Aracılığıyla paylaş

Power BI uygulama planlaması: Veri düzeyinde denetim

  • Makale

Not

Bu makale, Power BI uygulama planlama makale serisinin bir bölümünü oluşturur. Bu seri öncelikle Microsoft Fabric içindeki Power BI deneyimine odaklanır. Seriye giriş için bkz . Power BI uygulama planlaması.

Bu veri düzeyi denetim makalesi birden çok hedef kitleyi hedeflemektedir:

  • Veri oluşturucuları ve çalışma alanı yöneticileri: Anlamsal modellerin (daha önce veri kümeleri olarak bilinir), veri akışlarının ve oluşturdukları, yayımladıkları ve paylaştıkları veri akıllı verilerinin kullanımını, benimsenmesini ve performansını anlaması gereken kullanıcılar.
  • Power BI yöneticileri: Kuruluşta Power BI'ı denetlemekle sorumlu olan yöneticiler. Power BI yöneticilerinin BT, güvenlik, iç denetim ve diğer ilgili ekiplerle işbirliği yapmaları gerekebilir. Power BI yöneticilerinin performans sorunlarını giderirken içerik oluşturucularla işbirliği de yapmaları gerekebilir.
  • Power BI kapasite yöneticileri: Kuruluşta Premium kapasiteyi denetlemekle sorumlu yöneticiler. Power BI kapasite yöneticilerinin performans sorunlarını giderirken içerik oluşturucularla işbirliği yapmaları gerekebilir.
  • Mükemmellik Merkezi, BT ve BI ekibi: Power BI'ı denetlemekle de sorumlu olan ekipler. Power BI yöneticileri ve diğer ilgili ekiplerle işbirliği yapmaları gerekebilir.
  • Sistem yöneticileri: Azure Log Analytics kaynaklarını oluşturmak ve güvenliğini sağlamakla sorumlu ekip ve veri kaynaklarını yöneten veritabanı yöneticileri.

Önemli

Bazen bu makale Power BI Premium'a veya kapasite aboneliklerine (P SKU'ları) başvurur. Microsoft'un şu anda satın alma seçeneklerini birleştirdiğini ve kapasite başına Power BI Premium SKU'larını kullanımdan kaldırdığını unutmayın. Yeni ve mevcut müşteriler bunun yerine Doku kapasitesi abonelikleri (F SKU'ları) satın almayı düşünmelidir.

Daha fazla bilgi için bkz . Power BI Premium lisansına gelen önemli güncelleştirmeler ve Power BI Premium hakkında SSS.

Bu makalede ele alınan kavramlar öncelikli olarak üç içerik teslim kapsamı için oluşturulan çözümlere (özellikle kurumsal IŞ ZEKAsı, departman iş zekası ve ekip iş zekası) uygulanır. Kişisel BI çözümlerinin oluşturucuları bu makaledeki bilgileri de yararlı bulabilir; ancak bunlar birincil hedef değildir.

Temel alınan anlam modeli ve/veya veri kaynağı iyi performans göstermediğinde raporlar ve görsellerde iyi performans elde etmek mümkün değildir. Bu makale anlamsal modellerin, veri akışlarının ve datamart'ların denetlenip izlenmesine odaklanmaktadır. Araçlar ve teknikler Rapor düzeyinde denetim makalesinde açıklanandan daha karmaşık olduğundan, denetim ve izleme serisinin ikinci makalesi. İdeal olarak, kullanıcılar rapor oluşturmadan önce paylaşılan anlamsal modeller (birçok rapor arasında yeniden kullanım için tasarlanmıştır) oluşturursunuz. Bu nedenle, bu makaleyi Rapor düzeyi denetim makalesiyle birlikte okumanızı öneririz.

Power BI anlam modelleri Analysis Services tablo altyapısı üzerine oluşturulduğundan, yerel bir veri modeline (Power BI Desktop'ta) veya Premium anlam modeline (Power BI hizmeti) analysis services veritabanı gibi bağlanabilirsiniz. Bu nedenle Analysis Services'in denetim ve izleme özelliklerinin çoğu Power BI Premium anlam modelleri için desteklenir.

Not

Analysis Services'te barındırılan modeller hakkında daha fazla bilgi için bkz . İzlemeye genel bakış.

Bu makalenin geri kalanı öncelikli olarak Power BI hizmeti yayımlanan modellere odaklanır.

Anlam modeli olay günlükleri

Zaman içinde veri oluşturucuları ve sahipleri anlamsal modelleriyle ilgili durumlar yaşayabilir. Anlamsal model şu işlemleri yapabilir:

  • Daha karmaşık hale gelir ve karmaşık ölçüler içerir.
  • Veri hacminde büyüme.
  • Daha fazla bellek kullanın (bazen kötü tasarım kararları alınırken gereksiz yere).
  • Daha çeşitli veri kaynakları ve daha karmaşık tablo ilişkileri kullanın.
  • Daha fazla satır düzeyi güvenlik (RLS) kuralı ekleyin. Daha fazla bilgi için bkz . Tüketici kimliğine göre veri güvenliğini zorlama.
  • Buna bağlı daha fazla rapor edinin. Paylaşılan bir anlam modeliyle canlı bağlantıları kullanma hakkında daha fazla bilgi için yönetilen self servis BI kullanım senaryosuna bakın.
  • Buna bağlı daha fazla aşağı akış veri modeline sahip olun. Power BI anlam modelleri için DirectQuery'yi ve paylaşılan bir anlam modeliyle Analysis Services'i kullanma hakkında daha fazla bilgi için, özelleştirilebilir yönetilen self servis BI kullanım senaryosuna bakın.
  • Daha yavaş sorgu yürütme ve daha yavaş veri yenileme süreleri yaşayın.
  • Raporların ve görsellerin daha yavaş işlenmesine katkıda bulunun.

Oluşturdukları içeriğin kullanılabilirliğini, iyi performansını ve benimsenmesini sağlamak için, yönetmekle sorumlu olduğunuz veri varlıklarının kullanımını ve performansını denetlemeniz gerekir. Anlamsal model için gerçekleşen kullanıcı tarafından oluşturulan ve sistem tarafından oluşturulan etkinlikleri yakalayan veri kümesi olay günlüklerini kullanabilirsiniz. Bunlar izleme olayları, veri kümesi günlükleri veya veri kümesi etkinlik günlükleri olarak da adlandırılır. Sistem yöneticileri genellikle ayrıntılı oldukları için alt düzey izleme olaylarını çağırır.

Not

Veri kümesi adı değişikliği, Power BI hizmeti ve belgelerde dağıtılmıştır, ancak değişikliğin henüz gerçekleşmediği olay günlüğü işlemleri gibi bazı örnekler olabilir.

Anlam modeli izleme olaylarını şu şekilde analiz etmelisiniz:

  • Anlamsal modelde gerçekleşen tüm etkinlikleri denetleyin.
  • Anlam modeli performansı, bellek kullanımı ve sorgu verimliliği sorunlarını giderin ve iyileştirin.
  • Anlam modeli yenileme ayrıntılarını ve süresini araştırın.
  • Power Query tarafından gönderilen Power Query formül dilini (M sorguları) izleyin.
  • Anlam modeline (Analysis Services altyapısı) gönderilen DAX formüllerini ve ifadelerini izleyin.
  • İş yüklerine göre doğru depolama modunun seçilip seçilmediğini ve yeni verileri ve en iyi performansı dengeleme gereksinimini doğrulayın.
  • Hangi satır düzeyi güvenlik rollerinin, hangi kullanıcılar için ve hangi anlam modelleri için çağrılılacağını denetleyin.
  • Eş zamanlı kullanıcı sayısını anlama.
  • Anlamsal modeli doğrulayın (örneğin, bir anlam modeline onay vermeden önce veya bir üretim çalışma alanında yayımlamadan önce veri kalitesini ve performansını doğrulamak için).

