การรวมอัตโนมัติ

  • บทความ

การรวมอัตโนมัติใช้การเรียนรู้ของเครื่องที่ทันสมัย (ML) เพื่อปรับแบบจําลองความหมาย DirectQuery ให้เหมาะสมอย่างต่อเนื่องเพื่อประสิทธิภาพการคิวรีรายงานสูงสุด การรวมอัตโนมัติถูกสร้างขึ้นจากโครงสร้างพื้นฐานแบบรวมที่ผู้ใช้กําหนดที่มีอยู่ ซึ่งนํามาใช้กับโมเดลแบบรวมสําหรับ Power BI ก่อน ไม่เหมือนกับการรวมที่ผู้ใช้กําหนด การรวมอัตโนมัติไม่จําเป็นต้องมีการสร้างแบบจําลองข้อมูลที่ครอบคลุมและทักษะการปรับให้เหมาะสมสําหรับคิวรีเพื่อกําหนดค่าและบํารุงรักษา การรวมอัตโนมัติมีทั้งการฝึกอบรมตนเองและการปรับให้เหมาะสม ซึ่งช่วยให้เจ้าของแบบจําลองในระดับทักษะใด ๆ เพื่อปรับปรุงประสิทธิภาพการคิวรี ให้การแสดงภาพรายงานที่รวดเร็วยิ่งขึ้นสําหรับแบบจําลองขนาดใหญ่

ด้วยการรวมอัตโนมัติ:

  • การแสดงภาพข้อมูลรายงานจะเร็วขึ้น - เปอร์เซ็นต์ที่เหมาะสมที่สุดของคิวรีรายงานจะถูกส่งกลับโดยแคชการรวมในหน่วยความจําที่บํารุงรักษาโดยอัตโนมัติแทนที่จะเป็นระบบแหล่งข้อมูล backend คิวรีค่านอกขอบเขตที่ไม่ได้ส่งกลับโดยแคชในหน่วยความจําจะถูกส่งผ่านโดยตรงไปยังแหล่งข้อมูลโดยใช้ DirectQuery
  • สถาปัตยกรรมที่สมดุล - เมื่อเปรียบเทียบกับโหมด DirectQuery บริสุทธิ์ ผลลัพธ์คิวรีส่วนใหญ่จะถูกส่งกลับโดยกลไกการคิวรี Power BI และแคชการรวมในหน่วยความจํา การโหลดการประมวลผลคิวรีในระบบแหล่งข้อมูลในช่วงเวลาการรายงานสูงสุดสามารถลดลงได้อย่างมีนัยสําคัญ ซึ่งหมายความว่าความสามารถในการปรับขนาดใน Backend ของแหล่งข้อมูล
  • ตั้งค่าอย่างง่าย - เจ้าของแบบจําลองสามารถเปิดใช้งานการฝึกอบรมการรวมโดยอัตโนมัติและกําหนดเวลาการรีเฟรชอย่างน้อยหนึ่งรายการสําหรับแบบจําลอง ด้วยการฝึกและการรีเฟรชครั้งแรก การรวมอัตโนมัติเริ่มสร้างเฟรมเวิร์กการรวมและการรวมที่เหมาะสมที่สุด ระบบเพลงตัวเองโดยอัตโนมัติเมื่อเวลาผ่านไป
  • การปรับแต่งอย่างละเอียด – ด้วยส่วนติดต่อผู้ใช้ที่เรียบง่ายและใช้งานง่ายในการตั้งค่าแบบจําลอง คุณสามารถประเมินประสิทธิภาพที่เพิ่มขึ้นเป็นเปอร์เซ็นต์ของคิวรีที่ส่งกลับจากแคชการรวมในหน่วยความจําและทําการปรับปรุงให้ได้มากขึ้น ตัวควบคุมแถบสไลด์เดียวช่วยให้คุณปรับแต่งสภาพแวดล้อมของคุณได้อย่างง่ายดาย

ข้อกำหนด

แผนที่ได้รับการสนับสนุน

รองรับการรวมอัตโนมัติสําหรับ Power BI Premium ต่อความจุ, Premium ต่อผู้ใช้ และแบบจําลอง Power BI Embedded

แหล่งข้อมูลที่ได้รับการสนับสนุน

การรวมอัตโนมัติได้รับการสนับสนุนสําหรับแหล่งข้อมูลต่อไปนี้:

  • ฐานข้อมูล Azure SQL
  • กลุ่ม Azure Synapse Dedicated SQL
  • SQL Server 2019 หรือใหม่กว่า
  • Google BigQuery
  • Snowflake
  • Databricks
  • Amazon Redshift

โหมดที่รองรับ

การรวมอัตโนมัติได้รับการสนับสนุนสําหรับแบบจําลองโหมด DirectQuery โมเดลแบบรวมที่มีทั้งตารางนําเข้าและการเชื่อมต่อ DirectQuery ได้รับการสนับสนุน การรวมอัตโนมัติได้รับการสนับสนุนสําหรับการเชื่อมต่อ DirectQuery เท่านั้น

สิทธิการได้รับอนุญาต

หากต้องการเปิดใช้งานและกําหนดค่าการรวมอัตโนมัติ คุณต้อง เป็นเจ้าของแบบจําลอง ผู้ดูแลระบบพื้นที่ทํางานสามารถครอบครองเพื่อกําหนดค่าการตั้งค่าการรวมอัตโนมัติ

