Delen via

Power BI-implementatieplanning: controle op gegevensniveau

  • Artikel

Notitie

Dit artikel maakt deel uit van de reeks artikelen over de implementatieplanning van Power BI. Deze reeks richt zich voornamelijk op de Power BI-ervaring in Microsoft Fabric. Zie de planning van de Power BI-implementatie voor een inleiding tot de reeks.

Dit artikel over controle op gegevensniveau is gericht op meerdere doelgroepen:

  • Beheerders van gegevens en werkruimten: gebruikers die inzicht moeten krijgen in het gebruik, de acceptatie en prestaties van de semantische modellen, gegevensstromen en datamarts die ze maken, publiceren en delen.
  • Power BI-beheerders: de beheerders die verantwoordelijk zijn voor het toezicht op Power BI in de organisatie. Power BI-beheerders moeten mogelijk samenwerken met IT, beveiliging, interne audit en andere relevante teams. Power BI-beheerders moeten mogelijk ook samenwerken met makers van inhoud bij het oplossen van problemen met prestaties.
  • Power BI-capaciteitsbeheerders: de beheerders die verantwoordelijk zijn voor het toezicht op Premium-capaciteit in de organisatie. Power BI-capaciteitsbeheerders moeten mogelijk samenwerken met makers van inhoud bij het oplossen van prestatieproblemen.
  • Center of Excellence, IT en BI-team: de teams die ook verantwoordelijk zijn voor het toezicht op Power BI. Mogelijk moeten ze samenwerken met Power BI-beheerders en andere relevante teams.
  • Systeembeheerders: het team dat verantwoordelijk is voor het maken en beveiligen van Azure Log Analytics-resources en de databasebeheerders die gegevensbronnen beheren.

Belangrijk

Soms verwijst dit artikel naar Power BI Premium of de capaciteitsabonnementen (P-SKU's). Houd er rekening mee dat Microsoft momenteel aankoopopties consolideert en de Power BI Premium-SKU's per capaciteit buiten gebruik stelt. Nieuwe en bestaande klanten moeten overwegen om in plaats daarvan F-SKU's (Fabric-capaciteitsabonnementen) aan te schaffen.

Zie Belangrijke update voor Power BI Premium-licenties en veelgestelde vragen over Power BI Premium voor meer informatie.

De concepten die in dit artikel worden behandeld, zijn voornamelijk van toepassing op oplossingen die zijn gemaakt voor drie bereiken voor contentlevering, met name bedrijfs-BI, afdelings-BI en team-BI. Makers van persoonlijke BI-oplossingen vinden mogelijk ook de informatie in dit artikel nuttig; Ze zijn echter niet het primaire doel.

Het bereiken van goede prestaties in rapporten en visuals is niet mogelijk wanneer het onderliggende semantische model en/of de gegevensbron niet goed presteert. Dit artikel is gericht op het controleren en bewaken van semantische modellen, gegevensstromen en datamarts. Het is het tweede artikel in de reeks controles en bewaking, omdat de hulpprogramma's en technieken complexer zijn dan wat wordt beschreven in het artikel Over controle op rapportniveau. Idealiter maakt u gedeelde semantische modellen (bedoeld voor hergebruik tussen veel rapporten) voordat gebruikers rapporten maken. Daarom raden we u aan dit artikel samen met het artikel over controle op rapportniveau te lezen.

Omdat semantische Power BI-modellen zijn gebaseerd op de tabellaire Analysis Services-engine, kunt u verbinding maken met een lokaal gegevensmodel (in Power BI Desktop) of een Premium-semantisch model (in de Power BI-service) alsof het een Analysis Services-database is. Daarom worden veel van de controle- en bewakingsmogelijkheden van Analysis Services ondersteund voor semantische Power BI Premium-modellen.

Notitie

Zie Bewakingsoverzicht voor meer informatie over modellen die worden gehost in Analysis Services.

