Microsoft Fabric 中的預設 Power BI 語意模型

發行項
04/24/2024

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 語意模型是分析領域的邏輯描述，其中包含計量、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架構，其事實代表定義域，以及可讓您分析的維度，或將定義域切入、篩選和計算不同的分析。使用語意模型時，系統會自動為您建立語意模型，而上述商業規則會分別繼承自父湖屋或倉儲，並啟動商業智慧和分析的下游分析體驗，並搭配 Microsoft Fabric 中的專案進行管理、優化，且不會進行使用者介入。

Power BI 報表中的視覺效果和分析現在可以完全建置在 Web 中，或只是 Power BI Desktop 中的幾個步驟來建置，以節省使用者的時間、資源和預設，為終端使用者提供順暢的取用體驗。預設的Power BI語意模型遵循Lakehouse的命名慣例。

Power BI 語意模型 代表準備好用於報告、視覺效果、探索和取用的數據源。 Power BI 語意模型提供：

擴充倉儲建構以包含階層、描述、關聯性的能力。這可讓您更深入地了解定義域。
能夠在數據中樞中編目、搜尋及尋找 Power BI 語意模型資訊。
設定工作負載隔離和安全性的定製許可權的能力。
建立量值、標準化計量以進行可重複分析的能力。
建立Power BI報表以進行視覺化分析的能力。
在 Excel 中探索及取用數據的能力。
Tableau 等第三方工具連線和分析數據的能力。

如需 Power BI 的詳細資訊，請參閱 Power BI 指引。

注意

Microsoft 已將 Power BI 數據集內容類型重新命名為語意模型。這也適用於 Microsoft Fabric。如需詳細資訊，請參閱 Power BI數據集的新名稱。

Direct Lake 模式

Direct Lake 模式是一項開創性的新引擎功能，可用來分析 Power BI 中非常大的數據集。這項技術是以直接從 Data Lake 載入 parquet 格式檔案的概念為基礎，而不需要查詢倉儲或 SQL 分析端點，也不需要將數據匯入或複製 Power BI 語意模型。此原生整合帶來了從倉儲或 SQL 分析端點存取數據的唯一模式，稱為 Direct Lake。

Direct Lake 提供效能最高的查詢和報告體驗。 Direct Lake 是將數據從 Data Lake 直接載入 Power BI 引擎的快速路徑，可供分析。

在傳統的 DirectQuery 模式中，Power BI 引擎會針對每個查詢執行直接查詢來源查詢數據，而查詢效能取決於數據擷取速度。 DirectQuery 不需要複製數據，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，因為數據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數據。不過，Power BI 引擎必須先在數據重新整理時將數據複製到記憶體中。下一次數據重新整理期間會挑選基礎數據源的任何變更。
Direct Lake 模式會藉由將數據檔直接載入記憶體來消除匯入需求。因為沒有明確的匯入程式，所以在來源發生時，可以挑選任何變更。 Direct Lake 結合 DirectQuery 和 Import 模式的優點，同時避免其缺點。 Direct Lake 模式是分析非常大型數據集和數據集的理想選擇，且來源經常更新。

Direct Lake 模式是使用倉儲或 SQL 分析端點做為數據源之語意模型的預設連接類型。

了解預設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。默認語意模型會以 （default） 後綴表示。

默認語意模型會透過 SQL 分析端點進行查詢，並透過對 Lakehouse 或 Warehouse 的變更進行更新。您也可以透過倉儲中的跨資料庫查詢來查詢預設語意模型。

同步處理預設 Power BI 語意模型

我們先前會自動將倉儲中的所有數據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，不會自動將數據表和檢視新增至預設 Power BI 語意模型。這項變更可確保背景同步處理不會觸發。這也會停用某些動作，例如「新增量值」、「建立報表」、「在 Excel 中進行分析」。

如果您要變更此預設行為，您可以：

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。這會重新啟動會產生一些耗用量成本的背景同步處理。
透過功能區或資訊列中管理預設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。