การกําหนดค่าการรวมอัตโนมัติ

การรวมอัตโนมัติจะได้รับการกําหนดค่าในการตั้งค่าแบบจําลอง การกําหนดค่าเป็นแบบง่าย - เปิดใช้งานการฝึกอบรมการรวมอัตโนมัติและจัดกําหนดการการรีเฟรชอย่างน้อยหนึ่งรายการ ก่อนที่คุณจะกําหนดค่าการรวมอัตโนมัติสําหรับแบบจําลองของคุณ โปรดตรวจสอบให้แน่ใจว่าได้อ่านบทความนี้ทั้งหมดแล้ว ซึ่งจะให้ความเข้าใจที่ดีเกี่ยวกับวิธีการทํางานของการรวมอัตโนมัติ และสามารถช่วยให้คุณตัดสินใจว่าการรวมอัตโนมัติเหมาะสมสําหรับสภาพแวดล้อมของคุณหรือไม่ เมื่อคุณพร้อมสําหรับคําแนะนําทีละขั้นตอนเกี่ยวกับวิธีการเปิดใช้งานการฝึกอบรมการรวมอัตโนมัติ กําหนดตารางเวลาการรีเฟรช และปรับแต่งสําหรับสภาพแวดล้อมของคุณ ให้ดู กําหนดค่าการรวมอัตโนมัติ

สวัสดิการ

ด้วย DirectQuery แต่ละครั้งที่ผู้ใช้แบบจําลองเปิดรายงานหรือโต้ตอบกับการแสดงภาพรายงาน คิวรี Data Analysis Expressions (DAX) จะถูกส่งผ่านไปยังกลไกจัดการคิวรี จากนั้นไปยังแหล่งข้อมูลหลังบ้านเป็นคิวรี SQL แหล่งข้อมูลต้องคํานวณและแสดงผลลัพธ์สําหรับแต่ละคิวรี เมื่อเปรียบเทียบกับแบบจําลองโหมดการนําเข้าที่จัดเก็บไว้ในหน่วยความจํา แหล่งข้อมูล DirectQuery อาจทั้งเวลาและกระบวนการที่เข้มข้น ซึ่งมักจะทําให้เกิดเวลาการตอบสนองของคิวรีที่ช้าในการแสดงภาพรายงาน

เมื่อเปิดใช้งานสําหรับแบบจําลอง DirectQuery การรวมอัตโนมัติสามารถเพิ่มประสิทธิภาพการทํางานของคิวรีรายงานโดยหลีกเลี่ยงการเดินทางกลับคิวรีของแหล่งข้อมูล ผลลัพธ์ของคิวรีรวมล่วงหน้าจะถูกส่งกลับโดยแคชการรวมในหน่วยความจําโดยอัตโนมัติแทนที่จะถูกส่งไปและส่งกลับโดยแหล่งข้อมูล จํานวนข้อมูลรวมล่วงหน้าในแคชการรวมในหน่วยความจําเป็นเศษส่วนน้อยของจํานวนข้อมูลที่ถูกเก็บไว้ในตารางจริงและตารางรายละเอียดที่แหล่งข้อมูล ผลลัพธ์ไม่ได้เป็นเพียงประสิทธิภาพการทํางานของคิวรีรายงานที่ดีกว่า แต่ยังช่วยลดภาระในระบบแหล่งข้อมูล Backend อีกด้วย ด้วยการรวมอัตโนมัติ เฉพาะส่วนขนาดเล็กของรายงานและคิวรีแบบเฉพาะกิจที่จําเป็นต้องมีการรวมที่ไม่รวมอยู่ในแคชในหน่วยความจําจะถูกส่งผ่านไปยังแหล่งข้อมูลหลังบ้าน เช่นเดียวกับโหมด DirectQuery บริสุทธิ์

Diagram that shows automatic aggregation processing.

การจัดการคิวรีและการรวมอัตโนมัติ

ในขณะที่การรวมอัตโนมัติช่วยลดความจําเป็นในการสร้างตารางการรวมที่ผู้ใช้กําหนดเอง และลดความซับซ้อนของการใช้โซลูชันข้อมูลรวมล่วงหน้า แต่ความคุ้นเคยกับกระบวนการพื้นฐานและการขึ้นต่อกันจะเป็นประโยชน์อย่างมากในการทําความเข้าใจวิธีการทํางานของการรวมอัตโนมัติ Power BI อาศัยรายการต่อไปนี้เพื่อสร้างและจัดการการรวมอัตโนมัติ

บันทึกคิวรี

Power BI จะติดตามคิวรีแบบจําลองและรายงานของผู้ใช้ในบันทึกคิวรี สําหรับแต่ละแบบจําลอง Power BI จะรักษาข้อมูลบันทึกคิวรีเจ็ดวัน ข้อมูลบันทึกคิวรีจะถูกเผยแพร่ไปข้างหน้าในแต่ละวัน บันทึกคิวรีมีความปลอดภัยและไม่สามารถมองเห็นได้โดยผู้ใช้หรือผ่านตําแหน่งข้อมูล XMLA

การปฏิบัติงานฝึกอบรม

เนื่องจากเป็นส่วนหนึ่งของการดําเนินการรีเฟรชแบบจําลองตามกําหนดเวลาครั้งแรกสําหรับความถี่ที่คุณเลือก (วันหรือสัปดาห์) Power BI เริ่มต้นการดําเนินการฝึกที่ประเมินบันทึกคิวรีเพื่อให้แน่ใจว่าการรวมในแคชการรวมในหน่วยความจําจะปรับให้เข้ากับการเปลี่ยนแปลงรูปแบบคิวรี ตารางการรวมในหน่วยความจําจะถูกสร้างขึ้น อัปเดต หรือปล่อย และคิวรีพิเศษจะถูกส่งไปยังแหล่งข้อมูลเพื่อกําหนดการรวมที่จะรวมอยู่ในแคช อย่างไรก็ตาม ระบบจะไม่โหลดข้อมูลการรวมจากการคํานวณลงในแคชในหน่วยความจําระหว่างการทดสอบการใช้งาน ซึ่งจะโหลดในระหว่างการดําเนินการรีเฟรชที่ตามมา

ตัวอย่างเช่น ถ้าคุณเลือกความถี่ของวันและกําหนดการรีเฟรชที่ 4:00 น., 9:00 น., 02:00 น. และ 19:00 น. เฉพาะเวลา 4:00 น. รีเฟรชในแต่ละวันจะรวมทั้งการดําเนินการ ฝึกและ การดําเนินการรีเฟรช เวลา 9:00 น., 2:00 น. และ 19:00 น. ตามเวลาที่กําหนดไว้ สําหรับวันนั้น เป็นการ รีเฟรชเฉพาะการดําเนินการ ที่อัปเดตการรวมที่มีอยู่ในแคช

Diagram of the training and refresh operation.

ในขณะที่การดําเนินการฝึกอบรมประเมินคิวรีในอดีตจากบันทึกคิวรี ผลลัพธ์นั้นถูกต้องเพียงพอเพื่อให้แน่ใจว่าจะครอบคลุมคิวรีในอนาคต ไม่รับประกันว่าคิวรีในอนาคตจะถูกส่งกลับโดยแคชการรวมในหน่วยความจําเนื่องจากคิวรีใหม่เหล่านั้นอาจแตกต่างจากคิวรีที่มาจากบันทึกคิวรี คิวรีเหล่านั้นที่ไม่ได้ส่งกลับโดยแคชการรวมในหน่วยความจําจะถูกส่งผ่านไปยังแหล่งข้อมูลโดยใช้ DirectQuery การรวมสําหรับคิวรีเหล่านั้นอาจรวมอยู่ในแคชการรวมในหน่วยความจําด้วยการดําเนินการฝึกอบรมถัดไป ทั้งนี้ขึ้นอยู่กับความถี่และการจัดอันดับของคิวรีใหม่เหล่านั้น

การดําเนินการฝึกอบรมมีการจํากัดเวลา 60 นาที ถ้าการฝึกอบรมไม่สามารถประมวลผลบันทึกคิวรีทั้งหมดภายในขีดจํากัดเวลา การแจ้งเตือนจะถูกบันทึกในประวัติการรีเฟรชแบบจําลอง และดําเนินการฝึกต่อในครั้งถัดไปที่จะเปิดตัว รอบการฝึกอบรมจะเสร็จสมบูรณ์และแทนที่การรวมอัตโนมัติที่มีอยู่เมื่อบันทึกคิวรีทั้งหมดได้รับการประมวลผล

การดําเนินการรีเฟรช

ตามที่อธิบายไว้ก่อนหน้านี้ หลังจากการดําเนินการฝึกเสร็จสมบูรณ์เป็นส่วนหนึ่งของการรีเฟรชตามกําหนดการครั้งแรกสําหรับความถี่ที่คุณเลือก Power BI ดําเนินการรีเฟรชที่คิวรีและโหลดข้อมูลการรวมใหม่และที่อัปเดตแล้วลงในแคชการรวมในหน่วยความจําและลบการรวมใด ๆ ที่ไม่จัดอันดับสูงพออีกต่อไป (ตามที่กําหนดโดยอัลกอริทึมการฝึกอบรม) การรีเฟรชที่ตามมาทั้งหมดสําหรับความถี่ของวันหรือสัปดาห์ที่คุณเลือกคือ การดําเนินการ รีเฟรชเฉพาะที่คิวรีแหล่งข้อมูลเพื่ออัปเดตข้อมูลการรวมที่มีอยู่ในแคช โดยใช้ตัวอย่างก่อนหน้าของเรา การรีเฟรชตามกําหนดการ 9:00 น., 2:00 น. และ 19:00 น. ตามกําหนดการสําหรับวันนั้นจะเป็นการดําเนินการรีเฟรชเท่านั้น

Diagram showing refresh only operations and refresh queries related to the data source.

การรีเฟรชตามกําหนดการเป็นประจําตลอดทั้งวัน (หรือสัปดาห์) ตรวจสอบให้แน่ใจว่าการรวมข้อมูลในแคชมีข้อมูลล่าสุดด้วยข้อมูลที่แหล่งข้อมูล backend ผ่านการตั้งค่าแบบจําลอง คุณสามารถกําหนดตารางเวลาการรีเฟรชสูงสุด 48 รายการต่อวัน เพื่อให้แน่ใจว่าคิวรีรายงานที่ส่งกลับโดยแคชการรวมได้รับผลลัพธ์ที่ยึดตามข้อมูลที่ถูกรีเฟรชล่าสุดจากแหล่งข้อมูลหลังบ้าน

ข้อควรระวัง

การดําเนินการฝึกอบรมและการรีเฟรชเป็นกระบวนการและใช้ทรัพยากรมากทั้งในบริการของ Power BI และระบบแหล่งข้อมูล การเพิ่มเปอร์เซ็นต์ของคิวรีที่ใช้การรวมหมายความว่าต้องมีการคิวรีและคํานวณจากแหล่งข้อมูลมากขึ้นในระหว่างการฝึกอบรมและการรีเฟรช เพิ่มความน่าจะเป็นของการใช้ทรัพยากรของระบบมากเกินไปและอาจก่อให้เกิดการหมดเวลา เมื่อต้องการเรียนรู้เพิ่มเติม ดูการปรับให้ดี

การฝึกอบรมตามความต้องการ

ตามที่กล่าวถึงก่อนหน้านี้ วงจรการฝึกอบรมอาจไม่เสร็จสมบูรณ์ภายในขีดจํากัดเวลาของวงจรการรีเฟรชข้อมูลเดียว หากคุณไม่ต้องการรอจนกว่ารอบการรีเฟรชตามกําหนดการถัดไปที่มีการฝึกอบรม คุณยังสามารถทริกเกอร์การฝึกอบรมการรวมโดยอัตโนมัติตามความต้องการได้โดยการเลือก ฝึกและรีเฟรชเดี๋ยวนี้ ในการตั้งค่าแบบจําลอง การใช้ การฝึกและการรีเฟรชตอนนี้ จะทริกเกอร์ทั้งการดําเนินการฝึกและการดําเนินการรีเฟรช ตรวจสอบประวัติการรีเฟรชแบบจําลองเพื่อดูว่าการดําเนินการปัจจุบันเสร็จสิ้นแล้วหรือไม่ก่อนที่จะเรียกใช้การฝึกอบรมตามความต้องการอื่นและการดําเนินการรีเฟรชหากจําเป็น