De rest van dit artikel richt zich voornamelijk op modellen die naar de Power BI-service zijn gepubliceerd.

Gebeurtenislogboeken van Semantisch model

Na verloop van tijd kunnen gegevensmakers en eigenaren situaties ervaren met hun semantische modellen. Een semantisch model kan:

Om de bruikbaarheid, goede prestaties en acceptatie van de inhoud die ze maken te garanderen, moet u het gebruik en de prestaties controleren van de gegevensassets die u beheert. U kunt de gebeurtenislogboeken van de gegevensset gebruiken, waarmee door de gebruiker gegenereerde en door het systeem gegenereerde activiteiten voor een semantisch model worden vastgelegd. Ze worden ook wel tracerings gebeurtenissen, gegevenssetlogboeken of activiteitenlogboeken van gegevenssets genoemd. Systeembeheerders noemen ze vaak traceringsgebeurtenissen op laag niveau, omdat ze gedetailleerd zijn.

Notitie

De naamwijziging van de gegevensset is geïmplementeerd in de Power BI-service en in documentatie, hoewel er mogelijk enkele exemplaren zijn, zoals bij namen van gebeurtenislogboekbewerkingen, waar de wijziging nog niet is opgetreden.

U moet semantische modeltraceringsgebeurtenissen analyseren op:

De gebeurtenissen die worden gegenereerd door een semantisch Power BI-model, zijn afgeleid van bestaande diagnostische logboeken die beschikbaar zijn voor Azure Analysis Services. Er zijn veel soorten traceringsevenementen die u kunt vastleggen en analyseren. Deze worden beschreven in de volgende secties.

Azure Log Analytics

Azure Log Analytics is een onderdeel van de Azure Monitor-service . Met Azure Log Analytics-integratie met Power BI kunt u semantische modelgebeurtenissen van alle semantische modellen in een Power BI-werkruimte vastleggen. Deze wordt alleen ondersteund voor Premium-werkruimten. Nadat u integratie hebt ingesteld en de verbinding is ingeschakeld (voor een Power BI Premium-werkruimte), worden semantische modelgebeurtenissen automatisch vastgelegd en voortdurend verzonden naar een Azure Log Analytics-werkruimte. De semantische modellogboeken worden opgeslagen in Azure Data Explorer. Dit is een database met alleen toevoeggegevens die zijn geoptimaliseerd voor het vastleggen van grote volumes, bijna realtime telemetriegegevens.

U wijst een Power BI Premium-werkruimte toe aan een Log Analytics-werkruimte in Azure. U moet een nieuwe Log Analytics-resource maken in uw Azure-abonnement om dit type logboekregistratie in te schakelen.

Logboeken van een of meer Power BI-werkruimten worden verzonden naar een log analytics-doelwerkruimte. Hier volgen enkele manieren waarop u de gegevens kunt ordenen.

  • Eén doelwerkruimte voor alle controlegegevens: sla alle gegevens op in één Log Analytics-werkruimte. Dit is handig wanneer dezelfde beheerder of gebruikers toegang hebben tot alle gegevens.
  • Doelwerkruimten geordend op onderwerpgebied: Organiseer de inhoud op onderwerpgebied. Deze techniek is met name handig wanneer verschillende beheerders of gebruikers toegang hebben tot de controlegegevens van Azure Log Analytics. Als u bijvoorbeeld verkoopgegevens wilt scheiden van bewerkingsgegevens.
  • Eén doelwerkruimte voor elke Power BI-werkruimte: stel een een-op-een-relatie in tussen een Power BI-werkruimte en een Azure Log Analytics-werkruimte. Dit is handig wanneer u bijzonder gevoelige inhoud hebt of wanneer de gegevens onderhevig zijn aan specifieke nalevings- of regelgevingsvereisten.

Tip

Lees de documentatie en veelgestelde vragen over deze functionaliteit grondig door, zodat u duidelijk weet wat er mogelijk is en dat u de technische vereisten begrijpt. Voordat u deze functionaliteit algemeen beschikbaar maakt voor werkruimtebeheerders in uw organisatie, kunt u overwegen om een technisch proof-of-concept (POC) uit te voeren met één Power BI-werkruimte.

