分享方式：

Microsoft Fabric 中的預設 Power BI 語意模型

  • 文章

適用於：✅Microsoft Fabric 中的 SQL 分析端點、倉儲和鏡像資料庫

在 Microsoft Fabric 中，Power BI 語意模型是分析網域的邏輯描述，具有計量商務易記術語和表示法，以啟用更深入的分析。 此語意模型通常是星型結構描述，其事實代表網域，而維度允許您進行分析，或將網域切片或切塊以向下切入、篩選和計算不同的分析。 使用語意模型時，會自動為您建立語意模型，而且您可以選擇要新增哪些資料表、關聯性和度量，而上述商務邏輯會分別繼承自父系 Lakehouse 或倉儲，透過 Microsoft Fabric 中的一個項目來啟動商業智慧和分析的下游分析體驗，該項目在沒有使用者干預的情況下進行管理、優化和保持同步。

Power BI 報告中的視覺效果和分析現在可以建置在 Web 中，在 Power BI Desktop 中可能只需要幾個步驟，節省了使用者的時間和資源，預設為終端使用者提供順暢的取用體驗。 預設 Power BI 語意模型遵循 Lakehouse 的命名慣例。

Power BI 語意模型代表可供報告、視覺化、探索和取用的資料來源。 Power BI 語意模型：

  • 能夠擴充倉儲結構以包含階層、描述、關係。 這樣可以對網域有更深入的語意理解。
  • 能夠在資料中樞中編錄、搜尋及尋找 Power BI 語意模型資訊。
  • 能夠設定工作負載隔離和安全性的定製權限。
  • 能夠建立度量、標準化計量以進行可重複的分析。
  • 能夠建立 Power BI 報表以進行視覺化分析。
  • 能夠在 Excel 中探索及取用資料。
  • 讓 Tableau 等第三方工具能夠連線和分析資料。

如需 Power BI 的詳細資訊，請參閱 Power BI 指導。

注意

Microsoft 已將 Power BI 資料集內容類型重新命名為語意模型。 此項也適用於 Microsoft Fabric。 如需更多資訊，請參閱 Power BI 資料集的新名稱。

Direct Lake 模式

Direct Lake 模式是突破性的新引擎功能，用於在 Power BI 中分析非常大的資料集。 該技術基於直接從資料湖中取用 Parquet 格式檔案的理念，而無需査詢倉儲或 SQL 分析端點，也無需將資料匯入或複製到 Power BI 語意模型中。 此原生整合帶來了從倉儲或 SQL 分析端點存取資料的獨特模式，稱為 Direct Lake。 Direct Lake 概觀提供有關 Power BI 語意模型之此儲存模式的進一步資訊。

Direct Lake 提供效能最高的查詢和報告體驗。 Direct Lake 是將資料從資料湖中直接取用至 Power BI 引擎中的快速方法，可以隨時進行分析。

  • 在傳統的 DirectQuery 模式中，針對每個查詢執行，Power BI 引擎會直接查詢來源中的資料，而查詢效能取決於資料擷取速度。 DirectQuery 不需要資料複製，確保來源中的任何變更都會立即反映在查詢結果中。

  • 在匯入模式中，效能會更好，因為資料在記憶體中已可供使用，而不需要從來源查詢每個查詢執行的資料。 但是，在資料重新整理時，Power BI 引擎必須首先將資料複製到記憶體中。 下一次資料重新整理期間，可找到基礎資料來源的任何變更。

  • Direct Lake 模式透過直接將資料檔案取用至記憶體中，來消除複製資料的匯入需求。 因為沒有明確的匯入處理程序，所以當變更發生時，可以在來源中找到它們。 Direct Lake 結合了 DirectQuery 和匯入模式的優點，同時避免其缺點。 Direct Lake 模式是分析超大型資料集和來源中有頻繁更新的資料集的理想選擇。 當 Direct Lake 超過 SKU 的限制或使用不受支援的功能時，Direct Lake 會使用倉儲的 SQL 分析端點或 SQL 分析端點自動回復至 DirectQuery，從而讓報表使用者持續不中斷。