ประวัติการรีเฟรช

การดําเนินการรีเฟรชแต่ละรายการจะถูกบันทึกในประวัติการรีเฟรชแบบจําลอง ข้อมูลสําคัญเกี่ยวกับการรีเฟรชแต่ละครั้งจะแสดงขึ้น รวมถึงจํานวนการรวมหน่วยความจําในแคชที่ใช้สําหรับเปอร์เซ็นต์คิวรีที่กําหนดค่าไว้ เมื่อต้องการดูประวัติการรีเฟรช ในหน้าการตั้งค่าแบบจําลอง ให้เลือก ประวัติการรีเฟรช ถ้าคุณต้องการดูรายละเอียดเพิ่มเติมอีกเล็กน้อย ให้เลือก แสดง รายละเอียด

Screenshot of the refresh history window showing the scheduled history details.

โดยการตรวจสอบประวัติการรีเฟรชอย่างสม่ําเสมอ คุณสามารถตรวจสอบให้แน่ใจว่าการดําเนินการรีเฟรชตามกําหนดเวลาของคุณจะเสร็จสมบูรณ์ภายในระยะเวลาที่ยอมรับได้ ตรวจสอบให้แน่ใจว่าการดําเนินการรีเฟรชเสร็จสมบูรณ์แล้วก่อนที่จะเริ่มต้นการรีเฟรชตามกําหนดการถัดไป

การฝึกอบรมและการรีเฟรชล้มเหลว

ในขณะที่ Power BI ดําเนินการฝึกอบรมและการรีเฟรชซึ่งเป็นส่วนหนึ่งของการรีเฟรชตามกําหนดการครั้งแรกสําหรับความถี่ของวันหรือสัปดาห์ที่คุณเลือก การดําเนินการเหล่านี้จะถูกนํามาใช้เป็นธุรกรรมที่แยกต่างหาก หากการดําเนินการฝึกอบรมไม่สามารถประมวลผลบันทึกคิวรีภายในขีดจํากัดเวลาได้ทั้งหมด Power BI จะดําเนินการรีเฟรชการรวมที่มีอยู่ (และตารางปกติในโมเดลแบบรวม) โดยใช้สถานะการฝึกอบรมก่อนหน้านี้ ในกรณีนี้ ประวัติการรีเฟรชจะระบุว่าการรีเฟรชสําเร็จและการฝึกอบรมกําลังจะดําเนินการประมวลผลบันทึกคิวรีในครั้งถัดไปที่เปิดใช้งานการฝึกอบรมต่อ ประสิทธิภาพการทํางานของคิวรีอาจปรับให้เหมาะสมน้อยลงถ้ารูปแบบคิวรีรายงานไคลเอ็นต์มีการเปลี่ยนแปลงและการรวมยังไม่ได้ปรับ แต่ระดับประสิทธิภาพที่ประสบความสําเร็จควรยังคงดีกว่าแบบจําลอง DirectQuery บริสุทธิ์โดยไม่มีการรวมใด ๆ

Screenshot of the refresh history screen showing an item that was partially completed.

ถ้าการดําเนินการฝึกต้องใช้วงจรมากเกินไปเพื่อเสร็จสิ้นการประมวลผลบันทึกคิวรี ให้พิจารณาลดเปอร์เซ็นต์ของคิวรีที่ใช้แคชการรวมในหน่วยความจําในการตั้งค่าแบบจําลอง การดําเนินการนี้จะช่วยลดจํานวนการรวมที่สร้างขึ้นในแคช แต่จะอนุญาตให้มีเวลามากขึ้นในการฝึกและการดําเนินการรีเฟรชให้เสร็จสิ้น เมื่อต้องการเรียนรู้เพิ่มเติม ดูการปรับให้ดี

ถ้าการฝึกสําเร็จ แต่การรีเฟรชล้มเหลว การรีเฟรชทั้งหมดจะถูกทําเครื่องหมายว่าล้มเหลวเนื่องจากผลลัพธ์คือแคชการรวมในหน่วยความจําที่ไม่พร้อมใช้งาน

เมื่อจัดกําหนดการรีเฟรช คุณสามารถระบุการแจ้งเตือนทางอีเมลถ้าการรีเฟรชล้มเหลว

การรวมที่ผู้ใช้กําหนดเองและแบบอัตโนมัติ

การรวมที่ผู้ใช้กําหนดเอง ใน Power BI สามารถกําหนดค่าด้วยตนเองโดยยึดตามตารางรวมที่ซ่อนอยู่ในแบบจําลอง การกําหนดค่าการรวมที่ผู้ใช้กําหนดเองมักจะซับซ้อน ซึ่งจําเป็นต้องมีทักษะการสร้างแบบจําลองข้อมูลและการเพิ่มประสิทธิภาพคิวรีในระดับที่มากขึ้น ในทางกลับกัน การรวมอัตโนมัติจะขจัดความซับซ้อนนี้โดยเป็นส่วนหนึ่งของระบบที่ขับเคลื่อนด้วย AI Power BI ยังคงรักษาบันทึกคิวรีอย่างต่อเนื่อง และจากบันทึกเหล่านั้นจะกําหนดรูปแบบคิวรีตามอัลกอริทึมการสร้างแบบจําลองเชิงทํานาย (ML) การเรียนรู้ของเครื่อง (ML) ซึ่งต่างจากการรวมที่ผู้ใช้กําหนด ข้อมูลรวมล่วงหน้าจะถูกคํานวณและจัดเก็บในหน่วยความจําโดยยึดตามการวิเคราะห์รูปแบบคิวรี ด้วยการรวมอัตโนมัติ แบบจําลองมีทั้งการฝึกอบรมตนเองและการปรับให้เหมาะสม เมื่อมีการเปลี่ยนแปลงรูปแบบการคิวรีรายงานไคลเอ็นต์ การปรับการรวมอัตโนมัติ การจัดลําดับความสําคัญ และการแคชการรวมที่ใช้บ่อยที่สุด

