Share via

Planejamento de capacidade de relatórios paginados

  • Artigo

APLICA-SE A: relatórios paginados do Power BI Serviço do Power BI Power BI Desktop

Saiba como planejar sua capacidade Premium para obter o melhor desempenho de relatórios paginados, a um custo mínimo. Se você estiver migrando para o Power BI de uma ferramenta de business intelligence diferente, considere ler os artigos listados abaixo antes de decidir qual capacidade usar.

planejamento de capacidade

O cálculo do tipo de capacidade necessária depende de vários fatores, como o número de visuais em seus relatórios, a complexidade das consultas em relação ao relatório e a qualidade da fonte de dados ou do modelo de dados. Você também deve considerar o uso atual de sua capacidade durante os horários de pico, antes de adicionar relatórios paginados a ela.

Antes de começar a planejar qual capacidade você precisa, examine a tabela Capacidades e SKUs para ver quais recursos são oferecidos por cada capacidade.

Ao planejar sua capacidade, considere o seguinte:

  • A complexidade do design do relatório. Tablix aninhado, vários sub-relatórios e vários grupos de linhas e colunas adicionam à complexidade do design e exigem recursos de capacidade.

  • A quantidade de dados recuperados pelo relatório. Quanto mais dados o relatório precisar, mais recursos ele exigirá de sua capacidade.

  • A maneira como o relatório recupera dados. Quando você usa conectores, drivers ou gateways, a recuperação de dados pode demorar mais, exigir mais recursos e, como resultado, tornar-se mais cara.

  • A exportação de relatórios grandes em formatos como Excel e PDF requer mais recursos do que a leitura de cada página, o uso de alternâncias e a pesquisa nos relatórios.

com quantos usuários um SKU pode lidar?

Para testar relatórios paginados em diferentes capacidades, executamos três tipos diferentes de cargas de trabalho em diferentes tamanhos de SKU. Cada carga de trabalho consistia em um relatório único de renderização simultânea, com tamanhos diferentes.

  • Pequeno – Tabela de agregação de dados criada com mais de 100 linhas de uma fonte de dados do SQL do Azure.

  • Médio – Tabela de agregação de dados criada com mais de 100.000 linhas de uma fonte de dados do SQL do Azure.

  • Grande – Tabela de agregação de dados criada com mais de 250.000 linhas de uma fonte de dados do SQL do Azure.

Nossa análise do Power BI Premium mostra que o número de usuários simultâneos a qualquer momento, incluindo horários de pico diários, não tende a exceder 5% da base total de usuários.

Com base na taxa de simultaneidade de 5%, a tabela a seguir descreve o número máximo aproximado de usuários que um SKU pode lidar antes de ser sobrecarregado. Quando sua capacidade estiver sobrecarregada, a limitação ocorrerá em sua capacidade. Para mais informações, veja O que ocorrerá com o tráfego durante uma sobrecarga caso o dimensionamento automático não seja executado?

Carga de trabalho SKUs F64 ou P1 SKUs F128 ou P2
Pequeno 2.500 usuários 5.000 usuários
Média 1.900 usuários 3.800 usuários
grande 1.300 usuários 2.600 usuários

Leve em consideração que os números na tabela referem-se a capacidades designadas que não executam outras operações. Sua capacidade já pode usar recursos de CPU para operações como:

  • Recuperação e processamento de dados

  • Outras operações de carga de trabalho e em segundo plano

  • Agrupamento e remodelação de dados complexos

  • Filtragem de dados

Solicitações simultâneas

Cada carga de trabalho em uma capacidade, incluindo a carga de trabalho de relatórios paginados, tem um máximo de 500 renderizações simultâneas de relatório a qualquer momento. Se sua capacidade estiver renderizando 100 relatórios e tiver 200 solicitações para exportar relatórios paginados, você terá 200 solicitações de renderização de relatório simultâneas restantes.

Para evitar congestionamentos, planeje sua carga de solicitações simultâneas com antecedência. Se você exceder o limite de solicitações simultâneas, encontrará o erro Muitas Solicitações (429).