Power BI anlam modeli tarafından oluşturulan olaylar, Azure Analysis Services için kullanılabilen mevcut tanılama günlüklerinden türetilir. Aşağıdaki bölümlerde açıklanan, yakalayabileceğiniz ve çözümleyebileceğiniz birçok izleme olayı türü vardır.

Azure Log Analytics

Azure Log Analytics, Azure İzleyici hizmetinin bir bileşenidir. Power BI ile Azure Log Analytics tümleştirmesi, bir Power BI çalışma alanında tüm anlamsal modellerden anlam modeli olaylarını yakalamanıza olanak tanır. Yalnızca Premium çalışma alanları için desteklenir. Tümleştirmeyi ayarladıktan ve bağlantı etkinleştirildikten sonra (Power BI Premium çalışma alanı için), anlam modeli olayları otomatik olarak yakalanır ve sürekli olarak bir Azure Log Analytics çalışma alanına gönderilir. Anlam modeli günlükleri, yüksek hacimli, neredeyse gerçek zamanlı telemetri verilerini yakalamak için en iyi duruma getirilmiş yalnızca ekleme veritabanı olan Azure Veri Gezgini'de depolanır.

Power BI Premium çalışma alanını Azure'daki log analytics çalışma alanına atarsınız. Bu günlük türünü etkinleştirmek için Azure aboneliğinizde yeni bir Log Analytics kaynağı oluşturmanız gerekir.

Bir veya daha fazla Power BI çalışma alanından günlükler hedef Log Analytics çalışma alanına gönderilir. Verileri düzenlemeyi seçmenin bazı yolları aşağıdadır.

  • Tüm denetim verileri için bir hedef çalışma alanı: Tüm verileri tek bir Log Analytics çalışma alanında depolayın. Aynı yönetici veya kullanıcılar tüm verilere eriştiğinde bu yararlı olur.
  • Konu alanına göre düzenlenmiş hedef çalışma alanları: İçeriği konuya göre düzenleyin. Bu teknik özellikle farklı yöneticilerin veya kullanıcıların Azure Log Analytics'ten denetim verilerine erişmesine izin verildiğinde yararlıdır. Örneğin, operasyon verilerinden satış verilerini ayırmanız gerektiğinde.
  • Her Power BI çalışma alanı için bir hedef çalışma alanı: Power BI çalışma alanı ile Azure Log Analytics çalışma alanı arasında bire bir ilişki ayarlayın. Bu, özellikle hassas içerikleriniz olduğunda veya veriler belirli uyumluluk veya mevzuat gereksinimlerine tabi olduğunda kullanışlıdır.

İpucu

Mümkün olan şeyler hakkında net bilgi edinmek ve teknik gereksinimleri anlamak için belgeleri ve bu işlevsellikle ilgili sık sorulan soruları ayrıntılı bir şekilde gözden geçirin. Bu işlevi kuruluşunuzdaki çalışma alanı yöneticilerinin kullanımına sunmadan önce tek bir Power BI çalışma alanıyla teknik kavram kanıtı (POC) yapmayı göz önünde bulundurun.

Önemli

Adlar benzer olsa da, Azure Log Analytics tarafından yakalanan veriler Power BI etkinlik günlüğüyle aynı değildir. Azure Log Analytics, Analysis Services altyapısından ayrıntı düzeyi izleme olaylarını yakalar. Tek amacı, anlam modeli performansını analiz edip sorun gidermenize yardımcı olmaktır. Kapsamı çalışma alanı düzeyindedir. Buna karşılık etkinlik günlüğünün amacı, belirli kullanıcı etkinliklerinin ne sıklıkta gerçekleştiğini anlamanıza yardımcı olmaktır (örneğin, bir raporu düzenleme, anlam modelini yenileme veya uygulama oluşturma). Kapsamı, Power BI kiracısının tamamıdır.

Power BI kiracınız için denetleyebileceğiniz kullanıcı etkinlikleri hakkında daha fazla bilgi için bkz . Kiracı düzeyinde denetim.

Çalışma alanı yöneticileriiçin Azure Log Analytics bağlantısı kiracı ayarı, hangi kullanıcı gruplarının (gerekli çalışma alanı yönetici rolüne sahip olan) Power BI çalışma alanını mevcut bir Azure Log Analytics çalışma alanına bağlayabileceğini denetler.

Tümleştirmeyi ayarlayabilmeniz için önce güvenlik önkoşullarını karşılamanız gerekir. Bu nedenle, Power BI kiracı ayarını yalnızca Azure Log Analytics'te gerekli izinlere sahip olan veya istek üzerine bu izinleri alabilen Power BI çalışma alanı yöneticileri için etkinleştirmeyi göz önünde bulundurun.

İpucu

Planlama sürecinin başlarında, özellikle de kuruluşunuzda yeni bir Azure kaynağı oluşturma onayı almak zor olduğunda Azure yöneticinizle işbirliği yapın. Ayrıca güvenlik önkoşullarını planlamanız gerekir. Azure'da Power BI çalışma alanı yöneticinize izin verilip verilmeyeceğine veya Power BI'daki Azure yöneticisine izin verilip verilmeyeceğine karar verin.

Azure Log Analytics tarafından yakalanan anlam modeli günlükleri arasında anlam modeli sorguları, sorgu istatistikleri, ayrıntılı yenileme etkinliği, Premium kapasitelerde tüketilen CPU süresi ve daha fazlası bulunur. Bunlar Analysis Services altyapısının ayrıntı düzeyi günlükleri olduğundan veriler ayrıntılı olabilir. Büyük veri hacimleri, yüksek anlam modeli etkinliğiyle karşılaşan büyük çalışma alanları için yaygındır.

Power BI ile Azure Log Analytics kullanırken maliyeti iyileştirmek için:

Azure Log Analytics'e gönderilen olaylara erişmenin çeşitli yolları vardır. Şunları kullanabilirsiniz:

İpucu

Yüksek hacimli semantik model izleme olayları olduğundan, verileri analiz etmek için bir DirectQuery modeli geliştirmenizi öneririz. DirectQuery modeli, verileri neredeyse gerçek zamanlı olarak sorgulamanızı sağlar. Olaylar genellikle beş dakika içinde ulaşır.

Daha fazla bilgi için bkz . Azure bağlantılarını yönetme.

