Özet
Bu modülde semantik modellerin daha büyük veri kümelerini, daha fazla eşzamanlı kullanıcıyı ve Microsoft Fabric daha geniş tüketim desenlerini işlemesi gerektiğinde ne gibi değişiklikler olduğunu keşfettiniz. Zorluk açıktı: Power BI Desktop'ta küçük ekipler için oluşturulan modeller, ölçekle birlikte gelenleri otomatik olarak işlemez.
Dört kritik tasarım kararı yapmayı öğrendin. İlk olarak, varsayılan depolama modu olarak Direct Lake'i seçtiniz ve İçeri Aktarma, DirectQuery veya bileşik modellerin daha iyi bir seçenek olduğunu anladınız. Ardından bilgi tutarlılığı, etkin olmayan ilişkiler ve kaynaklar arası bağlantılar dahil olmak üzere netlik ve performans için yıldız şeması ilişkileri tasarladınız. Daha sonra, ölçü çoğalmasını azaltmak için hesaplama gruplarını kullanarak ölçeklenebilir hesaplamalar, ekibin sürdürülebilirliğini desteklemek için değişkenler ve adlandırma kuralları ve büyük veri hacimlerini işlemek için toplamalar tasarladınız. Son olarak, modelin büyük veri kümelerini, eşzamanlı sorguları ve dış araç erişimini nasıl işlediğini denetleyebilen ayarları yapılandırmışsınız.
Bu kararlar birlikte ölçek için bir anlam modeli hazırlar. Ayrıca yapay zeka, ölçeklendirilen bir modelden aynı şeyleri talep ettiğinden bunu yapay zeka tüketimine de hazırlar: geçerli veriler, net ilişkiler, açıklayıcı yapılar ve kapasite.