Partilhar via

Compreender os datamarts

  • Artigo

Este artigo descreve e explica conceitos importantes sobre datamarts.

Compreender o modelo semântico (padrão)

Os datamarts fornecem uma camada semântica que é gerada automaticamente e sincronizada com o conteúdo das tabelas do datamart, sua estrutura e dados subjacentes. Essa camada é fornecida em um modelo semântico gerado automaticamente. Essa geração e sincronização automáticas permitem que você descreva melhor o domínio de dados com coisas como hierarquias, nomes amigáveis e descrições. Você também pode definir a formatação específica para sua localidade ou requisitos de negócios. Com os datamarts, você pode criar medidas e métricas padronizadas para relatórios. O Power BI (e outras ferramentas de cliente) pode criar elementos visuais e fornecer resultados para esses cálculos com base nos dados no contexto.

O modelo semântico padrão do Power BI criado a partir de um datamart elimina a necessidade de se conectar a um modelo semântico separado, configurar agendas de atualização e gerenciar vários elementos de dados. Em vez disso, você pode criar sua lógica de negócios em um datamart e seus dados estarão imediatamente disponíveis no Power BI, permitindo o seguinte:

  • Acesso aos dados do Datamart através do Hub do modelo semântico.
  • Capacidade de análise em Excel.
  • Capacidade de criar relatórios rapidamente no serviço do Power BI.
  • Não há necessidade de atualizar, sincronizar dados ou entender detalhes da conexão.
  • Crie soluções na Web sem precisar do Power BI Desktop.

Durante a visualização, a conectividade do modelo semântico padrão está disponível usando somente o DirectQuery . A imagem a seguir mostra como os datamarts se encaixam no contínuo do processo, começando com a conexão com os dados, até a criação de relatórios.

Diagram that shows how datamarts fit into the data connection and analysis continuum.

Os modelos semânticos padrão são diferentes dos modelos semânticos tradicionais do Power BI das seguintes maneiras:

  • O ponto de extremidade XMLA suporta operações somente leitura e os usuários não podem editar o modelo semântico diretamente. Com a permissão somente leitura XMLA, você pode consultar os dados em uma janela de consulta.
  • Os modelos semânticos padrão não têm configurações de fonte de dados e os usuários não precisam inserir credenciais. Em vez disso, eles usam logon único automático (SSO) para consultas.
  • Para operações de atualização, os modelos semânticos usam as credenciais de autor do modelo semântico para se conectar ao ponto de extremidade SQL do datamart gerenciado.

Com o Power BI Desktop, os usuários podem criar modelos compostos, permitindo que você se conecte ao modelo semântico do datamart e faça o seguinte:

  • Selecione tabelas específicas para analisar.
  • Adicione mais fontes de dados.

Finalmente, se você não quiser usar o modelo semântico padrão diretamente, poderá se conectar ao ponto de extremidade SQL do datamart. Para obter mais informações, consulte Criar relatórios usando datamarts.

Compreender o que há no modelo semântico padrão

Atualmente, as tabelas no datamart são adicionadas automaticamente ao modelo semântico padrão. Os usuários também podem selecionar manualmente tabelas ou exibições do datamart que desejam incluir no modelo para maior flexibilidade. Os objetos que estão no modelo semântico padrão serão criados como um layout na exibição do modelo.

A sincronização em segundo plano que inclui objetos (tabelas e exibições) aguardará que o modelo semântico downstream não esteja em uso para atualizar o modelo semântico, honrando a obsolescência limitada. Os usuários sempre podem escolher manualmente as tabelas que desejam ou não no modelo semântico.

Compreender a atualização incremental e os datamarts

Você pode criar e modificar a atualização incremental de dados, semelhante aos fluxos de dados e à atualização incremental do modelo semântico, usando o editor de datamart. A atualização incremental estende as operações de atualização agendadas fornecendo criação e gerenciamento automatizados de partições para tabelas de datamart que carregam frequentemente dados novos e atualizados.

Para a maioria dos datamarts, a atualização incremental envolverá uma ou mais tabelas que contêm dados de transação que mudam com frequência e podem crescer exponencialmente, como uma tabela de fatos em um esquema de banco de dados relacional ou em estrela. Se você usar uma política de atualização incremental para particionar a tabela e atualizar apenas as partições de importação mais recentes, poderá reduzir significativamente a quantidade de dados que devem ser atualizados.

A atualização incremental e os dados em tempo real para datamarts oferecem as seguintes vantagens:

  • Menos ciclos de atualização para dados em rápida mudança
  • As atualizações são mais rápidas
  • As atualizações são mais fiáveis
  • O consumo de recursos é reduzido
  • Permite criar grandes datamarts
  • Fácil de configurar

Compreender o cache proativo

O cache proativo permite a importação automática dos dados subjacentes para o modelo semântico padrão para que você não precise gerenciar ou orquestrar o modo de armazenamento. O modo de importação para o modelo semântico padrão fornece aceleração de desempenho para o modelo semântico do datamart usando o mecanismo Vertipaq rápido. Quando você usa cache proativo, o Power BI altera o modo de armazenamento do seu modelo para importar, que usa o mecanismo na memória no Power BI e no Analysis Services.

O cache proativo funciona da seguinte maneira: após cada atualização, o modo de armazenamento do modelo semântico padrão é alterado para DirectQuery. O cache proativo cria um modelo de importação lado a lado de forma assíncrona e é gerenciado pelo datamart, e não afeta a disponibilidade ou o desempenho do datamart. As consultas recebidas após a conclusão do modelo semântico padrão usarão o modelo de importação.

A geração automática do modelo de importação ocorre dentro de aproximadamente 10 minutos após nenhuma alteração ser detetada no datamart. O modelo semântico de importação muda das seguintes maneiras:

  • Atualizações
  • Novas fontes de dados
  • Alterações de esquema:
    • Novas fontes de dados
    • Atualizações às etapas de preparação de dados no Power Query Online
  • Quaisquer atualizações de modelagem, tais como:
    • Medições
    • Hierarquias
    • Descrições

Práticas recomendadas para cache proativo

Use os Pipelines de Implantação para alterações que garantam o melhor desempenho e para garantir que os usuários estejam usando o modelo de importação. Usar pipelines de implantação já é uma prática recomendada para criar datamarts , mas isso garante que você aproveite o cache proativo com mais frequência.

Considerações e limitações para cache proativo

  • Atualmente, o Power BI limita a duração das operações de cache a 10 minutos.
  • Restrições de exclusividade/não nulas para colunas específicas serão impostas no modelo de importação e falharão na criação de cache se os dados não estiverem em conformidade.

Conteúdos relacionados

Este artigo forneceu uma visão geral dos conceitos importantes do datamart para entender.

Os seguintes artigos fornecem mais informações sobre datamarts e Power BI:

Para obter mais informações sobre fluxos de dados e transformação de dados, consulte os seguintes artigos: