Delen via

Overzicht van Direct Lake

Direct Lake is een opslagmodusoptie voor tabellen in een semantisch Power BI-model dat is opgeslagen in een Microsoft Fabric-werkruimte. Het is geoptimaliseerd voor grote hoeveelheden gegevens die snel in het geheugen kunnen worden geladen vanuit Delta-tabellen die zijn opgeslagen in OneLake, het enige archief voor alle analysegegevens. Zodra het in het geheugen is geladen, maakt het semantische model interactieve analyses met hoge prestaties mogelijk.

diagram toont een semantisch Direct Lake-model en hoe het verbinding maakt met Delta-tabellen in OneLake, zoals beschreven in de vorige alinea's.

Direct Lake is ideaal voor semantische modellen die verbinding maken met grote Fabric Lakehouses, magazijnen en andere bronnen met Delta-tabellen, met name wanneer het hele gegevensvolume in een Import-model wordt gerepliceerd, lastig of onmogelijk is. Direct Lake-query's worden, zoals de importmodus, verwerkt door de VertiPaq-query-engine, terwijl DirectQuery query's federeert naar de onderliggende gegevensbron. Dit betekent dat Direct Lake-query's, zoals de importmodus, normaal gesproken beter presteren dan DirectQuery.

Een Direct Lake verschilt echter van een importmodus op een belangrijke manier: een vernieuwingsbewerking voor een Direct Lake-semantisch model verschilt conceptueel van een vernieuwingsbewerking voor een semantisch importmodel. De importmodus repliceert de gegevens en maakt een volledige kopie in de cache van de gegevens voor het semantische model, terwijl een Direct Lake-vernieuwing alleen metagegevens kopieert (ook wel framelijsten genoemd, verderop in dit artikel wordt beschreven). Dit kan enkele seconden duren. De Direct Lake-vernieuwing is een voordelige bewerking waarmee de metagegevens van de nieuwste versie van de Delta-tabellen worden geanalyseerd en worden bijgewerkt om te verwijzen naar de meest recente bestanden in OneLake. Bij een importvernieuwing wordt daarentegen een kopie van de gegevens geproduceerd, wat veel tijd kan duren en aanzienlijke gegevensbron- en capaciteitsbronnen (geheugen en CPU) kan verbruiken. Direct Lake verplaatst gegevensvoorbereiding naar OneLake en maakt hierbij gebruik van de volledige breedte van Fabric-technologieën voor gegevensvoorbereiding, waaronder Spark-taken, T-SQL DML-instructies, gegevensstromen, pijplijnen en meer.

De Direct Lake-opslagmodus biedt de volgende belangrijke voordelen:

  • Net als bij de importmodus worden Direct Lake-query's verwerkt door de VertiPaq-engine en leveren queryprestaties die vergelijkbaar zijn met de importmodus zonder de beheeroverhead van gegevensvernieuwingscycli om het volledige gegevensvolume te laden.
  • Maakt gebruik van bestaande infrastructuurinvesteringen door naadloos te integreren met grote lakehouses, magazijnen en andere Fabric-bronnen met Delta-tabellen. Direct Lake is bijvoorbeeld een ideale keuze voor de gouden analyselaag in de medallion lakehouse-architectuur.
  • Maximaliseert Return on Investment (ROI) omdat geanalyseerde gegevensvolumes de maximale geheugenlimieten van de capaciteit kunnen overschrijden, omdat alleen de gegevens die nodig zijn om een query te beantwoorden in het geheugen worden geladen.
  • Minimaliseert gegevenslatenties door snel en automatisch een semantisch model te synchroniseren met de bijbehorende bronnen, waardoor nieuwe gegevens beschikbaar worden gemaakt voor zakelijke gebruikers zonder vernieuwingsschema's.

Wanneer moet u de Direct Lake-opslagmodus gebruiken?

Het primaire toepassingsgeval voor de Direct Lake-opslagmodus is doorgaans bedoeld voor IT-gestuurde analyseprojecten die gebruikmaken van lake-centrische architecturen. In dergelijke scenario's hebt of verwacht u grote hoeveelheden gegevens te verzamelen in OneLake. Het snel laden van die gegevens in het geheugen, frequente en snelle vernieuwingsbewerkingen, efficiënt gebruik van capaciteitsresources en snelle queryprestaties zijn allemaal belangrijk voor deze use-case.

Notitie

Import- en DirectQuery-semantische modellen zijn nog steeds relevant in Fabric en zijn de juiste keuze voor semantisch model voor sommige scenario's. De importopslagmodus werkt bijvoorbeeld vaak goed voor een selfserviceanalist die de vrijheid en flexibiliteit nodig heeft om snel te handelen en zonder afhankelijkheid van IT om nieuwe gegevenselementen toe te voegen.

