Jaa

Direct Lake -semanttisten mallien kehittäminen

  • Artikkeli

Tässä artikkelissa kuvataan Direct Lake -semanttisten mallien kehittämiseen liittyviä suunnitteluaiheita.

Mallin luominen

Fabric-portaalin avulla voit luoda semanttisen Direct Lake -mallin työtilaan. Se on yksinkertainen prosessi, johon kuuluu sen valitseminen, mitkä taulukot yhdestä lakehousesta tai varastosta lisätään semanttiseen malliin.

Voit sitten kehittää semanttista mallia edelleen verkkomallinnuskokemuksen. Tämän kokemuksen avulla voit luoda suhteita taulukoiden välille, luoda mittareita ja laskentaryhmiä, merkitä päivämäärätaulukoita ja määrittää mallin ja sen objektien ominaisuuksia (kuten sarakemuotoja). Voit myös määrittää mallit rivitason suojauksen (RLS) määrittämällä rooleja ja sääntöjä ja lisäämällä jäseniä (Microsoft Entran käyttäjätilit tai käyttöoikeusryhmät) näihin rooleihin.

Vaihtoehtoisesti voit jatkaa mallisi kehittämistä XMLA-yhteensopivalla työkalulla, kuten SQL Server Management Studiolla (SSMS) (versio 19.1 tai uudempi versio) tai avoimen lähdekoodin yhteisötyökaluilla. Lisätietoja on tämän artikkelin kohdassa mallin kirjoitustuki XMLA-päätepisteellä.

Juomaraha

Voit oppia luomaan Lakehousen, Delta-taulukon ja perustason semanttisen Direct Lake -mallin suorittamalla tämän opetusohjelman .

Mallitaulukot

Mallitaulukot perustuvat joko taulukkoon tai SQL-analytiikan päätepisteen näkymään. Vältä kuitenkin näkymien käyttämistä aina kun se on mahdollista. Tämä johtuu siitä, että näkymään perustuvan mallitaulukon kyselyt aina palata DirectQuery-tilaan, mikä voi hidastaa kyselyn suorituskykyä.

Taulukoissa on oltava mallisuhteita tukevien sarakkeiden lisäksi sarakkeita suodatusta, ryhmittelyä, lajittelua ja yhteenvetoa varten. Vaikka tarpeettomat sarakkeet eivät vaikuta semanttisen mallin kyselyn suorituskykyyn (koska niitä ei ladata muistiin), ne aiheuttavat suuremman tallennuskoon OneLakessa ja vaativat enemmän käsittelyresursseja lataamiseen ja ylläpitoon.

Varoitus

Semanttisissa Direct Lake -malleissa dynaamisia tietoraketeja käyttäviä sarakkeita ei tueta.

Lisätietoja siitä, miten voit valita Direct Laken semanttiseen malliin sisällytettävät taulukot, on artikkelissa Direct Laken semanttisten mallien taulukoiden muokkaaminen.

Lisätietoja semanttisten mallitaulukoiden sarakkeista on kohdassa Tutustu Direct Laken semanttisten mallien tallennustilaan.

Tietojen käyttösääntöjen pakottaminen

Kun sinun täytyy toimittaa mallitietojen alijoukkoja eri käyttäjille, voit pakottaa tietojen käyttösääntöjä. Voit pakottaa sääntöjä määrittämällä objektitason suojauksen (OLS) ja/tai rivitason suojauksen (RLS) SQL-analytiikan päätepisteessä tai semanttisessa mallissa.

Muistiinpano

Tietojenkäyttösääntöjen pakottaminen liittyy kuitenkin eri käyttöoikeuksien määrittämiseen sisällön kuluttajille, luojille ja käyttäjille, jotka hallitsevat semanttista mallia (ja siihen liittyviä Fabric-kohteita). Lisätietoja käyttöoikeuksien määrittämisestä on kohdassa Direct Laken semanttisten mallien hallinta.

Objektitason suojaus (OLS)

OLS-lauseke tarkoittaa käyttöoikeuksien rajoittamista objektien tai sarakkeiden etsimiseen ja kyselyyn. OLS-järjestelmän avulla voit esimerkiksi rajoittaa käyttäjiä, jotka voivat käyttää Employee taulukon Salary saraketta.

