다음을 통해 공유

Direct Lake 개요

  • 아티클

Direct Lake는 Microsoft Fabric 작업 영역에 저장된 Power BI 의미 체계 모델의 테이블에 대한 스토리지 모드 옵션입니다. 모든 분석 데이터에 대한 단일 저장소인 OneLake의 Parquet 파일에 데이터를 저장하는 델타 테이블에서 메모리로 빠르게 로드할 수 있는 대량의 데이터에 최적화되어 있습니다. 메모리에 로드되면 의미 체계 모델을 통해 고성능 쿼리를 사용할 수 있습니다. Direct Lake는 느리고 비용이 많이 드는 데이터를 모델로 가져올 필요가 없습니다.

Direct Lake 스토리지 모드를 사용하여 단일 패브릭 레이크하우스 또는 패브릭 웨어하우스 의 테이블 또는 뷰에 연결할 수 있습니다. 이러한 패브릭 항목과 Direct Lake 의미 체계 모델 모두 패브릭 용량 라이선스가 필요합니다.

다이어그램은 이전 단락에 설명된 대로 Direct Lake 의미 체계 모델 및 OneLake의 델타 테이블에 연결하는 방법을 보여 줍니다.

어떤 면에서 Direct Lake 의미 체계 모델은 가져오기 의미 체계 모델과 유사합니다. 빠른 쿼리 성능을 위해 VertiPaq 엔진에 의해 모델 데이터가 메모리에 로드되기 때문입니다(이 문서의 뒷부분에서 설명하는 DirectQuery 대체의 경우 제외).

그러나 Direct Lake 의미 체계 모델은 중요한 방식으로 가져오기 의미 체계 모델과 다릅니다. Direct Lake 의미 체계 모델에 대한 새로 고침 작업은 의미 체계 가져오기 모델의 새로 고침 작업과 개념적으로 다르기 때문입니다. Direct Lake 의미 체계 모델의 경우 새로 고침에는 프레이밍 작업(이 문서의 뒷부분에서 설명됨)이 포함되며 완료하는 데 몇 초 정도 걸릴 수 있습니다. 의미 체계 모델이 최신 버전의 Delta 테이블의 메타데이터를 분석하고 OneLake의 최신 파일을 참조하도록 업데이트되는 저비용 작업입니다. 반면 가져오기 의미 체계 모델의 경우 새로 고침은 상당한 시간이 소요되고 상당한 데이터 원본 및 용량 리소스(메모리 및 CPU)를 사용할 수 있는 데이터 복사본을 생성합니다.

참고 항목

가져오기 의미 체계 모델에 대한 증분 새로 고침 은 새로 고침 시간과 용량 리소스 사용을 줄이는 데 도움이 될 수 있습니다.

Direct Lake 스토리지 모드는 언제 사용해야 하나요?

Direct Lake 스토리지 모드의 기본 사용 사례는 일반적으로 레이크 중심 아키텍처를 활용하는 IT 기반 분석 프로젝트에 사용됩니다. 이 시나리오에서는 OneLake에 대량의 데이터가 있거나 누적됩니다. 이 사용 사례에서는 해당 데이터를 메모리로 빠르게 로드하고, 빈번하고 빠른 새로 고침 작업, 용량 리소스의 효율적인 사용 및 빠른 쿼리 성능을 모두 중요합니다.

참고 항목

Import 및 DirectQuery 의미 체계 모델은 패브릭에서 여전히 관련이 있으며 일부 시나리오에 적합한 의미 체계 모델입니다. 예를 들어 스토리지 가져오기 모드는 신속하게 작업할 수 있는 자유와 민첩성이 필요하고 IT에 의존하지 않고 새 데이터 요소를 추가해야 하는 셀프 서비스 분석가에게 잘 작동하는 경우가 많습니다.

또한 OneLake 통합은 마이그레이션 작업 없이 스토리지 가져오기 모드의 테이블에 대한 데이터를 OneLake의 델타 테이블에 자동으로 기록합니다. 이 옵션을 사용하면 바로 가기, SQL 쿼리, Notebook 등을 통해 레이크하우스와 통합하는 등 의미 체계 모델 가져오기 사용자가 사용할 수 있는 Fabric의 많은 이점을 실현할 수 있습니다. 이 옵션은 기존 데이터 웨어하우스 및/또는 분석 시스템을 반드시 또는 즉시 다시 디자인하지 않고도 Fabric의 이점을 얻을 수 있는 빠른 방법으로 고려하는 것이 좋습니다.