Bovendien schrijft OneLake-integratie automatisch gegevens voor tabellen in de importopslagmodus naar Delta-tabellen in OneLake zonder dat hiervoor migratie-inspanningen nodig zijn, waardoor u veel van de voordelen van Fabric kunt realiseren die beschikbaar zijn voor semantische modelgebruikers importeren, zoals integratie met lakehouses via snelkoppelingen, SQL-query's, notebooks en meer. We raden deze optie aan als een snelle manier om de voordelen van Fabric te benutten zonder dat u uw bestaande datawarehouse en/of analysesysteem per se opnieuw hoeft te ontwerpen.

Direct Lake is afhankelijk van de gegevensvoorbereiding die wordt uitgevoerd in de data lake. Gegevensvoorbereiding kan worden uitgevoerd met behulp van verschillende hulpprogramma's, zoals Spark-taken voor Fabric Lakehouses, T-SQL DML-instructies voor Fabric-magazijnen, gegevensstromen, pijplijnen en andere, die ervoor zorgen dat gegevensvoorbereidingslogica upstream wordt uitgevoerd in de architectuur om de herbruikbaarheid te maximaliseren. Als de auteur van het semantische model echter niet de mogelijkheid heeft om het bronitem te wijzigen, bijvoorbeeld als een selfserviceanalist geen schrijfmachtigingen heeft voor een lakehouse die wordt beheerd door IT, kan het uitbreiden van het model met importopslagmodustabellen een goede keuze zijn, omdat de importmodus ondersteuning biedt voor gegevensvoorbereiding met behulp van Power Query, die is gedefinieerd als onderdeel van het semantische model.

Houd rekening met uw huidige Fabric capaciteitslicentie en de Fabric capaciteit grenswaarden wanneer u de Direct Lake-opslagmodus overweegt. Houd ook rekening met de overwegingen en beperkingen, die verderop in dit artikel worden beschreven.

Aanbeveling

U wordt aangeraden een prototype te produceren(of proof of concept) om te bepalen of een Direct Lake-semantisch model de juiste oplossing is en om risico's te beperken.

Belangrijkste concepten en terminologie

In dit artikel wordt ervan uitgegaan dat u bekend bent met de volgende concepten:

  • Gebruikers communiceren met visuals in Power BI-rapporten, waarmee DAX-query's worden gegenereerd naar het semantische model.
  • Opslagmodus: Het semantische model verwerkt de DAX-query's verschillend, afhankelijk van de gebruikte opslagmodus. Bijvoorbeeld:
    • Import- en Direct Lake-opslagmodi gebruiken de VertiPaq-engine om DAX-query's te verwerken en resultaten te retourneren naar het Power BI-rapport en de gebruiker.
    • DirectQuery vertaalt DAX-query's daarentegen naar de querysyntaxis van de gegevensbron (meestal een vorm van SQL) en federeert deze naar de onderliggende database. Queryprocessors voor brondatabases zijn vaak niet gericht op BI-stijl, geaggregeerde query's en leiden daarom tot tragere prestaties en verminderde interactiviteit van gebruikers in vergelijking met import- en Direct Lake-modi.

De opslagmodus is een eigenschap van een tabel in het semantische model. Wanneer een semantisch model tabellen met verschillende opslagmodi bevat, wordt dit een samengesteld model genoemd. Zie Semantische modelmodi in de Power BI-service voor meer informatie over opslagmodi.

  • De Direct Lake-modus kan gebruikmaken van twee verschillende toegangsmethoden:

    • Direct Lake op OneLake is niet afhankelijk van SQL-eindpunten en kan gegevens uit elke Fabric-gegevensbron met Delta-tabellen gebruiken. Direct Lake op OneLake valt niet terug naar de DirectQuery-modus.

    Notitie

    Direct Lake op OneLake is momenteel beschikbaar als publieke preview.

    • Direct Lake op SQL-eindpunten maakt gebruik van het SQL-eindpunt van een Fabric Lakehouse of warehouse voor detectie van Delta-tabellen en machtigingscontroles. Direct Lake op SQL-eindpunten kan terugvallen naar de DirectQuery-modus wanneer de gegevens niet rechtstreeks vanuit een Delta-tabel kunnen worden geladen, bijvoorbeeld wanneer de gegevensbron een SQL-weergave is of wanneer het warehouse sql-beveiliging op rijniveau (RLS) gebruikt. Direct Lake voor SQL-eindpunten is vrij beschikbaar en wordt volledig ondersteund in productie.

Vergelijking van opslagmodi

De volgende tabel vergelijkt de Direct Lake-opslagmodus met import- en DirectQuery-opslagmodi.