เนื่องจากการรวมอัตโนมัติถูกสร้างขึ้นจากโครงสร้างพื้นฐานที่ผู้ใช้กําหนดเองและแบบอัตโนมัติที่มีอยู่ ดังนั้นจึงเป็นไปได้ที่จะใช้ทั้งการรวมที่ผู้ใช้กําหนดและแบบอัตโนมัติร่วมกันในแบบจําลองเดียวกัน ผู้สร้างแบบจําลองข้อมูลที่มีทักษะสามารถกําหนดการรวมตารางโดยใช้ DirectQuery, Import (มีหรือไม่มีการรีเฟรชแบบเพิ่มหน่วย) หรือโหมดที่เก็บข้อมูลแบบคู่ ในขณะเดียวกันก็มีประโยชน์จากการรวมอัตโนมัติมากขึ้นสําหรับคิวรีผ่านการเชื่อมต่อ DirectQuery ที่ไม่ตรงกับตารางการรวมที่ผู้ใช้กําหนด ความยืดหยุ่นนี้จะทําให้สถาปัตยกรรมที่สมดุลสามารถลดภาระคิวรี่และหลีกเลี่ยงปัญหาคอขวดได้

การรวมที่สร้างขึ้นในแคชในหน่วยความจําโดยอัลกอริทึมการฝึกอบรมการรวมอัตโนมัติจะถูกระบุเป็น System การรวม อัลกอริทึมการฝึกสร้างและลบเฉพาะการรวมเหล่านั้น System เมื่อมีการวิเคราะห์คิวรีการรายงานและทําการปรับปรุงเพื่อรักษาการรวมที่เหมาะสมสําหรับแบบจําลอง ทั้งการรวมที่ผู้ใช้กําหนดเองและแบบอัตโนมัติจะถูกรีเฟรชด้วยการรีเฟรช เฉพาะการรวมที่สร้างขึ้นโดยการรวมอัตโนมัติและทําเครื่องหมายเป็นการรวมที่ระบบสร้างขึ้นจะรวมอยู่ในการประมวลผลการรวมอัตโนมัติ

การแคชคิวรีและการรวมอัตโนมัติ

Power BI Premium ยังสนับสนุน การแคชคิวรีใน Power BI Premium/Embedded เพื่อรักษาผลลัพธ์คิวรี การแคชคิวรีเป็นคุณลักษณะที่แตกต่างจากการรวมอัตโนมัติ ด้วยการแคชคิวรี Power BI Premium ใช้บริการการแคชภายในเครื่องเพื่อดําเนินการแคช ในขณะที่มีการนําการรวมอัตโนมัติไปใช้ในระดับแบบจําลอง ด้วยการแคชคิวรี บริการจะแคชคิวรีสําหรับการโหลดหน้ารายงานเริ่มต้นเท่านั้น ดังนั้นประสิทธิภาพของคิวรีจึงไม่ดีขึ้นเมื่อผู้ใช้โต้ตอบกับรายงาน ในทางตรงกันข้าม การรวมอัตโนมัติจะปรับคิวรีรายงานส่วนใหญ่ให้เหมาะสมโดยการแคชผลลัพธ์ของคิวรีรวมล่วงหน้า รวมถึงคิวรีเหล่านั้นที่สร้างขึ้นเมื่อผู้ใช้โต้ตอบกับรายงาน ทั้งการแคชคิวรีและการรวมอัตโนมัติสามารถเปิดใช้งานสําหรับแบบจําลองได้ แต่อาจไม่จําเป็น

ตรวจสอบด้วย Azure Log Analytics

Azure Log Analytics (LA) เป็นบริการภายใน Azure Monitor ซึ่ง Power BI สามารถใช้เพื่อบันทึกบันทึกกิจกรรม ด้วย Azure Monitor suite คุณสามารถรวบรวม วิเคราะห์ และดําเนินการกับการวัดและส่งข้อมูลทางไกลจากสภาพแวดล้อม Azure และสภาพแวดล้อมในองค์กรของคุณ ซึ่งมีการจัดเก็บในระยะยาว อินเทอร์เฟซคิวรีเฉพาะกิจ และการเข้าถึง API เพื่ออนุญาตให้ส่งออกข้อมูลและรวมกับระบบอื่น ๆ เมื่อต้องการเรียนรู้เพิ่มเติม ดูการใช้ Azure Log Analytics ใน Power BI

ถ้ามีการกําหนดค่า Power BI ด้วยบัญชี Azure LA ตามที่อธิบายไว้ใน การกําหนดค่า Azure Log Analytics สําหรับ Power BI คุณสามารถวิเคราะห์อัตราความสําเร็จของการรวมอัตโนมัติของคุณได้ เหนือสิ่งอื่นใด คุณสามารถกําหนดได้ว่าคิวรีรายงานได้รับการตอบจากแคชในหน่วยความจําหรือไม่

หากต้องการใช้ความสามารถนี้ ให้ดาวน์โหลดเทมเพลต PBIT และเชื่อมต่อกับบัญชีการวิเคราะห์รายการบันทึกของคุณตามที่อธิบายไว้ในบล็อกโพสต์ Power BI นี้ ในรายงาน คุณสามารถดูข้อมูลได้สามระดับ: มุมมองสรุป มุมมองระดับคิวรี DAX และมุมมองระดับคิวรี SQL

รูปภาพต่อไปนี้แสดงหน้าสรุปสําหรับคิวรีทั้งหมด อย่างที่คุณเห็น แผนภูมิที่ทําเครื่องหมายแสดงเปอร์เซ็นต์ของคิวรีทั้งหมดที่พอใจกับการรวมเทียบกับคิวรีที่ใช้ประโยชน์จากแหล่งข้อมูล

Screenshot with log analytics queries by aggregations stage.

ขั้นตอนถัดไปที่จะเจาะลึกลงไปคือดูการใช้การรวมในระดับคิวรี DAX คลิกขวาที่คิวรี DAX จากรายการ (ล่างซ้าย) >ประวัติการดูรายละเอียดแบบเจาะลึกผ่าน>คิวรี

Screenshot that shows log analytics query history.

ซึ่งจะแสดงรายการของคิวรีที่เกี่ยวข้องทั้งหมดให้กับคุณ ดูรายละเอียดแนวลึกไปยังระดับถัดไปเพื่อแสดงรายละเอียดการรวมเพิ่มเติม

Screenshot that shows log analytics query history drill through.

การจัดการวงจรชีวิตของแอปพลิเคชัน

จากการพัฒนาไปจนถึงการทดสอบและจากการทดสอบไปยังการผลิต แบบจําลองที่มีการเปิดใช้งานการรวมอัตโนมัติมีข้อกําหนดพิเศษสําหรับโซลูชัน ALM

ไปป์ไลน์การปรับใช้งาน

ด้วยไปป์ไลน์การปรับใช้ Power BI สามารถคัดลอกแบบจําลองด้วยการกําหนดค่าแบบจําลองจากขั้นตอนปัจจุบันลงในขั้นตอนเป้าหมายได้ อย่างไรก็ตาม การรวมอัตโนมัติจะต้องถูกรีเซ็ตในขั้นตอนเป้าหมายเนื่องจากการตั้งค่าไม่ได้รับการถ่ายโอนจากขั้นตอนปัจจุบันไปยังเป้าหมาย คุณยังสามารถปรับใช้เนื้อหาทางโปรแกรมโดยใช้ REST API ของไปป์ไลน์การปรับใช้ หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับกระบวนการนี้ โปรดดู ทําให้ไปป์ไลน์การปรับใช้งานของคุณเป็นแบบอัตโนมัติโดยใช้ API และ DevOps

โซลูชัน ALM แบบกําหนดเอง

หากคุณใช้โซลูชัน ALM แบบกําหนดเองที่ยึดตามตําแหน่งข้อมูล XMLA โปรดทราบว่าโซลูชันของคุณอาจสามารถคัดลอกตารางการรวมที่ระบบสร้างขึ้นและที่ผู้ใช้สร้างขึ้นเป็นส่วนหนึ่งของเมตาดาต้าแบบจําลอง อย่างไรก็ตาม คุณต้องเปิดใช้งานการรวมอัตโนมัติหลังจากขั้นตอนการปรับใช้แต่ละครั้งในขั้นตอนเป้าหมายด้วยตนเอง Power BI จะคงการกําหนดค่าไว้หากคุณเขียนทับแบบจําลองที่มีอยู่

หมายเหตุ

หากคุณอัปโหลดหรือเผยแพร่แบบจําลองเป็นส่วนหนึ่งของไฟล์ Power BI Desktop (.pbix) ตารางการรวมที่ระบบสร้างขึ้นจะสูญหายไปเนื่องจาก Power BI จะแทนที่แบบจําลองที่มีอยู่ด้วยเมตาดาต้าและข้อมูลทั้งหมดในพื้นที่ทํางานเป้าหมาย

การเปลี่ยนแปลงแบบจําลอง

หลังจากการเปลี่ยนแปลงแบบจําลองที่มีการรวมอัตโนมัติที่เปิดใช้งานผ่านตําแหน่งข้อมูล XMLA เช่น การเพิ่มหรือลบตาราง Power BI จะรักษาการรวมที่มีอยู่ใด ๆ ที่สามารถและลบรายการที่ไม่จําเป็นหรือเกี่ยวข้องอีกต่อไป ประสิทธิภาพการทํางานของคิวรีอาจได้รับผลกระทบจนกว่าจะมีการทริกเกอร์ระยะการฝึกอบรมถัดไป

องค์ประกอบเมตาดาต้า

แบบจําลองที่มีการเปิดใช้งานการรวมอัตโนมัติประกอบด้วยตารางการรวมที่ระบบสร้างขึ้นที่ไม่ซ้ํากัน ผู้ใช้ในเครื่องมือการรายงานจะไม่สามารถมองเห็นตารางการรวมได้ ซึ่งจะสามารถมองเห็นได้ผ่านตําแหน่งข้อมูล XMLA โดยใช้เครื่องมือที่มีไลบรารีไคลเอ็นต์ Analysis Services เวอร์ชัน 19.22.5 และสูงกว่า เมื่อทํางานกับแบบจําลองที่เปิดใช้งานการรวมอัตโนมัติ ตรวจสอบให้แน่ใจว่าได้อัปเกรดเครื่องมือการสร้างแบบจําลองข้อมูลและการดูแลระบบของคุณเป็นไลบรารีไคลเอ็นต์เวอร์ชันล่าสุด สําหรับ SQL Server Management Studio (SSMS) ให้อัปเกรดเป็น SSMS เวอร์ชัน 18.9.2 หรือใหม่กว่า SSMS เวอร์ชันก่อนหน้าไม่สามารถแจกแจงตารางหรือสคริปต์ออกแบบจําลองเหล่านี้

ตารางการรวมอัตโนมัติจะถูกระบุโดย SystemManaged คุณสมบัติตาราง ซึ่งใหม่กับ Tabular Object Model (TOM) ในไลบรารีไคลเอ็นต์ Analysis Services เวอร์ชัน 19.22.5 และสูงกว่า ส่วนย่อยของโค้ดต่อไปนี้แสดงคุณสมบัติที่ SystemManaged ตั้งค่าเป็น true สําหรับตารางการรวมอัตโนมัติและ false สําหรับตารางปกติ

using System;
using System.Collections.Generic;
using System.Linq;
using Microsoft.AnalysisServices.Tabular;

namespace AutoAggs
{
    class Program
    {
        static void Main(string[] args)
        {
            string workspaceUri = "<Specify the URL of the workspace where your model resides>";
            string datasetName = "<Specify the name of your dataset>";

            Server sourceWorkspace = new Server();
            sourceWorkspace.Connect(workspaceUri);
            Database dataset = sourceWorkspace.Databases.GetByName(datasetName);

            // Enumerate system-managed tables.
            IEnumerable<Table> aggregationsTables = dataset.Model.Tables.Where(tbl => tbl.SystemManaged == true);


            if (aggregationsTables.Any())
            {
                Console.WriteLine("The following auto aggs tables exist in this dataset:");
                foreach (Table table in aggregationsTables)
                {
                    Console.WriteLine($"\t{table.Name}");
                }
            }
            else
            {
                Console.WriteLine($"This dataset has no auto aggs tables.");
            }

            Console.WriteLine("\n\rPress [Enter] to exit the sample app...");
            Console.ReadLine();
        }
    }
}

การดําเนินการส่วนย่อยนี้จะส่งออกตารางการรวมอัตโนมัติที่รวมอยู่ในแบบจําลองในคอนโซลในขณะนี้

Screenshot of the output the snippet showing auto aggs tables that exist in the model.

โปรดทราบว่าตารางการรวมมีการเปลี่ยนแปลงอย่างต่อเนื่องเนื่องจากการดําเนินการฝึกอบรมจะกําหนดการรวมที่ดีที่สุดที่จะรวมไว้ในแคชการรวมในหน่วยความจํา

สำคัญ

Power BI จัดการออบเจ็กต์ตารางที่ระบบสร้างขึ้นโดยอัตโนมัติ อย่าลบหรือปรับเปลี่ยนตารางเหล่านี้ด้วยตนเอง การทําเช่นนั้นอาจทําให้ประสิทธิภาพการทํางานลดลง

Power BI รักษาการกําหนดค่าแบบจําลองภายนอกแบบจําลอง การแสดงตนของตารางการรวมที่จัดการโดยระบบในแบบจําลองไม่ได้หมายความว่าแบบจําลองจะเปิดใช้งานสําหรับการฝึกการรวมอัตโนมัติ กล่าวอีกนัยหนึ่งถ้าคุณเขียนสคริปต์ข้อกําหนดแบบจําลองแบบเต็มสําหรับแบบจําลองที่เปิดใช้งานการรวมโดยอัตโนมัติและสร้างสําเนาใหม่ของแบบจําลอง (ด้วยชื่อ/พื้นที่ทํางาน/ความจุที่แตกต่างกัน) แบบจําลองผลลัพธ์ใหม่จะไม่เปิดใช้งานสําหรับการฝึกการรวมอัตโนมัติ คุณยังคงต้องเปิดใช้งานการฝึกการรวมอัตโนมัติสําหรับแบบจําลองใหม่ในการตั้งค่าแบบจําลอง

ข้อควรพิจารณาและข้อจำกัด

เมื่อใช้การรวมแบบอัตโนมัติ ให้คํานึงถึงสิ่งต่อไปนี้:

