Innføring i ytelsesoptimalisering
Ytelsesoptimalisering, også kjent som ytelsesjustering, innebærer å gjøre endringer i den gjeldende tilstanden til den semantiske modellen, slik at den kjører mer effektivt. Når den semantiske modellen er optimalisert, fungerer den i hovedsak bedre.
Det kan hende at rapporten kjører bra i test- og utviklingsmiljøer, men når du distribuerer til produksjon for mer omfattende forbruk, oppstår det ytelsesproblemer. Fra perspektivet til en rapportbruker, betegnes dårlig ytelse av at det tar lengre tid å laste inn rapportsider og det tar lengre tid å oppdatere visualobjekter. Disse dårlige ytelsesresultatene fører til en negativ brukeropplevelse.
Som dataanalytiker vil du bruke omtrent 90 prosent av tiden din på å arbeide med dataene, og ni ganger av ti er dårlig ytelse et direkte resultat av en dårlig semantisk modell, dårlige Data Analysis Expressions (DAX) eller blandingen av de to. Prosessen med å designe en semantisk modell for ytelse kan være kjedelig, og det er ofte undervurdert. Hvis du imidlertid løser ytelsesproblemer under utvikling, har du en robust semantisk Power BI-modell som vil gi bedre rapporteringsytelse og en mer positiv brukeropplevelse. Til slutt vil du også kunne opprettholde optimalisert ytelse. Etter hvert som organisasjonen vokser, vokser størrelsen på dataene, og den semantiske modellen blir mer kompleks. Ved å optimalisere den semantiske modellen tidlig, kan du redusere den negative effekten som denne veksten kan ha på ytelsen til den semantiske modellen.
En semantisk modell i mindre størrelse bruker mindre ressurser (minne) og oppnår raskere dataoppdatering, beregninger og gjengivelse av visualobjekter i rapporter. Derfor innebærer ytelsesoptimaliseringsprosessen å minimere størrelsen på den semantiske modellen og gjøre den mest effektive bruken av dataene i modellen, som inkluderer:
Påse at riktige datatyper brukes.
Slette unødvendige kolonner og rader.
Unngå gjentatte verdier.
Erstatte numeriske kolonner med mål.
Reduserer kardinaliteter.
Analysere modellmetadata.
Summerer data der det er mulig.
I denne modulen blir du introdusert for trinnene, prosessene og konseptene som er nødvendige for å optimalisere en semantisk modell for ytelse på bedriftsnivå. Husk imidlertid at selv om veiledningen for grunnleggende ytelse og anbefalte fremgangsmåter i Power BI vil føre deg langt for å optimalisere en semantisk modell for spørringsytelse, må du sannsynligvis samarbeide med en datatekniker for å drive semantisk modelloptimalisering i kildedatakildene.
La oss si at du for eksempel jobber som en Microsoft Power BI-utvikler for Tailwind Traders. Du har fått en oppgave til å se gjennom en semantisk modell som ble bygget for noen år siden av en annen utvikler, en person som siden har forlatt organisasjonen.
Den semantiske modellen produserer en rapport som har fått negative tilbakemeldinger fra brukere. Brukerne er fornøyde med resultatene de ser i rapporten, men de er ikke fornøyde med rapportytelsen. Det tar for lang tid å laste inn sidene i rapporten, og tabellene oppdateres ikke raskt nok når visse valg utføres. I tillegg til denne tilbakemeldingen har IT-teamet fremhevet at filstørrelsen til denne bestemte semantiske modellen er for stor, og at den belaster organisasjonens ressurser.
Du må se gjennom den semantiske modellen for å identifisere hovedårsaken til ytelsesproblemene og gjøre endringer for å optimalisere ytelsen.
På slutten av denne modulen kan du:
Gjennomgå ytelsen til mål, relasjoner og visualobjekter.
Bruke variabler for å forbedre ytelse og feilsøking.
Forbedre ytelse ved å redusere kardinalitetsnivåer.
Optimaliser DirectQuery-modeller med lagring på tabellnivå.
Opprett og administrer aggregasjoner.