Granska prestanda för mått, relationer och visuella objekt
Om din modell har flera register, komplexa relationer, intiala beräkningar, flera visuella objekt eller redundanta data, kan det finnas en potential för dålig rapportprestanda. Rapportens dåliga prestanda leder till en negativ användarupplevelse.
Om du vill optimera prestandan måste du först identifiera varifrån problemet kommer. Det innebär alltså att ta reda på vilka element i rapporten och modellen för modellförorende som orsakar prestandaproblemen. Sedan kan du vidta åtgärder för att lösa dessa problem och därmed förbättra prestandan.
Identifiera flaskhalsar i rapportprestanda
För att uppnå optimal prestanda i dina rapporter behöver du skapa en effektiv modell för effektivitet som har snabb kör frågor och mått. Om du har en bra grund kan du ytterligare förbättra modellen genom att analysera frågeplanerna och beroendena och sedan göra ändringar för att ytterligare optimera prestandan.
Du bör granska åtgärderna och frågorna i din modell för att säkerställa att du använder det mest effektiva sättet att få de resultat du vill ha. Utgångspunkten bör vara att identifiera flaskhalsar som finns i koden. När du identifierar den långsammaste frågan i modellmodellen kan du först fokusera på den största flaskhalsen och skapa en prioritetslista för att arbeta dig igenom de andra frågorna.
Analysera prestanda
Med Prestandaanalys kan du få hjälp Power BI Desktop att ta reda på hur varje rapportelement presterar när användarna samverkar med dem. Du kan till exempel bestämma hur lång tid det tar för en viss visuell uppdatering när den initieras av en användarintern interaktion. Med prestandaanalysatorn kan du identifiera de element som bidrar till dina prestandaproblem, som kan vara användbara vid felsökning.
Innan du kör Prestandaanalysator ska du kontrollera att du får de mest exakta resultaten i analysen (testet), kontrollera att du börjar med en rensad visuell cache och en rensad datamotorcachen.
Visuell cachelagring : När du läser in en visuell cache kan du inte rensa den visuella cachen utan att stänga den Power BI Desktop och öppna den igen. För att undvika cachning i gång måste du starta analysen med en ren visuell cache.
Om du vill vara säker på att du har en tom visuell cache lägger Power BI Desktop du till en tom sida i filen (.pbix) och sedan, med den sidan markerad, spara och stänga filen. Öppna den Power BI Desktop (.pbix)-fil som du vill analysera på nytt. Det öppnas på den tomma sidan.
Datamotorcachen - När en fråga körs cachelagras resultaten så att analysresultaten av dina analyser avse. Du måste rensa datacachen innan du kör det visuella objektet igen.
Om du vill rensa datacachen kan du starta om eller Power BI Desktop ansluta DAX Studio till modell för förvalning och sedan anropa Rensa cache.
När du har rensat cacheminnet Power BI Desktop och öppnat filen på den tomma sidan går du till fliken Visa och Välj alternativet Prestandaanalys .
Börja med analysprocessen genom Välj Starta inspelning, Välj på sidan för rapporten som du vill analysera och interagera med elementen i rapporten som du vill mäta. Resultatet av dina interaktioner visas i fönstret Prestationsanalysator medan du arbetar. När du är klar Välj du på knappen Stopp.
Mer detaljerad information finns i Använd Prestandaanalys när du undersöker rapportens elements prestanda.
Granska resultat
Du kan granska resultaten av prestandatestet i fönstret Prestandaanalysator . Om du vill granska uppgifterna i tidsordning, längst till kortast, högerklicka på ikonen Sortera bredvid kolumnrubriken Varaktighet (ms) och Välj Totaltid i fallande ordning.
Logginformationen för varje visuell visar hur lång tid det tog (varaktigheten) att utföra följande kategorier av uppgifter:
DAX-fråga - Den tid det tog för det visuella objektet att skicka frågan, tillsammans med den tid det tog Analysis Services att returnera resultaten.
Visuell visning – Den tid det tog för den visuella visningen på skärmen, inklusive den tid det tog att hämta webbbilder eller visning.