Direct Lake 스토리지 모드는 비즈니스 사용자가 데이터를 신속하게 사용할 수 있도록 데이터 대기 시간을 최소화하는 데에도 적합합니다. 델타 테이블이 간헐적으로 수정되고 데이터 레이크에서 데이터 준비를 이미 완료한 것으로 가정하는 경우 자동 업데이트에 따라 해당 수정 내용에 따라 재구성할 수 있습니다. 이 경우 의미 체계 모델로 전송된 쿼리는 최신 데이터를 반환합니다. 이 기능은 Power BI 보고서의 자동 페이지 새로 고침 기능과 협력하여 잘 작동합니다.

Direct Lake는 데이터 레이크에서 수행되는 데이터 준비에 따라 달라집니다. 데이터 준비는 패브릭 레이크하우스용 Spark 작업, 패브릭 웨어하우스용 T-SQL DML 문, 데이터 흐름, 파이프라인 등과 같은 다양한 도구를 사용하여 수행할 수 있습니다. 이 방법을 사용하면 재사용 가능성을 최대화하기 위해 아키텍처에서 데이터 준비 논리를 최대한 낮게 수행할 수 있습니다. 그러나 의미 체계 모델 작성자가 원본 항목을 수정할 수 없는 경우(예: IT에서 관리하는 Lakehouse에 대한 쓰기 권한이 없는 셀프 서비스 분석가의 경우) 스토리지 모드 가져오기가 더 적합할 수 있습니다. 이는 의미 체계 모델의 일부로 정의된 파워 쿼리를 사용하여 데이터 준비를 지원하기 때문입니다.

Direct Lake 스토리지 모드를 고려할 때 현재 패브릭 용량 라이선스 및 패브릭 용량 가드레일을 고려해야 합니다. 또한 이 문서의 뒷부 분에서 설명하는 고려 사항 및 제한 사항을 고려합니다.

팁

Direct Lake 의미 체계 모델이 올바른 솔루션인지 여부를 확인하고 위험을 완화하기 위해 프로토타입 또는 POC(개념 증명)를 생성하는 것이 좋습니다.

Direct Lake 작동 방식

일반적으로 Direct Lake 의미 체계 모델로 전송되는 쿼리는 델타 테이블에서 공급되는 열의 메모리 내 캐시에서 처리됩니다. 델타 테이블의 기본 스토리지는 OneLake에 있는 하나 이상의 Parquet 파일입니다. Parquet 파일은 행이 아닌 열별로 데이터를 구성합니다. 의미 체계 모델은 쿼리에 필요한 대로 델타 테이블에서 메모리로 전체 열을 로드합니다.

Direct Lake 의미 체계 모델은 DirectQuery 모드로 원활하게 전환하는 DirectQuery 대체를 사용할 수도 있습니다. DirectQuery 대체는 레이크하우스 또는 웨어하우스의 SQL 분석 엔드포인트에서 직접 데이터를 검색합니다. 예를 들어 델타 테이블에 패브릭 용량에서 지원하는 것보다 많은 데이터 행이 포함된 경우 대체가 발생할 수 있습니다(이 문서의 뒷부분 에서 설명). 이 경우 DirectQuery 작업은 SQL 분석 엔드포인트에 쿼리를 보냅니다. 대체 작업으로 인해 쿼리 성능이 저하될 수 있습니다.

다음 다이어그램에서는 Power BI 보고서를 여는 사용자의 시나리오를 사용하여 Direct Lake의 작동 방식을 보여 줍니다.

다이어그램은 Direct Lake 의미 체계 모델의 작동 방식을 보여 줍니다. 이미지에 표시된 개념은 다음 표에 설명되어 있습니다.

다이어그램은 다음과 같은 사용자 작업, 프로세스 및 기능을 보여 줍니다.

