Kapacitetsplanlægning for sideinddelte rapporter
GÆLDER FOR:
Sideinddelte Power BI-rapporter Power BI-tjeneste 
Power BI Desktop
Få mere at vide om, hvordan du planlægger din Premium-kapacitet for at få den bedste ydeevne ud af dine sideinddelte rapporter med en mindstepris. Hvis du migrerer til Power BI fra et andet business intelligence-værktøj, kan du overveje at læse artiklerne nedenfor, før du beslutter dig for, hvilken kapacitet du vil bruge.
Oversigt over migrering til Power BI.
Overfør SQL Server Reporting Services-rapporter til Power BI – Henvender sig til rapportforfattere og Power BI-administratorer, der er interesseret i at migrere rapportdefinitionssprograpporter (.rdl) til Power BI fra SQL Server Reporting Services (SSRS).
Kapacitetsplanlægning
Beregning af den type kapacitet, du har brug for, afhænger af flere faktorer, f.eks. antallet af visualiseringer i dine rapporter, kompleksiteten af forespørgsler i forhold til rapporten og kvaliteten af din datakilde eller datamodel. Du bør også overveje den aktuelle brug af din kapacitet i spidsbelastningstider, før du føjer sideinddelte rapporter til den.
Før du begynder at planlægge, hvilken kapacitet du har brug for, skal du gennemse tabellen Kapaciteter og SKU'er for at se, hvilke ressourcer der tilbydes af hver kapacitet.
Når du planlægger din kapacitet, skal du overveje følgende:
Kompleksiteten af rapportdesignet. Indlejret tablix, flere underrapporter og flere række- og kolonnegrupper øger kompleksiteten af designet og kræver kapacitetsressourcer.
Mængden af data, der hentes af rapporten. Jo flere data rapporten har brug for, jo flere ressourcer kræver den fra din kapacitet.
Den måde, din rapport henter data på. Når du bruger connectors, drivere eller gateways, kan datahentning tage længere tid, kræve flere ressourcer og derfor blive dyrere.
Når du eksporterer store rapporter til formater som f.eks. Excel og PDF, kræver det flere ressourcer end at læse hver side, bruge til/fra-knapper og søge i rapporterne.
Hvor mange brugere kan en SKU håndtere?
For at teste sideinddelte rapporter om forskellige kapaciteter udførte vi tre forskellige typer arbejdsbelastninger i forhold til forskellige SKU-størrelser. Hver arbejdsbelastning bestod af en samtidig gengivelse af en enkelt rapport med forskellige størrelser.
Lille – datasammenlægningstabel bygget over 100 rækker fra en Azure SQL-datakilde.
Medium – datasammenlægningstabel bygget over 100.000 rækker fra en Azure SQL-datakilde.
Stor – Datasammenlægningstabel bygget over 250.000 rækker fra en Azure SQL-datakilde.
Vores analyse af Power BI Premium viser, at antallet af samtidige brugere på et givent tidspunkt, herunder daglige spidsbelastninger, ikke har en tendens til at overstige fem procent af det samlede brugergrundlag.
På baggrund af samtidighedsforholdet på fem procent beskriver følgende tabel det omtrentlige maksimale antal brugere, som en SKU kan håndtere, før den overbelastes. Når din kapacitet er overbelastet, vil der opstå begrænsning på din kapacitet. Du kan få flere oplysninger under Hvad sker der med trafik under overbelastning, hvis jeg ikke skalerer automatisk?
| Arbejdsbelastning | F64- eller P1-SKU'er | F128- eller P2-SKU'er |
|---|---|---|
| Lille | 2.500 brugere | 5.000 brugere |
| Medium | 1.900 brugere | 3.800 brugere |
| Stor | 1.300 brugere | 2.600 brugere |
Vær opmærksom på, at tallene i tabellen refererer til angivne kapaciteter, der ikke kører andre handlinger. Din kapacitet bruger muligvis allerede CPU-ressourcer til handlinger som f.eks.:
Datahentning og -behandling
Andre arbejdsbelastninger og handlinger i baggrunden
Kompleks datagruppering og videredeling
Filtrering af data
Samtidige anmodninger
Hver arbejdsbelastning på en kapacitet, herunder arbejdsbelastningen for sideinddelte rapporter, har maksimalt 500 samtidige rapporter, der gengives på et givent tidspunkt. Hvis din kapacitet gengiver 100 rapporter og har 200 anmodninger om eksport af sideinddelte rapporter, har du 200 samtidige anmodninger om gengivelse af rapporter tilbage.
Du kan undgå overbelastning ved at planlægge indlæsningen af dine samtidige anmodninger på forhånd. Hvis du overskrider grænsen for samtidige anmodninger, vil du støde på fejlen For mange anmodninger (429).