Annan - Den tid det tog den visuella att förbereda frågor, vänta tills andra visuella objekt skulle slutföras eller utföra andra uppgifter för bakgrundsbearbetning. Om den här kategorin innehåller lång tidslängd är det enda verkliga sättet att minska tidslängden att optimera DAX-frågor för andra visuella objekt, eller minska antalet visuella objekt i rapporten.
Resultaten av analystestet hjälper dig att förstå hur din modell för modellbeteende fungerar, och identifiera de element som du behöver för att optimera. Du kan jämföra längden på varje element i rapporten och identifiera de element som har lång tidslängd. Du bör fokusera på dessa element och undersöka varför det tar så lång tid att läsa in dem på rapportsidan.
Om du vill analysera dina frågor mer detaljerat kan du använda DAX Studio, som är ett gratisverktyg med öppen källa som tillhandahålls av en annan tjänst.
Lösa problem och optimera prestanda
Resultaten av din analys identifierar områden för förbättring och möjligheter till prestandaoptimering. Du kanske behöver utföra förbättringar av visuella elementen, DAX-frågan eller andra element i din modell för modellutor för modellutorer. Följande information ger riktlinjer om vad du ska leta efter och vilka ändringar som du kan göra.
Grafik
Om du identifierar visuella information som flaskhalsen som leder till dålig prestanda, bör du hitta ett sätt att förbättra prestandan med minimal inverkan på användarupplevelsen.
Ta hänsyn till antalet visuella element på rapportsidan. få visuella betyder bättre prestanda. Fråga dig själv om en visuell är verkligen nödvändig och om den lägger till värde till slutanvändaren. Om svaret är nej, bör du ta bort det visuella objektet. I stället för att använda flera visuella element på sidan bör du överväga andra sätt att lägga till mer information, till exempel gå vidare genom sidor och knappbeskrivningar för rapportsidor.
Undersöka antalet fält i varje visuellt objekt. Ju fler visuella du har i rapporten, desto större är risken för prestandaproblem. Ju fler visuella du ser, desto mer kan rapporten se ut, och du förlorar den. Den övre gränsen för visuell information är 100 fält (mått eller kolumner), så en visuell bild med fler än 100 fält blir långsammare att läsa in. Fråga dig själv om du verkligen behöver alla dessa data i ett visuellt. Du kanske kan minska antalet fält som du för närvarande använder.
DAX-fråga
När du undersöker resultaten i prestandaanalysrutan ser Power BI Desktop du hur lång tid det tog för motorerna att utvärdera varje fråga (i millisekunder). En bra utgångspunkt är alla DAX-frågor som tar längre tid än 120 millisekunder. I det här exemplet identifierar du en särskild fråga som har lång tidslängd.
I Prestandaanalysatorn tas det upp potentiella problem, men du vet inte vad som behöver göras för att förbättra dem. Du kanske vill genomföra ytterligare undersökningar av varför det tar så lång tid att behandla åtgärderna. Du kan använda DAX Studio om du vill undersöka dina frågor mer detaljerat.
Du kan till Välj Copy-fråga om du vill kopiera beräkningsformeln till Urklipp och klistra in den i Dax Studio. Du kan sedan granska beräkningen steg mer detaljerat. I detta exempel försöker du att räkna det totala antalet produkter med orderkvantiteter större än eller lika med fem.
Count Customers =
CALCULATE (
DISTINCTCOUNT ( Order[ProductID] ),
FILTER ( Order, Order[OrderQty] >= 5 )
)
När du har analyserat frågan kan du använda dina egna kunskaper och erfarenheter för att identifiera var prestandaproblemen befinner sig. Du kan också prova att använda olika DAX-funktioner för att se om de förbättrar prestandan. I följande exempel byttes FILTERfunktionen ut mot KEEPFILTER-funktionen. När testet körs igen i Prestandaanalysator var varaktigheten kortare till följd av FUNKTIONEN KEEPFILTER.
