效能最佳化簡介
效能優化也稱為效能微調，涉及變更語意模型的目前狀態，使其更有效率地執行。 基本上，當您的語意模型優化時，其效能會更好。
您可能會發現報表在測試和開發環境中運作良好，但在部署到生產環境以進行更廣泛的耗用時，卻開始出現效能問題。 從報表使用者的角度而言，效能不佳的表現是頁面必須花上更長時間載入，且視覺效果也需要更長的時間進行更新。 此效能不佳會導致負面的使用者體驗。
身為數據分析師，您將花費大約 90% 的時間來處理您的數據，而 9 倍的效能不佳是不正確的語意模型、不正確的數據分析表達式 (DAX) 或兩者混合的結果。 設計效能語意模型的程式可能很繁瑣，而且通常會被忽略。 不過，如果您在開發期間解決效能問題，您將擁有強大的 Power BI 語意模型，以傳回更好的報告效能和更正面的用戶體驗。 最後，您也將能夠維持經過最佳化的效能。 隨著組織成長，其數據的大小會成長，而其語意模型會變得更複雜。 藉由提早優化語意模型，您可以降低此成長對語意模型效能的負面影響。
較小的語意模型會使用較少的資源 (記憶體) ，並達到更快速的數據重新整理、計算和轉譯報表視覺效果。 因此，效能優化程式牽涉到將語意模型的大小降到最低，並讓在模型中使用數據更有效率，包括：
確保使用正確的資料類型。
刪除不必要的資料行和資料列。
避免重複值。
使用量值取代數值資料行。
減少基數。
分析資料模型的中繼資料。
盡可能總結資料。
在本課程模組中，您將介紹優化企業層級效能的語意模型所需的步驟、程式和概念。 不過，請記住，雖然 Power BI 中的基本效能和最佳做法指引將引導您很長，但若要優化查詢效能的語意模型，您可能必須與數據工程師合作，以推動源數據源中的語意模型優化。
例如，假設您是 Tailwind Traders 的 Microsoft Power BI 開發人員。 您已獲得一項工作來檢閱先前由另一位開發人員所建置的語意模型，這是一位自組織離職的人員。
語意模型會產生已收到使用者負面意見反應的報告。 使用者對於在報表中所見到的內容相當滿意，但是對報表的效能則不滿意。 載入報表中頁面花費的時間太長，且表格在進行特定選取時重新整理的速度不夠快。 除了此意見反應之外，IT 小組也強調此特定語意模型的檔案大小太大，而且對組織的資源造成壓力。
您必須檢閱語意模型，以找出效能問題的根本原因，並進行變更以優化效能。
在本課程模組結束時，您將能夠：
檢閱量值、關聯和視覺效果。
使用變數改善效能和進行疑難排解。
透過減少基數層級來改善效能。
使用表格層級儲存體來最佳化 DirectQuery 模型。
建立及管理彙總。