Belangrijk

Hoewel de namen vergelijkbaar zijn, zijn de gegevens die door Azure Log Analytics zijn vastgelegd, niet hetzelfde als het Power BI-activiteitenlogboek. Azure Log Analytics legt traceringsgebeurtenissen op detailniveau vast van de Analysis Services-engine. Het enige doel is om u te helpen bij het analyseren en oplossen van problemen met semantische modelprestaties. Het bereik ervan bevindt zich op werkruimteniveau. Het doel van het activiteitenlogboek is daarentegen om u te helpen begrijpen hoe vaak bepaalde gebruikersactiviteiten plaatsvinden (zoals het bewerken van een rapport, het vernieuwen van een semantisch model of het maken van een app). Het bereik is de volledige Power BI-tenant.

Zie Controle op tenantniveau voor meer informatie over de gebruikersactiviteiten die u voor uw Power BI-tenant kunt controleren.

De Azure Log Analytics-verbinding voor tenantinstellingen voor werkruimtebeheerders bepaalt welke groepen gebruikers (die ook de benodigde beheerdersrol voor werkruimten hebben) een Power BI-werkruimte kunnen verbinden met een bestaande Azure Log Analytics-werkruimte.

Voordat u integratie kunt instellen, moet u voldoen aan de beveiligingsvereisten. Overweeg daarom om de instelling van de Power BI-tenant alleen in te schakelen voor Beheerders van Power BI-werkruimten die ook over de vereiste machtigingen beschikken in Azure Log Analytics of die deze machtigingen op aanvraag kunnen verkrijgen.

Tip

Werk vroeg in het planningsproces samen met uw Azure-beheerder, met name wanneer u goedkeuring krijgt voor het maken van een nieuwe Azure-resource in uw organisatie. U moet ook plannen voor de beveiligingsvereisten. Bepaal of u toestemming wilt verlenen aan uw Power BI-werkruimtebeheerder in Azure of of u toestemming wilt verlenen aan de Azure-beheerder in Power BI.

De semantische modellogboeken die door Azure Log Analytics zijn vastgelegd, bevatten de semantische modelquery's, querystatistieken, gedetailleerde vernieuwingsactiviteit, CPU-tijd die wordt verbruikt op Premium-capaciteiten en meer. Omdat ze logboeken op detailniveau van de Analysis Services-engine zijn, kunnen de gegevens uitgebreid zijn. Grote gegevensvolumes zijn gebruikelijk voor grote werkruimten die een hoge semantische modelactiviteit ervaren.

Kosten optimaliseren bij het gebruik van Azure Log Analytics met Power BI:

  • Koppel Power BI-werkruimten alleen aan Azure Log Analytics wanneer u actief problemen wilt oplossen, testen, optimaliseren of onderzoeken. Wanneer u verbinding hebt, wordt een tracering uitgevoerd op alle semantische modellen in de werkruimte.
  • Verbreek de verbinding met Azure Log Analytics met een Power BI-werkruimte wanneer u semantische modelactiviteit niet meer actief hoeft op te lossen, testen, optimaliseren of onderzoeken. Door de verbinding te verbreken, beëindigt u de tracering van uitvoering op alle semantische modellen in de werkruimte.
  • Zorg ervoor dat u inzicht hebt in het kostenmodel voor hoe Azure Log Analytics factureert voor gegevensopname, opslag en query's.
  • Sla de gegevens niet langer op in Log Analytics dan de standaardretentieperiode van 30 dagen. Dat komt doordat semantische modelanalyse zich doorgaans richt op directe probleemoplossingsactiviteiten.