Direct Lake 模式是預設 Power BI 語意模型以及在倉儲或 SQL 分析端點中建立的新 Power BI 語意模型的儲存模式。 使用 Power BI Desktop，您也可以建立 Power BI 語意模型，使用倉儲的 SQL 分析端點或 SQL 分析端點作為處於匯入或 DirectQuery 儲存模式的語意模型的資料來源。

瞭解預設 Power BI 語意模型中的內容

當您建立倉儲或 SQL 分析端點時，會建立預設的 Power BI 語意模型。 預設語意模型會以 (預設) 尾碼表示。 您可以使用 [管理預設語意模型] 來選擇要新增的資料表。

同步處理預設 Power BI 語意模型

先前我們自動將倉儲中的所有資料表和檢視新增至預設 Power BI 語意模型。 根據意見反應，我們已修改預設行為，不會自動將資料表和檢視新增至預設 Power BI 語意模型。 這項變更可確保不會觸發背景同步處理。 這也會停用某些動作，例如「新增度量」、「建立報表」、「在 Excel 中分析」。

如果您想要變更此預設行為，您可以：

  1. 針對工作區中的每個倉儲或 SQL 分析端點，手動啟用 [同步處理預設 Power BI 語意模型] 設定。 這會重新啟動背景同步處理，並會產生一些取用成本。

    Fabric 入口網站的螢幕擷取畫面顯示已啟用 [同步處理預設 Power BI 語意模型] 設定。

  2. 透過功能區或資訊列中的 [管理預設 Power BI 語意模型]，手動挑選要新增至語意模型的資料表和檢視。

    Fabric 入口網站的螢幕擷取畫面顯示 [管理語意模型] 預設頁面，以及手動挑選更多資料表的功能。

注意

如果您未將預設 Power BI 語意模型用於報告用途，請手動停用 [同步處理預設 Power BI 語意模型] 設定，以避免自動新增物件。 該設定更新可確保不會觸發背景同步處理，並節省 Onelake 取用成本。

手動更新預設 Power BI 語意模型

預設 Power BI 語意模型中有物件之後，有兩種方式可以驗證或以可視化方式檢查資料表：

  1. 在功能區中選取 [手動更新語意模型] 按鈕。

  2. 檢閱預設語意模型物件的預設配置。

啟用 BI 之資料表的預設配置會保存在使用者工作階段中，而且會在使用者瀏覽至模型檢視時產生。 尋找 [預設語意模型物件] 索引標籤。

存取預設 Power BI 語意模型

若要存取預設 Power BI 語意模型，請移至您的工作區，並尋找符合所需 Lakehouse 名稱的語意模型。 預設 Power BI 語意模型遵循 Lakehouse 的命名慣例。

螢幕擷取畫面顯示尋找語意模型的位置。

若要載入語意模型，請選取語意模型的名稱。

監視預設 Power BI 語意模型

透過連線到 XMLA 端點，使用 SQL Server Profiler 來監視和分析語意模型上的活動。

SQL Server Profiler 安裝有 SQL Server Management Studio (SSMS)，允許對語意模型事件進行追蹤和偵錯。 雖然 SQL Server 已經正式淘汰這項工具，但 Profiler 仍會包含在 SSMS 中，且 Analysis Services 和 Power BI 會繼續支援。 與 Fabric 預設 Power BI 語意模型搭配使用需要 SQL Server Profiler 18.9 版或更高版本。 在與 XMLA 端點建立連線時，使用者必須將語意模型指定為初始目錄。 若要深入了解，請參閱適用於 Analysis Services 的 SQL Server Profiler。

編寫預設 Power BI 語意模型指令碼

可以使用 SQL Server Management Studio (SSMS)，從 XMLA 端點編寫預設 Power BI 語意模型的指令碼。

透過 SSMS 中的物件總管來編寫語意模型指令碼，以檢視語意模型的表格式模型指令碼語言 (TMSL) 結構描述。 若要連線，請使用語意模型的連接字串，它看起來像 powerbi://api.powerbi.com/v1.0/myorg/username。 您可以在 [伺服器設定] 底下的 [設定] 中找到語意模型的連接字串。 透過 SSMS 的 [指令碼] 特色選單動作，從該處產生語意模型的 XMLA 指令碼。 如需詳細資訊，請參閱與 XMLA 端點的資料集連線。