Denetim listesi - Azure Log Analytics'i kullanmayı planlarken önemli kararlar ve eylemler şunlardır:

  • Teknik bir POC düşünün: Teknik gereksinimleri, güvenlik gereksinimlerini, hangi olayların yakalandığını ve günlüklerin nasıl çözümlendiğini tam olarak anladığınızdan emin olmak için küçük bir proje planlayın.
  • Hangi çalışma alanlarının Log Analytics ile tümleştirilmesi gerektiğine karar verin: Hangi Premium çalışma alanlarının analiz etmek istediğiniz anlamsal modelleri içerdiğini belirleyin.
  • Log Analytics'in herhangi bir çalışma alanı için tam zamanlı olarak etkinleştirilip etkinleştirilmeyeceğine karar verin: Maliyet iyileştirmesi için günlüğün kalıcı olarak etkinleştirilmesi gereken durumlar (veya belirli çalışma alanları) olup olmadığını belirleyin. Sorun giderme gerçekleşmediğinde çalışma alanlarının bağlantısının kesilip kesilmeyeceğine karar verin.
  • Log Analytics verilerinin ne kadar süreyle tutuleceğine karar verin: 30 günlük varsayılandan daha uzun bir saklama süresi ayarlamanız gerekip gerekmediğini belirleyin.
  • Yeni Log Analytics çalışma alanı isteme sürecini netleştirin: Yeni log analytics kaynağı isteklerinin Power BI çalışma alanı yöneticileri tarafından nasıl gönderilmesi gerektiğini netleştirmek için Azure yöneticinizle işbirliği yapın.
  • Güvenliğin nasıl çalışacağına karar verme: Bir Power BI çalışma alanı yöneticisine Azure Log Analytics çalışma alanı için veya Bir Azure yöneticisine Power BI çalışma alanı için haklar verilmesinin daha uygun olup olmadığına karar vermek için Azure yöneticinizle işbirliği yapın. Bu güvenlik kararını verirken, çalışma alanlarını düzenli olarak bağlama ve bağlantısını kesme planınızı göz önünde bulundurun (maliyet iyileştirme için).
  • Hedef Log Analytics çalışma alanlarının nasıl düzenleneceğine karar verin: Bir veya daha fazla Power BI çalışma alanından gelen verileri düzenlemek için kaç Azure Log Analytics çalışma alanının uygun olacağını düşünün. Günlük verilerine kimlerin erişebileceğine ilişkin güvenlik kararlarınızla bu kararı uyumlu hale getirme.
  • Hangi çalışma alanı yöneticilerinin bağlanmasına izin verileceğini belirleme: Hangi çalışma alanı yöneticisi gruplarının Power BI çalışma alanını Log Analytics çalışma alanına bağlayabileceğini belirleyin. Çalışma alanı yöneticileri için Azure Log Analytics bağlantısı kiracı ayarını bu kararla uyumlu olacak şekilde ayarlayın.
  • Azure Log Analytics kaynağını oluşturma: Her Log Analytics çalışma alanını oluşturmak için Azure yöneticinizle işbirliği yapın. Power BI yapılandırmasının herhangi bir sorun yaşamadan gerçekleşmesini sağlamak için Azure'da atanan izinleri doğrulayın ve güncelleştirin. Azure'da depolanan verilerin doğru coğrafi bölgede olduğunu doğrulayın.
  • Her Power BI çalışma alanı için Log Analytics bağlantısını ayarlama: Her Power BI çalışma alanı için Log Analytics bağlantısını ayarlamak için Power BI çalışma alanı yöneticilerinizle işbirliği yapın. Günlük verilerinin Log Analytics çalışma alanına doğru aktığını doğrulayın.
  • Verileri analiz etmek için sorgular oluşturma: Kullanım örneğine ve geçerli gereksinimlerinize göre Log Analytics'te verileri analiz etmek için KQL sorguları ayarlayın.
  • Power BI çalışma alanı yöneticileri için rehberlik ekleyin: Power BI çalışma alanı yöneticilerinize yeni bir Log Analytics çalışma alanı isteme ve Power BI çalışma alanına bağlanma hakkında bilgi ve önkoşullar sağlayın. Ayrıca, Power BI çalışma alanının bağlantısının ne zaman kesilmesinin uygun olduğunu açıklayın.
  • Verileri analiz etmek için rehberlik ve örnek sorgular sağlayın: Yakalanan verileri analiz etmeye başlamalarını kolaylaştırmak amacıyla çalışma alanı yöneticileri için KQL sorguları oluşturun.
  • Maliyetleri izleme: Log Analytics maliyetlerini sürekli olarak izlemek için Azure yöneticinizle işbirliği yapın.

SQL Server Profiler

Power BI anlam modeli olaylarını yakalamak için SQL Server Profiler (SQL Profiler) kullanabilirsiniz. SQL Server Management Studio'nun (SSMS) bir bileşenidir. Power BI anlam modeline Bağlan, SQL Server'dan kaynaklanan Analysis Services mimarisine dayalı olduğundan SSMS ile desteklenir.

SQL Profiler'ı bir anlam modelinin yaşam döngüsünün farklı aşamalarında kullanabilirsiniz.

  • Veri modeli geliştirme sırasında: SQL Profiler, Power BI Desktop'taki bir veri modeline dış araç olarak bağlanabilir. Bu yaklaşım, veri modellerini doğrulamak veya performans ayarlaması yapmak isteyen veri modelleyicileri için kullanışlıdır.
  • Anlam modeli Power BI hizmeti yayımlandıktan sonra: SQL Profiler Premium çalışma alanında bir anlam modeline bağlanabilir. SSMS, bağlantı için XMLA uç noktasını kullanabilen birçok desteklenen istemci aracından biridir. Bu yaklaşım, Power BI hizmeti yayımlanan bir anlam modelini denetlemek, izlemek, doğrulamak, sorun gidermek veya ayarlamak istediğinizde kullanışlıdır.

SQL Profiler'ı DAX Studio'da dış araç olarak da kullanabilirsiniz. PROFIL oluşturucu izlemesi başlatmak, verileri ayrıştırmak ve sonuçları biçimlendirmek için DAX Studio'yu kullanabilirsiniz. DAX Studio kullanan veri modelleyicileri genellikle sql profiler'ı doğrudan kullanmak yerine bu yaklaşımı tercih eder.

Not

SQL Profil Oluşturucu'nun kullanılması, veri profili oluşturma etkinliğinden farklı bir kullanım örneğidir. Power Query Düzenleyicisi özelliklerini daha iyi anlamak için verilerin profilini oluşturursunuz. Veri profili oluşturma, veri modelleyicileri için önemli bir etkinlik olsa da, bu makalenin kapsamında değildir.

Aşağıdaki durumlarda Azure Log Analytics yerine SQL Profiler kullanmayı göz önünde bulundurun:

  • Kuruluşunuz, Azure'da Azure Log Analytics kaynaklarını kullanmanıza veya oluşturmanıza izin vermez.
  • Power BI Desktop'ta (Power BI hizmeti Premium çalışma alanında yayımlanmamış olan) bir veri modeline yönelik olayları yakalamak istiyorsunuz.
  • Bir semantik modelin olaylarını kısa bir süre için (Premium çalışma alanında tüm anlamsal modeller yerine) yakalamak istiyorsunuz.
  • Belirli olayları yalnızca izleme sırasında (yalnızca Sorgu Sonu olayı gibi) yakalamak istiyorsunuz.
  • İzlemeleri sık sık başlatmak ve durdurmak istiyorsunuz (örneğin, şu anda gerçekleşen anlam modeli olaylarını yakalamanız gerektiğinde).

Azure Log Analytics (bu makalenin önceki bölümlerinde açıklanan) gibi, SQL Profiler tarafından yakalanan anlam modeli olayları da Azure Analysis Services için kullanılabilen mevcut tanılama günlüklerinden türetilir. Ancak, kullanılabilir olaylarda bazı farklılıklar vardır.