  • การรวมไม่สนับสนุน พารามิเตอร์คิวรี M แบบไดนามิก
  • คิวรี SQL ที่สร้างขึ้นในระหว่างระยะการฝึกอบรมเริ่มต้นสามารถสร้างภาระที่สําคัญสําหรับคลังข้อมูลได้ หากการฝึกอบรมยังคงไม่สมบูรณ์และคุณสามารถตรวจสอบด้านคลังข้อมูลที่คิวรีกําลังประสบกับการหมดเวลาให้ลองปรับขนาดคลังข้อมูลของคุณชั่วคราวเพื่อตอบสนองความต้องการการฝึกอบรม
  • การรวมที่จัดเก็บไว้ในแคชการรวมในหน่วยความจําอาจไม่ได้รับการคํานวณในข้อมูลล่าสุดที่แหล่งข้อมูล ซึ่งแตกต่างจาก DirectQuery บริสุทธิ์และเหมือนกับตารางการนําเข้าปกติ คือ มีเวลาแฝงระหว่างการอัปเดตที่แหล่งข้อมูลและข้อมูลการรวมที่จัดเก็บไว้ในแคชการรวมในหน่วยความจํา ในขณะที่มักจะมีเวลาแฝงบางระดับ แต่ก็สามารถลดลงได้ตามกําหนดเวลาการรีเฟรชที่มีประสิทธิภาพ
  • หากต้องการปรับประสิทธิภาพให้เหมาะสมยิ่งขึ้น ให้ตั้งค่าตารางมิติทั้งหมดเป็น โหมด คู่และออกจากตารางข้อเท็จจริงในโหมด DirectQuery
  • การรวมอัตโนมัติไม่พร้อมใช้งานกับ Power BI Pro, Azure Analysis Services หรือ SQL Server Analysis Services
  • Power BI ไม่สนับสนุนการดาวน์โหลดแบบจําลองที่เปิดใช้งานการรวมอัตโนมัติ ถ้าคุณอัปโหลดหรือเผยแพร่ไฟล์ Power BI Desktop (.pbix) ไปยัง Power BI แล้วเปิดใช้งานการรวมอัตโนมัติ คุณจะไม่สามารถดาวน์โหลดไฟล์ PBIX ได้อีกต่อไป ตรวจสอบให้แน่ใจว่าคุณเก็บสําเนาของไฟล์ PBIX ไว้ในเครื่อง
  • ไม่รองรับการรวมอัตโนมัติกับตารางภายนอกใน Azure Synapse Analytics คุณสามารถแจกแจงตารางภายนอกใน Synapse โดยใช้คิวรี SQL ต่อไปนี้: SELECT SCHEMA_NAME(schema_id) AS schema_name, name AS table_name FROM sys.external_tables
  • การรวมอัตโนมัติพร้อมใช้งานสําหรับแบบจําลองโดยใช้เมตาดาต้าที่ปรับปรุงประสิทธิภาพแล้วเท่านั้น หากคุณต้องการเปิดใช้งานการรวมอัตโนมัติสําหรับแบบจําลองเก่า ให้อัปเกรดแบบจําลองเป็นเมตาดาต้าที่ปรับปรุงประสิทธิภาพแล้วก่อน เมื่อต้องการเรียนรู้เพิ่มเติม ดู การใช้เมตาดาต้าแบบจําลองที่ปรับปรุงประสิทธิภาพแล้ว
  • อย่าเปิดใช้งานการรวมโดยอัตโนมัติหากมีการกําหนดค่าแหล่งข้อมูล DirectQuery สําหรับลงชื่อเข้าระบบครั้งเดียวและใช้มุมมองข้อมูลแบบไดนามิกหรือตัวควบคุมความปลอดภัยเพื่อจํากัดข้อมูลที่ผู้ใช้ได้รับอนุญาตให้เข้าถึง การรวมอัตโนมัติไม่ทราบตัวควบคุมระดับแหล่งข้อมูลเหล่านี้ ซึ่งทําให้เป็นไปไม่ได้ที่จะตรวจสอบให้แน่ใจว่ามีข้อมูลที่ถูกต้องสําหรับแต่ละผู้ใช้ การฝึกจะบันทึกคําเตือนในประวัติการรีเฟรชที่ตรวจพบแหล่งข้อมูลที่กําหนดค่าสําหรับการลงชื่อเข้าระบบครั้งเดียวและข้ามตารางที่ใช้แหล่งข้อมูลนี้ ถ้าเป็นไปได้ ปิดใช้งาน SSO สําหรับแหล่งข้อมูลเหล่านี้เพื่อใช้ประโยชน์จากการรวมประสิทธิภาพคิวรีที่ดีที่สุดโดยอัตโนมัติสามารถให้ได้
  • อย่าเปิดใช้งานการรวมโดยอัตโนมัติหากแบบจําลองมีเฉพาะตารางไฮบริดเท่านั้นเพื่อหลีกเลี่ยงค่าใช้จ่ายในการประมวลผลที่ไม่จําเป็น ตารางแบบไฮบริดใช้ทั้งพาร์ติชันนําเข้าและพาร์ติชัน DirectQuery สถานการณ์ทั่วไปคือการรีเฟรชแบบเพิ่มหน่วยกับข้อมูลแบบเรียลไทม์ซึ่งพาร์ติชัน DirectQuery ดึงข้อมูลธุรกรรมจากแหล่งข้อมูลที่เกิดขึ้นหลังจากการรีเฟรชข้อมูลครั้งล่าสุด อย่างไรก็ตาม Power BI จะนําเข้าการรวมข้อมูลในระหว่างการรีเฟรช การรวมอัตโนมัติไม่สามารถรวมธุรกรรมที่เกิดขึ้นหลังจากการรีเฟรชข้อมูลครั้งล่าสุดได้ การฝึกจะบันทึกคําเตือนในประวัติการรีเฟรชที่ตรวจพบและข้ามตารางไฮบริด
  • คอลัมน์จากการคํานวณจะไม่ถูกพิจารณาสําหรับการรวมอัตโนมัติ ถ้าคุณใช้คอลัมน์จากการคํานวณในโหมด DirectQuery เช่น โดยใช้ COMBINEVALUES ฟังก์ชัน DAX เพื่อสร้างความสัมพันธ์โดยยึดตามคอลัมน์หลายคอลัมน์จากตาราง DirectQuery สองตาราง คิวรีรายงานที่สอดคล้องกันจะไม่เกิดแคชการรวมในหน่วยความจํา
  • การรวมอัตโนมัติพร้อมใช้งานในบริการของ Power BI เท่านั้น Power BI Desktop ไม่ได้สร้างตารางการรวมที่ระบบสร้างขึ้น
  • หากคุณปรับเปลี่ยนเมตาดาต้าของแบบจําลองที่มีการเปิดใช้งานการรวมอัตโนมัติ ประสิทธิภาพการทํางานของคิวรีอาจลดลงจนกว่ากระบวนการฝึกอบรมถัดไปจะถูกทริกเกอร์ แนวทางปฏิบัติที่ดีที่สุดคือ คุณควรปล่อยการรวมอัตโนมัติ ทําการเปลี่ยนแปลง และจากนั้นทดสอบการใช้งานใหม่
  • อย่าปรับเปลี่ยนหรือลบตารางการรวมที่ระบบสร้างขึ้น เว้นแต่ว่าคุณปิดใช้งานการรวมอัตโนมัติและล้างข้อมูลแบบจําลอง ระบบจะใช้ความรับผิดชอบสําหรับการจัดการวัตถุเหล่านี้

ชุมชน

Power BI มีชุมชนที่มีสีสันซึ่ง MVP, BI pros และเพื่อนร่วมงานแชร์ความเชี่ยวชาญในกลุ่มการอภิปราย วิดีโอ บล็อก และอื่นๆ เมื่อเรียนรู้เกี่ยวกับการรวมอัตโนมัติ อย่าลืมตรวจสอบแหล่งข้อมูลอื่นๆ เหล่านี้:

เนื้อหาที่เกี่ยวข้อง