Sdílet prostřednictvím

Plánování implementace Power BI: Auditování na úrovni dat

  • Článek

Poznámka:

Tento článek je součástí řady článků o plánování implementace Power BI. Tato série se zaměřuje především na prostředí Power BI v Rámci Microsoft Fabric. Úvod do série najdete v tématu Plánování implementace Power BI.

Tento článek o auditování na úrovni dat se zaměřuje na více cílových skupin:

  • Tvůrci dat a správci pracovních prostorů: Uživatelé, kteří potřebují pochopit využití, přijetí a výkon sémantických modelů, toků dat a datových diagramů, které vytvářejí, publikují a sdílejí.
  • Správci Power BI: Správci, kteří jsou zodpovědní za dohled nad Power BI v organizaci. Správci Power BI můžou potřebovat spolupracovat s IT, zabezpečením, interním auditem a dalšími relevantními týmy. Správci Power BI můžou při řešení potíží s výkonem také potřebovat spolupracovat s tvůrci obsahu.
  • Správci kapacity Power BI: Správci zodpovědní za dohled nad kapacitou Premium v organizaci. Správci kapacity Power BI můžou při řešení potíží s výkonem potřebovat spolupracovat s tvůrci obsahu.
  • Center of Excellence, IT a BI team: Týmy, které jsou také zodpovědné za dohled nad Power BI. Možná budou muset spolupracovat se správci Power BI a dalšími relevantními týmy.
  • Správci systému: Tým zodpovědný za vytváření a zabezpečení prostředků Azure Log Analytics a správců databází, kteří spravují zdroje dat.

Důležité

Někdy se tento článek týká Power BI Premium nebo jejích předplatných kapacity (SKU P). Mějte na paměti, že Microsoft v současné době konsoliduje možnosti nákupu a vyřazuje Power BI Premium na skladové položky kapacity. Místo toho by měli noví a stávající zákazníci zvážit nákup předplatných kapacity Fabric (SKU F).

Další informace najdete v tématu Důležité aktualizace týkající se licencování Power BI Premium a nejčastějších dotazů k Power BI Premium.

Koncepty popsané v tomto článku se týkají především řešení vytvořených pro tři rozsahy doručování obsahu, konkrétně enterprise BI, departmental BI a team BI. Tvůrci osobních řešení BI mohou najít také informace v tomto článku; nejedná se však o primární cíl.

Dosažení dobrého výkonu v sestavách a vizuálech není možné, pokud základní sémantický model nebo zdroj dat nefunguje dobře. Tento článek se zaměřuje na auditování a monitorování sémantických modelů, toků dat a datových diagramů. Je to druhý článek v řadě auditování a monitorování, protože nástroje a techniky jsou složitější než to, co je popsáno v článku o auditování na úrovni sestavy. V ideálním případě vytvoříte sdílené sémantické modely (určené pro opakované použití v mnoha sestavách) před tím, než uživatelé vytvářejí sestavy. Proto doporučujeme, abyste si tento článek přečetli společně s článkem auditování na úrovni sestav.

Vzhledem k tomu, že sémantické modely Power BI jsou založené na tabulkovém modulu Analysis Services, můžete se připojit k místnímu datovému modelu (v Power BI Desktopu) nebo k sémantickému modelu Premium (v služba Power BI), jako by se jedná o databázi Analysis Services. Proto je pro sémantické modely Power BI Premium podporováno mnoho možností auditování a monitorování služby Analysis Services.

Poznámka:

Další informace o modelech hostovaných ve službě Analysis Services najdete v tématu Přehled monitorování.

Zbývající část tohoto článku se primárně zaměřuje na modely publikované v služba Power BI.

Protokoly událostí sémantického modelu

V průběhu času můžou tvůrci dat a vlastníci zaznamenat situace s jejich sémantických modelů. Sémantický model může:

Pokud chcete zajistit použitelnost, dobrý výkon a přijetí obsahu, který vytvářejí, měli byste auditovat využití a výkon datových prostředků, které zodpovídáte za správu. Můžete použít protokoly událostí datové sady, které zaznamenávají aktivity generované uživatelem a systémem generované pro sémantický model. Označují se také jako události trasování, protokoly datových sad nebo protokoly aktivit datové sady. Správci systému jim často říkají události trasování nízké úrovně, protože jsou podrobně popsány.

Poznámka:

Změna názvu datové sady se zavedla v služba Power BI a v dokumentaci, i když můžou existovat některé instance ( například s názvy operací protokolu událostí ), kde se změna ještě nenastala.

Sémantické události trasování modelu byste měli analyzovat na:

  • Auditujte všechny aktivity, ke kterým došlo v sémantickém modelu.
  • Řešení potíží a optimalizace sémantického výkonu modelu, využití paměti a efektivity dotazů
  • Prozkoumejte podrobnosti o sémantické aktualizaci modelu a dobu trvání.
  • Monitorujte jazyk vzorců Power Query (dotazy M) odesílaný Power Query.
  • Monitorujte vzorce a výrazy DAX odeslané do sémantického modelu (modul Analysis Services).
  • Ověřte, jestli byl vybrán správný režim úložiště na základě úloh a potřeba vyvážit čerstvá data a optimální výkon.
  • Auditujte, které role zabezpečení na úrovni řádků jsou vyvolány, pro které uživatele a na kterých sémantických modelech.
  • Seznamte se s počtem souběžných uživatelů.
  • Ověřte sémantický model (například ověření kvality a výkonu dat před ukončením sémantického modelu nebo před jeho publikováním do produkčního pracovního prostoru).

Události vygenerované sémantickým modelem Power BI jsou odvozené z existujících diagnostických protokolů dostupných pro Azure Analysis Services. Existuje mnoho typů událostí trasování, které můžete zachytit a analyzovat, které jsou popsány v následujících částech.

Azure Log Analytics

Azure Log Analytics je součástí služby Azure Monitor . Integrace Azure Log Analytics s Power BI umožňuje zachytit sémantické události modelu ze všech sémantických modelů v pracovním prostoru Power BI. Podporuje se jenom pro pracovní prostory Premium. Po nastavení integrace a povolení připojení (pro pracovní prostor Power BI Premium) se sémantické události modelu automaticky zaznamenávají a průběžně odesílají do pracovního prostoru Služby Azure Log Analytics. Protokoly sémantických modelů se ukládají v Azure Data Exploreru, což je databáze určená jen pro připojení, která je optimalizovaná pro zachytávání velkých objemových telemetrických dat téměř v reálném čase.