항목 설명
OneLake는 분석 데이터를 Parquet 형식으로 저장하는 데이터 레이크입니다. 이 파일 형식은 Direct Lake 의미 체계 모델에 대한 데이터를 저장하기 위해 최적화되어 있습니다.
패브릭 레이크하우스 또는 패브릭 웨어하우스는 패브릭 용량에 있는 작업 영역에 존재합니다. Lakehouse에는 쿼리를 위한 SQL 기반 환경을 제공하는 SQL 분석 엔드포인트가 있습니다. 테이블(또는 뷰)은 T-SQL(Transact-SQL)을 사용하여 OneLake에서 델타 테이블을 쿼리하는 방법을 제공합니다.
Direct Lake 의미 체계 모델은 패브릭 작업 영역에 있습니다. 레이크하우스 또는 창고의 테이블이나 뷰에 연결됩니다.
사용자가 Power BI 보고서를 엽니다.
Power BI 보고서는 DAX(데이터 분석 식) 쿼리를 Direct Lake 의미 체계 모델로 보냅니다.
가능하고 필요한 경우 의미 체계 모델은 OneLake에 저장된 Parquet 파일에서 직접 메모리에 열을 로드합니다. 쿼리는 매우 빠른 메모리 내 성능을 달성합니다.
의미 체계 모델은 쿼리 결과를 반환합니다.
Power BI 보고서는 시각적 개체를 렌더링합니다.
의미 체계 모델이 용량의 가드레일을 초과하는 경우와 같은 특정 상황에서 의미 체계 모델 쿼리는 자동으로 DirectQuery 모드로 대체됩니다. 이 모드에서는 쿼리가 Lakehouse 또는 웨어하우스의 SQL 분석 엔드포인트로 전송됩니다.
SQL 분석 엔드포인트로 전송된 DirectQuery 쿼리는 OneLake의 델타 테이블을 쿼리합니다. 이러한 이유로 쿼리 성능은 메모리 내 쿼리보다 느려질 수 있습니다.

다음 섹션에서는 열 로드, 프레이밍, 자동 업데이트 및 DirectQuery 대체를 비롯한 Direct Lake 개념 및 기능에 대해 설명합니다.

열 로드(코드 변환)

Direct Lake 의미 체계 모델은 열을 처음으로 쿼리할 때 OneLake의 데이터만 로드합니다. OneLake에서 주문형 데이터를 로드하는 프로세스를 코드 변환이라고 합니다.

의미 체계 모델이 DAX(또는 다차원 식-MDX) 쿼리를 받으면 먼저 쿼리 결과를 생성하는 데 필요한 열을 결정합니다. 필요한 열에는 쿼리에서 직접 사용하는 열과 관계 및 측정값에 필요한 열도 포함됩니다. 일반적으로 쿼리 결과를 생성하는 데 필요한 열 수는 의미 체계 모델에 정의된 열 수보다 훨씬 작습니다.

필요한 열이 이해되면 의미 체계 모델은 메모리에 이미 있는 열을 결정합니다. 쿼리에 필요한 열이 메모리에 없는 경우 의미 체계 모델은 OneLake에서 해당 열에 대한 모든 데이터를 로드합니다. 열 데이터 로드는 일반적으로 매우 빠른 작업이지만 열에 저장된 데이터의 카디널리티와 같은 요인에 따라 달라질 수 있습니다.

그런 다음 메모리에 로드된 열이 메모리에 상주 합니다. 상주 열만 포함하는 향후 쿼리는 더 이상 열을 메모리에 로드할 필요가 없습니다.

열은 메모리에서 제거(제거)될 이유가 있을 때까지 상주합니다. 열이 제거될 수 있는 이유는 다음과 같습니다.

  • 모델 또는 테이블이 새로 고쳐졌습니다(다음 섹션의 프레이밍 참조).
  • 한동안 열을 사용한 쿼리가 없습니다.
  • 다른 동시 작업으로 인한 용량의 메모리 압력을 비롯한 기타 메모리 관리 이유

Fabric SKU를 선택하면 용량의 각 Direct Lake 의미 체계 모델에 사용 가능한 최대 메모리가 결정됩니다. 리소스 가드레일 및 최대 메모리 제한에 대한 자세한 내용은 이 문서의 뒷부분에 있는 패브릭 용량 가드레일 및 제한 사항을 참조하세요.