Vermogen Direct Lake op OneLake Direct Lake op SQL-eindpunten Importeren DirectQuery
Licentieverlening Alleen abonnementsmogelijkheden voor fabric-capaciteit (SKU's) Alleen abonnementsmogelijkheden voor fabric-capaciteit (SKU's) Een Fabric- of Power BI-licentie (inclusief gratis licenties voor Microsoft Fabric) Een Fabric- of Power BI-licentie (inclusief gratis licenties voor Microsoft Fabric)
Gegevensbron Tabellen van een Fabric-gegevensbron die wordt ondersteund door Delta-tabellen Alleen lakehouse- of magazijntabellen (of weergaven) Elke connector Elke connector die ondersteuning biedt voor de DirectQuery-modus
Verbinding maken met eindpuntweergaven van SQL Analytics Nee Ja, maar wordt automatisch teruggezet naar de DirectQuery-modus Ja Ja
Samengestelde modellen Geen 1 Geen 1 Ja: kan worden gecombineerd met tabellen in de DirectQuery- of Dual-opslagmodus Ja: kan worden gecombineerd met tabellen in de import- of dual-opslagmodus
Eenmalige aanmelding (SSO) Ja Ja Niet van toepassing Ja
Berekende tabellen Ja, maar berekeningen kunnen niet verwijzen naar kolommen met tabellen in de Direct Lake-modus. Nee, behalve berekeningsgroepen, wat-als-parametersen veldparameters, die impliciet berekende tabellen maken Ja Nee: berekende tabellen maken gebruik van de opslagmodus Importeren, zelfs wanneer ze verwijzen naar andere tabellen in de DirectQuery-modus
Berekende kolommen Ja, maar berekeningen kunnen niet verwijzen naar kolommen met tabellen in de Direct Lake-modus. Nee Ja Ja
Hybride tabellen Nee Nee Ja Ja
Model tabel partities Nee, maar partitionering kan worden uitgevoerd op deltatabelniveau Nee, maar partitionering kan worden uitgevoerd op deltatabelniveau Ja: automatisch gemaakt door incrementeel vernieuwen of handmatig gemaakt met behulp van het XMLA-eindpunt Nee
Door de gebruiker gedefinieerde aggregaties Nee Nee Ja – DirectQuery-tabellen met import-aggregatietabellen worden ondersteund Ja
Beveiliging op objectniveau van SQL Analytics-eindpunt of beveiliging op kolomniveau Nee Ja, maar kan fouten opleveren wanneer de machtiging wordt geweigerd Ja, maar de machtigingen moeten worden gedupliceerd met beveiliging op objectniveau binnen het semantische model. Ja, maar query's kunnen fouten opleveren wanneer de machtiging wordt geweigerd
Beveiliging op rijniveau van SQL Analytics-eindpunt (RLS) Nee Ja, maar query's worden teruggezet naar de DirectQuery-modus Ja, maar moet machtigingen dupliceren met semantisch model RLS. Ja
Beveiliging op rijniveau van Semantisch model (RLS) Ja, maar het wordt sterk aanbevolen om een vaste identiteit te gebruiken cloudverbinding Ja, maar het wordt sterk aanbevolen om een vaste identiteit te gebruiken cloudverbinding Ja Ja
Beveiliging op objectniveau van het semantische model (OLS) Ja Ja Ja Ja
Grote gegevensvolumes zonder vernieuwingsvereiste Ja Ja Nee Ja
Gegevenslatentie verminderen Ja – wanneer automatische updates is ingeschakeld of programmatisch opnieuw kaderen Ja – wanneer automatische updates is ingeschakeld of programmatisch opnieuw kaderen Nee Ja
Ingesloten Power BI Ja 2 Ja 2 Ja Ja

1 Wanneer u Direct Lake op SQL-eindpunten gebruikt, kunt u tabellen in de Direct Lake-opslagmodus niet combineren met DirectQuery- of Dual-opslagmodustabellen in hetzelfde semantische model. U kunt Power BI Desktop echter gebruiken om een samengesteld model te maken op een semantisch Direct Lake-model en dit vervolgens uit te breiden met nieuwe tabellen (met behulp van de Import-, DirectQuery- of Dual-opslagmodus) of berekeningen. Zie Een samengesteld model bouwen op een semantisch modelvoor meer informatie.

2 Vereist een V2-insluittoken. Als u een service-principal gebruikt, moet u een vaste identiteit cloudverbinding gebruiken.

Hoe Direct Lake werkt

Query's die naar een semantisch Direct Lake-model worden verzonden, worden doorgaans verwerkt vanuit een cache in het geheugen van de kolommen die afkomstig zijn uit Delta-tabellen. De onderliggende opslag voor een Delta-tabel is een of meer Parquet-bestanden in OneLake. Parquet-bestanden organiseren gegevens op kolommen in plaats van rijen. Semantische modellen laden volledige kolommen uit Delta-tabellen in het geheugen, omdat ze vereist zijn voor query's.

Direct Lake op OneLake is niet gekoppeld aan het SQL-eindpunt en biedt een strakkere integratie met OneLake-functies zoals OneLake-beveiliging en efficiëntere DAX-queryplannen, omdat het controleren op beveiliging op basis van SQL bijvoorbeeld niet is vereist. DirectQuery-terugval wordt niet ondersteund door Direct Lake op OneLake.

