoft Fabric. Deres data lever over innsjøhus og lagerbygninger, og deres eksisterende semantiske modeller ble bygget i Power BI Desktop for små team. Nå må disse modellene håndtere større datasett, flere samtidige brukere og bredere forbruksmønstre. Modellene fungerer i sin nåværende størrelse, men de er ikke designet for skala.
I denne modulen tar du designbeslutningene som forbereder en semantisk modell for skalering. Du starter med å velge riktig lagringsmodus for hvordan data flyter inn i modellen. Deretter designer du stjerneskjema-relasjoner for klarhet og ytelse. Deretter designer du beregninger som forblir ytelsesdyktige og vedlikeholdbare etter hvert som datavolumer og teamstørrelse vokser. Til slutt konfigurerer du innstillinger som styrer hvordan modellen håndterer store datasett, samtidige spørringer og ekstern verktøytilgang.
Mot slutten av denne modulen kan du designe semantiske modeller som bruker riktig lagringsmodus, følger beste praksis for stjerneskjemaer, inkluderer skalerbare beregningsmønstre, og er konfigurert for økende datavolumer og forbruksbehov. Modeller designet for skalering gagner også AI-forbruket, fordi AI krever det samme fra en modell: nåværende data, klare relasjoner, beskrivende strukturer og evnen til å håndtere ekstra spørringsbelastning.