프레임

프레이밍 은 모델 소유자에게 의미 체계 모델에 로드되는 데이터를 특정 시점으로 제어할 수 있습니다. 프레이밍은 의미 체계 모델의 새로 고침에 의해 트리거되는 Direct Lake 작업이며 대부분의 경우 완료하는 데 몇 초밖에 걸리지 않습니다. 의미 체계 모델이 최신 버전의 Delta Lake 테이블의 메타데이터를 분석하고 OneLake의 최신 Parquet 파일을 참조하도록 업데이트되는 저비용 작업이기 때문입니다.

프레이밍이 발생하면 상주 열이 메모리에서 제거될 수 있으며 새로 고침 시점이 향후 모든 코드 변환 이벤트에 대한 새 기준이 됩니다. 이 시점부터 Direct Lake 쿼리는 가장 최근의 프레이밍 작업 시간 기준으로 델타 테이블의 데이터만 고려합니다. 이러한 이유로 Direct Lake 테이블은 가장 최근의 프레이밍 작업 지점에서 델타 테이블의 상태에 따라 데이터를 반환하도록 쿼리됩니다. 이 시간이 반드시 델타 테이블의 최신 상태가 아닐 수 있습니다.

다음 다이어그램에서는 Direct Lake 프레이밍 작업의 작동 방식을 보여 줍니다.

다이어그램은 Direct Lake 프레이밍 작업의 작동 방식을 보여 줍니다.

다이어그램은 다음과 같은 프로세스 및 기능을 보여 줍니다.

항목 설명
의미 체계 모델은 패브릭 작업 영역에 있습니다.
프레이밍 작업은 주기적으로 수행되며 이후 의 모든 트랜스코딩 이벤트에 대한 기준을 설정합니다. 프레이밍 작업은 자동으로, 수동으로, 일정에 따라 또는 프로그래밍 방식으로 발생할 수 있습니다.
OneLake는 델타 테이블로 표시되는 메타데이터 및 Parquet 파일을 저장합니다.
마지막 프레이밍 작업에는 델타 테이블과 관련된 Parquet 파일, 특히 마지막 프레이밍 작업 전에 추가된 Parquet 파일이 포함됩니다.
이후 프레이밍 작업에는 마지막 프레이밍 작업 후에 추가된 Parquet 파일이 포함됩니다.
Direct Lake 의미 체계 모델의 상주 열은 메모리에서 제거될 수 있으며 새로 고침 시점은 향후 모든 코드 변환 이벤트에 대한 새 기준이 됩니다.
새 Parquet 파일로 표시되는 후속 데이터 수정은 다음 프레이밍 작업이 발생할 때까지 표시되지 않습니다.

코드 변환 작업이 수행될 때 델타 테이블의 최신 상태를 나타내는 데이터를 항상 사용하는 것이 바람직하지는 않습니다. 프레이밍은 델타 테이블의 데이터가 일시적인 환경에서 일관된 쿼리 결과를 제공하는 데 도움이 될 수 있습니다. 데이터는 장기 실행 ETL(추출, 변환 및 로드) 프로세스가 발생하는 경우와 같은 여러 가지 이유로 일시적일 수 있습니다.

Direct Lake 의미 체계 모델에 대한 새로 고침은 수동으로, 자동으로 또는 프로그래밍 방식으로 수행할 수 있습니다. 자세한 내용은 Direct Lake 의미 체계 모델 새로 고침을 참조 하세요.

Delta 테이블 버전 관리 및 프레이밍에 대한 자세한 내용은 Direct Lake 의미 체계 모델에 대한 스토리지 이해(Understand Storage)를 참조하세요.

자동 업데이트

Direct Lake 테이블을 자동으로 업데이트하는 의미 체계 모델 수준 설정이 있습니다. 기본적으로 사용하도록 설정되어 있습니다. OneLake의 데이터 변경 내용이 Direct Lake 의미 체계 모델에 자동으로 반영되도록 합니다. 이전 섹션에서 설명한 프레이밍을 통해 데이터 변경 내용을 제어하려는 경우 자동 업데이트를 사용하지 않도록 설정해야 합니다. 자세한 내용은 Direct Lake 의미 체계 모델 관리를 참조 하세요.

팁

Power BI 보고서에서 자동 페이지 새로 고침을 설정할 수 있습니다. 보고서가 Direct Lake 의미 체계 모델(또는 다른 유형의 의미 체계 모델)에 연결되도록 특정 보고서 페이지를 자동으로 새로 고치는 기능입니다.