Pracovní prostor Power BI Premium přiřadíte pracovnímu prostoru služby Log Analytics v Azure. Pokud chcete povolit tento typ protokolování, musíte ve svém předplatném Azure vytvořit nový prostředek Log Analytics.

Protokoly z jednoho nebo více pracovních prostorů Power BI se odešlou do cílového pracovního prostoru služby Log Analytics. Tady je několik způsobů, jak můžete data uspořádat.

  • Jeden cílový pracovní prostor pro všechna data auditu: Uložte všechna data do jednoho pracovního prostoru služby Log Analytics. To je užitečné, když stejný správce nebo uživatelé budou mít přístup ke všem datům.
  • Cílové pracovní prostory uspořádané podle oblasti předmětu: Uspořádejte obsah podle oblasti předmětu. Tato technika je užitečná zejména v případě, že mají různí správci nebo uživatelé povolený přístup k datům auditu z Azure Log Analytics. Například když potřebujete oddělit prodejní data od dat operací.
  • Jeden cílový pracovní prostor pro každý pracovní prostor Power BI: Nastavte relaci 1:1 mezi pracovním prostorem Power BI a pracovním prostorem Azure Log Analytics. To je užitečné, když máte obzvláště citlivý obsah nebo když jsou data předmětem konkrétních požadavků na dodržování předpisů nebo zákonné požadavky.

Tip

Důkladně si projděte dokumentaci a nejčastější dotazy k této funkci, abyste měli přehled o tom, co je možné, a že rozumíte technickým požadavkům. Než tuto funkci zpřístupníte správcům pracovních prostorů ve vaší organizaci, zvažte provedení technického testování konceptu (POC) s jedním pracovním prostorem Power BI.

Důležité

I když jsou názvy podobné, data zachycená službou Azure Log Analytics nejsou stejná jako protokol aktivit Power BI. Azure Log Analytics zaznamenává události trasování na úrovni podrobností z modulu Analysis Services. Jejím jediným účelem je pomoct analyzovat a řešit potíže sémantickým výkonem modelu. Jeho obor je na úrovni pracovního prostoru. Účelem protokolu aktivit je naopak pochopit, jak často se určité aktivity uživatelů vyskytují (například úpravy sestavy, aktualizace sémantického modelu nebo vytvoření aplikace). Jeho obor je celý tenant Power BI.

Další informace o aktivitách uživatelů, které můžete auditovat pro tenanta Power BI, najdete v tématu Auditování na úrovni tenanta.

Připojení Azure Log Analytics pro správce tenanta správců pracovního prostoru určuje, které skupiny uživatelů (kteří mají také potřebnou roli správce pracovního prostoru) můžou připojit pracovní prostor Power BI k existujícímu pracovnímu prostoru služby Azure Log Analytics.

Než budete moct nastavit integraci, musíte splnit požadavky na zabezpečení. Proto zvažte povolení nastavení tenanta Power BI jenom pro správce pracovního prostoru Power BI, kteří mají také požadovaná oprávnění v Azure Log Analytics nebo kdo může tato oprávnění získat na vyžádání.

Tip

V rané fázi procesu plánování spolupracujte se správcem Azure, zejména při schvalování vytvoření nového prostředku Azure, je ve vaší organizaci výzvou. Budete také muset naplánovat požadavky na zabezpečení. Rozhodněte se, jestli chcete udělit oprávnění správci pracovního prostoru Power BI v Azure, nebo jestli chcete udělit oprávnění správci Azure v Power BI.

Protokoly sémantického modelu zachycené službou Azure Log Analytics zahrnují sémantické dotazy modelu, statistiky dotazů, podrobnou aktivitu aktualizace, čas procesoru spotřebovaný v kapacitách Premium a další. Vzhledem k tomu, že jde o protokoly na úrovni podrobností z modulu Analysis Services, můžou být data podrobná. Velké objemy dat jsou běžné u velkých pracovních prostorů, u které dochází k vysoké sémantické aktivitě modelu.

Optimalizace nákladů při používání Azure Log Analytics s Power BI:

Existuje několik způsobů, jak získat přístup k událostem odesílaným do Azure Log Analytics. Můžete použít:

  • Předem připravená aplikace šablony Log Analytics pro sémantické modely Power BI
  • Konektor Power BI Desktopu pro Azure Data Explorer (Kusto). Pomocí dotazovací jazyk Kusto (KQL) můžete analyzovat data uložená v Log Analytics. Pokud máte zkušenosti s dotazem SQL, najdete mnoho podobností s KQL.
  • Webové prostředí dotazů v Azure Data Exploreru.
  • Jakýkoli dotazovací nástroj, který může spouštět dotazy KQL.

Tip

Vzhledem k tomu, že existuje velký objem událostí trasování sémantických modelů, doporučujeme vyvinout model DirectQuery pro analýzu dat. Model DirectQuery umožňuje dotazovat se na data téměř v reálném čase. Události obvykle dorazí do pěti minut.

Další informace najdete v tématu Řízení připojení Azure.

