Dela via

Storleksändring för lokal datagateway

  • Artikel

Den här artikeln riktar sig till Power BI-administratörer som behöver installera och hantera den lokala datagatewayen.

Gatewayen krävs när Power BI måste komma åt data som inte är tillgängliga direkt via Internet. Den kan installeras på en lokal server eller en vm-värdbaserad infrastruktur som en tjänst (IaaS).

Gatewayarbetsbelastningar

Den lokala datagatewayen stöder två arbetsbelastningar. Det är viktigt att du först förstår dessa arbetsbelastningar innan vi diskuterar gatewaystorlek och rekommendationer.

Cachelagrad dataarbetsbelastning

Arbetsbelastningen Cachelagrade data hämtar och transformerar källdata för inläsning till Power BI-semantiska modeller (tidigare kallade datauppsättningar). Det gör det i tre steg:

  1. Anslut ion: Gatewayen ansluter till källdata.
  2. Datahämtning och transformering: Data hämtas och transformeras vid behov. När det är möjligt skickar Power Query-kombinationsmotorn transformeringssteg till datakällan – det kallas frågedelegering. När det inte är möjligt måste transformeringar utföras av gatewayen. I det här fallet förbrukar gatewayen mer processor- och minnesresurser.
  3. Överföring: Data överförs till Power BI-tjänst – en tillförlitlig och snabb Internetanslutning är viktig, särskilt för stora datavolymer.

Diagram över cachedata som visar den lokala datagatewayen som ansluter till lokala källor.

Live Anslut ion- och DirectQuery-arbetsbelastningar

Arbetsbelastningen Live Anslut ion och DirectQuery fungerar främst i direktströmningsläge. Power BI-tjänst skickar frågor och gatewayen svarar med frågeresultat. I allmänhet är frågeresultaten små i storlek.

Den här arbetsbelastningen kräver CPU-resurser för routning av frågor och frågeresultat. Vanligtvis finns det mycket mindre efterfrågan på PROCESSOR än vad som krävs av cachedataarbetsbelastningen, särskilt när det krävs för att transformera data för cachelagring.

Tillförlitlig, snabb och konsekvent anslutning är viktigt för att säkerställa att rapportanvändarna har dynamiska upplevelser.

Diagram över Live Anslut ion och DirectQuery som visar den lokala datagatewayen som ansluter till lokala källor.

Storleksöverväganden

Att fastställa rätt storlek för din gatewaydator kan bero på följande variabler:

  • För cachedataarbetsbelastningar:
    • Antalet samtidiga semantiska modelluppdateringar
    • Typerna av datakällor (relationsdatabas, analysdatabas, dataflöden eller filer)
    • Mängden data som ska hämtas från datakällor
    • Alla transformeringar som krävs av Power Query-kombinationsmotorn
    • Mängden data som ska överföras till Power BI-tjänst
  • För Live Anslut ion- och DirectQuery-arbetsbelastningar:
    • Antalet samtidiga rapportanvändare
    • Antalet visuella objekt på rapportsidor (varje visuellt objekt skickar minst en fråga)
    • Frekvensen för uppdateringar av frågecache för Power BI-instrumentpanelen
    • Antalet realtidsrapporter med funktionen Automatisk siduppdatering
    • Om semantiska modeller framtvingar säkerhet på radnivå (RLS)

I allmänhet kräver Live Anslut ion- och DirectQuery-arbetsbelastningar tillräckligt med CPU, medan cachedataarbetsbelastningar kräver mer CPU och minne. Båda arbetsbelastningarna är beroende av god anslutning till Power BI-tjänst och datakällorna.

Kommentar

Power BI-kapaciteter begränsar modelluppdateringsparallellitet och live-Anslut ion och DirectQuery-dataflöde. Det är ingen idé att storleksanpassa dina gatewayer för att leverera mer än vad Power BI-tjänst stöder. Gränserna skiljer sig åt efter Premium SKU (och A SKU med motsvarande storlek). Mer information finns i Microsoft Fabric-kapacitetslicenser och Vad är Power BI Premium? (Kapacitetsnoder).

Viktigt!