DirectQuery 대체

Direct Lake 의미 체계 모델로 전송된 쿼리는 DirectQuery 모드로 대체됩니다. 이 경우 Lakehouse 또는 웨어하우스의 SQL 분석 엔드포인트에서 직접 데이터를 검색합니다. 이러한 쿼리는 마지막 프레이밍 작업의 시점으로 제한되지 않으므로 항상 최신 데이터를 반환합니다.

의미 체계 모델이 SQL 분석 엔드포인트의 뷰 또는 RLS(행 수준 보안)를 적용하는 SQL 분석 엔드포인트의 테이블을 쿼리할 때 쿼리는 항상 대체됩니다.

또한 의미 체계 모델이 용량의 가드레일을 초과하면 쿼리가 대체될 수 있습니다.

Important

가능하면 DirectQuery 대체를 방지하기 위해 항상 솔루션을 디자인하거나 용량 크기를 조정해야 합니다. 쿼리 성능이 저하될 수 있기 때문입니다.

DirectLakeBehavior 속성을 설정하여 Direct Lake 의미 체계 모델의 대체를 제어할 수 있습니다. 자세한 내용은 Direct Lake 동작 속성 설정을 참조 하세요.

패브릭 용량 가드레일 및 제한 사항

Direct Lake 의미 체계 모델에는 패브릭 용량 라이선스가 필요합니다. 또한 다음 표와 같이 SKU(Fabric 용량 구독)에 적용되는 용량 보호책 및 제한 사항이 있습니다.

Important

다음 표의 첫 번째 열에는 P SKU(Power BI Premium 용량 구독)도 포함됩니다. Microsoft는 구매 옵션을 통합하고 용량 SKU당 Power BI Premium을 사용 중지합니다. 신규 및 기존 고객은 대신 F SKU(Fabric 용량 구독)로 구매를 고려해야 합니다.

자세한 내용은 Power BI Premium 라이선스 및 Power BI Premium에 제공되는 중요 업데이트를 참조하세요.

Microsoft Fabric SKU 테이블당 Parquet 파일 테이블당 행 그룹 테이블당 행 수(수백만) 디스크/OneLake의 최대 모델 크기(GB) 최대 메모리(GB) 1
F2 1,000 1,000 300 10 3
F4 1,000 1,000 300 10 3
F8 1,000 1,000 300 10 3
F16 1,000 1,000 300 20 5
F32 1,000 1,000 300 40 10
F64/FT1/P1 5,000 5,000 1,500 제한 없음 25
F128/P2 5,000 5,000 3,000 제한 없음 50
F256/P3 5,000 5,000 6,000 제한 없음 100
F512/P4 10,000 10,000 12,000 제한 없음 200
F1024/P5 10,000 10,000 24,000 제한 없음 400
F2048 10,000 10,000 24,000 제한 없음 400

1 Direct Lake 의미 체계 모델의 경우 최대 메모리 는 페이징할 수 있는 데이터의 양에 대한 상한 메모리 리소스 제한을 나타냅니다. 따라서 이를 초과해도 DirectQuery 모드로 대체되지 않으므로 가드레일이 아닙니다. 그러나 데이터 양이 너무 커서 OneLake 데이터의 모델 데이터 내/외부 페이징이 과도하게 발생하는 경우 성능에 영향을 줄 수 있습니다.

초과하면 디스크/OneLake의 최대 모델 크기로 인해 의미 체계 모델에 대한 모든 쿼리가 DirectQuery 모드로 대체됩니다. 테이블에 표시되는 다른 모든 가드레일은 쿼리당 평가됩니다. 따라서 더 높은 패브릭 SKU로 불필요하게 확장할 필요가 없도록 델타 테이블 및 Direct Lake 의미 체계 모델을 최적화하는 것이 중요합니다(결과적으로 비용 증가).

또한 쿼리당 용량 단위 및 최대 메모리 제한은 Direct Lake 의미 체계 모델에 적용됩니다. 자세한 내용은 용량 및 SKU를 참조 하세요.

고려 사항 및 제한 사항

Direct Lake 의미 체계 모델은 몇 가지 고려 사항 및 제한 사항을 제공합니다.

참고 항목

Direct Lake 의미 체계 모델의 기능과 기능은 진화하고 있습니다. 정기적으로 다시 확인하여 최신 고려 사항 및 제한 사항 목록을 검토해야 합니다.