Kontrolní seznam – Při plánování používání Služby Azure Log Analytics zahrnují klíčová rozhodnutí a akce:

  • Vezměte v úvahu technické POC: Naplánujte malý projekt, abyste měli jistotu, že plně rozumíte technickým požadavkům, požadavkům na zabezpečení, které události se mají zachytit a jak analyzovat protokoly.
  • Rozhodněte se, které pracovní prostory by se měly integrovat se službou Log Analytics: Určete, které pracovní prostory Premium obsahují sémantické modely, které vás zajímají k analýze.
  • Rozhodněte se, jestli má být služba Log Analytics povolená pro všechny pracovní prostory na plný úvazek: Pro optimalizaci nákladů určete, jestli existují situace (nebo konkrétní pracovní prostory), ve kterých by se protokolování mělo trvale povolit. Rozhodněte se, jestli se mají pracovní prostory při řešení potíží odpojit.
  • Rozhodněte se, jak dlouho se mají uchovávat data Log Analytics: Určete, jestli je potřeba nastavit delší dobu uchovávání, než je výchozí hodnota 30 dnů.
  • Objasněte si proces žádosti o nový pracovní prostor Služby Log Analytics: Spolupracujte se správcem Azure a upřesněte, jak mají správci pracovního prostoru Power BI odesílat žádosti o nový prostředek Log Analytics.
  • Rozhodněte se, jak bude zabezpečení fungovat: Spolupracujte se správcem Azure a rozhodněte se, jestli je pro správce pracovního prostoru Power BI vhodnější udělit práva k pracovnímu prostoru Azure Log Analytics, nebo jestli má správce Azure udělená práva k pracovnímu prostoru Power BI. Při rozhodování o zabezpečení zvažte pravidelné připojení a odpojení pracovních prostorů (kvůli optimalizaci nákladů).
  • Rozhodněte se, jak uspořádat cílové pracovní prostory Služby Log Analytics: Zvažte, kolik pracovních prostorů Služby Azure Log Analytics bude vhodné uspořádat data z jednoho nebo více pracovních prostorů Power BI. Toto rozhodnutí srovnejte s rozhodnutími o zabezpečení, kteří mají přístup k datům protokolu.
  • Rozhodněte se, kteří správci pracovního prostoru mají povoleno připojit: Určete, které skupiny správců pracovních prostorů můžou připojit pracovní prostor Power BI k pracovnímu prostoru služby Log Analytics. Nastavte připojení Azure Log Analytics pro nastavení tenanta správců pracovního prostoru tak, aby odpovídalo tomuto rozhodnutí.
  • Vytvořte prostředek Azure Log Analytics: Spolupracujte se správcem Azure a vytvořte každý pracovní prostor služby Log Analytics. Ověřte a aktualizujte oprávnění přiřazená v Azure, abyste měli jistotu, že konfigurace Power BI může proběhnout bez jakýchkoli problémů. Ověřte, že data uložená v Azure jsou ve správné geografické oblasti.
  • Nastavte připojení Log Analytics pro každý pracovní prostor Power BI: Spolupracujte se správci pracovního prostoru Power BI a nastavte připojení ke službě Log Analytics pro každý pracovní prostor Power BI. Ověřte, že data protokolu správně proudí do pracovního prostoru služby Log Analytics.
  • Vytváření dotazů pro analýzu dat: Nastavte dotazy KQL tak, aby analyzovaly data v Log Analytics na základě vašeho případu použití a aktuálních potřeb.
  • Uveďte pokyny pro správce pracovního prostoru Power BI: Poskytněte správcům pracovního prostoru Power BI informace a požadavky, jak požádat o nový pracovní prostor služby Log Analytics a jak se připojit k pracovnímu prostoru Power BI. Vysvětlete také, kdy je vhodné odpojit pracovní prostor Power BI.
  • Poskytněte pokyny a ukázkové dotazy pro analýzu dat: Vytvořte pro správce pracovního prostoru dotazy KQL, abyste jim usnadnili analýzu zachycených dat.
  • Monitorování nákladů: Spolupracujte se správcem Azure a průběžně monitorujte náklady na Log Analytics.

SQL Server Profiler

K zachycení sémantických událostí modelu Power BI můžete použít SQL Server Profiler (SQL Profiler). Je to součást aplikace SQL Server Management Studio (SSMS). S SSMS se podporuje připojení k sémantickému modelu Power BI, protože je založená na architektuře Analysis Services, která pochází z SQL Serveru.

SQL Profiler můžete použít v různých fázích životního cyklu sémantického modelu.

  • Během vývoje datového modelu: SQL Profiler se může připojit k datovému modelu v Power BI Desktopu jako externí nástroj. Tento přístup je užitečný pro modelátory dat, kteří chtějí ověřit svůj datový model nebo provést ladění výkonu.
  • Po publikování sémantického modelu do služba Power BI: SQL Profiler se může připojit k sémantickému modelu v pracovním prostoru Premium. SSMS je jedním z mnoha podporovaných klientských nástrojů , které můžou pro připojení používat koncový bod XMLA. Tento přístup je užitečný, pokud chcete auditovat, monitorovat, ověřovat, řešit potíže nebo ladit publikovaný sémantický model v služba Power BI.

Sql Profiler je také možné použít jako externí nástroj v jazyce DAX Studio. Pomocí jazyka DAX Studio můžete spustit trasování profileru, analyzovat data a formátovat výsledky. Modelátoři dat, kteří používají DAX Studio, často dávají přednost tomuto přístupu a přímo používají SQL Profiler.

Poznámka:

Použití SQL Profileru je jiný případ použití aktivity profilace dat. Profilujete data v Editor Power Query, abyste získali hlubší přehled o jejích vlastnostech. I když profilace dat je důležitou aktivitou pro modelátory dat, není v oboru pro tento článek.

Zvažte použití SQL Profileru místo Azure Log Analytics v těchto případech:

  • Vaše organizace neumožňuje používat ani vytvářet prostředky Azure Log Analytics v Azure.
  • Chcete zaznamenávat události pro datový model v Power BI Desktopu (které nebyly publikovány do pracovního prostoru Premium v služba Power BI).
  • Chcete zachytit události pro jeden sémantický model po krátkou dobu (místo všech sémantických modelů v pracovním prostoru Premium).
  • Chcete zachytit určité události pouze během trasování (například pouze události ukončení dotazu).
  • Trasování chcete spouštět a zastavovat často (například když potřebujete zachytit sémantické události modelu, ke kterým právě dochází).

Podobně jako Azure Log Analytics (popsané výše v tomto článku) se sémantické události modelu zachycené nástrojem SQL Profiler odvozují ze stávajících diagnostických protokolů dostupných pro Azure Analysis Services. Existují však určité rozdíly v dostupných událostech.

Tip

Použití sql Profileru pro monitorování služby Analysis Services je popsáno v mnoha knihách, článcích a blogových příspěvcích. Většina těchto informací je relevantní pro monitorování sémantického modelu Power BI.