SQL-analytiikan päätepisteen kohdalla voit määrittää OLS-ohjaamaan pääsyäpäätepisteobjekteihin, kuten taulukoihin tai näkymiin, ja saraketason suojaukseen (CLS), jotta hallita päätepistetaulukon sarakkeiden käyttöä.

Semanttisen mallin osalta voit määrittää OLS-hallita mallitaulukoiden tai sarakkeiden käyttöä. Sinun on käytettävä avoimen lähdekoodin yhteisötyökaluja, kuten Tabular Editoria, OLS:n määrittämiseen.

Rivitason suojaus (RLS)

Rivitason suojaus tarkoittaa taulukoiden tietojen alijoukkojen käyttöoikeuksien rajoittamista. Voit esimerkiksi käyttää rivitason suojausta varmistaaksesi, että myyjät voivat käyttää vain asiakkaiden myyntitietoja myyntialueellaan.

SQL-analytiikan päätepisteen kohdalla voit määrittää rivitason suojauksen hallita päätepistetaulukon rivien käyttöä.

Tärkeä

Kun kysely käyttää mitä tahansa taulukkoa, jossa on rivitason suojaus SQL-analytiikan päätepisteessä, se palaa DirectQuery-tilaan. Kyselyn suorituskyky voi olla hitaampi.

Semanttisen mallin kohdalla voit määrittää rivitason suojauksen hallita mallitaulukoiden rivien käyttöä. RLS voidaan määrittää verkkomallinnuskokemuksessa tai kolmannen osapuolen työkalun avulla.

Miten kyselyjä arvioidaan

syy kehittää semanttisia Direct Lake -malleja on se, että OneLakessa suoritetaan suuren suorituskyvyn kyselyitä suurille tietomäärille. Siksi sinun on pyrittävä suunnittelemaan ratkaisu, joka maksimoi mahdollisuudet kyselyn muodostamiseen muistissa.

Seuraavissa vaiheissa määritetään, miten kyselyjä arvioidaan (ja epäonnistuvatko ne). Direct Lake -tallennustilan tilan edut ovat mahdollisia vain, kun viides vaihe on saavutettu.

  1. Jos kysely sisältää minkä tahansa taulukon tai sarakkeen, jota on rajoitettu semanttisen mallin OLS-mallilla, palautetaan virhetulos (raportin visualisointia ei voi hahmontaa).
  2. Jos kysely sisältää sarakkeen, joka on rajoitettu SQL Analytics -päätepisteellä CLS (tai taulukko hylätään), palautetaan virhetulos (raportin visualisointia ei voi hahmontaa).
    1. Jos pilvipalveluyhteys käyttää kertakirjautumista (oletus), raportin kuluttajan käyttöoikeustaso määrittää CLS:n.
    2. Jos pilviyhteys käyttää kiinteitä käyttäjätietoja, CLS määräytyy kiinteiden käyttäjätietojen käyttöoikeustason mukaan.
  3. Jos kysely sisältää minkä tahansa taulukon SQL-analytiikan päätepisteessä, joka pakottaa rivitason suojauksen tai näkymää käytetään, kysely palaa DirectQuery-tilaan.
    1. Jos pilviyhteys käyttää kertakirjautumista (oletus), rivitason suojaus määräytyy raportin kuluttajan käyttöoikeustason mukaan.
    2. Jos pilviyhteys käyttää kiinteitä käyttäjätietoja, RLS määräytyy kiinteiden käyttäjätietojen käyttöoikeustason mukaan.
  4. Jos kyselyn ylittää kapasiteetin suojakaiteet, se palaa DirectQuery-tilaan.
  5. Muussa tapauksessa kysely täyttyy välimuistista. Saraketiedot ladataan muistiin tarpeen mukaan.

Lähdekohteiden käyttöoikeudet

Tietojen käyttämiseen käytettävä tili on yksi seuraavista.