Met Direct Lake op SQL-eindpunten kan een DAX-query DirectQuery-terugval gebruiken. Hierbij wordt naadloos overgeschakeld naar de DirectQuery-modus. Met DirectQuery-terugval worden gegevens rechtstreeks opgehaald uit het SQL-analyse-eindpunt van het lakehouse of het warehouse. Terugval vindt bijvoorbeeld plaats wanneer beveiliging op basis van SQL wordt gedetecteerd in het SQL-eindpunt. In dit geval verzendt een DirectQuery-bewerking een query naar het SQL-analyse-eindpunt. Terugvalbewerkingen kunnen leiden tot tragere prestaties van query's.

In de volgende secties worden Direct Lake-concepten en -functies beschreven, waaronder het laden van kolommen, lijsten, automatische updates en DirectQuery-terugval.

Kolom wordt geladen bij transcodering

Semantische Direct Lake-modellen laden alleen gegevens uit OneLake als en wanneer er voor het eerst query's worden uitgevoerd op kolommen. Het proces van het laden van gegevens op aanvraag vanuit OneLake wordt transcoderinggenoemd.

Wanneer het semantische model een DAX-query (of multidimensionale expressies— MDX) ontvangt, wordt eerst bepaald welke kolommen nodig zijn om een queryresultaat te produceren. Elke kolom die rechtstreeks door de query wordt gebruikt, is nodig en ook kolommen die vereist zijn voor relaties en metingen. Normaal gesproken is het aantal kolommen dat nodig is om een queryresultaat te produceren aanzienlijk kleiner dan het aantal kolommen dat is gedefinieerd in het semantische model.

Zodra het begrijpt welke kolommen nodig zijn, bepaalt het semantische model welke kolommen zich al in het geheugen bevinden. Als kolommen die nodig zijn voor de query zich niet in het geheugen bevinden, worden alle gegevens voor deze kolommen uit OneLake geladen door het semantische model. Het laden van kolomgegevens is doorgaans een snelle bewerking, maar dit kan afhankelijk zijn van factoren zoals de kardinaliteit van gegevens die zijn opgeslagen in de kolommen.

Kolommen die in het geheugen worden geladen, zijn vervolgens aanwezig in het geheugen. Toekomstige query's waarbij alleen resident kolommen betrokken zijn, hoeven geen extra kolommen in geheugen te laden.

Een kolom blijft in het geheugen aanwezig totdat er een reden is om deze te verwijderen (uitgewist). Redenen waarom kolommen mogelijk worden verwijderd, zijn onder andere:

  • Het model of de tabel is ververst na een update van de Delta-tabel bij de bron (zie Framing in de volgende paragraaf).
  • Al enige tijd heeft geen enkele query de kolom gebruikt.
  • Andere redenen voor geheugenbeheer, waaronder geheugendruk in de capaciteit vanwege andere, gelijktijdige bewerkingen.

Uw keuze van Fabric SKU bepaalt het maximaal beschikbare geheugen voor elk Direct Lake-semantisch model binnen de capaciteit. Zie verderop in dit artikel bij Fabric-capaciteitsrichtlijnen en beperkingen voor meer informatie over resource guardrails en maximale geheugenlimieten.

Kadering

Framing biedt modeleigenaren op een bepaald moment controle over welke gegevens in het semantische model worden geladen. Framen is een Direct Lake-bewerking die wordt geactiveerd door een vernieuwing van een semantisch model, en in de meeste gevallen duurt het slechts een paar seconden om te voltooien. Dat komt doordat het een goedkope bewerking is waarbij het semantische model de metagegevens van de nieuwste versie van de Delta Lake-tabellen analyseert en wordt bijgewerkt om te verwijzen naar de nieuwste Parquet-bestanden in OneLake.

Wanneer framing optreedt, kunnen de kolomsegmenten en woordenlijsten van de tabel uit het geheugen worden verwijderd als de onderliggende gegevens zijn gewijzigd en het moment van vernieuwing de nieuwe basislijn wordt voor alle toekomstige transcoderingsgebeurtenissen. Vanaf dit moment worden bij Direct Lake-zoekopdrachten uitsluitend gegevens in de Delta-tabellen in beschouwing genomen die geldig zijn op het moment van de meest recente framebewerking. Daarom worden Direct Lake-tabellen opgevraagd om gegevens te retourneren op basis van de status van de Delta-tabel op het moment van de meest recente framebewerking. Die tijd is niet noodzakelijkerwijs de laatst bekende status van de Delta-tabellen.

Het semantische model analyseert het Delta-logboek van elke Delta-tabel tijdens het inlijsten om alleen de betrokken kolomsegmenten te verwijderen en om zojuist toegevoegde gegevens opnieuw te laden tijdens transcodering. Een belangrijke optimalisatie is dat woordenlijsten meestal niet worden verwijderd wanneer incrementele framing van kracht wordt en nieuwe waarden worden toegevoegd aan de bestaande woordenlijsten. Deze incrementele framingbenadering helpt de herlaadbelasting te verminderen en de prestaties van queries te verbeteren. In het ideale geval, wanneer een Delta-tabel geen updates heeft ontvangen, is er geen herlaadbewerking nodig voor kolommen die al in het geheugen aanwezig zijn en query's veel minder invloed hebben op de prestaties na het inlijsten, omdat incrementele frames het semantische model in feite in staat stelt om aanzienlijke delen van de bestaande in-memory gegevens bij te werken.

