Veri kümesinin Power BI türünü belirleme
Müşterileriniz için senaryosunu kullanarak RLS'yi zorunlu kılarken, uygulamanızın etkin kimlik ayarlaması gerekir. Etkili kimliği nasıl ayarlayacağınız, uygulamanın gerektirdiği veri kümesinin Power BI türüne bağlıdır.
Değerlendirilmek üzere dört farklı veri kümesi türü mevcuttur. Bu türler, modelin barındırıldığı yere ve model çerçevesine göre belirlenir. Bu ünitenin geri kalanı bu dört farklı veri kümesi türünü açıklayacaktır.
Tanım olarak, bir Power BI veri kümesi, görselleştirme için bir veri kaynağını temsil eden bir yapıttır Power BI. Genellikle veri kümeleri, analitik raporlama için en iyi duruma getirilmiş sorgulanabilir veri kaynakları olan veri modellerini temsileder.
Model mimarisi
Çoğu Microsoft veri modeli tabloludur . Tablo modelleri bir veya daha fazla tablo içerir. Diğer Microsoft veri modelleri çok boyutludur . Çok boyutlu modeller eski (ancak yine de geçerli) teknolojiyi kullanır ve boyutlardan ve hesaplama gruplarından oluşur. Genellikle, çok boyutlu modellere küp denir.
Not
Tablosal modeller gibi, çok boyutlu modeller de rolleri kullanarak veri iznini zorlar. Ancak, kuralları kullanarak filtreleri tanımlamazlar ve DAX yerine Çok Boyutlu İfadeler'i (MDX) kullanırlar. Çok boyutlu modeller RLS'yi zorlamasa da (çok boyutlu modeller veri satırlarını depolamadığından), aynı sonucu (statik ve dinamik) tablosal model kurallarını üreten eşdeğer gereksinimleri zorlar.
Model barındırma
Veri modelleri dahili olarak barındırılan veya harici olarak barındırılır. Dahili olarak barındırılan modeller içeride bulunurken Power BI, harici olarak barındırılan modeller dışarıda barındırılır Power BI.
Dahili olarak barındırılan modeller çalışma alanlarında Power BI bulunur. Microsoft Harici olarak barındırılan modeller Azure Analysis Services veya SQL Server Analysis Services'de bulunur . SQL Server Analysis Services tablosal ve çok boyutlu modelleri barındırabilir ve Power BI bunlara bağlanmak için bir ağ geçidi gerektirir.
Not
Power BI Harici barındırılan modellere yapılan bağlantılar, canlı bağlantılar olarakadlandırılır.
Model çerçevesi
Tablosal modeldeki her tablonun (hesaplanan tablolar hariç) İçeri Aktarma, Çift veya DirectQuery olan bir depolama modu ayarı vardır.
İçeri aktarma depolama modunu kullanacak şekilde ayarlanmış bir model tablosu, kaynak verileri fiziksel olarak yükler ve depolar. Verileri güncel tutmak için düzenli bir veri yenilemesine dayanır. İçeri aktarma depolaması en hızlı sorgu performansını sağlar, ancak büyük miktarda veriye sahip olduğunuzda verimsiz (veya pahalı) olabilir. Ayrıca, kullanıcılar güncel veriler istediğinde, veri kümesini yeterince sık yenilemek (günlük sınırlar nedeniyle) mümkün olmayabilir.
Buna karşılık, DirectQuery depolama modunu kullanan bir model hiçbir zaman kaynak verileri depolamaz. Bunun yerine, model tabloları sorgulandığında model kaynak verileri sorgular. Geçiş sorgusu olarakbilinir. DirectQuery depolama modu, büyük veri hacimlerine sahip olduğunuzda veya güncel verileri raporlamanız gerektiğinde iyi bir seçim olabilir.
Bir tablo İkili depolama modunu kullanacak şekilde ayarlandığında, içeri aktarma veya DirectQuery tablosu gibi davranabilir. Her sorgu için, model sorgu altyapısı kullanılacak en verimli (en hızlı) modu belirler.
Özet
Etkin kimliği doğru bir şekilde ayarlamak için, sahip olduğunuz veri kümesi türünü belirlemeniz gerekir:
İçeri aktarma tabloları ile dahili olarak barındırılan
DirectQuery tablolarıyla dahili olarak barındırılan
Dışarıda barındırılan bir model olan Azure Analysis Services
Dışarıda barındırılan bir model olan SQL Server Analysis Services