編寫指令碼需要 Power BI 語意模型的 Power BI 寫入權限。 透過讀取權限，您可以看到資料，但看不到 Power BI 語意模型的結構描述。

在 Direct Lake 儲存模式下建立新的 Power BI 語意模型

您也可以使用 SQL 分析端點或倉儲資料，在 Direct Lake 模式下建立更多 Power BI 語意模型。 可以使用 [開啟資料模型] 在工作區中編輯這些新增 Power BI 語意模型，並且可搭配其他功能使用，例如寫入 DAX 查詢和語意模型資料列層級安全性。

[新增 Power BI 語意模型] 按鈕會建立與預設語意模型不同的全新空白語意模型。

要在 Direct Lake 模式下建立 Power BI 語意模型，請遵循下列步驟：

  1. 開啟 Lakehouse，並從功能區選取 [新增 Power BI 語意模型]。

  2. 或者，開啟倉儲或 Lakehouse 的 SQL 分析端點，先選取 [報告] 功能區，然後選取 [新增 Power BI 語意模型]。

  3. 輸入新語意模型的名稱，選取儲存模型的工作區，然後挑選要包含的資料表。 然後，選取 [確認]。

  4. 新的 Power BI 語意模型可以在工作區中編輯，您可以在其中新增關聯性、度量，重新命名資料表和資料行，選擇如何在報表視覺效果中顯示值，等等。 如果模型檢視在建立之後未顯示，請檢查瀏覽器的快顯封鎖程式。

  5. 稍後若要編輯 Power BI 語意模型，請從 [語意模型] 特色選單或 [項目詳細資料] 頁面選取 [開啟資料模型]，以進一步編輯語意模型。

可以從網頁建模選取 [新增報表]，或在 Power BI Desktop 中即時連線到這個新的語意模型，在工作區中建立 Power BI 報表 。

若要深入了解，請參閱如何從 Power BI Desktop 連線到 Power BI 服務中的語意模型

在匯入或 DirectQuery 儲存模式下建立新的 Power BI 語意模型

在 Microsoft Fabric 中擁有資料，表示您可以在任意儲存模式下建立 Power BI 語意模型：Direct Lake、匯入或 DirectQuery。 您可以使用 SQL 分析端點或倉儲資料，在匯入或 DirectQuery 模式下建立更多 Power BI 語意模型。

要在匯入或 DirectQuery 模式下建立 Power BI 語意模型，請遵循下列步驟：

  1. 開啟 Power BI Desktop，登入，然後按一下 [OneLake 資料中樞]。

  2. 選擇 Lakehouse 或倉儲的 SQL 分析端點。

  3. 選取 [連線] 按鈕下拉式清單，然後選擇 [連線至 SQL 端點]。

  4. 選取 [匯入] 或 [DirectQuery] 儲存模式和要新增至語意模型的資料表。

您可以在該處建立 Power BI 語意模型和報表，以在就緒後發佈至工作區。

若要深入了解 Power BI，請參閱 Power BI。

限制

預設 Power BI 語意模型遵循 Power BI 中的語意模型的目前限制。 深入了解：

如果 parquet、Apache Spark 或 SQL 資料類型無法對應至其中一個 Power BI Desktop 資料類型，則會在同步處理過程中卸除它們。 這與目前的 Power BI 行為一致。 針對這些資料行，建議您在 ETL 程序中新增明確的類型轉換，將其轉換成支援的類型。 如果有上游需要的資料類型，使用者可以選擇性地在 SQL 中指定具有所需明確類型轉換的檢視。 這將會由同步處理挑選，也可以如先前所述手動新增。

  • 預設 Power BI 語意模型只能在 SQL 分析端點或倉儲中編輯。

相關內容