In het volgende diagram ziet u hoe Direct Lake-framingbewerkingen werken.

Diagram geeft weer hoe Direct Lake-verwerkingsprocessen werken.

In het diagram ziet u de volgende processen en functies.

Artikel Beschrijving
Er bestaat een semantisch model in een Fabric-werkruimte.
Framebewerkingen vinden periodiek plaats en stellen de basislijn in voor alle toekomstige transcodering gebeurtenissen. Framebewerkingen kunnen automatisch, handmatig, volgens schema of programmatisch worden uitgevoerd.
In OneLake worden metagegevens en Parquet-bestanden opgeslagen, die worden weergegeven als Delta-tabellen.
De laatste kaderbewerkingen omvatten Parquet-bestanden met betrekking tot de Delta-tabellen, en specifiek de Parquet-bestanden die zijn toegevoegd vóór de laatste kaderbewerking.
Een latere kaderbewerking bevat Parquet-bestanden die zijn toegevoegd na de laatste kaderbewerking.
Lokale kolommen in het semantische Direct Lake-model kunnen worden verwijderd uit het geheugen en het tijdstip van de vernieuwing wordt de nieuwe basislijn voor alle toekomstige transcoderingsgebeurtenissen.
Volgende gegevenswijzigingen, vertegenwoordigd door nieuwe Parquet-bestanden, zijn pas zichtbaar als de volgende framebewerking plaatsvindt.

Het is niet altijd wenselijk om gegevens te hebben die de meest recente status van een Delta-tabel vertegenwoordigen wanneer er een transcoderingsbewerking plaatsvindt. Houd er rekening mee dat framelijsten u kunnen helpen bij het bieden van consistente queryresultaten in omgevingen waarin gegevens in Delta-tabellen tijdelijk zijn. Gegevens kunnen om verschillende redenen tijdelijk zijn, zoals wanneer langlopende ETL-processen (extract, transformatie en belasting) plaatsvinden.

Vernieuwen voor een Direct Lake-semantisch model kan handmatig, automatisch of programmatisch worden uitgevoerd. Voor meer informatie, zie Direct Lake-semantische modellen vernieuwen.

Automatische updates

Er is een instelling op semantisch modelniveau om Direct Lake-tabellen automatisch bij te werken. Deze functie is standaard ingeschakeld. Het zorgt ervoor dat gegevenswijzigingen in OneLake automatisch worden doorgevoerd in het semantische Direct Lake-model. Schakel automatische updates uit wanneer u wijzigingen in gegevens wilt beheren door middel van framelijsten. Dit is uitgelegd in de vorige sectie. Zie Semantische direct lake-modellen beherenvoor meer informatie.

Aanbeveling

Je kunt automatische paginavernieuwing instellen in je Power BI-rapporten. Het is een functie die automatisch een specifieke rapportpagina vernieuwt, mits het rapport verbinding maakt met een Direct Lake-semantisch model (of andere typen semantisch model).

DirectQuery-terugval

Wanneer u Direct Lake op SQL-eindpunten gebruikt, kan een query die naar een semantisch Direct Lake-model wordt verzonden, terugvallen naar de DirectQuery-modus . In dat geval werkt de tabel niet meer in de Direct Lake-modus. Hiermee worden gegevens rechtstreeks opgehaald uit het SQL-analyse-eindpunt van het meerhuis of magazijn. Dergelijke query's retourneren altijd de meest recente gegevens omdat ze niet zijn beperkt tot het tijdstip van de laatste framebewerking.

Wanneer er een terugval naar DirectQuery optreedt, maakt een query geen gebruik meer van de Direct Lake mode. Een query kan niet gebruikmaken van de Direct Lake-modus wanneer het semantische model een weergave opvraagt in het SQL Analytics-eindpunt of een tabel in het SQL Analytics-eindpunt waarmee beveiliging op rijniveau (RLS) wordt afgedwongen. Een query kan ook geen gebruik maken van de Direct Lake-modus wanneer een Delta-tabel de kaders van de capaciteit overschrijdt.

Belangrijk

Indien mogelijk moet u altijd uw oplossing ontwerpen (of uw capaciteit vergroten) om DirectQuery-terugval te voorkomen. Dat komt doordat dit kan leiden tot tragere queryprestaties.

U kunt de terugval van semantische modellen van Direct Lake beheren door de DirectLakeBehavior-eigenschap in te stellen. Deze instelling is alleen van toepassing op Direct Lake op SQL-eindpunten. Direct Lake op OneLake biedt geen ondersteuning voor DirectQuery-terugval. Voor meer informatie, zie De eigenschap Direct Lake-gedrag instellen.