Er zijn verschillende manieren om toegang te krijgen tot de gebeurtenissen die naar Azure Log Analytics worden verzonden. U kunt gebruikmaken van:

  • De vooraf gemaakte Log Analytics voor de sjabloon-app Semantische modellen van Power BI.
  • De Power BI Desktop-connector voor Azure Data Explorer (Kusto). Gebruik de Kusto-querytaal (KQL) om de gegevens te analyseren die zijn opgeslagen in Log Analytics. Als u sql-query-ervaring hebt, vindt u veel overeenkomsten met KQL.
  • De webquery-ervaring in Azure Data Explorer.
  • Elk queryprogramma waarmee KQL-query's kunnen worden uitgevoerd.

Tip

Omdat er sprake is van een groot aantal semantische modeltraceringsgebeurtenissen, raden we u aan een DirectQuery-model te ontwikkelen om de gegevens te analyseren. Met een DirectQuery-model kunt u in bijna realtime query's uitvoeren op de gegevens. De gebeurtenissen komen meestal binnen vijf minuten aan.

Zie Azure-verbindingen beheren voor meer informatie.

Controlelijst : bij het gebruik van Azure Log Analytics zijn belangrijke beslissingen en acties:

  • Overweeg een technische POC: plan een klein project om ervoor te zorgen dat u de technische vereisten, beveiligingsvereisten, welke gebeurtenissen moeten worden vastgelegd en hoe u de logboeken kunt analyseren, volledig begrijpt.
  • Bepaal welke werkruimten moeten worden geïntegreerd met Log Analytics: bepaal welke Premium-werkruimten semantische modellen bevatten die u wilt analyseren.
  • Bepaal of Log Analytics fulltime moet worden ingeschakeld voor werkruimten: bepaal voor kostenoptimalisatie of er situaties (of specifieke werkruimten) zijn waarin logboekregistratie permanent moet worden ingeschakeld. Bepaal of werkruimten niet moeten worden losgekoppeld wanneer er geen probleemoplossing plaatsvindt.
  • Bepaal hoe lang Log Analytics-gegevens moeten worden bewaard: bepaal of er een langere bewaarperiode moet worden ingesteld dan de standaardwaarde van 30 dagen.
  • Het proces voor het aanvragen van een nieuwe Log Analytics-werkruimte verduidelijken: werk samen met uw Azure-beheerder om te verduidelijken hoe aanvragen voor een nieuwe Log Analytics-resource moeten worden ingediend door Power BI-werkruimtebeheerders.
  • Bepaal hoe beveiliging werkt: werk samen met uw Azure-beheerder om te bepalen of het haalbaarer is voor een Power BI-werkruimtebeheerder om rechten te krijgen voor een Azure Log Analytics-werkruimte, of om een Azure-beheerder rechten te verlenen aan een Power BI-werkruimte. Wanneer u deze beveiligingsbeslissing neemt, kunt u overwegen om regelmatig verbinding te maken met werkruimten en de verbinding te verbreken (voor kostenoptimalisatie).
  • Bepaal hoe u de doel-Log Analytics-werkruimten ordent: Overweeg hoeveel Azure Log Analytics-werkruimten geschikt zijn om de gegevens uit een of meer Power BI-werkruimten te organiseren. Stem deze beslissing af met uw beveiligingsbeslissingen voor wie toegang heeft tot de logboekgegevens.
  • Bepaal welke werkruimtebeheerders verbinding mogen maken: bepaal welke groepen werkruimtebeheerders een Power BI-werkruimte kunnen verbinden met een Log Analytics-werkruimte. Stel de Azure Log Analytics-verbinding in voor de tenantinstelling van werkruimtebeheerders om te voldoen aan deze beslissing.
  • Maak de Azure Log Analytics-resource: werk samen met uw Azure-beheerder om elke Log Analytics-werkruimte te maken. Controleer en werk de machtigingen bij die zijn toegewezen in Azure om ervoor te zorgen dat de Power BI-configuratie zonder problemen kan optreden. Controleer of de gegevens die zijn opgeslagen in Azure zich in de juiste geografische regio bevinden.
  • Stel de Log Analytics-verbinding in voor elke Power BI-werkruimte: werk samen met uw Power BI-werkruimtebeheerders om de verbinding met Log Analytics in te stellen voor elke Power BI-werkruimte. Controleer of de logboekgegevens correct naar de Log Analytics-werkruimte stromen.
  • Maak query's om de gegevens te analyseren: stel KQL-query's in om de gegevens in Log Analytics te analyseren op basis van uw use-case en huidige behoeften.
  • Neem richtlijnen op voor Power BI-werkruimtebeheerders: geef informatie en vereisten op voor uw Power BI-werkruimtebeheerders voor het aanvragen van een nieuwe Log Analytics-werkruimte en het maken van verbinding met een Power BI-werkruimte. Leg ook uit wanneer de verbinding met een Power BI-werkruimte moet worden verbroken.
  • Geef richtlijnen en voorbeeldquery's voor het analyseren van de gegevens: Maak KQL-query's voor werkruimtebeheerders, zodat ze gemakkelijker aan de slag kunnen met het analyseren van de gegevens die zijn vastgelegd.
  • Kosten bewaken: werk samen met uw Azure-beheerder om de Log Analytics-kosten doorlopend te bewaken.

