Κοινή χρήση μέσω

Απεικόνιση και ερμηνεία διαγνωστικών ερωτημάτων στο Power BI

  • Άρθρο

Εισαγωγή

Αφού καταγράψετε τα διαγνωστικά που θέλετε να χρησιμοποιήσετε, το επόμενο βήμα είναι να μπορείτε να κατανοήσετε τι λένε.

Είναι χρήσιμο να κατανοήσετε καλά τι σημαίνει ακριβώς κάθε στήλη στο σχήμα διαγνωστικού ερωτήματος, την οποία δεν πρόκειται να επαναλάβουμε σε αυτό το σύντομο πρόγραμμα εκμάθησης. Υπάρχει μια πλήρης εγγραφή γι 'αυτό εδώ.

Γενικά, κατά τη δημιουργία απεικονίσεων, είναι προτιμότερο να χρησιμοποιείτε τον πλήρη λεπτομερή πίνακα. Επειδή ανεξάρτητα από το πόσες γραμμές είναι, αυτό που πιθανώς βλέπετε είναι ένα είδος απεικόνισης του χρόνου που αφιερώνεται σε διαφορετικούς πόρους ή του χρόνου που εκπέμπεται το εγγενές ερώτημα.

Όπως αναφέρθηκε στο άρθρο μας σχετικά με την εγγραφή των διαγνωστικών, εργάζομαι με τις ανιχνεύσεις OData και SQL για τον ίδιο πίνακα (ή σχεδόν έτσι)— τον πίνακα Customers από τη Northwind. Συγκεκριμένα, θα επικεντρωθώ στην κοινή ερώτηση από τους πελάτες μας και σε ένα από τα πιο εύκολα στην ερμηνεία των συνόλων ανιχνεύσεων: την πλήρη ανανέωση του μοντέλου δεδομένων.

Δημιουργία των απεικονίσεων

Όταν περνάτε από ίχνη, υπάρχουν πολλοί τρόποι για να τα αξιολογήσετε. Σε αυτό το άρθρο, θα εστιάσουμε σε μια διαίρεση δύο απεικονίσεων, μία για να εμφανίσουμε τις λεπτομέρειες που σας ενδιαφέρουν και η άλλη για να δούμε εύκολα τις χρονικές συνεισφορές διαφόρων παραγόντων. Για την πρώτη απεικόνιση, χρησιμοποιείται ένας πίνακας. Μπορείτε να επιλέξετε οποιαδήποτε πεδία θέλετε, αλλά αυτά που συνιστώνται για μια εύκολη, υψηλού επιπέδου ματιά στο τι συμβαίνει είναι τα εξής:

Για τη δεύτερη απεικόνιση, μία επιλογή είναι να χρησιμοποιήσετε ένα Γράφημα σωρευμένων στηλών. Στην παράμετρο "Άξονας", μπορεί να θέλετε να χρησιμοποιήσετε "Αναγνωριστικό" ή "Βήμα". Εάν εξετάζουμε την ανανέωση επειδή δεν έχει να κάνει με τα βήματα στο ίδιο το πρόγραμμα επεξεργασίας, πιθανώς να θέλουμε απλώς να δούμε το "Αναγνωριστικό". Για την παράμετρο "Υπόμνημα", θα πρέπει να ορίσετε "Κατηγορία" ή "Λειτουργία" (ανάλογα με την υποδιαίρεση που θέλετε). Για την "Τιμή", ορίστε την "Αποκλειστική διάρκεια" (και βεβαιωθείτε ότι δεν είναι το %, ώστε να λάβετε την τιμή ανεπεξέργασης διάρκειας). Τέλος, για τη συμβουλή εργαλείου, ορίστε την "Νωρίτερη ώρα έναρξης".

Μόλις δημιουργηθεί η απεικόνιση, βεβαιωθείτε ότι ταξινομείτε κατά "Νωρίτερη ώρα έναρξης" με αύξουσα σειρά, ώστε να μπορείτε να δείτε τη σειρά με την οποία συμβαίνουν τα πράγματα.

Απεικόνιση λεπτομερειών και συνάθροισης ώρας.

Παρόλο που οι ακριβείς ανάγκες σας μπορεί να διαφέρουν, αυτός ο συνδυασμός γραφημάτων είναι ένα καλό σημείο για να ξεκινήσετε την εξέταση πολλών αρχείων διαγνωστικού ελέγχου και για διάφορους σκοπούς.

Ερμηνεία των απεικονίσεων

Όπως αναφέρθηκε παραπάνω, υπάρχουν πολλές ερωτήσεις που μπορείτε να δοκιμάσετε να απαντήσετε με τα διαγνωστικά ερωτήματος, αλλά οι δύο που βλέπουμε πιο συχνά ρωτούν πώς καταναλώνεται ο χρόνος και ρωτούν ποιο είναι το ερώτημα που αποστέλλεται στην προέλευση.

Η ερώτηση σχετικά με τον τρόπο που καταναλώνεται ο χρόνος είναι εύκολη και θα είναι παρόμοια για τις περισσότερες συνδέσεις. Μια προειδοποίηση με τα διαγνωστικά ερωτήματος, όπως αναφέρθηκε αλλού, είναι ότι θα δείτε πολύ διαφορετικές δυνατότητες ανάλογα με τη σύνδεση. Για παράδειγμα, πολλές συνδέσεις που βασίζονται σε ODBC δεν θα έχουν ακριβή εγγραφή του ερωτήματος που αποστέλλεται στο πραγματικό σύστημα παρασκηνίου, καθώς το Power Query βλέπει μόνο ό,τι στέλνει στο πρόγραμμα οδήγησης ODBC.