İpucu

Analysis Services'i izlemek için SQL Profiler kullanımı birçok kitap, makale ve blog gönderisinde ele alınmıştır. Bu bilgilerin çoğu Power BI anlam modelini izlemek için geçerlidir.

Önemli

SQL Profiler'ı, Power BI hizmeti temel alınan veri kaynaklarına (örneğin, SQL Server ilişkisel veritabanına) gönderilen sorguları izlemek için de kullanabilirsiniz. Ancak ilişkisel veritabanını izleme özelliği kullanım dışıdır. Analysis Services altyapısına Bağlan desteklenir ve kullanım dışı değildir. Analysis Services genişletilmiş olayları hakkında bilgi sahibiyseniz ve bunları kullanmayı tercih ediyorsanız, Power BI Desktop'taki bir veri modeli için SSMS'den bağlantı mümkündür. Ancak, Power BI Premium için desteklenmez. Bu nedenle, bu bölüm yalnızca standart SQL Profiler bağlantısına odaklanır.

XMLA uç noktalarına izin ver ve Şirket içi semantik modellerle Excel'de Çözümle kiracı ayarı, hangi kullanıcı gruplarının (Katkıda Bulunan, Üye veya Yönetici çalışma alanı rolüne de atanmış olan veya tek bir anlam modeli için Derleme izni) XMLA uç noktasını kullanarak Power BI hizmeti anlam modellerini sorgulamak ve/veya bakımını yapmak için kullanabilir. XMLA uç noktasını kullanma hakkında daha fazla bilgi için gelişmiş veri modeli yönetimi kullanım senaryosuna bakın.

Not

Belirli DAX ifadelerinde hata ayıklamaya ve sorun gidermeye yardımcı olması için SQL Profiler'ı da kullanabilirsiniz. SQL Profiler'ı Power BI Desktop'a dış araç olarak bağlayabilirsiniz. DAX ifadesinin ara sonuçlarını görüntülemek için DAX Değerlendirme Günlüğü olay sınıfını arayın. Bu olay, model hesaplamasında EVALUATEANDLOG DAX işlevini kullandığınızda oluşturulur.

Bu işlev yalnızca geliştirme ve test amaçlıdır. Veri modelini bir üretim çalışma alanında yayımlamadan önce veri modeli hesaplamalarınızdan kaldırmanız gerekir.

Denetim listesi - SQL Profiler kullanmayı planlarken önemli kararlar ve eylemler şunlardır:

  • Kimin SSMS veya DAX Studio yükleyebileceğine karar verin: Kuruluşunuzdaki tüm Power BI içerik oluşturucularının SQL Profiler kullanabilmeleri için SSMS ve/veya DAX Studio yüklemesine izin verip vermeyeceğini belirleyin. Bu yardımcı araçların istek üzerine mi yoksa kuruluştaki onaylı veri oluşturucuları için yüklenen standart bir yazılım kümesinin parçası olarak mı yükleneceğine karar verin.
  • Power BI Desktop'taki Dış Araçlar menüsüne SQL Profil Oluşturucusu ekleme: Veri oluşturucular SQL Profiler'ı sık sık kullanacaksa, BT'den bu kullanıcılar için bunu Power BI Desktop'taki Dış Araçlar menüsüne otomatik olarak eklemesini isteyin.
  • XMLA uç noktasını kimlerin kullanabileceğine karar verin: Tüm kullanıcıların XMLA uç noktasını kullanarak yayımlanan anlamsal modellere bağlanmasına izin verilip verilmeyeceğini veya yalnızca onaylanan veri oluşturucularla sınırlı olup olmadığını belirleyin. Bu kararla uyumlu olması için XMLA uç noktalarına izin ver ve Şirket içi anlam modelleri ile Excel'de Çözümle kiracı ayarını belirleyin.
  • Verileri analiz etmek için rehberlik ve örnek sorgular sağlayın: Anlam modellerini denetlemenin ve izlemenin önerilen yolunu anlamaları için veri oluşturucularınız için belgeler oluşturun. İzleme verilerini toplamaya ve analiz etmeye başlamalarını kolaylaştırmak için yaygın kullanım örnekleri için rehberlik sağlayın.

Veri modeli meta verileri

Power BI anlam modelleri Analysis Services altyapısı üzerine oluşturulduğundan, veri modelinin meta verilerini sorgulayan araçlara erişebilirsiniz. Meta veriler tablo adları, sütun adları ve ölçü ifadeleri dahil olmak üzere veri modeliyle ilgili her şeyi içerir.

Dinamik yönetim görünümleri

Analysis Services Dinamik Yönetim Görünümleri (DMV) veri modeli meta verilerini sorgulayabilir. Veri modellerinizi zaman içinde denetlemek, belgeleştirmek ve iyileştirmek için DMV'leri kullanabilirsiniz.

Özellikle:

  • Bir model tarafından kullanılan veri kaynaklarını denetleme.
  • Bir modelde en çok bellek tüketen nesneleri keşfedin.
  • Sütun verilerinin ne kadar verimli bir şekilde sıkıştırılabildiğini belirleyin.
  • Modelde kullanılmayan sütunları bulun.
  • Etkin kullanıcı oturumlarını ve bağlantılarını denetleme.
  • Modelin yapısını doğrulayın.
  • Hesaplanan tablolar, hesaplanan sütunlar, ölçüler ve satır düzeyi güvenlik (RLS) kuralları tarafından kullanılan DAX ifadelerini gözden geçirin.
  • Nesneler ve ölçüler arasındaki bağımlılıkları tanımlama.

İpucu

DMV'ler bir anlam modelinin geçerli durumu hakkında bilgi alır. DMV'ler tarafından döndürülen verileri, belirli bir noktada gerçekleşenlerin anlık görüntüsü olarak düşünün. Buna karşılık, semantik model olay günlükleri (bu makalenin önceki bölümlerinde açıklanmıştır) izleme bağlantısı etkinken bir anlam modeli için hangi etkinliklerin gerçekleştiği hakkında bilgi alır.

SSMS, DMV sorgularını çalıştırmak için yaygın olarak kullanılan bir araçtır. DMV'leri sorgulayan XMLA betikleri oluşturmak ve yürütmek için Invoke-ASCmd PowerShell cmdlet'ini de kullanabilirsiniz.

Üçüncü taraf araçlar ve dış araçlar da Power BI topluluğu tarafından popülerdir. Bu araçlar, erişimi basitleştirmek ve DMV'ler tarafından döndürülen verilerle çalışmak için genel olarak belgelenen DMV'leri kullanır. Örneklerden biri, DMV'lere erişmek için açık işlevler içeren DAX Studio'dur. DAX Studio, yaygın olarak Vertipaq Analyzer olarak bilinen yerleşik Görüntüleme Ölçümleri özelliğini de içerir. Vertipaq Analyzer, veri modelindeki tabloların, sütunların, ilişkilerin ve bölümlerin yapısını ve boyutunu analiz etmek için bir kullanıcı arabirimine sahiptir. Ayrıca veri modeli meta verilerini bir .vpax dosyasına aktarabilir (veya içeri aktarabilirsiniz). Dışarı aktarılan dosya, herhangi bir model verisi depolamadan yalnızca veri modeli yapısı ve boyutuyla ilgili meta verileri içerir.

İpucu

Veri modeliyle ilgili yardıma ihtiyacınız olduğunda bir .vpax dosyasını biriyle paylaşmayı göz önünde bulundurun. Bu şekilde model verilerini bu kişiyle paylaşmazsınız.

DMV sorgularını anlamsal modelin yaşam döngüsünün farklı aşamalarında kullanabilirsiniz.

  • Veri modeli geliştirme sırasında: Seçtiğiniz araç Power BI Desktop'taki bir veri modeline dış araç olarak bağlanabilir. Bu yaklaşım, veri modellerini doğrulamak veya performans ayarlaması yapmak isteyen veri modelleyicileri için kullanışlıdır.
  • Anlam modeli Power BI hizmeti yayımlandıktan sonra: Seçtiğiniz araç Premium çalışma alanında bir anlam modeline bağlanabilir. SSMS, bağlantı için XMLA uç noktasını kullanan birçok desteklenen istemci aracından biridir. Bu yaklaşım, Power BI hizmeti yayımlanan bir anlam modelini denetlemek veya doğrulamak istediğinizde kullanışlıdır.

İpucu

Kendi DMV sorgularınızı yazmaya karar verirseniz (örneğin, SSMS'de), DMV'lerin tüm SQL işlemlerini desteklemediğini unutmayın. Ayrıca, bazı DMV'ler Power BI'da desteklenmez (Power BI tarafından desteklenmeyen Analysis Services sunucu yöneticisi izinlerine ihtiyaç duyduklarından).

XMLA uç noktalarına izin ver ve Şirket içi semantik modellerle Excel'de Çözümle kiracı ayarı, hangi kullanıcı gruplarının (Katkıda Bulunan, Üye veya Yönetici çalışma alanı rolüne de atanmış olan veya tek bir anlam modeli için Derleme izni) XMLA uç noktasını kullanarak Power BI hizmeti anlam modellerini sorgulamak ve/veya bakımını yapmak için kullanabilir.

XMLA uç noktasını, üçüncü taraf araçlarını ve dış araçları kullanma hakkında daha fazla bilgi için gelişmiş veri modeli yönetimi kullanım senaryosuna bakın.

En İyi Yöntem Çözümleyicisi

En İyi Yöntem Çözümleyicisi (BPA), Power BI topluluğu tarafından yaygın olarak benimsenen üçüncü taraf bir araç olan Tablosal Düzenleyici'nin bir özelliğidir. BPA, veri modelinizin kalitesini, tutarlılığını ve performansını denetlemenize yardımcı olabilecek bir dizi özelleştirilebilir kural içerir.

İpucu

BPA'yı ayarlamak için GitHub'da Microsoft tarafından sağlanan en iyi yöntem kuralları kümesini indirin.

Öncelikle BPA, performans sorunlarını azaltabilecek en iyi tasarım kararlarını algılayarak modellerin tutarlılığını artırmanıza yardımcı olabilir. Kuruluşun farklı alanlarına dağıtılan self servis veri modelleyicileriniz olduğunda bu yararlı olur.

BPA, veri modellerinizi denetlemenize ve yönetmenize de yardımcı olabilir. Örneğin, bir veri modelinin herhangi bir satır düzeyi güvenlik (RLS) rolü içerip içermediğini doğrulayabilirsiniz. Veya tüm model nesnelerinin açıklaması olup olmadığını doğrulayabilirsiniz. Örneğin, amacınız bir veri modelinin veri sözlüğü içerdiğini güvence altına almak olduğunda bu yararlı olur.

BPA, Üstün Başarı Merkezi'nin daha fazla eğitim veya belge gerekip gerekmediğini belirlemesine yardımcı olabilecek tasarım sorunlarını ortaya çıkarabilir. Veri oluşturucuları en iyi yöntemler ve kuruluş yönergeleri hakkında eğitmek için eyleme geçilebilir.

İpucu

BPA'nın bir özelliğin varlığını (satır düzeyi güvenlik gibi) algılayabileceğinizi unutmayın. Ancak, doğru ayarlanıp ayarlanmadığını belirlemek zor olabilir. Bu nedenle, bir konu uzmanının bir inceleme gerçekleştirmesi gerekebilir. Buna karşılık, belirli bir özelliğin mevcut olmaması kötü bir tasarım anlamına gelmez; veri modelleyicinin belirli bir tasarım oluşturmak için iyi bir nedeni olabilir.

Denetim listesi - Veri modelleri için meta verilere erişmeyi planlarken önemli kararlar ve eylemler şunlardır:

  • SSMS'yi kimin yükleyebileceğine karar verin: Kuruluşunuzdaki tüm Power BI içerik oluşturucularının yayımlanan anlam modellerine bağlanabilmeleri için SSMS yüklemesine izin verip vermeyeceğini belirleyin. Bunun istek üzerine mi yoksa kuruluştaki onaylı veri oluşturucuları için yüklenen standart bir yazılım kümesinin parçası olarak mı yükleneceğine karar verin.
  • Kimlerin üçüncü taraf araçları yükleyebileceğine karar verin: Kuruluşunuzdaki tüm Power BI içerik oluşturucularının yerel veri modellerini ve/veya yayımlanan anlam modellerini izleyebilmeleri için üçüncü taraf araçları (DAX Studio ve Tablosal Düzenleyici gibi) yüklemesine izin verip vermeyeceğini belirleyin. Bunların istek üzerine mi yoksa kuruluştaki onaylı veri oluşturucuları için yüklenen standart bir yazılım kümesinin parçası olarak mı yükleneceğine karar verin.
  • En iyi uygulama kurallarını ayarlama: Kuruluşunuzdaki veri modellerini hangi En İyi Yöntem Çözümleyicisi kurallarının tarayabileceğine karar verin.
  • XMLA uç noktasını kimlerin kullanabileceğine karar verin: Tüm kullanıcıların XMLA uç noktasını kullanarak anlamsal modellere bağlanmasına izin verilip verilmeyeceğini veya yalnızca onaylanan veri oluşturucularla sınırlı olup olmadığını belirleyin. Bu kararla uyumlu olması için XMLA uç noktalarına izin ver ve Şirket içi anlam modelleri ile Excel'de Çözümle kiracı ayarını belirleyin.
  • İçerik oluşturucular için rehberlik sağlayın: Anlamsal modelleri analiz etmek için önerilen yöntemleri anlamaları için veri oluşturucularınız için belgeler oluşturun. DMV sonuçlarını toplamaya ve analiz etmeye ve/veya En İyi Yöntem Çözümleyicisi'ni kullanmaya başlamalarını kolaylaştırmak için yaygın kullanım örnekleri için rehberlik sağlayın.

Veri modeli ve sorgu performansı

Power BI Desktop, veri oluşturucuların veri modelleriyle ilgili sorunları gidermelerine ve araştırmalarına yardımcı olan çeşitli araçlar içerir. Bu özellikler, veri modellerini doğrulamak ve Power BI hizmeti yayımlamadan önce performans ayarlaması yapmak isteyen veri modelleyicilerine yöneliktir.

Performans Analizi

Bir veri modelinin performansını denetlemek ve araştırmak için Power BI Desktop'ta bulunan Performans Analizi kullanın. Performans Analizi rapor oluşturucularının tek tek rapor öğelerinin performansını ölçmesine yardımcı olur. Ancak genellikle performans sorunlarının kök nedeni veri modeli tasarımıyla ilgilidir. Bu nedenle, anlam modeli oluşturucusu da Performans Analizi kullanmaktan yararlanabilir. Raporları ve anlam modellerini oluşturmakla sorumlu farklı içerik oluşturucular varsa, performans sorununu giderirken işbirliği yapmaları gerekecektir.