SQL Server Profiler

U kunt SQL Server Profiler (SQL Profiler) gebruiken om semantische Power BI-modelgebeurtenissen vast te leggen. Het is een onderdeel van SQL Server Management Studio (SSMS). Connectiviteit met een semantisch Power BI-model wordt ondersteund met SSMS omdat dit is gebaseerd op de Analysis Services-architectuur die afkomstig is van SQL Server.

U kunt SQL Profiler gebruiken tijdens verschillende fasen van de levenscyclus van een semantisch model.

  • Tijdens het ontwikkelen van gegevensmodellen: SQL Profiler kan als extern hulpprogramma verbinding maken met een gegevensmodel in Power BI Desktop. Deze methode is handig voor gegevensmodelleerders die hun gegevensmodel willen valideren of prestaties willen afstemmen.
  • Nadat het semantische model is gepubliceerd naar de Power BI-service: SQL Profiler kan verbinding maken met een semantisch model in een Premium-werkruimte. SSMS is een van de vele ondersteunde clienthulpprogramma's die het XMLA-eindpunt kunnen gebruiken voor connectiviteit. Deze aanpak is handig als u een gepubliceerd semantisch model in de Power BI-service wilt controleren, controleren, valideren, oplossen of afstemmen.

Het is ook mogelijk om SQL Profiler te gebruiken als een extern hulpprogramma in DAX Studio. U kunt DAX Studio gebruiken om een profilertracering te starten, de gegevens te parseren en de resultaten op te maken. Gegevensmodelleerders die DAX Studio gebruiken, geven vaak de voorkeur aan deze benadering versus het rechtstreeks gebruiken van SQL Profiler.

Notitie

Het gebruik van SQL Profiler is een andere use-case voor de activiteit van profileringsgegevens. U profileeert gegevens in de Power Query-editor om meer inzicht te krijgen in de kenmerken ervan. Hoewel gegevensprofilering een belangrijke activiteit is voor gegevensmodelleerders, valt dit niet binnen het bereik van dit artikel.

Overweeg om SQL Profiler te gebruiken in plaats van Azure Log Analytics wanneer:

  • Uw organisatie staat u niet toe om Azure Log Analytics-resources in Azure te gebruiken of te maken.
  • U wilt gebeurtenissen vastleggen voor een gegevensmodel in Power BI Desktop (die niet is gepubliceerd naar een Premium-werkruimte in de Power BI-service).
  • U wilt gebeurtenissen voor één semantisch model gedurende een korte periode vastleggen (in plaats van alle semantische modellen in een Premium-werkruimte).
  • U wilt bepaalde gebeurtenissen alleen vastleggen tijdens een tracering (zoals alleen de gebeurtenis Query end ).
  • U wilt traceringen regelmatig starten en stoppen (bijvoorbeeld wanneer u semantische modelgebeurtenissen moet vastleggen die nu plaatsvinden).

Net als Azure Log Analytics (zoals eerder in dit artikel is beschreven), worden semantische modelgebeurtenissen die zijn vastgelegd door SQL Profiler, afgeleid van bestaande diagnostische logboeken die beschikbaar zijn voor Azure Analysis Services. Er zijn echter enkele verschillen in de gebeurtenissen die beschikbaar zijn.

Tip

Het gebruik van SQL Profiler voor het bewaken van Analysis Services wordt behandeld in veel boeken, artikelen en blogberichten. De meeste informatie is relevant voor het bewaken van een semantisch Power BI-model.

Belangrijk

U kunt SQL Profiler ook gebruiken om query's te bewaken die vanuit de Power BI-service naar de onderliggende gegevensbronnen worden verzonden (bijvoorbeeld naar een relationele SQL Server-database). De mogelijkheid om een relationele database te traceren is echter afgeschaft. Verbinding maken met de Analysis Services-engine wordt ondersteund en wordt niet afgeschaft. Als u bekend bent met uitgebreide gebeurtenissen van Analysis Services en u deze liever gebruikt, is connectiviteit vanuit SSMS mogelijk voor een gegevensmodel in Power BI Desktop. Het wordt echter niet ondersteund voor Power BI Premium. Daarom richt deze sectie zich alleen op standaard SQL Profiler-connectiviteit.

De tenantinstelling XMLA-eindpunten toestaan en analyseren in Excel met on-premises semantische modellen bepaalt welke groepen gebruikers (die ook zijn toegewezen aan de rol Inzender, Lid of Beheerder, of de samenstellingsmachtiging voor het afzonderlijke semantische model) het XMLA-eindpunt kunnen gebruiken om semantische modellen op te vragen en/of te onderhouden in de Power BI-service. Zie het gebruiksscenario voor geavanceerd gegevensmodelbeheer voor meer informatie over het gebruik van het XMLA-eindpunt.

Notitie

U kunt SQL Profiler ook gebruiken om fouten op te sporen en problemen met specifieke DAX-expressies op te lossen. U kunt SQL Profiler als extern hulpprogramma verbinden met Power BI Desktop. Zoek de gebeurtenisklasse van het DAX-evaluatielogboek om intermediaire resultaten van een DAX-expressie weer te geven. Deze gebeurtenis wordt gegenereerd wanneer u de DAX-functie EVALUATEANDLOG gebruikt in een modelberekening.

Deze functie is alleen bedoeld voor ontwikkelings- en testdoeleinden. Verwijder deze uit uw gegevensmodelberekeningen voordat u het gegevensmodel publiceert naar een productiewerkruimte.

Controlelijst : wanneer u van plan bent SQL Profiler te gebruiken, zijn belangrijke beslissingen en acties:

  • Bepaal wie SSMS of DAX Studio kan hebben geïnstalleerd: Bepaal of alle makers van Power BI-inhoud in uw organisatie SSMS en/of DAX Studio mogen installeren, zodat ze SQL Profiler kunnen gebruiken. Bepaal of deze aanvullende hulpprogramma's op verzoek worden geïnstalleerd of deel uitmaken van een standaardset software die is geïnstalleerd voor goedgekeurde gegevensmakers in de organisatie.
  • SQL Profiler toevoegen aan het menu Externe hulpprogramma's in Power BI Desktop: als gegevensmakers SQL Profiler vaak gebruiken, vraagt u IT om deze automatisch toe te voegen aan het menu Externe hulpprogramma's in Power BI Desktop voor deze gebruikers.
  • Bepaal wie het XMLA-eindpunt kan gebruiken: bepaal of alle gebruikers verbinding mogen maken met gepubliceerde semantische modellen met behulp van het XMLA-eindpunt of dat het beperkt is tot alleen goedgekeurde makers van gegevens. Stel de XMLA-eindpunten toestaan en Analyseren in Excel in met de tenantinstelling on-premises semantische modellen om te voldoen aan deze beslissing.
  • Geef richtlijnen en voorbeeldquery's voor het analyseren van de gegevens: maak documentatie voor uw makers van gegevens, zodat ze de aanbevolen manier begrijpen om semantische modellen te controleren en te bewaken. Richtlijnen bieden voor veelvoorkomende use cases, zodat ze gemakkelijker kunnen beginnen met het verzamelen en analyseren van traceringsgegevens.

Metagegevens van gegevensmodel

Omdat semantische Power BI-modellen zijn gebaseerd op de Analysis Services-engine, hebt u toegang tot de hulpprogramma's waarmee u query's kunt uitvoeren op de metagegevens van een gegevensmodel. Metagegevens bevatten alles over het gegevensmodel, waaronder tabelnamen, kolomnamen en metingexpressies.

Dynamische beheerweergaven

De Dynamische beheerweergaven van Analysis Services (DMV's) kunnen de metagegevens van het gegevensmodel opvragen. U kunt de DMV's gebruiken om uw gegevensmodellen op een bepaald moment te controleren, documenteren en optimaliseren.

U kunt met name het volgende doen:

  • Controleer de gegevensbronnen die door een model worden gebruikt.
  • Ontdek welke objecten het meeste geheugen in een model verbruiken.
  • Bepalen hoe efficiënt kolomgegevens kunnen worden gecomprimeerd.
  • Kolommen zoeken in een model dat niet wordt gebruikt.
  • Actieve gebruikerssessies en -verbindingen controleren.
  • Controleer de structuur van het model.
  • Bekijk DAX-expressies die worden gebruikt door berekende tabellen, berekende kolommen, metingen en beveiliging op rijniveau (RLS).
  • Afhankelijkheden tussen objecten en metingen identificeren.

Tip

De DMV's halen informatie op over de huidige status van een semantisch model. Denk aan de gegevens die door DMV's worden geretourneerd als een momentopname van wat er op een bepaald moment gebeurt. Omgekeerd halen de gebeurtenislogboeken van het semantische model (zoals eerder in dit artikel beschreven) informatie op over welke activiteiten er zijn opgetreden voor een semantisch model terwijl een traceringsverbinding actief was.

SSMS is een hulpprogramma dat vaak wordt gebruikt voor het uitvoeren van DMV-query's. U kunt ook de PowerShell-cmdlet Invoke-ASCmd gebruiken om XMLA-scripts te maken en uit te voeren die query's uitvoeren op de DMV's.

Hulpprogramma's en externe hulpprogramma's van derden zijn ook populair bij de Power BI-community. Deze hulpprogramma's gebruiken de openbaar gedocumenteerde DMV's om de toegang te vereenvoudigen en te werken met gegevens die door de DMV's worden geretourneerd. Een voorbeeld is DAX Studio, dat expliciete functionaliteit bevat voor toegang tot de DMV's. DAX Studio bevat ook een ingebouwde functie voor metrische gegevens weergeven, die vaak bekend staat als Vertipaq Analyzer. Vertipaq Analyzer heeft een gebruikersinterface voor het analyseren van de structuur en grootte van tabellen, kolommen, relaties en partities in een gegevensmodel. U kunt de metagegevens van het gegevensmodel ook exporteren (of importeren) naar een .vpax-bestand. Het geëxporteerde bestand bevat alleen metagegevens over de structuur en grootte van het gegevensmodel, zonder dat er modelgegevens worden opgeslagen.

Tip

U kunt een .vpax-bestand delen met iemand wanneer u hulp nodig hebt met een gegevensmodel. Op die manier deelt u de modelgegevens niet met die persoon.

U kunt DMV-query's gebruiken tijdens verschillende fasen van de levenscyclus van een semantisch model.