Count Customers =
CALCULATE (
DISTINCTCOUNT ( Order[ProductID] ),
KEEPFILTERS (Order[OrderQty] >= 5 )
)
I så fall kan du ersätta FILTERfunktionen med KEEPFILTER-funktionen om du avsevärt vill minska tiden för utvärdering av tidslängden för den här frågan. När du gör den här ändringen ska du kontrollera om tidslängden har förbättrats eller inte . Ta bort datacachen och kör sedan prestandaanalysprocessen igen.
Semantisk modell
Om tidslängden för mått och visuella visning är lågvärden (med andra ord kort tidslängd), är de inte orsaken till prestandaproblemen. Om DAX-frågan visar ett högt tidsvärde är det i stället sannolikt att ett mått skrivs, eller så har ett problem uppstått med modellutan. Problemet kan orsakas av relationer, kolumner eller metadata i modellen, eller så kan det vara status för alternativet Autodatum/ tid, vilket förklaras i följande avsnitt.
Relationer
Du bör granska relationerna mellan registren för att säkerställa att du har upprättat de korrekta relationerna. Kontrollera att egenskaper för relationskonfigurering är korrekt konfigurerade. En en sidokolumn med unika värden kan till exempel bli felaktigt konfigurerad som en kolumn med flera sidor. Du lära dig mer om hur effektivitet påverkar prestanda senare i den här modulen.
Kolumner
Det är praktiskt att inte importera kolumner med data som du inte behöver. Om du vill undvika att kolumnerna tas bort i redigeraren bör du försöka hantera dem vid källan när du läser in Power Query data i den Power BI Desktop. Om det inte är möjligt att ta bort redundanta kolumner från källfrågan eller om data redan har importerats i sitt råläge, Power Query kan du alltid använda Editor för att granska varje kolumn. Fråga dig själv om du verkligen behöver varje kolumn och försöker identifiera vilken förmån som var och en lägger till i din modell. Om du tycker att en kolumn inte ger något värde bör du ta bort den från modellmodellen. Anta till exempel att du har en ID-kolumn med tusentals unika rader. Du vet att du inte kommer att använda den här kolumnen i en relation, så den används inte i en rapport. Därför bör du tänka på att den här kolumnen är onödigt och överflödig när det handlar om att slösa utrymme i din affärsmodell.
När du tar bort en onödiga kolumn minskar du storleken på modell av modell, vilket i sin tur leder till att en Mindre storlek och snabbare uppdateringstid. Eftersom modellen för modell för arbete med arbete (produkt för modell för arbete) bara innehåller relevanta data, kommer
Mer information finns i Datareduceringsmetoder för importmodellering.
Metadata
Metadata är information om andra data. Power BI metadata innehåller information om din modell för effektivitet, t.ex. namn, datatyp och format för varje kolumn, databasschema, rapportdesign, när filen senast ändrades, datauppdateringsintervall och mycket mer.
När du läser in data Power BI Desktop i bör du analysera motsvarande metadata så att du kan identifiera eventuella inkonsekvenser med din affärsmodell och normalisera data innan du börjar skapa rapporter. Om du kör analyser av dina metadata kommer du att förbättra modellprestandan, eftersom du, samtidigt som du analyserar dina metadata, kommer att identifiera onödiga kolumner, fel i dina data, felaktiga datatyper, mängden data som läses in (stora modellmodeller, inklusive transaktions- eller historiska data, kommer att ta längre tid att läsa in) och mycket mer.
Med editorn Power Query kan du Power BI Desktop granska kolumner, rader och värden i dina rådata. Du kan sedan göra nödvändiga ändringar med hjälp av de tillgängliga verktygen, till exempel de som är markerade i bilden nedan.
Följande Power Query alternativ finns:
Onödiga kolumner – Utvärderar behovet av varje kolumn. Om en eller flera kolumner inte ska användas i rapporten och därför inte behövs, bör du ta bort dem med alternativet Ta bort kolumner på fliken Start.
Onödiga rader – Kontrollerar de första raderna i modellmodellen för att se om de är tomma eller om de innehåller data som du inte behöver i dina rapporter. I så fall tas raderna bort med hjälp av alternativet Ta bort rader på fliken Start.