İpucu

PERFORMANS ANALIZI tarafından oluşturulan günlük dosyalarını içeri aktarmak ve analiz etmek için DAX Studio'yu kullanabilirsiniz.

Performans Analizi hakkında daha fazla bilgi için bkz. Rapor düzeyinde denetim.

Sorgu Tanılama

Power Query'nin performansını araştırmak için Power BI Desktop'ta bulunan Sorgu Tanılama'yı kullanın. Bunlar, sorun giderme ve Power Query altyapısının ne yaptığını anlamanız gereken durumlarda kullanışlıdır.

Sorgu Tanılama'dan edinebileceğiniz bilgiler şunlardır:

  • Hata iletileriyle ilgili ek ayrıntılar (özel durum oluştuğunda).
  • Veri kaynağına gönderilen sorgular.
  • Sorguyu kaynağa döndürmenin gerçekleşip gerçekleşmediği.
  • Sorgu tarafından döndürülen satır sayısı.
  • Veri yenileme işlemi sırasında olası yavaşlamalar.
  • Arka plan olayları ve sistem tarafından oluşturulan sorgular.

Ne aradığınıza bağlı olarak, bir veya tüm günlükleri etkinleştirebilirsiniz: toplu, ayrıntılı, performans sayaçları ve veri gizliliği bölümleri.

Oturum tanılamayı Power Query Düzenleyicisi başlatabilirsiniz. Etkinleştirildikten sonra, tanılama izleme durdurulana kadar sorgu ve yenileme işlemleri toplanır. Tanılama durdurulduğu anda veriler doğrudan sorgu düzenleyicisinde doldurulur. Power Query bir Tanılama grubu (klasör) oluşturur ve buna birkaç sorgu ekler. Ardından tanılama verilerini görüntülemek ve analiz etmek için standart Power Query işlevselliğini kullanabilirsiniz.

Alternatif olarak, Seçenekler penceresinin Tanılama bölümünde Power BI Desktop'ta bir izlemeyi etkinleştirebilirsiniz. Günlük dosyaları yerel makinenizdeki bir klasöre kaydedilir. Bu günlük dosyaları, Power BI Desktop'ı kapattıktan sonra verilerle doldurulur ve izleme durdurulur. Power BI Desktop kapatıldıktan sonra günlük dosyalarını görüntülemek için tercih ettiğiniz programla (metin düzenleyicisi gibi) açabilirsiniz.

Sorgu değerlendirme ve katlama

Power Query, sorgu planı dahil olmak üzere sorgu değerlendirmesini anlamanıza yardımcı olacak çeşitli özellikleri destekler. Ayrıca sorguyu kaynağa döndürmenin sorgunun tamamı için mi yoksa sorgudaki adımların bir alt kümesi için mi gerçekleştiğini belirlemenize yardımcı olabilir. Sorguyu kaynağa döndürme, performans ayarlamanın en önemli yönlerinden biridir. Ayrıca, bu makalenin devamında açıklanan bir veri kaynağını izlerken Power Query tarafından gönderilen yerel sorguları gözden geçirmek de yararlı olur.

Premium ölçümler uygulaması

Sorun giderme sırasında Power BI Premium kapasite yöneticinizle işbirliği yapmak yararlı olabilir. Kapasite yöneticisinin Power BI Premium kullanımı ve ölçümleri uygulamasına erişimi vardır. Bu uygulama, kapasitede gerçekleşen etkinlikler hakkında size zengin bilgiler sağlayabilir. Bu bilgiler anlam modeli sorunlarını gidermenize yardımcı olabilir.

İpucu

Premium kapasite yöneticiniz, Premium ölçümler uygulamasına erişmelerine izin vermek için ek kullanıcılara (kapasite dışı yöneticiler) erişim izni verebilir.

Premium ölçümler uygulaması bir iç anlam modeli ve ilk rapor kümesinden oluşur. Power BI Premium kapasite (P SKU) veya Power BI Embedded (A SKU) kapasitesini neredeyse gerçek zamanlı izleme gerçekleştirmenize yardımcı olur. Son iki-dört haftalık verileri içerir (ölçüme bağlı olarak).

Anlamsal modellerin sorunlarını gidermek ve iyileştirmek için Premium ölçümler uygulamasını kullanın. Örneğin, bellek ayak izi büyük olan veya düzenli olarak yüksek CPU kullanımıyla karşılaşan anlamsal modelleri tanımlayabilirsiniz. Ayrıca kapasite boyutunuzun sınırına yaklaşan anlamsal modelleri bulmak için de kullanışlı bir araçtır.

Denetim listesi - Veri modelini ve sorgu performansını izlemek için kullanılacak yaklaşımlar göz önünde bulundurulduğunda, önemli kararlar ve eylemler şunlardır:

  • Anlam modeli sorgu performansı hedeflerini belirleme: İyi anlam modeli performansının ne anlama geldiğini iyi anladığınızdan emin olun. Belirli sorgu performansı hedeflerine ne zaman ihtiyacınız olduğunu belirleyin (örneğin, raporları destekleyen sorguların beş saniye içinde işlenmesi gerekir). Bu durumda hedeflerin kuruluşunuzdaki veri oluşturuculara iletildiğinden emin olun.
  • Anlam modeli yenileme performans hedeflerini belirleme: Belirli veri yenileme hedeflerini ne zaman gerektireceğini belirleyin (örneğin, veri yenileme işleminin 15 dakika içinde ve saat 05:00'e kadar tamamlanması). Bu durumda hedeflerin kuruluşunuzdaki veri oluşturuculara iletildiğinden emin olun.
  • Destek ekibinize eğitim verme: İç kullanıcı destek ekibinizin, yardıma ihtiyaç duyduklarında Power BI kullanıcılarını desteklemeye hazır olmaları için tanılama özelliklerini tanıdığından emin olun.
  • Destek ekibinizi ve veritabanı yöneticilerinizi Bağlan: Destek ekibinizin her veri kaynağı için doğru yöneticilere nasıl başvuracaklarını bildiğinden emin olun (örneğin, sorguyu kaynağa döndürme sorunlarını giderirken).
  • Premium kapasite yöneticinizle işbirliği yapın: Premium kapasiteye veya Power BI Embedded kapasitesine atanmış bir çalışma alanında bulunan anlamsal modellerin sorunlarını gidermek için kapasite yöneticinizle birlikte çalışın. Uygun olduğunda Premium ölçümler uygulamasına erişim isteyin.
  • İçerik oluşturucular için rehberlik sağlama: Sorun giderme sırasında hangi eylemlerin gerçekleştirildiğini anlamaları için veri oluşturucularınız için belgeler oluşturun.
  • Eğitim malzemelerine dahil etme: Veri oluşturucularınıza iyi performans gösteren veri modelleri oluşturma konusunda rehberlik sağlayın. İyi tasarım alışkanlıklarını erken benimsemelerine yardımcı olun. Veri oluşturucularına iyi tasarım kararları vermeyi öğretmeye odaklanın.

Veri kaynağı izleme

Bazen Power BI'ın bağlandığını belirli bir veri kaynağını doğrudan izlemek gerekir. Örneğin, artan bir iş yüküyle karşılaşan bir veri ambarı olabilir ve kullanıcılar performans düşüşü bildiriyor olabilir. Genellikle veritabanı yöneticisi veya sistem yöneticisi veri kaynaklarını izler.

Bir veri kaynağını şu şekilde izleyebilirsiniz:

  • Hangi kullanıcıların veri kaynağına sorgu gönderdiğini denetleyin.
  • Hangi uygulamaların (Power BI gibi) veri kaynağına sorgu gönderdiğini denetleyin.
  • Veri kaynağına hangi sorgu deyimlerinin, ne zaman ve hangi kullanıcılar tarafından gönderildiğini gözden geçirin.
  • Bir sorguyu çalıştırmanın ne kadar sürdüğünü belirleyin.
  • Çoklu oturum açma (SSO) kullanırken kaynak sistem tarafından satır düzeyi güvenliğin nasıl çağrıldığı denetlenir.

Power BI içerik oluşturucusu izleme sonuçlarını analiz ettikten sonra gerçekleştirebileceği birçok eylem vardır. Bunlar:

  • Veri kaynağına gönderilen sorguları olabildiğince verimli olacak şekilde ayarlayın ve geliştirin.
  • Veri kaynağına gönderilen yerel sorguları doğrulayın ve ayarlayın.
  • Veri modeline aktarılan sütunların sayısını azaltın.
  • Veri modeline aktarılan yüksek duyarlıklı ve yüksek kardinalite sütunlarını kaldırın.
  • Veri modeline aktarılan geçmiş veri miktarını azaltın.
  • Veri kaynağına olan talebin yayılmasına yardımcı olmak için Power BI veri yenileme sürelerini ayarlayın.
  • Veri kaynağı üzerindeki yükü azaltmak için artımlı veri yenilemeyi kullanın.
  • Birden çok anlam modelini paylaşılan bir anlam modelinde birleştirerek Power BI veri yenilemelerinin sayısını azaltın.
  • Yenileme sıklığını artırmak ve bu nedenle veri kaynağındaki yükü azaltmak için otomatik sayfa yenileme ayarlarını yapın.
  • Veri kaynağına gönderilen sorguların karmaşıklığını azaltmak için hesaplamaları basitleştirin.
  • Veri kaynağındaki tutarlı sorgu yükünü azaltmak için veri depolama modunu değiştirin (örneğin, DirectQuery yerine içeri aktarma modu).
  • Veri kaynağına gönderilen sorgu sayısını azaltmak için sorgu azaltma tekniklerini kullanın.

Sistem yöneticileri başka eylemler gerçekleştirebilir. Bunlar:

  • Power BI veri akışları gibi bir aracı veri katmanı tanıtın (veri ambarı uygun bir seçenek olmadığında). Power BI içerik oluşturucuları, veri kaynaklarına doğrudan bağlanmak yerine veri akışlarını kendi veri kaynakları olarak kullanabilir. Ara veri katmanı, kaynak sistemdeki yükü azaltabilir. Ayrıca veri hazırlama mantığını merkezileştirme avantajına da sahiptir. Daha fazla bilgi için self servis veri hazırlama kullanım senaryosuna bakın.
  • Ağ gecikme süresinin etkisini azaltmak için veri kaynağı konumunu değiştirin (örneğin, Power BI hizmeti, veri kaynakları ve ağ geçitleri için aynı veri bölgesini kullanın).
  • Veri kaynağını, Power BI verilerini daha verimli bir şekilde alacak şekilde iyileştirin. Tablo dizinleri oluşturma, dizinlenmiş görünümler oluşturma, kalıcı hesaplanan sütunlar oluşturma, istatistikleri koruma, bellek içi veya sütun deposu tablolarını kullanma ve gerçekleştirilmiş görünümler oluşturma gibi birçok yaygın teknik vardır.
  • Kullanıcıları özgün üretim veritabanı yerine veri kaynağının salt okunur çoğaltmasını kullanmaya yönlendirin. Çoğaltma, yüksek kullanılabilirlik (HA) veritabanı stratejisinin bir parçası olarak kullanılabilir. Salt okunur çoğaltmanın avantajlarından biri, kaynak sistemdeki çekişmesini azaltmaktır.

Veri kaynaklarını izlemek için kullanabileceğiniz araçlar ve teknikler teknoloji platformuna bağlıdır. Örneğin, veritabanı yöneticiniz Azure SQL Veritabanı ve SQL Server veritabanlarını izlemek için genişletilmiş olayları veya Sorgu Deposu'nu kullanabilir.

Power BI bazen bir veri kaynağına bir veri ağ geçidi üzerinden erişir. Ağ geçitleri, Power BI hizmeti belirli veri kaynağı türlerine bağlantıyı işler. Ancak, yalnızca verilere bağlanmaktan fazlasını yapar. Ağ geçidi, makinede işleme ve veri dönüşümleri gerçekleştiren bir karma altyapısı içerir. Ayrıca verileri sıkıştırır ve şifreleyerek Power BI hizmeti verimli ve güvenli bir şekilde iletilmesini sağlar. Bu nedenle, yönetilmeyen veya iyileştirilmemiş bir ağ geçidi performans sorunlarına katkıda bulunabilir. Ağ geçitlerini izleme konusunda yardım almak için ağ geçidi yöneticinizle görüşmenizi öneririz.

İpucu

Power BI yöneticiniz tam kiracı envanteri (köken dahil) derleyebilir ve etkinlik günlüğündeki kullanıcı etkinliklerine erişebilir. Yöneticiler, köken ve kullanıcı etkinlikleri arasında bağıntı sağlayarak en sık kullanılan veri kaynaklarını ve ağ geçitlerini tanımlayabilir.

Kiracı envanteri ve etkinlik günlüğü hakkında daha fazla bilgi için bkz . Kiracı düzeyinde denetim.

Denetim listesi - Bir veri kaynağını izlemeyi planlarken, önemli kararlar ve eylemler şunlardır:

  • Belirli hedefleri belirleme: Veri kaynağını izlerken, tam olarak gerçekleştirmeniz gerekenler ve sorun giderme hedefleri hakkında netlik elde edin.
  • Veritabanı yöneticileriyle işbirliği yapma: Belirli bir veri kaynağını izlerken yardım almak için veritabanı veya sistem yöneticilerinizle birlikte çalışın.
  • Ağ geçidi yöneticileriyle işbirliği yapma: Veri ağ geçidi üzerinden bağlanan veri kaynakları için sorun giderme sırasında ağ geçidi yöneticisiyle işbirliği yapın.
  • Destek ekibinizi ve veritabanı yöneticilerinizi Bağlan: Destek ekibinizin her veri kaynağı için doğru yöneticilere nasıl başvuracaklarını bildiğinden emin olun (örneğin, sorguyu kaynağa döndürme sorunlarını giderirken).
  • Eğitimi ve yönergeleri güncelleştirme: Veri oluşturucular için kurumsal veri kaynaklarıyla çalışma hakkında önemli bilgiler ve ipuçları ekleyin. Bir sorun olduğunda yapılması gerekenler hakkında bilgi ekleyin.

Veri yenileme izleme

Veri yenileme işlemi, temel alınan veri kaynaklarından Power BI anlam modeline, veri akışına veya veri akıllı makinesine veri aktarmayı içerir. Bir veri yenileme işlemi zamanlayabilir veya isteğe bağlı olarak çalıştırabilirsiniz.