Machtigingen voor gegevensbeveiliging en toegang

Direct Lake maakt standaard gebruik van eenmalige aanmelding (SSO), wat betekent dat de identiteit die het semantische model opvraagt (vaak een rapportgebruiker) gemachtigd moet zijn om toegang te krijgen tot de gegevens. U kunt ook een Direct Lake-model koppelen aan een deelbare cloudverbinding (SCC) om een vaste identiteit te bieden en SSO uit te schakelen. In dit geval vereist alleen de vaste identiteit leestoegang tot de gegevens in de bron.

Machtigingen voor textielproducten

Direct Lake-semantische modellen voldoen aan een gelaagd beveiligingsmodel. Ze voeren machtigingscontroles uit om te bepalen of de identiteit die toegang probeert te krijgen tot de gegevens de benodigde machtigingen voor gegevenstoegang heeft in het brongegevensitem en het semantische model. Machtigingen kunnen rechtstreeks worden toegewezen of impliciet worden verkregen met behulp van werkruimterollen in Microsoft Fabric.

Het is belangrijk om te weten dat Direct Lake op OneLake en Direct Lake op SQL-eindpunten verschillende machtigingscontroles uitvoert.

  • Voor Direct Lake op OneLake zijn Lees- en ReadAll-machtigingen voor het lakehouse/warehouse vereist om toegang te verkrijgen tot Delta-tabellen.
  • Direct Lake op SQL-eindpunten vereist lees- en leesgegevensmachtigingen voor het lakehouse/warehouse om toegang te krijgen tot gegevens van het SQL-analyse-eindpunt.

Notitie

Direct Lake op OneLake vereist dat gebruikers gemachtigd zijn om Delta-tabellen te lezen in OneLake en niet noodzakelijkerwijs het SQL-eindpunt. Dit dwingt een gecentraliseerd beveiligingsontwerp af waarin OneLake de enige bron van toegangsbeheer is.

Direct Lake op SQL-eindpunten vereist daarentegen dat gebruikers leestoegang hebben tot het SQL-eindpunt en niet noodzakelijkerwijs naar Delta-tabellen in OneLake. Dat komt doordat Fabric de benodigde machtigingen verleent aan het semantische model om de Delta-tabellen en bijbehorende Parquet-bestanden te lezen (om kolomgegevens in het geheugen te laden). Het semantische model heeft ook de benodigde machtigingen voor het periodiek lezen van het SQL Analytics-eindpunt om machtigingscontroles uit te voeren om te bepalen welke gegevens de querygebruiker (of vaste identiteit) kan openen.

Semantische modelmachtigingen

Naast machtigingen voor fabric-items moet u ook machtigingen verlenen aan gebruikers, zodat ze het semantische Direct Lake-model kunnen gebruiken of beheren. Kortom, rapportgebruikers hebben leesmachtigingen nodig en makers van rapporten hebben extra samenstellingsmachtigingen nodig. Semantische modelmachtigingen kunnen rechtstreeks worden toegewezen of impliciet worden verkregen met behulp van werkruimterollen. Als u de semantische modelinstellingen (voor vernieuwen en andere configuraties) wilt beheren, moet u de semantische modeleigenaar zijn.

Machtigingsvereisten

Houd rekening met de volgende scenario's en machtigingsvereisten.

Scenariobeschrijving Vereiste toestemmingen Opmerkingen
Gebruikers kunnen rapporten bekijken Ververleent leesmachtigingen voor de rapporten en leesmachtigingen voor het semantische model.

Als het semantische model Direct Lake op SQL-eindpunten gebruikt en de cloudverbinding SSO gebruikt, moet u ten minste Lees- en ReadData-machtigingen verlenen voor het Lakehouse of warehouse.

Als het semantische model Direct Lake op OneLake gebruikt en de cloudverbinding Single Sign-On (SSO) gebruikt, verleent u ten minste Lezen en Alles lezen machtigingen voor de Delta-tabellen in OneLake.		 Rapporten hoeven niet tot dezelfde werkruimte te behoren als het semantische model. Zie strategie voor alleen-lezen consumentenvoor meer informatie.
Gebruikers kunnen rapporten maken Bouwmachtiging verlenen voor het semantische model.

Als het semantische model Direct Lake op SQL-eindpunten gebruikt en als de cloudverbinding SSO gebruikt, verleent u ten minste Lees- en ReadData-machtigingen voor het lakehouse of warehouse.

Als het semantische model Direct Lake op OneLake gebruikt en de cloudverbinding Single Sign-On (SSO) gebruikt, verleent u ten minste Lezen en Alles lezen machtigingen voor de Delta-tabellen in OneLake.		 Zie Strategie voor makers van inhoudvoor meer informatie.
Gebruikers kunnen rapporten bekijken, maar worden geweigerd om query's uit te voeren op de lakehouse-, SQL-analyse-eindpunt- of Delta-tabellen in OneLake Ververleent leesmachtigingen voor de rapporten en leesmachtigingen voor het semantische model.

Geef geen toestemming aan gebruikers voor de lakehouse-, magazijn- of Delta-tabellen.		 Alleen geschikt wanneer het Direct Lake-model een vaste identiteitstoekenning gebruikt via een cloudverbinding waarbij Single Sign-On (SSO) is uitgeschakeld.
Het semantische model beheren, inclusief vernieuwingsinstellingen Vereist semantisch modelbeheer. Zie Semantisch modeleigendomvoor meer informatie.