Datatyp – Utvärderar kolumndatatyperna för att säkerställa att var och en är korrekt. Om du identifierar en felaktig datatyp ändrar du den genom att välja kolumnen, välja Datatyp på fliken Transformering och sedan välja korrekt datatyp i listan.
Frågenamn – Undersöker frågenamnen (registret) i fönstret Frågor. På samma sätt som du gjorde för namn på kolumnrubriker bör du ändra frågenamn som är effektivare eller oanvända till namn som användaren är mer van vid. Du kan byta namn på en fråga genom att högerklicka på den frågan, välja Byt namn, redigera namnet efter behov och sedan trycka på Retur.
Kolumninformationsredigeraren Power Query har följande tre förhandsversion alternativ som du kan använda för att analysera metadata som är associerade med dina kolumner. Alternativen finns på fliken Visa , vilket visas i skärmbilden nedan.
Kolumnkvalitet – Bestämmer vilken procentandel av artiklarna i kolumnen som är giltiga, har fel eller är tomma. Om den giltiga procentsatsen inte är 100 bör du undersöka orsaken, korrigera felen och fylla i tomma värden.
Kolumnfördelning – Visar frekvensen och fördelningen av värdena i var och en av kolumnerna. Du kommer att undersöka det närmare senare i den här modulen.
Kolumnprofil – Visar stapelstatistikdiagram och ett stapelfördelningsdiagram.
Not
Om du granskar en stor modell för modellmodeller med högre grad av modellmodeller, måste du ändra standardalternativet längst ned i fönstret. Välj Kolumnprofilering baserad på de 1 000 raderna>kolumnprofilering som baseras på hela datauppsättningen.
Andra metadata som du bör tänka på är informationen om modellen som helhet, till exempel filstorlek och datauppdateringsintervall. Metadata finns i den associerade( Power BI Desktop .pbix)-filen. De data du läser in i Power BI Desktop komprimeras och lagras på disken av VertiPaq-lagringsmotorn. Storleken på din modell för modellförvalning har en direkt inverkan på prestandan. en Mindre modell för modell med storlek för modellmodeller med storlek för modellmodeller för modell för företagsuppdatering (memory) som använder mindre resurser (minne) och uppnår snabbare datauppdatering, beräkningar och återgivning av visuella objekt i rapporter.
Funktion för autodatum/tid
En annan artikel att ta hänsyn till när prestandaoptimering är alternativet Datum/Tid automatiskt . Power BI Desktop Som standard aktiveras den här funktionen globalt, Power BI Desktop vilket innebär att ett dolt beräknat register skapas automatiskt för varje datumkolumn, under förutsättning att vissa villkor uppfylls. De nya, dolda registren är ett komplement till de register du redan har i modellmodellen.
Med alternativet Automatiskt datum/ tid kan du arbeta med tidsinformation när du filtrerar, grupperar och går ner i kalendertidsperioder. Vi rekommenderar att du endast aktiverar alternativet Autodatum/ tid när du arbetar med kalendertidsperioder och när du har enkla modellkrav i förhållande till tiden.
Om datakällan redan definierar ett datumdimensionsregister, ska detta register användas för att konsekvent definiera tiden inom organisationen och du bör inaktivera alternativet för global autodatum/tid . Om du inaktiverar det här alternativet kan du minska storleken på modellmodellen och minska uppdateringstiden.
Du kan aktivera/ inaktivera det här alternativet för autodatum/ tid globalt Power BI Desktop så att det gäller för alla filer eller så kan du aktivera/inaktivera alternativet för den aktuella filen så att det endast gäller för en enskild fil.
Om du vill aktivera/inaktivera det här alternativet för autodatum/ >>tid går du till Filalternativ och alternativ för inställningar och Välj antingen sidan Global eller Aktuell fil. På sidan Välj Data Inläsning och sedan, i avsnittet Time Intelligence , Välj du eller avmarkerar kryssrutan efter behov.
En översikt och en allmän introduktion till funktionen Autodatum/tid finns i Använd autodatum/tid Power BI Desktop.