Hizmet düzeyi sözleşmesi

BT, veri varlıklarına yönelik beklentileri belge etmek için genellikle hizmet düzeyi sözleşmelerini (SLA) kullanır. Power BI için kritik içerik veya kurumsal düzeyde içerik için SLA kullanmayı göz önünde bulundurun. Genellikle kullanıcıların bir anlam modelindeki güncelleştirilmiş verilerin ne zaman kullanılabilir olmasını bekleyebileceğini içerir. Örneğin, tüm veri yenilemelerinin her gün saat 07:00'ye kadar tamamlanması gereken bir SLA'nız olabilir.

Anlam modeli günlükleri

Azure Log Analytics veya SQL Profiler'daki anlamsal model olay günlükleri (daha önce bu makalede açıklanmıştır) anlamsal modelde neler olduğu hakkında ayrıntılı bilgiler içerir. Yakalanan olaylar semantik model yenileme etkinliğini içerir. Olay günlükleri özellikle anlam modeli yenileme sorunlarını gidermeniz ve araştırmanız gerektiğinde kullanışlıdır.

Premium kapasite semantik modelleri

Power BI Premium kapasitesinde barındırılan içeriğiniz olduğunda, veri yenileme işlemlerini izlemeye yönelik daha fazla özelliğe sahip olursunuz.

  • Yönetim portalındaki Power BI yenileme özetleri sayfasında yenileme geçmişinin özeti yer alır. Bu özet yenileme süresi ve hata iletileri hakkında bilgi sağlar.
  • Power BI Premium kullanımı ve ölçümler uygulaması da yararlı yenileme bilgileri içerir. Power BI Premium kapasitesi (P SKU) veya Power BI Embedded (A SKU) kapasitesi için yenileme etkinliğini araştırmanız gerektiğinde kullanışlıdır.

Gelişmiş anlam modeli yenilemeleri

İçerik oluşturucular, Grup Power BI REST API'sindeki Veri Kümesini Yenile ile gelişmiş yenilemeyi kullanarak program aracılığıyla anlamsal model yenilemeleri başlatabilir. Gelişmiş yenileme kullandığınızda geçmiş, geçerli ve bekleyen yenileme işlemlerini izleyebilirsiniz.

Veri yenileme zamanlaması izleme

Power BI yöneticileri, belirli bir zaman çerçevesi sırasında eşzamanlı olarak zamanlanmış birçok yenileme işlemi olup olmadığını belirlemek için kiracıdaki veri yenileme zamanlamalarını izleyebilir (örneğin, 05:00 ile 07:00 arasında, özellikle yoğun bir veri yenileme süresi olabilir). Yönetici istrator'ların tarayıcı API'leri olarak bilinen meta veri tarama API'lerinden anlam modeli yenileme zamanlaması meta verilerine erişme izni vardır.

Power BI REST API'leri

Kritik anlam modelleri için veri yenileme sorunlarını izlemek için yalnızca e-posta bildirimlerine güvenmeyin. Veri yenileme geçmişini izleyebileceğiniz, çözümleyebileceğiniz ve üzerinde işlem yapabileceğiniz merkezi bir depoda derlemeyi göz önünde bulundurun.

Veri yenileme geçmişini almak için şunu kullanabilirsiniz:

İpucu

Geçerli verilerin raporlar ve panolar için kullanılabilir olduğundan emin olmak için anlam modellerinizin yenileme geçmişini izlemenizi kesinlikle öneririz. Ayrıca SLA'ların karşılanıp karşılanmadığını bilmenize de yardımcı olur.

Denetim listesi - Veri yenileme izleme planlaması yaparken önemli kararlar ve eylemler şunlardır:

  • Belirli hedefleri belirleme: Veri yenilemelerini izlerken, tam olarak neyi gerçekleştirmeniz gerektiği ve izleme kapsamının ne olması gerektiği (örneğin, üretim semantik modelleri, sertifikalı anlam modelleri ve diğerleri) hakkında netlik elde edin.
  • SLA ayarlamayı göz önünde bulundurun: SLA'nın veri kullanılabilirliği beklentilerini ve veri yenileme zamanlamalarının ne zaman çalıştırılacağı konusunda yararlı olup olmayacağını belirleyin.
  • Veritabanı ve ağ geçidi yöneticileriyle işbirliği yapma: Veri yenilemeyi izlemek veya sorunlarını gidermek için veritabanı veya sistem yöneticileriniz ve ağ geçidi yöneticilerinizle birlikte çalışın.
  • Destek ekibi için bilgi aktarımı: Veri yenileme sorunları ortaya çıktığında destek ekibinizin içerik oluşturuculara nasıl yardımcı olacaklarını bildiğinden emin olun.
  • Eğitimi ve kılavuzu güncelleştirme: Veri oluşturucularına kurumsal veri kaynaklarından ve ortak veri kaynaklarından verileri yenileme hakkında önemli bilgiler ve ipuçları ekleyin. Veri yenilemeyi yönetmeye yönelik en iyi yöntemleri ve kuruluş tercihlerini ekleyin.
  • Bildirimler için destek e-posta adresi kullanın: Kritik içerik için yenileme bildirimlerini destek e-posta adresi kullanacak şekilde ayarlayın.
  • Merkezi yenileme izlemeyi ayarlama: Veri yenileme geçmişini derlemek için Power BI REST API'lerini kullanın.

Veri akışını izleme

Power Query Online ile bir Power BI veri akışı oluşturursunuz. Sorgu performansı özelliklerinin çoğu ve daha önce açıklanan Power Query tanılamaları geçerlidir.

İsteğe bağlı olarak, çalışma alanlarını iç depolama yerine veri akışı depolaması (kendi depolama alanını getir olarak bilinir) için Azure Data Lake Storage 2. Nesil kullanacak şekilde ayarlayabilirsiniz. Kendi depolama alanını getir özelliğini kullandığınızda, depolama hesabı ölçümlerini izleyebilebilmeniz için telemetriyi etkinleştirmeyi göz önünde bulundurun. Daha fazla bilgi için self servis veri hazırlama kullanım senaryosuna ve gelişmiş veri hazırlama kullanım senaryosuna bakın.

Veri akışı işlemlerini izlemek için Power BI REST API'lerini kullanabilirsiniz. Örneğin, veri akışı yenilemelerinin durumunu denetlemek için Veri Akışı İşlemlerini Al API'sini kullanın.

Power BI veri akışları için kullanıcı etkinliklerini Power BI etkinlik günlüğüyle izleyebilirsiniz. Daha fazla bilgi için bkz . Kiracı düzeyinde denetim.

İpucu

Veri akışı tasarımlarınızı iyileştirmek için benimseyebileceğiniz birçok en iyi yöntem vardır. Daha fazla bilgi için bkz . Veri akışları en iyi yöntemleri.

Datamart izleme

Power BI veri akıllı makinesi , veri akışı, yönetilen veritabanı ve anlam modeli gibi çeşitli tümleşik bileşenler içerir. Her bileşenin denetimi ve izlenmesi hakkında bilgi edinmek için bu makalenin önceki bölümlerine bakın.

Power BI etkinlik günlüğünü kullanarak Power BI veri zekası kullanıcı etkinliklerini izleyebilirsiniz. Daha fazla bilgi için bkz . Kiracı düzeyinde denetim.

İlgili içerik

Bu serinin sonraki makalesinde kiracı düzeyinde denetim hakkında bilgi edinin.