Belangrijk

U moet altijd grondig machtigingen testen voordat u uw semantische model en rapporten in productie brengt.

Zie Semantische modelmachtigingen voor meer informatie.

Capaciteitsvereisten voor infrastructuur

Direct Lake-semantische modellen vereisen een Fabric-capaciteitslicentie. Er zijn ook capaciteitsgrenzen en -beperkingen die van toepassing zijn op uw Fabric-capaciteitsabonnement (SKU), zoals wordt weergegeven in de volgende tabel.

Belangrijk

De eerste kolom in de volgende tabel bevat ook Power BI Premium-capaciteitsabonnementen (P-SKU's). Microsoft consolideert aankoopopties en zet de Power BI Premium-SKU's per capaciteit stop. Nieuwe en bestaande klanten moeten overwegen om in plaats daarvan F-SKU's (Fabric-capaciteitsabonnementen) aan te schaffen.

Zie Belangrijke update beschikbaar voor Power BI Premium-licenties en Power BI Premium-voor meer informatie.

Stof-Artikelnummer Parquet-bestanden per tabel Rijgroepen per tabel Rijen per tabel (miljoenen) Maximale modelgrootte op schijf/OneLake (GB) Maximaal geheugen (GB) 1
F2 1,000 1,000 300 10 3
F4 1,000 1,000 300 10 3
F8 1,000 1,000 300 10 3
F16 1,000 1,000 300 20 5
F32 1,000 1,000 300 40 10
F64/FT1/P1 5.000 5.000 1,500 Onbegrensd vijfentwintig
F128/P2 5.000 5.000 3.000 Onbegrensd 50
F256/P3 5.000 5.000 6.000 Onbegrensd 100
F512/P4 10.000 10.000 12,000 Onbegrensd 200
F1024/P5 10.000 10.000 24,000 Onbegrensd 400
F2048 10.000 10.000 24,000 Onbegrensd 400

1 Voor semantische Direct Lake-modellen vertegenwoordigt Max Memory het maximale geheugenlimiet voor de hoeveelheid gegevens die in het geheugen kunnen worden geladen. Daarom is het geen kader omdat het overschrijden ervan niet resulteert in een terugval naar de DirectQuery-modus; Het kan echter een invloed hebben op de prestaties als de hoeveelheid gegevens groot genoeg is om overmatige paging in en uit de modelgegevens van de OneLake-gegevens te veroorzaken.

Als dit wordt overschreden, zorgt de maximale modelgrootte op schijf/OneLake ervoor dat alle query's naar het semantische model terugvallen naar de DirectQuery-modus. Alle andere kaders die in de tabel worden weergegeven, worden per query geëvalueerd. Het is daarom belangrijk dat u uw Delta-tabellen en het semantische Direct Lake-model optimaliseert om te voorkomen dat u onnodig omhoog moet schalen naar een hogere Fabric-SKU.

Daarnaast zijn capaciteitseenheid en maximaal geheugen per query limieten geldig voor semantische Direct Lake-modellen. Zie capaciteiten en SKU'svoor meer informatie.

Overwegingen en beperkingen

Direct Lake-semantische modellen bieden enkele overwegingen en beperkingen.

Notitie

De mogelijkheden en functies van semantische Direct Lake-modellen ontwikkelen zich snel. Controleer regelmatig of u de meest recente lijst met overwegingen en beperkingen bekijkt.

Overweging/beperking Direct Lake op OneLake Direct Lake op SQL (eindpunt voor analyse)
Wanneer het SQL Analytics-eindpunt beveiliging op rijniveau afdwingt, worden DAX-query's verschillend verwerkt, afhankelijk van het type Direct Lake-modus dat wordt gebruikt.

Wanneer Direct Lake op OneLake wordt gebruikt, slagen query's en worden op SQL gebaseerde RLS niet toegepast. Direct Lake op OneLake vereist dat de gebruiker toegang heeft tot de bestanden in OneLake, die geen op SQL gebaseerde RLS ziet.		 Query's worden uitgevoerd. Ja, tenzij terugval is uitgeschakeld in welk geval query's mislukken.
Als een tabel in het semantische model is gebaseerd op een (niet-gerealiseerde) SQL-weergave, worden DAX-query's verschillend verwerkt, afhankelijk van het type Direct Lake-modus dat wordt gebruikt.

Direct Lake op SQL-eindpunten zal in dit geval terugvallen op DirectQuery.

