Introduktion til optimering af ydeevnen
Optimering af ydeevnen, også kaldet justering af ydeevnen, omfatter ændring af den semantiske models aktuelle tilstand, så den kører mere effektivt. Når din semantiske model er optimeret, fungerer den i bund og grund bedre.
Du kan muligvis se, at din rapport kører godt i test- og udviklingsmiljøer, men når den udrulles til produktion til bredere forbrug, opstår der problemer med ydeevnen. Fra en rapportbrugers perspektiv er dårlig ydeevne karakteriseret ved, at det tager længere tid at indlæse rapportsider, og det tager længere tid at opdatere visualiseringer. Denne dårlige ydeevne giver en negativ brugeroplevelse.
Som dataanalytiker bruger du ca. 90 % af din tid på at arbejde med dine data, og ni gange ud af ti er dårlig ydeevne et direkte resultat af en dårlig semantisk model, forkerte DAX (Data Analysis Expressions) eller blandingen af de to. Processen med at designe en semantisk model til ydeevne kan være kedelig, og den undervurderes ofte. Men hvis du løser problemer med ydeevnen under udvikling, har du en robust Semantisk Power BI-model, der returnerer bedre rapporteringsydeevne og en mere positiv brugeroplevelse. I sidste ende vil du også kunne bevare den optimerede ydeevne. Efterhånden som din organisation vokser, vokser størrelsen af dens data, og dens semantiske model bliver mere kompleks. Ved at optimere din semantiske model tidligt kan du afhjælpe den negative indvirkning, som denne vækst kan have på ydeevnen af din semantiske model.
En semantisk model i mindre størrelse bruger færre ressourcer (hukommelse) og opnår hurtigere opdatering af data, beregninger og gengivelse af visualiseringer i rapporter. Processen til optimering af ydeevnen omfatter derfor at minimere størrelsen af den semantiske model og gøre den mest effektive brug af dataene i modellen, hvilket omfatter:
Sikring af, at de korrekte datatyper bruges.
Sletning af unødvendige kolonner og rækker.
Undgåelse af gentagne værdier.
Erstatning af numeriske kolonner med målinger.
Reduktion af kardinaliteter.
Analysering af modellens metadata.
Opsummering af data, hvor det er muligt.
I dette modul introduceres du til de trin, processer og begreber, der er nødvendige for at optimere en semantisk model til ydeevne på virksomhedsniveau. Vær dog opmærksom på, at selvom den grundlæggende vejledning til ydeevne og bedste praksis i Power BI fører dig langt for at optimere en semantisk model til forespørgselsydeevne, skal du sandsynligvis samarbejde med en datatekniker for at drive optimering af semantisk model i kildedatakilderne.
Forestil dig f.eks., at du arbejder som Microsoft Power BI-udvikler for Tailwind Traders. Du har fået en opgave til at gennemse en semantisk model, der blev bygget for et par år siden af en anden udvikler, en person, der siden har forladt organisationen.
Den semantiske model opretter en rapport, der har modtaget negativ feedback fra brugerne. Brugerne er glade for de resultater, de kan se i rapporten, men de er ikke tilfredse med rapportens ydeevne. Det tager for lang tid at indlæse siderne i rapporten, og tabellerne opdateres ikke hurtigt nok, når der foretages bestemte valg. Ud over denne feedback har it-teamet fremhævet, at filstørrelsen på denne bestemte semantiske model er for stor, og det belaster organisationens ressourcer.
Du skal gennemse den semantiske model for at identificere den grundlæggende årsag til problemer med ydeevnen og foretage ændringer for at optimere ydeevnen.
I slutningen af dette modul kan du:
Gennemgå ydeevnen af målinger, relationer og visualiseringer.
Brug variabler til at forbedre ydeevnen og fejlfinding.
Gør ydeevnen bedre ved at reducere kardinalitetsniveauer.
Optimer DirectQuery-modeller med lagring på tabelniveau.
Opret og administrer sammenlægninger.