Brug af appen Målepunkter
Ved hjælp af appen Microsoft Fabric Capacity Metrics kan du vurdere effekten af din sideinddelte rapport på din kapacitet. Appen måler dit CPU-forbrug over tid, så du kan forstå, hvordan din kapacitet fungerer.
Hvis du vil teste din sideinddelte rapport, foreslår vi, at du bruger en dedikeret ren kapacitet. En ren kapacitet hjælper med at isolere resultater fra virkningen af andre brugere og arbejdsbelastninger.
Afhængigt af det målrettede testscenarie, f.eks. validering af gennemsnitlig eller maksimal brug, skal du vælge eller oprette en rapport, der repræsenterer det forventede ressourceforbrug, og uploade det til et Premium/Fabric-arbejdsområde i den kapacitet, du har oprettet til testen.
Kør rapporten flere gange, og brug målepunktsappen til at få de gennemsnitlige CPU-sekunder brugt til at køre din rapport. Når du beregner den tid, det tog at køre din rapport, skal du overveje følgende:
Appen viser aggregerede værdier. Det kan være nødvendigt at dividere resultaterne med det antal gange, du kører rapporten.
Der er flere Power BI-elementer og -handlinger, der kan være involveret i rapportgengivelse. Du skal muligvis lægge deres CPU-forbrug sammen.
Der er flere Power BI-elementer og -handlinger, der kan være involveret i gengivelse af rapporter, da gengivelser kan tage lang tid. En langvarig handling på siden Timepoint kan vises som en liste over handlinger uden nogen af varighederne længere end 30 sekunder. Du skal muligvis lægge CPU-forbruget for gengivelseshandlinger sammen. Sortering efter starttidspunkt kan hjælpe med at få vist hele gengivelsens historik.
Beregn den maksimale gengivelse af rapporten
Brug denne formel til at beregne det maksimale antal samtidige rapporter, som en kapacitet kan håndtere, før den overbelastes. Du kan få mere at vide om Kapacitetsenheder (CU), SKU og Power BI v-kerner i kapacitetsbegreber.
$ \text {max concurrent report renders} = {\text {capacity units for your capacity} \times {3.75} \over \text {your report's CPU processing time (in seconds)} } $
Beregn det maksimale antal brugere
Hvis du bruger den anslåede samtidighed på fem procent for korrelationen mellem antallet af samlede brugere og det maksimale antal samtidige gengivelser, kan du få det samlede antal brugere, som en SKU kan håndtere.
$ \text {max SKU-brugere} = {\text {max concurrent report renders} \over 0,05} $
Beregn kapacitetsressourcer for flere rapporter
Du kan bruge en udvidet formel til at estimere den kapacitet, der er nødvendig for forskellige rapportanvendelser.
Upload flere sideinddelte rapporter med forskelligt antal daglige gengivelser, og brug appen målepunkter til at få den gennemsnitlige CPU-behandlingstid for hver enkelt. Summen af alle dine rapportgengivelser pr. dag skal være lig med 100 %. Når du har alle oplysningerne, skal du bruge denne formel.
$ \text {max concurrent report renders} = {\text {capacity units for your capacity} \times {3.75} \over {\text {A renders} \times \text {A processing time}} + \text {B renders} \times \text {B processing time} + \text {...} + \text{N renders} \times \text{N processing time}}$
Eksempler
Dette afsnit indeholder to eksempler, et til den almindelige beregning og et andet til den avancerede beregning.
Regelmæssig beregning
Lad os antage, at du kører en sideinddelt rapport på en F64 - eller P1-SKU , der har otte kerner. Det samlede CPU-forbrug for 10 kørsler er 40 sekunder, så den gennemsnitlige CPU-tid pr. rapport er fire sekunder.
$ 60 = {8 \times {30} \over 4} $
Når du bruger den anden formel, får du maksimalt 1.200 brugere.
$ 1.200 = {60 \over 0,05} $
For F128 - eller P2-SKU'er kan du gange disse tal med to, da kapaciteten har dobbelt så mange CPU-kerner.
Avanceret beregning
Lad os antage, at du har tre sideinddelte rapporter med den daglige gengivelsesprocent angivet i tabellen nedenfor.
| Rapport | Antal gengivne rapporter pr. dag | CPU-behandlingstid (i sekunder) |
|---|---|---|
| A | 60 % | 4 |
| F | 30 % | 10 |
| C | 10 % | 20 |
Formlerne for en F64- eller P1-SKU er:
| Værdi | Formel |
|---|---|
| Maks. samtidige rapportgengivelser | $ ~32,4 = {8 \times {30} \over 0,6 \times{4} + 0,3 \times{10} + 0,1 \times{20}} $ |
| Samlet antal SKU-brugere | $ ~650 = {32.4 \over 0,05} $ |