  • Jos pilviyhteys käyttää kertakirjautumista (oletus), se on raportin kuluttaja.
  • Jos pilviyhteys käyttää kiinteitä käyttäjätietoja, se on kiinteät käyttäjätiedot.

Tilillä on oltava vähintään luku- ja ReadData -oikeudet lähdekohteeseen (Lakehouse tai varasto). Kohteen käyttöoikeudet voidaan periä työtilan rooleista tai määrittää kohteelle eksplisiittisesti tämän artikkelin kuvatulla tavalla.

Olettaen, että tämä vaatimus täyttyy, Fabric myöntää semanttisen mallin välttämättömän käyttöoikeuden Delta-taulukoiden ja siihen liittyvien Parquet-tiedostojen lukemiseen (saraketietojen lataamiseksi muistiin) ja tietojen käyttösääntöjä voidaan soveltaa.

Tietojen käyttösäännön asetukset

Voit määrittää tietojen käyttösääntöjä seuraavissa säännöissä:

  • Vain semanttinen malli.
  • Vain SQL-analytiikan päätepiste.
  • Sekä semanttisessa mallissa että SQL-analytiikan päätepisteessä.

Semanttisen mallin säännöt

Jos sinun on valvottava tietojen käytön sääntöjä, tee se semanttisessa mallissa aina, kun se on mahdollista. Tämä johtuu siitä, että semanttinen malli pakottaa rivitason suojauksen suodattamalla tietojen välimuistin muistissa suuren suorituskyvyn kyselyiden saavuttamiseksi.

Se on myös sopiva menetelmä, kun raportin käyttäjille ei ole myönnetty lupaa tehdä kyselyjä Lakehousessa tai varastossa.

Kummassakin tapauksessa on erittäin suositeltavaa, että pilvipalveluyhteys käyttää kiinteää käyttäjätietoa kertakirjautumisen sijaan. Kertakirjautuminen tarkoittaa sitä, että loppukäyttäjät voivat käyttää SQL-analytiikan päätepistettä suoraan ja siten ohittaa suojaussäännöt semanttisessa mallissa.

Tärkeä

Semanttisen mallikohteen käyttöoikeudet voidaan määrittää eksplisiittisestiPower BI -sovellusten kautta, tai hankkia implisiittisesti työtilaroolien kautta.

Semanttisten mallien tietojen käyttösääntöjä ei pakota käyttäjiltä, joilla on kirjoitusoikeudet semanttiseen malliin. Toisaalta tietojen käyttösääntöjä sovelletaan käyttäjiin, jotka on määritetty Katselija- työtilarooliin. Kuitenkin käyttäjillä, jotka on määritetty -järjestelmänvalvojan, Jäsen- tai osallistujan-työtilarooliin, on implisiittisesti Kirjoitus- -oikeus semanttiseen malliin, joten tietojen käyttösääntöjä ei käytetä. Lisätietoja on kohdassa roolien työtiloissa.

SÄÄNNÖT SQL-analytiikan päätepisteessä

On tarkoituksenmukaista pakottaa tietojen käyttösäännöt SQL-analytiikan päätepisteessä, kun semanttinen malli pilviyhteyttä käyttää kertakirjautumista (SSO). Tämä johtuu siitä, että käyttäjän käyttäjätiedot delegoidään SQL-analytiikan päätepisteeseen kyselyn varmistamiseksi, että kyselyt palauttavat vain tiedot, joita käyttäjällä on oikeus käyttää. On myös tarkoituksenmukaista pakottaa tietojen käyttösäännöt tällä tasolla, kun käyttäjät kyselevät SQL-analytiikan päätepisteestä suoraan muita kuormituksia (esimerkiksi Power BI:n sivutetun raportin luomiseksi tai tietojen viemiseksi).

Semanttinen mallikysely palaa kuitenkin DirectQuery-tilaan, kun se sisältää minkä tahansa taulukon, joka käyttää rivitason suojausta SQL-analytiikan päätepisteessä. Näin ollen semanttinen malli ei ehkä koskaan tallenna tietoja välimuistiin suorituskykyisiä kyselyjä varten.