Uso do aplicativo de métricas

Usando o aplicativo Métricas de Capacidade do Microsoft Fabric, você pode estimar o impacto do relatório paginado em sua capacidade. O aplicativo mede o uso da CPU ao longo do tempo, permitindo que você entenda como sua capacidade está sendo executada.

Para testar seu relatório paginado, sugerimos que você use uma capacidade limpa dedicada. Uma capacidade limpa ajuda a isolar os resultados do impacto de outros usuários e cargas de trabalho.

Dependendo do cenário de teste direcionado, por exemplo, validação média ou máxima de uso, selecione ou crie um representante de relatório do consumo de recursos previsto e carregue-o em um workspace Premium/Fabric na capacidade que você criou para o teste.

Execute o relatório várias vezes e use o aplicativo de métricas para obter os segundos médios de CPU gastos para executar o relatório. Ao calcular o tempo necessário para executar o relatório, considere o seguinte:

  • O aplicativo mostra valores agregados, talvez seja necessário dividir os resultados pelo número de vezes que você executa o relatório.

  • Há vários itens e operações do Power BI que podem estar envolvidos na renderização de relatórios. Talvez seja necessário somar o consumo de CPU.

  • Há vários itens e operações do Power BI que podem estar envolvidos na renderização de relatório, pois as renderizações podem levar muito tempo. Uma operação de execução prolongada na página Ponto de Tempo pode ser exibida como uma lista de operações, sem nenhuma duração maior que 30 segundos. Talvez seja necessário somar o consumo de CPU das operações de renderização. A classificação pela hora de início pode ajudar a exibir o histórico completo da renderização.

Calcular as renderizações máximas do relatório

Use essa fórmula para calcular o máximo de renderizações simultâneas que uma capacidade pode manipular, antes de sobrecarregar.

$ \text {max concurrent report renders} = {\text {number of capacity SKU cores} \times {30} \over \text {your report's CPU processing time (in seconds)}} $

Calcular o número máximo de usuários

Usando a simultaneidade estimada de 5% para a correlação entre o número de usuários totais e o máximo de renderizações simultâneas, você pode obter o número total de usuários que um SKU pode lidar.

$ \text {max SKU users} = {\text {max concurrent report renders} \over 0.05} $

Calcular recursos de capacidade para vários relatórios

Você pode usar uma fórmula estendida para estimar a capacidade necessária para diferentes usos de relatório.

Carregue vários relatórios paginados com um número diferente de renderizações diárias e use o aplicativo de métricas para obter o tempo médio de processamento da CPU para cada um deles. A soma de todas as renderizações de relatório por dia deve ser igual a 100%. Quando você tiver todas as informações, use esta fórmula.

$ \text {max concurrent report renders} = {\text {number of capacity SKU cores} \times {30} \over {\text {A renders} \times \text {A processing time}} + \text {B renders} \times \text {B processing time} + \text {...} + \text{N renders} \times \text{N processing time}}$

Exemplos

Esta seção inclui dois exemplos, um para o cálculo regular e outro para o cálculo avançado.

Cálculo regular

Vamos supor que você esteja executando um relatório paginado em um SKU F64 ou P1 que tem oito núcleos. O uso total da CPU para 10 execuções é de 40 segundos, portanto, o tempo médio de CPU por relatórios é de quatro segundos.

$ 60 = {8 \times {30} \over 4} $

Ao usar a segunda fórmula, você obtém no máximo 1.200 usuários.

$ 1,200 = {60 \over 0.05} $

Para SKUs F128 ou P2, você pode multiplicar esses números por dois, pois a capacidade tem o dobro do número de núcleos de CPU.

Cálculo avançado

Vamos supor que você tenha três relatórios paginados com a porcentagem de renderização diária listada na tabela abaixo.

Relatório Número de relatórios renderizados por dia Tempo de processamento da CPU (em segundos)
Um 60% 4
B 30% 10
C 10% 20

As fórmulas de um SKU F64 ou P1 serão:

Valor Fórmula
Renderizações de relatório simultâneas máximas $ ~32.4 = {8 \times {30} \over 0.6 \times{4} + 0.3 \times{10} + 0.1 \times{20}} $
Total de usuários de SKU $ ~650 = {32.4 \over 0.05} $

Conteúdo relacionado