摘要
在本模块的方案中，组织的一个 Power BI Desktop 语义模型效率低下，导致出现问题。 用户对报表性能不满意，并且该模型的文件大小太大，因此它给组织的资源带来了压力。
你需要评审该语义模型，以确定性能问题的原因，以及进行更改以优化性能并减小模型大小。
Power BI Desktop 提供了一系列工具和功能，供你用于分析和优化其语义模型的性能。 通过使用性能分析器和其他工具查看度量值、关系和视觉对象的性能来开始优化过程，然后基于分析结果进行改进。 接下来，使用变量编写更简单、更高效的计算。 随后进一步了解列分布，并减少关系的基数。 在该阶段，语义模型进行了更多优化。 你考虑了在组织使用 DirectQuery 模型时情况会如何不同，然后确定如何从 Power BI Desktop 和源数据库优化性能。 最后，使用聚合显著减小语义模型的大小。
如果无法通过 Power BI Desktop 优化低效的语义模型，则必须在多个数据源中花费大量时间来改善数据。 特别是，在没有“性能分析器”的情况下，无法确定报表中性能问题的原因，以及需要清除的查询中的瓶颈。 因此，用户会感到沮丧和动力不足，可能会避免使用报表。
现在你已优化了报表，用户可以更快地访问所需数据，从而提高了工作效率并提升了工作满意度。 对模型文件大小所进行的缩减将减轻对资源施加的压力，为组织带来一系列好处。 你已成功完成了交给你的任务。