Ibland refererar den här artikeln till Power BI Premium eller dess kapacitetsprenumerationer (P SKU:er). Tänk på att Microsoft för närvarande konsoliderar köpalternativ och drar tillbaka Power BI Premium per kapacitets-SKU:er. Nya och befintliga kunder bör överväga att köpa kapacitetsprenumerationer för Infrastrukturresurser (F SKU:er) i stället.

Mer information finns i Viktig uppdatering som kommer till Power BI Premium-licensiering och Vanliga frågor och svar om Power BI Premium.

Rekommendationer

Rekommendationer för gatewaystorlek beror på många variabler. I det här avsnittet ger vi dig allmänna rekommendationer som du kan ta hänsyn till.

Inledande storleksändring

Det kan vara svårt att exakt uppskatta rätt storlek. Vi rekommenderar att du börjar med en dator med minst 8 CPU-kärnor, 8 GB RAM-minne och flera Gigabit-nätverkskort. Du kan sedan mäta en typisk gatewayarbetsbelastning genom att logga processor- och minnessystemräknare. Mer information finns i Övervaka och optimera prestanda för lokala datagatewayer.

Anslutning

Planera för bästa möjliga anslutning mellan Power BI-tjänst och din gateway samt din gateway och datakällorna.

  • Sträva efter tillförlitlighet, snabba hastigheter och korta, konsekventa svarstider.
  • Eliminera – eller minska – maskinhopp mellan gatewayen och dina datakällor.
  • Ta bort nätverksbegränsningar som införts av brandväggsproxylagret. Mer information om Power BI-slutpunkter finns i Lägga till Power BI-URL:er i listan över tillåtna.
  • Konfigurera Azure ExpressRoute för att upprätta privata, hanterade anslutningar till Power BI.
  • För datakällor i virtuella Azure-datorer kontrollerar du att de virtuella datorerna är samlokaliserade med Power BI-tjänst.
  • För Live Anslut ion-arbetsbelastningar till SQL Server Analysis Services (SSAS) med dynamisk RLS säkerställer du god anslutning mellan gatewaydatorn och lokal Active Directory.

Klustring

För storskaliga distributioner kan du skapa en gateway med flera klustermedlemmar. Kluster undviker enskilda felpunkter och kan belastningsutjämning av trafik mellan gatewayer. Du kan:

  • Installera en eller flera gatewayer i ett kluster.
  • Isolera arbetsbelastningar till fristående gatewayer eller kluster av gatewayservrar.

Mer information finns i Hantera lokala datagatewaykluster med hög tillgänglighet och belastningsutjämning.

Design och inställningar för semantisk modell

Semantisk modelldesign och deras inställningar kan påverka gatewayarbetsbelastningar. För att minska gatewayarbetsbelastningen kan du överväga följande åtgärder.

För import av semantiska modeller:

  • Konfigurera mindre frekvent datauppdatering.
  • Konfigurera inkrementell uppdatering för att minimera mängden data som ska överföras.
  • Se till att frågedelegering sker när det är möjligt.
  • Speciellt för stora datavolymer eller ett behov av resultat med låg latens konverterar du designen till en DirectQuery- eller sammansatt modell.

För DirectQuery-semantiska modeller:

  • Optimera datakällor, modell- och rapportdesign – mer information finns i DirectQuery-modellvägledning i Power BI Desktop.
  • Skapa aggregeringar för att cachelagra resultat på högre nivå för att minska antalet DirectQuery-begäranden.
  • Begränsa automatiska siduppdateringsintervall i rapportdesign och kapacitetsinställningar.
  • Särskilt när dynamisk RLS tillämpas begränsar du uppdateringsfrekvensen för instrumentpanelens cacheminne.
  • Särskilt för mindre datavolymer eller för icke-flyktiga data konverterar du designen till en import- eller sammansatt modell.

För live-Anslut ion semantiska modeller:

  • Särskilt när dynamisk RLS tillämpas begränsar du uppdateringsfrekvensen för instrumentpanelens cacheminne.

Relaterat innehåll

Mer information om den här artikeln finns i följande resurser: