Einführung in die Leistungsoptimierung
Bei der Leistungsoptimierung werden Änderungen am aktuellen Zustand des semantischen Modells vorgenommen, sodass es effizienter ausgeführt werden kann. Grundsätzlich sorgt ein optimiertes semantisches Modell für eine bessere Leistung.
Möglicherweise stellen Sie fest, dass der Bericht in Test- und Entwicklungsumgebungen zwar gut funktioniert, bei der Bereitstellung in der Produktionsumgebung zur umfassenderen Nutzung jedoch Leistungsprobleme auftreten. Berichtsbenutzer bemerken schlechte Leistung durch längeres Laden von Berichtsseiten und langsameres Aktualisieren von Visuals. Dies beeinträchtigt die Benutzerfreundlichkeit.
Als Datenanalyst*in verbringen Sie ungefähr 90 % Ihrer Arbeitszeit mit Daten, und in neun von zehn Fällen entstehen Leistungsprobleme durch schlechte semantische Modelle und/oder Data Analysis Expressions (DAX). Das Entwerfen eines semantischen Modells mit guter Leistung kann sehr langwierig sein und wird häufig unterschätzt. Wenn Sie jedoch Leistungsprobleme schon bei der Entwicklung angehen, erhalten Sie ein robustes semantisches Power BI-Modell mit besserer Leistung bei der Berichterstattung und zufriedeneren Benutzer*innen. Letzten Endes sind Sie dadurch auch in der Lage, die optimierte Leistung aufrechtzuerhalten. Wenn Ihre Organisation wächst, wächst auch die Menge an Daten, und das semantische Modell wird komplexer. Wenn Sie Ihr semantisches Modell frühzeitig optimieren, können Sie die möglichen negativen Auswirkungen dieses Wachstums auf die Leistung des semantischen Modells mindern.
Ein kleineres semantisches Modell verwendet weniger Ressourcen (Arbeitsspeicher) und beschleunigt die Aktualisierung von Daten, Berechnungen sowie das Rendern von visuellen Elementen in Berichten. Zur Optimierung der Leistung sollte daher die Größe des semantischen Modells minimiert werden, und die Daten in dem Modell sollten möglichst effizient verwendet werden. Dies umfasst Folgendes:
Sicherstellen, dass die richtigen Datentypen verwendet werden
Löschen unnötiger Spalten und Zeilen
Vermeiden von sich wiederholenden Werten
Ersetzen numerischer Spalten durch Measures
Reduzieren von Kardinalitäten
Analysieren von Modellmetadaten
Zusammenfassen von Daten, sofern möglich
In diesem Modul werden die Schritte, Prozesse und Konzepte vorgestellt, die zur Leistungsoptimierung eines semantischen Modells auf Unternehmensniveau erforderlich sind. Beachten Sie jedoch, dass Sie zwar mit Leitfäden zur allgemeinen Leistung und bewährten Methoden in Power BI weit kommen, aber dass Sie zur Optimierung eines semantischen Modells für eine bessere Abfrageleistung wahrscheinlich mit einer technischen Fachkraft für Daten zusammenarbeiten müssen, um die Optimierung des semantischen Modells in den Quelldaten voranzubringen.
Nehmen wir beispielsweise an, dass Sie als Microsoft Power BI-Entwickler für Tailwind Traders arbeiten. Ihnen wurde die Aufgabe zugeteilt, ein semantisches Modell zu prüfen, dass vor einigen Jahren von einer anderen Fachkraft in der Entwicklung erstellt wurde, die mittlerweile die Organisation verlassen hat.
Das semantische Modell erzeugt einen Bericht, zu dem von den Benutzer*innen negatives Feedback eingegangen ist. Die Benutzer sind zufrieden mit den Ergebnissen in dem Bericht, aber die Berichtsleistung gefällt ihnen nicht. Das Laden der Seiten im Bericht dauert zu lange, und Tabellen werden nicht schnell genug aktualisiert, wenn eine bestimmte Auswahl getroffen wird. Zusätzlich zu diesem Feedback hat das IT-Team angemerkt, dass dieses bestimmte semantische Modell zu groß ist und die Ressourcen der Organisation überlastet.
Sie müssen das semantische Modell überprüfen, um die Grundursache der Leistungsprobleme zu ermitteln, und Änderungen vornehmen, um die Leistung zu optimieren.
In diesem Modul lernen Sie Folgendes:
Überprüfen der Leistung von Measures, Beziehungen und Visuals
Verwenden von Variablen zur Verbesserung der Leistung und zur Problembehandlung
Verbessern der Leistung durch Reduzieren der Kardinalitätsebenen
Optimieren von DirectQuery-Modelle mithilfe des Speichers auf Tabellenebene
Erstellen und Verwalten von Aggregationen