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。設定更新可確保背景同步處理不會觸發，並節省 Onelake 耗用量成本。

手動更新預設 Power BI 語意模型

一旦預設 Power BI 語意模型中有物件，有兩種方式可以驗證或以可視化方式檢查數據表：

選取功能區中的 [ 手動更新 語意模型] 按鈕。
檢閱預設語意模型對象的預設版面配置。

啟用 BI 的數據表預設配置會保存在用戶工作階段中，而且會在使用者流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

若要存取預設的 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。預設的Power BI語意模型遵循Lakehouse的命名慣例。

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

您可以使用 SQL Server Profiler 來監視和分析語意模型上的活動，方法是連線到 XMLA 端點。

SQL Server Profiler 會使用 SQL Server Management Studio （SSMS）安裝，並允許追蹤和偵錯語意模型事件。雖然已正式淘汰 SQL Server，但 Profiler 仍包含在 SSMS 中，且仍支援 Analysis Services 和 Power BI。搭配 Fabric 預設 Power BI 語意模型使用時，需要 SQL Server Profiler 18.9 版或更高版本。用戶必須在與 XMLA 端點連線時，將語意模型指定為 初始目錄 。若要深入瞭解，請參閱 Analysis Services 的 SQL Server Profiler。

編寫預設 Power BI 語意模型的腳本

您可以使用 SQL Server Management Studio （SSMS），從 XMLA 端點編寫預設 Power BI 語意模型腳本。

透過 SSMS 中的物件總管編寫文本，以檢視語意模型的表格式模型腳本語言（TMSL）架構。若要連線，請使用語意模型的連接字串，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。您可以從該處透過 SSMS 的 腳本操作功能表動作，產生語意模型的 XMLA 腳本 。如需詳細資訊，請參閱與 XMLA 端點的數據集連線。

腳本需要Power BI語意模型的Power BI寫入許可權。透過讀取許可權，您可以看到數據，但看不到Power BI語意模型的架構。

建立新的Power BI語意模型

在某些情況下，您的組織可能需要根據 SQL 分析端點或倉儲數據建立額外的 Power BI 語意模型。

[ 新增 Power BI 語意模型 ] 按鈕會繼承預設語意模型的組態，並允許進一步自定義。默認語意模型可作為入門範本，有助於確保單一版本的真相。例如，如果您使用預設語意模型並定義新的關聯性，然後使用 [新增 Power BI 語意模型] 按鈕，則如果選取的數據表包含這些新關聯性，新的語意模型 將會繼承這些關聯性。

若要從倉儲建立 Power BI 語意模型，請遵循下列步驟：

在網狀架構入口網站中移至 數據倉儲 。
開啟倉儲。切換至 [報表 ] 功能區。
在 [報告] 功能區中，選取 [新增語意模型]，然後在 [新增語意模型] 對話框中，選取要包含的數據表，然後選取 [確認]。
Power BI 會根據倉儲的名稱自動將語意模型儲存在工作區中，然後在 Power BI 中開啟語意模型。
選取 [開啟數據模型 ] 以開啟 Power BI Web 模型體驗，您可以在其中新增數據表關聯性和 DAX 量值。

若要深入瞭解如何在 Power BI 服務中編輯數據模型，請參閱編輯數據模型。

限制

默認Power BI語意模型遵循Power BI中語意模型的目前限制。深入了解：

如果 parquet、Apache Spark 或 SQL 數據類型無法對應至其中一個 Power BI Desktop 數據類型，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。針對這些數據行，建議您在 ETL 程式中新增明確的類型轉換，將其轉換成支援的型別。如果有需要上游的數據類型，用戶可以選擇性地在 SQL 中指定具有所需明確型別轉換的檢視。這將會由同步處理挑選，也可以如先前所示手動新增。

Share via

Microsoft Fabric 中的預設 Power BI 語意模型

Direct Lake 模式