Εάν θέλουμε να δούμε πώς καταναλώνεται ο χρόνος, μπορούμε απλώς να δούμε τις απεικονίσεις που δημιουργήσαμε παραπάνω.

Τώρα, επειδή οι τιμές ώρας για τα δείγματα ερωτημάτων που χρησιμοποιούμε εδώ είναι τόσο μικρές, εάν θέλουμε να εργαστούμε με τον τρόπο που το Power BI αναφέρει τον χρόνο είναι καλύτερο εάν μετατρέψουμε τη στήλη Αποκλειστική διάρκεια σε "Δευτερόλεπτα" στο πρόγραμμα επεξεργασίας Power Query. Μόλις κάνουμε αυτή τη μετατροπή, μπορούμε να κοιτάξουμε το γράφημά μας και να έχουμε μια αξιοπρεπή ιδέα για το πού θα αφιερώσουμε χρόνο.

Για τα αποτελέσματα OData μου, βλέπω στην εικόνα ότι το μεγαλύτερο μέρος του χρόνου που καταναλώθηκε για την ανάκτηση των δεδομένων από την προέλευση. Εάν επιλέξω το στοιχείο "Προέλευση δεδομένων" στο υπόμνημα, εμφανίζεται όλες οι διαφορετικές λειτουργίες που σχετίζονται με την αποστολή ενός ερωτήματος στην προέλευση δεδομένων.

Σύνοψη διαγνωστικών ερωτήματος OData Northwind.

Εάν εκτελέσουμε όλες τις ίδιες λειτουργίες και δημιουργήσουμε παρόμοιες απεικονίσεις, αλλά με τις ανιχνεύσεις SQL αντί για αυτές του ODATA, μπορούμε να δούμε πώς συγκρίνονται οι δύο προελεύσεις δεδομένων!

Σύνοψη διαγνωστικών ερωτήματος OData Northwind με ανιχνεύσεις SQL.

Εάν επιλέξουμε τον πίνακα Προέλευση δεδομένων, όπως με τα διαγνωστικά ODATA, μπορούμε να δούμε ότι η πρώτη αξιολόγηση (2,3 σε αυτή την εικόνα) εκπέμπει ερωτήματα μετα-δεδομένων, με τη δεύτερη αξιολόγηση να ανακτά πραγματικά τα δεδομένα που μας ενδιαφέρουν. Επειδή ανακτάμε μικρές ποσότητες δεδομένων σε αυτή την περίπτωση, τα δεδομένα που αντλούνται χρειάζονται ένα μικρό χρονικό διάστημα (λιγότερο από το ένα δέκατο του δευτερολέπτου για να πραγματοποιηθεί ολόκληρη η δεύτερη αξιολόγηση, με λιγότερο από το ένα εικοστό του δευτερολέπτου για την ίδια την ανάκτηση δεδομένων), αλλά αυτό δεν θα είναι αληθές σε όλες τις περιπτώσεις.

Όπως παραπάνω, μπορούμε να επιλέξουμε την κατηγορία "Προέλευση δεδομένων" στο υπόμνημα για να δούμε τα εκπεμπόμενους ερωτήματα.

Διερεύνηση στα δεδομένα

Εξέταση διαδρομών

Όταν το κοιτάζετε αυτό, εάν φαίνεται ότι ο χρόνος που καταναλώνεται είναι περίεργος, για παράδειγμα, στο ερώτημα OData μπορεί να δείτε ότι υπάρχει ένα ερώτημα προέλευσης δεδομένων με την ακόλουθη τιμή:

Request:
https://services.odata.org/V4/Northwind/Northwind.svc/Customers?$filter=ContactTitle%20eq%20%27Sales%20Representative%27&$select=CustomerID%2CCountry HTTP/1.1
Content-Type: application/json;odata.metadata=minimal;q=1.0,application/json;odata=minimalmetadata;q=0.9,application/atomsvc+xml;q=0.8,application/atom+xml;q=0.8,application/xml;q=0.7,text/plain;q=0.7

<Content placeholder>

Response:
Content-Type: application/json;odata.metadata=minimal;q=1.0,application/json;odata=minimalmetadata;q=0.9,application/atomsvc+xml;q=0.8,application/atom+xml;q=0.8,application/xml;q=0.7,text/plain;q=0.7
Content-Length: 435

<Content placeholder>

Αυτό το ερώτημα προέλευσης δεδομένων σχετίζεται με μια λειτουργία που καταλαμβάνει μόνο, ας πούμε, το 1% της αποκλειστικής διάρκειας. Εν τω μεταξύ, υπάρχει μια παρόμοια:

Request:
GET https://services.odata.org/V4/Northwind/Northwind.svc/Customers?$filter=ContactTitle eq 'Sales Representative'&$select=CustomerID%2CCountry HTTP/1.1

Response:
https://services.odata.org/V4/Northwind/Northwind.svc/Customers?$filter=ContactTitle eq 'Sales Representative'&$select=CustomerID%2CCountry
HTTP/1.1 200 OK

Αυτό το ερώτημα προέλευσης δεδομένων σχετίζεται με μια λειτουργία που καταλαμβάνει σχεδόν το 75% της αποκλειστικής διάρκειας. Αν ενεργοποιήσετε το Path, ανακαλύπτετε ότι το τελευταίο είναι στην πραγματικότητα ένα παιδί του πρώτου. Αυτό σημαίνει ότι το πρώτο ερώτημα ουσιαστικά πρόσθεσε ένα μικρό χρονικό διάστημα από μόνο του, με την πραγματική ανάκτηση δεδομένων να παρακολουθείται από το "εσωτερικό" ερώτημα.

Αυτές είναι ακραίες τιμές, αλλά βρίσκονται εντός των ορίων όσων μπορεί να παρατηρηθούν.