Důležité

Sql Profiler můžete také použít k monitorování dotazů odesílaných z služba Power BI do podkladových zdrojů dat (například do relační databáze SQL Serveru). Funkce trasování relační databáze je však zastaralá. Připojení k modulu Analysis Services se podporuje a není zastaralé. Pokud znáte rozšířené události služby Analysis Services a dáváte přednost jejich použití, je možné připojení z aplikace SSMS pro datový model v Power BI Desktopu. Nepodporuje se ale pro Power BI Premium. Tato část se proto zaměřuje pouze na standardní připojení SQL Profileru.

Nastavení nastavení tenanta Povolit koncové body XMLA a analyzovat v aplikaci Excel s místními sémantických modelů řídí, které skupiny uživatelů (které jsou také přiřazené k roli přispěvatele, člena nebo pracovního prostoru správce nebo oprávnění k sestavení pro jednotlivé sémantické modely) můžou použít koncový bod XMLA k dotazování a/nebo údržbě sémantických modelů v služba Power BI. Další informace o používání koncového bodu XMLA najdete ve scénáři použití pokročilé správy datového modelu.

Poznámka:

Sql Profiler můžete použít také k ladění a odstraňování potíží s konkrétními výrazy DAX. SQL Profiler můžete k Power BI Desktopu připojit jako externí nástroj. Vyhledejte třídu událostí protokolu vyhodnocení jazyka DAX, abyste zobrazili zprostředkující výsledky výrazu DAX. Tato událost se vygeneruje při použití funkce EVALUATEANDLOG DAX ve výpočtu modelu.

Tato funkce je určená pouze pro účely vývoje a testování. Před publikováním datového modelu do produkčního pracovního prostoru byste ho měli z výpočtů datového modelu odebrat.

Kontrolní seznam – Při plánování používání SQL Profileru patří klíčová rozhodnutí a akce:

  • Rozhodněte se, kdo může mít nainstalovaný SSMS nebo DAX Studio: Určete, jestli povolíte všem tvůrcům obsahu Power BI ve vaší organizaci instalovat SSMS nebo DAX Studio, aby mohli používat SQL Profiler. Rozhodněte se, jestli jsou tyto doplňkové nástroje nainstalovány na vyžádání, nebo součást standardní sady softwaru, který je nainstalovaný pro schválené tvůrce dat v organizaci.
  • Přidání SQL Profileru do nabídky Externí nástroje v Power BI Desktopu: Pokud tvůrci dat často používají SQL Profiler, požádejte IT, aby ho automaticky přidal do nabídky Externí nástroje v Power BI Desktopu pro tyto uživatele.
  • Rozhodněte se, kdo může použít koncový bod XMLA: Určete, jestli se všichni uživatelé můžou připojit k publikovaným sémantickým modelům pomocí koncového bodu XMLA nebo jestli jsou omezeni jenom na schválené tvůrce dat. Nastavte nastavení Klienta Povolit koncové body XMLA a Analyzovat v aplikaci Excel s nastavením tenanta místních sémantických modelů tak, aby odpovídaly tomuto rozhodnutí.
  • Poskytněte pokyny a ukázkové dotazy k analýze dat: Vytvořte dokumentaci pro tvůrce dat, aby porozuměli doporučenému způsobu auditování a monitorování sémantických modelů. Poskytněte pokyny pro běžné případy použití, které jim usnadní zahájení shromažďování a analýzy dat trasování.

Metadata datového modelu

Vzhledem k tomu, že sémantické modely Power BI jsou založené na modulu Analysis Services, máte přístup k nástrojům, které můžou dotazovat metadata datového modelu. Metadata zahrnují všechno o datovém modelu, včetně názvů tabulek, názvů sloupců a výrazů měr.

Zobrazení dynamické správy

Zobrazení dynamické správy služby Analysis Services můžou dotazovat metadata datového modelu. Zobrazení dynamické správy můžete použít k auditování, dokumentování a optimalizaci datových modelů v určitém okamžiku.

Konkrétně můžete:

  • Auditujte zdroje dat používané modelem.
  • Zjistěte, které objekty využívají nejvíce paměti v modelu.
  • Určete, jak efektivně lze komprimovat data sloupců.
  • Vyhledání sloupců v modelu, které se nepoužívají
  • Auditujte aktivní uživatelské relace a připojení.
  • Ověřte strukturu modelu.
  • Zkontrolujte výrazy DAX používané počítanou tabulkami, počítanými sloupci, mírami a pravidly zabezpečení na úrovni řádků (RLS).
  • Identifikujte závislosti mezi objekty a mírami.

Tip

Zobrazení dynamické správy načte informace o aktuálním stavu sémantického modelu. Představte si data vrácená zobrazením dynamické správy jako snímek toho, co se v určitém okamžiku děje. Naopak protokoly událostí sémantického modelu (popsané výše v tomto článku) načítají informace o aktivitách, ke kterým došlo u sémantického modelu, zatímco bylo aktivní trasovací připojení.

SSMS je nástroj běžně používaný ke spouštění dotazů DMV. Pomocí rutiny PowerShellu Invoke-ASCmd můžete také vytvořit a spustit skripty XMLA , které se dotazují na zobrazení dynamické správy.

U komunity Power BI jsou oblíbené také nástroje třetích stran a externí nástroje . Tyto nástroje používají veřejně zdokumentované zobrazení dynamické správy ke zjednodušení přístupu a práci s daty vrácenými zobrazeními dynamické správy. Jedním z příkladů je DAX Studio, které zahrnuje explicitní funkce pro přístup k zobrazení dynamické správy. DAX Studio obsahuje také integrovanou funkci Zobrazit metriky , která se běžně označuje jako Vertipaq Analyzer. Vertipaq Analyzer má uživatelské rozhraní pro analýzu struktury a velikosti tabulek, sloupců, relací a oddílů v datovém modelu. Metadata datového modelu můžete také exportovat (nebo importovat) do souboru .vpax. Exportovaný soubor obsahuje pouze metadata o struktuře a velikosti datového modelu bez uložení dat modelu.

Tip

Pokud potřebujete pomoc s datovým modelem, zvažte sdílení souboru .vpax s někým. Tímto způsobem nebudete s danou osobou sdílet data modelu.

Dotazy dynamické správy můžete použít v různých fázích životního cyklu sémantického modelu.

  • Během vývoje datového modelu: Zvolený nástroj se může připojit k datovému modelu v Power BI Desktopu jako externí nástroj. Tento přístup je užitečný pro modelátory dat, kteří chtějí ověřit svůj datový model nebo provést ladění výkonu.
  • Po publikování sémantického modelu do služba Power BI: Zvolený nástroj se může připojit k sémantickému modelu v pracovním prostoru Premium. SSMS je jedním z mnoha podporovaných klientských nástrojů , které pro připojení používají koncový bod XMLA. Tento přístup je užitečný, pokud chcete auditovat nebo ověřit publikovaný sémantický model v služba Power BI.

Tip

Pokud se rozhodnete napsat vlastní dotazy dynamické správy (například v SSMS), mějte na paměti, že zobrazení dynamické správy nepodporuje všechny operace SQL. Některá zobrazení dynamické správy se také v Power BI nepodporují (protože vyžadují oprávnění správce serveru Analysis Services, která Power BI nepodporuje).

Nastavení nastavení tenanta Povolit koncové body XMLA a analyzovat v aplikaci Excel s místními sémantických modelů řídí, které skupiny uživatelů (které jsou také přiřazené k roli přispěvatele, člena nebo pracovního prostoru správce nebo oprávnění k sestavení pro jednotlivé sémantické modely) můžou použít koncový bod XMLA k dotazování a/nebo údržbě sémantických modelů v služba Power BI.

Další informace o používání koncového bodu XMLA, nástrojů třetích stran a externích nástrojů najdete v pokročilém scénáři použití správy datového modelu.

Analyzátor osvědčených postupů

Analyzátor osvědčených postupů (BPA) je funkce tabulkového editoru, což je nástroj třetí strany, který komunity Power BI dosáhl rozšířeného přijetí. Analyzátor osvědčených údajů obsahuje sadu přizpůsobitelných pravidel, která vám můžou pomoct auditovat kvalitu, konzistenci a výkon datového modelu.

Tip

Pokud chcete nastavit analyzátor osvědčených postupů, stáhněte si sadu pravidel osvědčených postupů, která poskytuje Microsoft na GitHubu.

Analyzátor osvědčených nástrojů vám primárně pomůže zlepšit konzistenci modelů tím, že zjistí neoptimální rozhodnutí o návrhu, která můžou snížit problémy s výkonem. Je užitečné, když máte samoobslužné datové modelátory distribuované v různých oblastech organizace.

Analyzátor osvědčených údajů vám může také pomoct s auditováním a řízením datových modelů. Můžete například ověřit, jestli datový model obsahuje jakékoli role zabezpečení na úrovni řádků (RLS). Nebo můžete ověřit, jestli mají všechny objekty modelu popis. To je užitečné, když například vaším cílem je zajistit, aby datový model obsahoval datový slovník.

Analyzátor osvědčených informací může vystavit problémy s návrhem , které můžou centru efektivity pomoct určit, jestli je potřeba více školení nebo dokumentace. Může podniknout kroky k informování tvůrců dat oosvědčených

Tip

Mějte na paměti, že analyzátor osvědčených mechanismů dokáže zjistit existenci charakteristiky (například zabezpečení na úrovni řádků). Může ale být obtížné určit, jestli je správně nastavená. Z tohoto důvodu může odborník na danou problematiku muset provést přezkum . Naopak neexistující konkrétní charakteristiky nemusí nutně znamenat špatný návrh. Modelátor dat může mít dobrý důvod k vytvoření konkrétního návrhu.

Kontrolní seznam – Při plánování přístupu k metadatům datových modelů patří klíčová rozhodnutí a akce:

  • Rozhodněte se, kdo může mít nainstalovanou aplikaci SSMS: Určete, jestli všem tvůrcům obsahu Power BI ve vaší organizaci povolíte instalaci SSMS, aby se mohli připojit k publikovaným sémantickým modelům. Rozhodněte se, jestli je nainstalovaná na vyžádání, nebo jako součást standardní sady softwaru nainstalovaného pro schválené tvůrce dat v organizaci.
  • Rozhodněte se, kdo může mít nainstalované nástroje třetích stran: Určete, jestli všem tvůrcům obsahu Power BI ve vaší organizaci povolíte instalaci nástrojů třetích stran (například DAX Studio a tabulkového editoru), aby mohli monitorovat místní datové modely nebo publikované sémantické modely. Rozhodněte se, jestli se instalují na vyžádání, nebo jako součást standardní sady softwaru, který je nainstalovaný pro schválené tvůrce dat v organizaci.
  • Nastavení pravidel osvědčených postupů: Rozhodněte se, která pravidla Analyzátoru osvědčených postupů můžou skenovat datové modely ve vaší organizaci.
  • Rozhodněte se, kdo může použít koncový bod XMLA: Určete, jestli se všichni uživatelé můžou připojit k sémantickým modelům pomocí koncového bodu XMLA nebo jestli jsou omezeni jenom na schválené tvůrce dat. Nastavte nastavení Klienta Povolit koncové body XMLA a Analyzovat v aplikaci Excel s nastavením tenanta místních sémantických modelů tak, aby odpovídaly tomuto rozhodnutí.
  • Poskytněte pokyny pro tvůrce obsahu: Vytvořte dokumentaci pro tvůrce dat, aby porozuměli doporučeným způsobům analýzy sémantických modelů. Poskytněte pokyny pro běžné případy použití, které jim usnadní zahájení shromažďování a analýzy výsledků zobrazení dynamické správy nebo používání analyzátoru osvědčených postupů.

Výkon datového modelu a dotazů

Power BI Desktop obsahuje několik nástrojů , které pomáhají tvůrcům dat řešit potíže a zkoumat jejich datové modely. Tyto funkce jsou cílené na modelátory dat, kteří chtějí ověřit svůj datový model a před publikováním do služba Power BI provést ladění výkonu.

Analyzátor výkonu

K auditování a zkoumání výkonu datového modelu použijte Analyzátor výkonu, která je dostupná v Power BI Desktopu. Analyzátor výkonu pomáhá tvůrcům sestav měřit výkon jednotlivých prvků sestavy. Hlavní příčinou problémů s výkonem je ale obvykle návrh datového modelu. Z tohoto důvodu může tvůrce sémantických modelů využít také Analyzátor výkonu. Pokud jsou za vytváření sestav a sémantických modelů zodpovědní různí tvůrci obsahu, je pravděpodobné, že budou muset při řešení potíží s výkonem spolupracovat.

Tip

DaX Studio můžete použít k importu a analýze souborů protokolu vygenerovaných Analyzátor výkonu.

Další informace o Analyzátor výkonu najdete v tématu Auditování na úrovni sestav.

Diagnostika dotazů

Pomocí diagnostiky dotazů, které jsou dostupné v Power BI Desktopu, můžete prozkoumat výkon Power Query. Jsou užitečné pro řešení potíží a v případě, že potřebujete pochopit, co modul Power Query dělá.

Mezi informace, které můžete získat z diagnostiky dotazů, patří:

  • Další podrobnosti související s chybovými zprávami (pokud dojde k výjimce).
  • Dotazy, které se odesílají do zdroje dat.
  • Bez ohledu na to, jestli se posouvání dotazů děje nebo ne.
  • Počet řádků vrácených dotazem.
  • Potenciální zpomalení během operace aktualizace dat.
  • Události na pozadí a dotazy generované systémem

V závislosti na tom, co hledáte, můžete povolit jeden nebo všechny protokoly: agregované, podrobné, čítače výkonu a oddíly ochrany osobních údajů dat.

Diagnostiku relací můžete spustit v Editor Power Query. Po povolení se operace dotazování a aktualizace shromažďují, dokud se diagnostické trasování nezastaví. Data se vyplní přímo v editoru dotazů, jakmile se diagnostika zastaví. Power Query vytvoří skupinu diagnostiky (složku) a přidá do ní několik dotazů. Pak můžete k zobrazení a analýze diagnostických dat použít standardní funkce Power Query.

Trasování můžete také povolit v Power BI Desktopu v části Diagnostika v okně Možnosti. Soubory protokolu se ukládají do složky na místním počítači. Tyto soubory protokolu se naplní daty po zavření Power BI Desktopu, kdy se trasování zastaví. Po zavření Power BI Desktopu můžete soubory protokolů otevřít pomocí preferovaného programu (například textového editoru) a zobrazit je.

Vyhodnocení a posouvání dotazů

Power Query podporuje různé možnosti, které vám pomůžou porozumět vyhodnocení dotazů, včetně plánu dotazu. Může vám také pomoct určit, jestli se posouvání dotazů vyskytuje pro celý dotaz, nebo pro podmnožinu kroků v dotazu. Posouvání dotazů je jedním z nejdůležitějších aspektů ladění výkonu. Je také užitečné zkontrolovat nativní dotazy odeslané Power Querym při monitorování zdroje dat, které je popsáno dále v tomto článku.

Aplikace premium metrics

Při řešení potíží může být užitečné spolupracovat se správcem kapacity Power BI Premium. Správce kapacity má přístup k aplikaci využití a metrik Power BI Premium. Tato aplikace vám může poskytnout spoustu informací o aktivitách, ke kterým dochází v kapacitě. Tyto informace vám můžou pomoct při řešení potíží s sémantickým modelem.

Tip

Správce kapacity Premium může udělit přístup dalším uživatelům (správcům mimo kapacitu), aby jim umožnil přístup k aplikaci metrik Premium.

Aplikace metrik Premium se skládá z interního sémantického modelu a počáteční sady sestav. Pomáhá provádět monitorování kapacity Power BI Premium (SKU P) nebo power BI Embedded (SKU A) téměř v reálném čase. Zahrnuje data za poslední dva až čtyři týdny (v závislosti na metrikě).

K řešení potíží a optimalizaci sémantických modelů použijte aplikaci Premium Metrics. Můžete například identifikovat sémantické modely s velkými nároky na paměť nebo s běžným využitím procesoru. Je to také užitečný nástroj k vyhledání sémantických modelů, které se blíží limitu velikosti kapacity.

Kontrolní seznam – Při zvažování přístupů k monitorování datového modelu a výkonu dotazů patří klíčová rozhodnutí a akce:

  • Identifikace cílů výkonu dotazů na sémantický model: Ujistěte se, že máte dobrý přehled o tom, co znamená dobrý sémantický výkon modelu. Určete, kdy budete vyžadovat konkrétní cíle výkonu dotazů (například dotazy na podporu sestav se musí vykreslit do pěti sekund). Pokud ano, ujistěte se, že jsou cíle předány tvůrcům dat ve vaší organizaci.
  • Identifikace sémantických cílů výkonu aktualizace modelu: Určete, kdy budete vyžadovat konkrétní cíle aktualizace dat (například dokončení operace aktualizace dat do 15 minut a před 5:00). Pokud ano, ujistěte se, že jsou cíle předány tvůrcům dat ve vaší organizaci.
  • Informujte svůj tým podpory: Ujistěte se, že váš interní tým podpory uživatelů zná diagnostické funkce, aby byli připraveni podporovat uživatele Power BI, když potřebují pomoc.
  • Připojte tým podpory a správce databází: Ujistěte se, že váš tým podpory ví, jak kontaktovat správné správce pro každý zdroj dat (například při řešení potíží s posouváním dotazů).
  • Spolupracujte se správcem kapacity Premium: Ve spolupráci se správcem kapacity můžete řešit potíže s sémantických modelů, které se nacházejí v pracovním prostoru, který je přiřazený ke kapacitě Premium nebo kapacitě Power BI Embedded. V případě potřeby požádejte o přístup k aplikaci metrik Premium.
  • Poskytněte pokyny pro tvůrce obsahu: Vytvoření dokumentace pro tvůrce dat, aby pochopili, jaké akce se mají provést při řešení potíží.
  • Zahrnout do školicích materiálů: Poskytněte svým tvůrcům dat pokyny, jak vytvářet dobře výkonné datové modely. Pomozte jim včas přijmout dobré návyky designu. Zaměřte se na výuku tvůrců dat, jak se dobře rozhodovat o návrhu.