Säännöt molemmissa kerroksissa

Tietojen käyttösääntöjä voi käyttää molemmissa kerroksissa. Tähän lähestymistapaan liittyy kuitenkin enemmän monimutkaisuutta ja hallinnan yleiskustannuksia. Tässä tapauksessa on erittäin suositeltavaa, että pilviyhteys käyttää kiinteää käyttäjätietoa kertakirjautumisen sijaan.

Tietojen käyttösäännön vaihtoehtojen vertailu

Seuraavassa taulukossa verrataan tietojen käytön määritysasetuksia.

Käytä tietojen käyttösääntöjä Kommentti
Vain semanttinen malli Käytä tätä vaihtoehtoa, kun käyttäjille ei myönnetä kohteen käyttöoikeuksia lakehouse-kyselyssä tai varastossa. Määritä pilviyhteys käyttämään kiinteitä käyttäjätietoja. Kyselyn suorituskyky voidaan saavuttaa muistissa olevasta välimuistista.
Vain SQL-analytiikan päätepiste Käytä tätä asetusta, kun käyttäjien on käytettävä tietoja joko varastosta tai semanttisesta mallista sekä yhdenmukaisia tietojen käyttösääntöjä. Varmista, että kertakirjautuminen on käytössä pilviyhteydessä. Kyselyn suorituskyky voi olla hidasta.
Lakehousen tai varaston ja semanttinen malli Tämä vaihtoehto aiheuttaa lisäkustannuksia hallinnan kuormitukseen. Määritä pilviyhteys käyttämään kiinteitä käyttäjätietoja.

Seuraavassa on suositeltuja käytäntöjä, jotka liittyvät tietojen käyttösääntöjen pakottamiseen:

  • Jos eri käyttäjien on oltava rajoitettu tietojen alijoukkoihin, ota rivitason suojaus käyttöön aina, kun se on kannattavaa, vain semanttisessa mallikerroksessa. Näin käyttäjät hyötyvät suorituskykyisistä muistissa olevista kyselyistä. Tässä tapauksessa on erittäin suositeltavaa, että pilviyhteys käyttää kiinteää käyttäjätietoa kertakirjautumisen sijaan.
  • Jos mahdollista, vältä OLS- ja CLS-suodattimien pakottamista kummallakaan kerroksessa, koska se aiheuttaa virheitä raportin visualisoinneissa. Virheet voivat aiheuttaa sekaannusta tai huolta käyttäjille. Luotaessa yhteenvedettäviä sarakkeita kannattaa luoda mittareita, jotka palauttavat tietyissä olosuhteissa TYHJÄ-arvon CLS-mittarin (jos mahdollista) sijaan.

Mallin kirjoitustuki XMLA-päätepisteelle

Semanttiset Direct Lake -mallit tukevat kirjoitustoimintoja XMLA-päätepisteellä käyttämällä SSMS:n (19.1 tai uudempi) ja avoimen lähdekoodin yhteisötyökaluja.

Juomaraha

Lisätietoja semanttisten mallien kehittämisestä, hallinnasta tai optimoimisesta kolmansien osapuolten työkaluilla on artikkelissa Kehittyneiden tietomallien hallinta käyttöskenaariossa.

Ennen kuin voit suorittaa kirjoitustoimintoja, XMLA:n luku/ kirjoitus -asetus on otettava käyttöön kapasiteetissa. Katso lisätietoja artikkelista XMLA:n luku/kirjoitus-käyttöönotto.

Mallin kirjoitustoiminnot XMLA-päätepistetuella:

  • Direct Lake -mallin metatietojen mukauttaminen, yhdistäminen, komentosarjat, virheenkorjaus ja testaus.
  • Lähteen ja version hallinta, jatkuva integrointi ja jatkuva käyttöönotto (CI/CD) Azure DevOpsin ja GitHubin kanssa. Jos haluat lisätietoja, katso sisällön elinkaaren hallinnan .
  • Automaatiotehtävät, kuten semanttinen mallin päivitys ja muutosten käyttöönotto Direct Laken semanttisissa malleissa PowerShellin ja REST-ohjelmointirajapintojen avulla.