  • Direct Lake 의미 체계 모델 테이블이 RLS(행 수준 보안)를 적용하는 SQL 분석 엔드포인트의 테이블에 연결하는 경우 해당 모델 테이블과 관련된 쿼리는 항상 DirectQuery 모드로 대체됩니다. 쿼리 성능이 느려질 수 있습니다.
  • Direct Lake 의미 체계 모델 테이블이 SQL 분석 엔드포인트의 뷰에 연결되면 해당 모델 테이블과 관련된 쿼리는 항상 DirectQuery 모드로 대체됩니다. 쿼리 성능이 느려질 수 있습니다.
  • 복합 모델링은 지원되지 않습니다. 즉, Direct Lake 의미 체계 모델 테이블은 가져오기, DirectQuery 또는 이중과 같은 다른 스토리지 모드의 테이블과 혼합할 수 없습니다(계산 그룹, what-if 매개 변수 및 필드 매개 변수를 포함한 특수한 경우 제외).
  • Direct Lake 스토리지 모드에서 열 또는 테이블을 참조하는 계산 열 및 계산 테이블은 지원되지 않습니다. 계산 그룹, what-if 매개 변수 및 계산 테이블을 암시적으로 만드는 필드 매개 변수 및 Direct Lake 열 또는 테이블을 참조하지 않는 계산 테이블이 지원됩니다.
  • Direct Lake 스토리지 모드 테이블은 복잡한 델타 테이블 열 형식을 지원하지 않습니다. 이진 및 GUID 의미 체계 형식도 지원되지 않습니다. 이런 데이터 형식을 문자열 또는 지원되는 다른 데이터 형식으로 변환해야 합니다.
  • 테이블 관계에는 관련 열의 데이터 형식이 일치해야 합니다.
  • 관계의 한 쪽 열에는 고유한 값이 포함되어야 합니다. 일측 열에서 중복 값이 검색되면 쿼리가 실패합니다.
  • Power BI Desktop 의 자동 데이터/시간 인텔리전스는 지원되지 않습니다. 고유한 날짜 테이블을 날짜 테이블 로 표시할 수 있습니다.
  • 문자열 열 값의 길이는 유니코드 문자 32,764자로 제한됩니다.
  • 부동 소수점 값 NaN (숫자가 아님)은 지원되지 않습니다.
  • 고객용 사용 시나리오를 사용하는 포함 시나리오는 지원되지 않습니다.
  • Power BI에서 웹에 게시는 Direct Lake 의미 체계 모델에 고정 ID를 사용하는 경우에만 지원됩니다.
  • 웹 모델링 환경에서는 Direct Lake 의미 체계 모델에 대한 유효성 검사가 제한됩니다. 사용자 선택은 올바른 것으로 간주되며, 관계 또는 표시된 날짜 테이블의 선택한 날짜 열에 대해 카디널리티 또는 교차 필터 선택 항목의 유효성을 검사하기 위한 쿼리가 실행되지 않습니다.
  • 패브릭 포털에서 새로 고침 기록의 Direct Lake 탭에는 Direct Lake 관련 새로 고침 오류만 나열됩니다. 성공적인 새로 고침(프레이밍) 작업은 나열되지 않습니다.
  • 패브릭 SKU는 용량에 대한 Direct Lake 의미 체계 모델당 사용 가능한 최대 메모리를 결정합니다. 제한을 초과하면 모델 데이터 내/외부의 과도한 페이징으로 인해 의미 체계 모델에 대한 쿼리가 느려질 수 있습니다.
  • 데이터 원본 작업 영역의 다른 영역에 있는 작업 영역에서 Direct Lake 의미 체계 모델을 만드는 것은 지원되지 않습니다. 예를 들어 Lakehouse가 미국 중서부에 있는 경우 동일한 지역에 있는 이 Lakehouse에서만 의미 체계 모델을 만들 수 있습니다. 해결 방법은 의미 체계 모델을 만들기 전에 다른 지역의 작업 영역에 Lakehouse를 만들고 테이블에 대한 바로 가기를 만드는 것입니다. 현재 지역을 찾으려면 패브릭 홈 지역 찾기를 참조하세요.
  • 서비스 주체 ID를 사용하여 사용자 지정 Direct Lake 의미 체계 모델을 만들고 볼 수 있지만 기본 Direct Lake 의미 체계 모델은 서비스 주체를 지원하지 않습니다. 테넌트의 패브릭 REST API에 대해 서비스 주체 인증이 사용하도록 설정되어 있는지 확인하고 Direct Lake 의미 체계 모델의 작업 영역에 서비스 주체 기여자 이상의 권한을 부여합니다.
  • Direct Lake는 인증에 대한 서비스 주체 프로필을 지원하지 않습니다.