Monitorování zdrojů dat

Někdy je potřeba přímo monitorovat konkrétní zdroj dat, ke kterému se Power BI připojuje. Můžete mít například datový sklad, u kterého dochází ke zvýšení zatížení, a uživatelé hlásí snížení výkonu. Správce databáze nebo správce systému obvykle monitoruje zdroje dat.

Zdroj dat můžete monitorovat na:

  • Auditujte, kteří uživatelé odesílají dotazy do zdroje dat.
  • Auditujte, které aplikace (například Power BI) odesílají dotazy do zdroje dat.
  • Zkontrolujte, jaké příkazy dotazu se odesílají do zdroje dat, kdy a podle kterých uživatelů.
  • Určete, jak dlouho trvá spuštění dotazu.
  • Auditujte, jak zdrojovému systému volá zabezpečení na úrovni řádků, když používá jednotné přihlašování (SSO).

Tvůrce obsahu Power BI může provést řadu akcí, které může provést, když analyzuje výsledky monitorování. Mohli:

  • Vylaďte a upřesněte dotazy, které se odesílají do zdroje dat, aby byly co nejefektivnější.
  • Ověřte a vylaďte nativní dotazy, které se odesílají do zdroje dat.
  • Snižte počet sloupců importovaných do datového modelu.
  • Odeberte sloupce s vysokou přesností a vysokou kardinalitou, které se importují do datového modelu.
  • Snižte množství historických dat importovaných do datového modelu.
  • Upravte časy aktualizace dat Power BI, abyste pomohli rozložit poptávku po zdroji dat.
  • Pokud chcete snížit zatížení zdroje dat, použijte přírůstkovou aktualizaci dat.
  • Snižte počet aktualizací dat Power BI sloučením více sémantických modelů do sdíleného sémantického modelu.
  • Upravte nastavení automatické aktualizace stránky, abyste zvýšili frekvenci aktualizace, a tím snížili zatížení zdroje dat.
  • Zjednodušte výpočty, abyste snížili složitost dotazů odesílaných do zdroje dat.
  • Změňte režim úložiště dat (například na režim importu místo DirectQuery), abyste snížili konzistentní zatížení dotazů na zdroj dat.
  • Pomocí technik redukce dotazů snižte počet dotazů odesílaných do zdroje dat.

Správci systému můžou provádět jiné akce. Mohli:

  • Představte si zprostředkující datovou vrstvu, jako jsou toky dat Power BI (pokud datový sklad není realizovatelná možnost). Tvůrci obsahu Power BI můžou toky dat používat jako zdroj dat místo přímého připojení ke zdrojům dat. Zprostředkovatelská datová vrstva může snížit zatížení zdrojového systému. Má také přidanou výhodu centralizované logiky přípravy dat. Další informace najdete ve scénáři použití samoobslužné přípravy dat.
  • Změňte umístění zdroje dat, abyste snížili dopad latence sítě (například použijte stejnou oblast dat pro služba Power BI, zdroje dat a brány).
  • Optimalizujte zdroj dat, aby efektivněji načítal data pro Power BI. Mezi běžné techniky patří vytváření indexů tabulek, vytváření indexovaných zobrazení, vytváření trvalých počítaných sloupců, udržování statistik, používání tabulek v paměti nebo columnstore a vytváření materializovaných zobrazení.
  • Nasměrujte uživatele, aby místo původní produkční databáze používali repliku zdroje dat jen pro čtení. Replika může být dostupná jako součást strategie databáze vysoké dostupnosti (HA). Jednou z výhod repliky jen pro čtení je omezení kolizí ve zdrojovém systému.

Nástroje a techniky, které můžete použít k monitorování zdrojů dat, závisí na technologické platformě. Správce databáze může například použít rozšířené události nebo úložiště dotazů k monitorování databází Azure SQL Database a SQL Serveru.

Power BI někdy přistupuje ke zdroji dat prostřednictvím brány dat. Brány zpracovávají připojení z služba Power BI k určitým typům zdrojů dat. Dělají ale více než jen připojení k datům. Brána obsahuje mashupový modul, který na počítači provádí zpracování a transformace dat. Také komprimuje a šifruje data, aby bylo možné je efektivně a bezpečně přenášet do služba Power BI. Proto může nespravovaná nebo neoptimalizovat brána přispět k kritickým bodům výkonu. Pokud potřebujete pomoc s monitorováním bran, doporučujeme vám promluvit se správcem brány.

Tip

Správce Power BI může zkompilovat úplný inventář tenanta (který zahrnuje rodokmen) a přistupovat k aktivitám uživatelů v protokolu aktivit. Díky korelaci rodokmenu a aktivit uživatelů můžou správci identifikovat nejčastěji používané zdroje dat a brány.

Další informace o inventáři tenanta a protokolu aktivit najdete v tématu Auditování na úrovni tenanta.

Kontrolní seznam – Při plánování monitorování zdroje dat zahrnují klíčová rozhodnutí a akce:

  • Určení konkrétních cílů: Při monitorování zdroje dat získáte přehled o tom, co přesně potřebujete, a cíle pro řešení potíží.
  • Spolupracujte se správci databází: Spolupracujte s databází nebo správci systému a získejte pomoc při monitorování konkrétního zdroje dat.
  • Spolupracujte se správci brány: U zdrojů dat, které se připojují přes bránu dat, při řešení potíží spolupracujte se správcem brány.
  • Připojte tým podpory a správce databází: Ujistěte se, že váš tým podpory ví, jak kontaktovat správné správce pro každý zdroj dat (například při řešení potíží s posouváním dotazů).
  • Aktualizace školení a pokynů: Uveďte klíčové informace a tipy pro tvůrce dat o tom, jak pracovat se zdroji dat organizace. Uveďte informace o tom, co dělat, když se něco nepovede.

Monitorování aktualizace dat

Operace aktualizace dat zahrnuje import dat z podkladových zdrojů dat do sémantického modelu, toku dat nebo datového diagramu Power BI. Můžete naplánovat operaci aktualizace dat nebo ji spustit na vyžádání.

Smlouva o úrovni služeb

IT obvykle používá smlouvy o úrovni služeb (SLA) k dokumentaci očekávání datových prostředků. U Power BI zvažte použití smlouvy SLA pro kritický obsah nebo obsah na podnikové úrovni. Obvykle zahrnuje, když uživatelé můžou očekávat dostupnost aktualizovaných dat v sémantickém modelu. Můžete mít například smlouvu SLA, kterou musí všechny aktualizace dat dokončit každý den do 7:00.

Protokoly sémantického modelu

Protokoly událostí sémantického modelu z Azure Log Analytics nebo SQL Profileru (popsané výše v tomto článku) obsahují podrobné informace o tom, co se děje v sémantickém modelu. Zachycené události zahrnují sémantickou aktivitu aktualizace modelu. Protokoly událostí jsou užitečné zejména v případě, že potřebujete řešit potíže a zkoumat sémantické aktualizace modelu.

Sémantické modely kapacity Premium

Pokud máte obsah hostovaný v kapacitě Power BI Premium, máte více možností pro monitorování operací aktualizace dat.

  • Stránka souhrnů aktualizací Power BI na portálu pro správu obsahuje souhrn historie aktualizací. Tento souhrn obsahuje informace o době trvání aktualizace a chybových zprávách.
  • Aplikace Využití a metriky Power BI Premium obsahuje také užitečné informace o aktualizaci. Je užitečné, když potřebujete prozkoumat aktivitu aktualizace pro kapacitu Power BI Premium (SKU P) nebo kapacitu Power BI Embedded (SKU A).

Vylepšené sémantické aktualizace modelu

Tvůrci obsahu můžou programově inicializovat sémantické aktualizace modelu pomocí rozšířené aktualizace pomocí rozhraní REST API pro aktualizaci ve skupině Power BI REST API. Při použití rozšířené aktualizace můžete monitorovat historické, aktuální a čekající operace aktualizace.

Monitorování plánu aktualizace dat

Správci Power BI můžou monitorovat plány aktualizace dat v tenantovi a určit, jestli je během určitého časového rámce naplánováno mnoho operací aktualizace (například mezi 5:00 a 7:00, což může být zvlášť zaneprázdněná doba aktualizace dat). Správci mají oprávnění pro přístup k metadatům plánu aktualizace sémantických modelů z rozhraní API pro prohledávání metadat, která se označují jako rozhraní API skeneru.

Rozhraní REST API pro Power BI

U důležitých sémantických modelů nespoléhejte výhradně na e-mailová oznámení o problémech s aktualizací dat monitorování. Zvažte kompilaci historie aktualizace dat v centralizovaném úložišti, kde můžete monitorovat, analyzovat a pracovat s ní.

Historii aktualizace dat můžete načíst pomocí:

Tip

Důrazně doporučujeme monitorovat historii aktualizací sémantických modelů, abyste měli jistotu, že jsou aktuální data dostupná pro sestavy a řídicí panely. Pomůže vám také zjistit, jestli jsou splněné smlouvy SLA.

Kontrolní seznam – Při plánování monitorování aktualizace dat zahrnují klíčová rozhodnutí a akce:

  • Určit konkrétní cíle: Při monitorování aktualizací dat získáte přehled o tom, čeho přesně potřebujete dosáhnout, a rozsah monitorování (například produkční sémantické modely, certifikované sémantické modely a další).
  • Zvažte nastavení smlouvy SLA: Určete, jestli by smlouva SLA byla užitečná k nastavení očekávání pro dostupnost dat a kdy by se měly spouštět plány aktualizace dat.
  • Spolupracujte s správci databází a bran: Spolupracujte s databází nebo správci systému a správci brány, abyste mohli monitorovat nebo řešit potíže s aktualizací dat.
  • Přenos znalostí pro tým podpory: Ujistěte se, že váš tým podpory ví, jak pomoct tvůrcům obsahu při vzniku problémů s aktualizací dat.
  • Školení a pokyny k aktualizaci: Uveďte klíčové informace a tipy pro tvůrce dat o tom, jak aktualizovat data ze zdrojů dat organizace a běžných zdrojů dat. Uveďte osvědčené postupy a předvolby organizace pro správu aktualizace dat.
  • Pro oznámení použijte e-mailovou adresu podpory: Pro důležitý obsah nastavte oznámení o aktualizaci tak, aby používala e-mailovou adresu podpory.
  • Nastavení centralizovaného monitorování aktualizací: Ke kompilaci historie aktualizace dat použijte rozhraní REST API Power BI.

Monitorování toku dat

Tok dat Power BI vytvoříte pomocí Power Query Online. Mnoho funkcí výkonu dotazů a diagnostika Power Query, které byly popsány výše, jsou použitelné.

Volitelně můžete pracovní prostory nastavit tak, aby místo interního úložiště používaly Azure Data Lake Storage Gen2 pro úložiště toku dat (označované jako přineste si vlastní úložiště). Pokud používáte vlastní úložiště, zvažte povolení telemetrie , abyste mohli monitorovat metriky pro účet úložiště. Další informace najdete ve scénáři použití samoobslužné přípravy dat a v pokročilém scénáři použití přípravy dat.

Pomocí rozhraní REST API Power BI můžete monitorovat transakce toku dat. Pomocí rozhraní API pro získání transakcí toku dat můžete například zkontrolovat stav aktualizací toku dat.

Aktivity uživatelů pro toky dat Power BI můžete sledovat pomocí protokolu aktivit Power BI. Další informace najdete v tématu Auditování na úrovni tenanta.

Tip

Existuje mnoho osvědčených postupů, které můžete použít k optimalizaci návrhů toků dat. Další informace najdete v tématu Osvědčené postupy pro toky dat.

Monitorování datového diagramu

Datový diagram Power BI obsahuje několik integrovaných komponent, včetně toku dat, spravované databáze a sémantického modelu. Informace o auditování a monitorování jednotlivých komponent najdete v předchozích částech tohoto článku.

Aktivity uživatelů pro datové diagramy Power BI můžete sledovat pomocí protokolu aktivit Power BI. Další informace najdete v tématu Auditování na úrovni tenanta.

Související obsah

V dalším článku této série se dozvíte o auditování na úrovni tenanta.