Het wordt niet ondersteund om een Direct Lake op een OneLake-tabel te maken op basis van een niet-gematerialiseerde SQL-weergave. U kunt in plaats daarvan een gerealiseerde weergave van Lakehouse gebruiken omdat Delta-tabellen worden gemaakt. U kunt ook een andere opslagmodus gebruiken, zoals Importeren of DirectLake, voor tabellen op basis van niet-gerealiseerde SQL-weergaven.		 Niet van toepassing Ja, tenzij terugval is uitgeschakeld in welk geval query's mislukken.
Samengestelde modellering wordt momenteel niet ondersteund, wat betekent dat semantische Direct Lake-modeltabellen niet kunnen worden gecombineerd met tabellen in andere opslagmodi, zoals Importeren, DirectQuery of Dual (met uitzondering van speciale gevallen, waaronder berekeningsgroepen, what-if-parameters en veldparameters). Niet ondersteund Niet ondersteund
Berekende kolommen en berekende tabellen die verwijzen naar kolommen of tabellen in de Direct Lake-opslagmodus, worden niet ondersteund. Berekeningsgroepen, wat-als-parametersen veldparameters, die impliciet berekende tabellen maken en berekende tabellen die niet verwijzen naar Direct Lake-kolommen of -tabellen, worden ondersteund. Niet ondersteund Niet ondersteund
Tabellen in de Direct Lake-opslagmodus bieden geen ondersteuning voor complexe deltatabelkolomtypen. Binaire en GUID-semantische typen worden ook niet ondersteund. U moet deze gegevenstypen converteren naar tekenreeksen of andere ondersteunde gegevenstypen. Niet ondersteund Niet ondersteund
Voor tabelrelaties moeten de gegevenstypen van gerelateerde kolommen overeenkomen. Ja Ja
Eenzijdige relatiekolommen moeten unieke waarden bevatten. Query's mislukken als dubbele waarden worden gedetecteerd in een éénzijdige kolom. Ja Ja
Automatische datum-/tijdintelligentie in Power BI Desktop om relaties te maken met alleen het datumgedeelte van een datum/tijd-kolom. Opmerking: het markeren van uw eigen datumtabel als een datumtabel en het maken van relaties met behulp van datumkolommen wordt ondersteund. Ondersteund Niet ondersteund
De lengte van tekenreekskolomwaarden is beperkt tot 32.764 Unicode-tekens. Ja Ja
Niet-numerieke drijvendekommawaarden, zoals NaN (geen getal), worden niet ondersteund. Ja Ja
Publiceren op internet vanuit Power BI met behulp van een service-principal wordt alleen ondersteund wanneer u een vaste identiteit gebruikt voor het semantische Direct Lake-model. Ja Ja
In de webmodelleringservaringis validatie beperkt voor semantische Direct Lake-modellen. Gebruikersselecties worden verondersteld correct te zijn en er worden geen query's uitgegeven om kardinaliteit of kruisfilterselecties voor relaties te valideren, of voor de geselecteerde datumkolom in een gemarkeerde datumtabel. Ja Ja
In de Fabric-portal bevat het tabblad Direct Lake in de vernieuwingsgeschiedenis een overzicht van direct Lake-gerelateerde vernieuwingsfouten. Geslaagde vernieuwingsbewerkingen (framebewerkingen) worden meestal niet vermeld, tenzij de vernieuwingsstatus verandert, zoals van niet eerder uitgevoerd of mislukt vernieuwen naar geslaagd vernieuwen of een waarschuwing. Ja Ja
Uw Fabric-SKU bepaalt het maximale beschikbare geheugen per semantisch Direct Lake-model voor de capaciteit. Wanneer de limiet wordt overschreden, kunnen query's naar het semantische model langzamer zijn vanwege overmatige paginering in en uit modelgegevens. Ja Ja
Het maken van een semantisch Direct Lake-model in een werkruimte die zich in een andere regio van de gegevensbronwerkruimte bevindt, wordt niet ondersteund. Als het Lakehouse zich bijvoorbeeld in VS - west-centraal bevindt, kunt u alleen semantische modellen maken van dit Lakehouse in dezelfde regio. Een tijdelijke oplossing is om in de werkruimte van de andere regio een Lakehouse te maken en vervolgens een snelkoppeling naar de tabellen te creëren voordat u het semantische model maakt. Zie uw Fabric-thuisregio vindenom te ontdekken in welke regio u zich bevindt. Ja Ja
Voor het insluiten van rapporten is een V2-insluittoken vereist. Ja Niet ondersteund
Service-principalprofielen voor verificatie. Niet ondersteund Niet ondersteund
Semantische modellen van Power BI Direct Lake kunnen worden gemaakt en opgevraagd door service-principals en wanneer zij lid zijn van de viewer-rol, wordt dat ondersteund. Echter, de standaard semantische Direct Lake-modellen in Lakehouse/Warehouse bieden geen ondersteuning voor dit scenario. Ja Ja
Snelkoppelingen in een lakehouse kunnen worden gebruikt als gegevensbronnen voor semantische modeltabellen. Niet ondersteund tijdens openbare preview Ondersteund
Direct Lake-modellen maken in persoonlijke werkruimten (Mijn werkruimte). Niet ondersteund Niet ondersteund
Implementatiepijplijnregels om de gegevensbron opnieuw te koppelen. Niet ondersteund Ondersteund

Verwante inhoud