다른 스토리지 모드와 비교

다음 표에서는 Direct Lake 스토리지 모드와 Import 및 DirectQuery 스토리지 모드를 비교합니다.

기능 Direct Lake 가져오기 DirectQuery
라이선싱 SKU(패브릭 용량 구독)만 모든 패브릭 또는 Power BI 라이선스(Microsoft Fabric 무료 라이선스 포함) 모든 패브릭 또는 Power BI 라이선스(Microsoft Fabric 무료 라이선스 포함)
데이터 원본 레이크하우스 또는 웨어하우스 테이블만(또는 보기) 모든 커넥터 DirectQuery 모드를 지원하는 모든 커넥터
SQL 분석 엔드포인트 뷰에 연결 예 – 하지만 자동으로 DirectQuery 모드로 대체됩니다. 예 예
복합 모델 아니요 1 예 – DirectQuery 또는 이중 스토리지 모드 테이블과 결합할 수 있습니다. 예 – 가져오기 또는 이중 스토리지 모드 테이블과 결합할 수 있습니다.
SSO(Single Sign-On) 예 해당 없음 예
계산된 테이블 아니요 – 계산 그룹, what-if 매개 변수 및 계산 테이블을 암시적으로 만드는 필드 매개 변수를 제외하고 예 아니요 – 계산된 테이블은 DirectQuery 모드에서 다른 테이블을 참조하는 경우에도 스토리지 가져오기 모드를 사용합니다.
계산 열 예 예 예
하이브리드 테이블 예 예 예
모델 테이블 파티션 아니요 – 그러나 델타 테이블 수준에서 분할 을 수행할 수 있습니다. 예 - 증분 새로 고침을 통해 자동으로 생성되거나 XMLA 엔드포인트를 사용하여 수동으로 생성 됨 아니요
사용자 정의 집계 예 예 예
SQL 분석 엔드포인트 개체 수준 보안 또는 열 수준 보안 예 – 하지만 쿼리는 DirectQuery 모드로 대체되고 사용 권한이 거부되면 오류가 발생할 수 있습니다. 예 – 하지만 의미 체계 모델 개체 수준 보안을 사용하여 사용 권한을 복제해야 합니다. 예 – 하지만 권한이 거부되면 쿼리에서 오류가 발생할 수 있습니다.
SQL 분석 엔드포인트 RLS(행 수준 보안) 예 – 하지만 쿼리는 DirectQuery 모드로 대체됩니다. 예 – 하지만 의미 체계 모델 RLS를 사용하여 사용 권한을 복제해야 합니다. 예
의미 체계 모델 행 수준 보안(RLS) 예 – 하지만 고정 ID 클라우드 연결을 사용하는 것이 좋습니다. 예 예
의미 체계 모델 OLS(개체 수준 보안) 예 예 예
새로 고침 요구 사항이 없는 대규모 데이터 볼륨 예 덜 적합 – 쿼리 및 새로 고침에 더 큰 용량 크기가 필요할 수 있습니다. 예
데이터 대기 시간 감소 예 – 자동 업데이트를 사용하도록 설정하거나 프로그래밍 방식으로 재구성하는 경우 먼저 업스트림에서 데이터 준비를 수행해야 합니다. 예 예

1 Direct Lake 스토리지 모드 테이블을 동일한 의미 체계 모델의 DirectQuery 또는 이중 스토리지 모드 테이블과 결합할 수 없습니다. 그러나 Power BI Desktop을 사용하여 Direct Lake 의미 체계 모델에서 복합 모델을 만든 다음 새 테이블(가져오기, DirectQuery 또는 이중 스토리지 모드 사용) 또는 계산으로 확장할 수 있습니다. 자세한 내용은 의미 체계 모델에서 복합 모델 빌드를 참조하세요.

관련 콘텐츠