Kun muutat semanttista mallia XMLA:n avulla, sinun on päivitettävä ChangedProperties- ja PBI_RemovedChildren kokoelma muutettuun objektiin sisältämään muokatut tai poistetut ominaisuudet. Jos et suorita kyseistä päivitystä, Power BI -mallinnustyökalut saattavat korvata muutokset, kun rakenne synkronoidaan seuraavan kerran Lakehousen kanssa.

Lisätietoja semanttisen mallin objektien historiatietojen tunnisteista on artikkelissa historiatietojen tunnisteet Power BI:n semanttisille malleille.

Tärkeä

XMLA-sovelluksilla luodut Direct Lake -taulukot ovat aluksi käsittelemättömässä tilassa, kunnes sovellus lähettää päivityskomennon. Kyselyt, joihin liittyy käsittelemättömiä taulukoita, palaavat aina DirectQuery-tilaan. Kun siis luot uuden semanttisen mallin, muista päivittää malli ja käsitellä sen taulukot.

Lisätietoja on artikkelissa Semanttisen mallin liitettävyyden XMLA-päätepisteeseen.

Direct Lake -mallin metatiedot

Kun muodostat yhteyden semanttiseen Direct Lake -malliin XMLA-päätepisteellä, metatiedot näyttävät samalta kuin missä tahansa muussa mallissa. Direct Lake -mallit näyttävät kuitenkin seuraavat erot:

  • Tietokantaobjektin compatibilityLevel-ominaisuus on 1604 (tai uudempi).
  • Direct Lake -osioiden Mode-ominaisuudeksi määritetään directLake.
  • Direct Lake -osiot käyttävät jaettuja lausekkeita tietolähteiden määrittämiseen. Lauseke osoittaa Lakehousen tai varaston SQL-analytiikan päätepisteeseen. Direct Lake käyttää SQL-analytiikan päätepistettä rakenne- ja suojaustietojen etsimiseen, mutta se lataa tiedot suoraan OneLakesta (ellei se palata DirectQuery- syystä).

Julkaisun jälkeiset tehtävät

Kun olet julkaissut semanttisen Direct Lake -mallin, sinun kannattaa suorittaa joitakin määritystehtäviä. Jos haluat lisätietoja, katso Direct Lake -semanttisten mallien hallinta.

Ominaisuudet, joita ei tueta

Direct Laken semanttiset mallimallit eivät tue seuraavia mallin ominaisuuksia:

  • Lasketut taulukot, jotka viittaavat taulukoihin tai sarakkeisiin Direct Lake -tallennustilassa
  • Laskettuja sarakkeita, jotka viittaavat taulukoihin tai sarakkeisiin Direct Lake -tallennustilassa
  • Yhdistelmätaulukot
  • Käyttäjän määrittämät koosteet
  • Yhdistelmämallit eivät siis voi yhdistää Direct Lake -tallennustilan taulukoita DirectQuery- tai kaksoistallennustilan taulukoihin samaan malliin. Power BI Desktopin avulla voit kuitenkin luoda reaaliaikaisen yhteyden semanttiseen Direct Lake -malliin ja laajentaa sitä sitten uusilla mittareilla. Voit sitten tehdä muutoksia malliin tehdä muutoksia tähän malliin uusien taulukoiden lisäämiseksi (käyttämällä Tuonti-, DirectQuery- tai Kaksois-tallennustilaa). Tämä toiminto luo DirectQuery-yhteyden semanttiseen malliin Direct Lake -tilassa niin, että taulukot näkyvät DirectQuery-tallennustilana, mutta tämä tallennustila ei ilmaise DirectQueryn varatoimintoa. Vain yhteys tämän uuden mallin ja Direct Lake -mallin välillä on DirectQuery, ja kyselyt käyttävät edelleen Direct Lakea tietojen noutamiseen OneLakesta. Lisätietoja on artikkelissa Yhdistelmämallin luominen semanttisella mallilla .
  • SQL-analytiikan päätepistesarakkeisiin perustuvat sarakkeet, jotka käyttävät dynaamista tietojen peittämistä.

Aiheeseen liittyvä sisältö