  • Tijdens het ontwikkelen van gegevensmodellen: uw hulpprogramma kan als extern hulpprogramma verbinding maken met een gegevensmodel in Power BI Desktop. Deze methode is handig voor gegevensmodelleerders die hun gegevensmodel willen valideren of prestaties willen afstemmen.
  • Nadat het semantische model is gepubliceerd naar de Power BI-service: uw hulpprogramma van keuze kan verbinding maken met een semantisch model in een Premium-werkruimte. SSMS is een van de vele ondersteunde clienthulpprogramma's die gebruikmaken van het XMLA-eindpunt voor connectiviteit. Deze methode is handig als u een gepubliceerd semantisch model in de Power BI-service wilt controleren of valideren.

Tip

Als u besluit uw eigen DMV-query's te schrijven (bijvoorbeeld in SSMS), moet u er rekening mee houden dat de DMV's niet alle SQL-bewerkingen ondersteunen. Sommige DMV's worden ook niet ondersteund in Power BI (omdat hiervoor beheerdersmachtigingen voor Analysis Services-servers zijn vereist die niet worden ondersteund door Power BI).

De tenantinstelling XMLA-eindpunten toestaan en analyseren in Excel met on-premises semantische modellen bepaalt welke groepen gebruikers (die ook zijn toegewezen aan de rol Inzender, Lid of Beheerder, of de samenstellingsmachtiging voor het afzonderlijke semantische model) het XMLA-eindpunt kunnen gebruiken om semantische modellen op te vragen en/of te onderhouden in de Power BI-service.

Zie het geavanceerde gebruiksscenario voor gegevensmodellen voor meer informatie over het gebruik van het XMLA-eindpunt, hulpprogramma's van derden en externe hulpprogramma's.

Best Practice Analyzer

Best Practice Analyzer (BPA) is een functie van Tabular Editor. Dit is een hulpprogramma van derden dat wordt gebruikt door de Power BI-community. BPA bevat een set aanpasbare regels waarmee u de kwaliteit, consistentie en prestaties van uw gegevensmodel kunt controleren.

Tip

Als u BPA wilt instellen, downloadt u de set best practice-regels die worden geleverd door Microsoft op GitHub.

BPA kan u voornamelijk helpen de consistentie van modellen te verbeteren door suboptimale ontwerpbeslissingen te detecteren die prestatieproblemen kunnen verminderen. Het is handig wanneer u selfservicegegevensmodellers hebt gedistribueerd over verschillende gebieden van de organisatie.

BPA kan u ook helpen bij het controleren en beheren van uw gegevensmodellen. U kunt bijvoorbeeld controleren of een gegevensmodel RLS-rollen (beveiliging op rijniveau) bevat. U kunt ook controleren of alle modelobjecten een beschrijving hebben. Dat is handig als u bijvoorbeeld ervoor wilt zorgen dat een gegevensmodel een gegevenswoordenlijst bevat.

BPA kan ontwerpproblemen blootstellen die het Center of Excellence kunnen helpen bepalen of er meer training of documentatie nodig is. Het kan actie ondernemen om makers van gegevens te informeren over best practices en richtlijnen voor organisaties.

Tip

Houd er rekening mee dat BPA het bestaan van een kenmerk (zoals beveiliging op rijniveau) kan detecteren. Het kan echter lastig zijn om te bepalen of deze juist is ingesteld. Daarom moet een vakexpert mogelijk een beoordeling uitvoeren. Omgekeerd betekent het niet-bestaan van een bepaalde eigenschap niet noodzakelijkerwijs een slecht ontwerp; de gegevensmodeller kan een goede reden hebben om een bepaald ontwerp te produceren.

Controlelijst : wanneer u van plan bent om toegang te krijgen tot metagegevens voor gegevensmodellen, zijn belangrijke beslissingen en acties:

  • Bepaal wie SSMS mag hebben geïnstalleerd: Bepaal of alle makers van Power BI-inhoud in uw organisatie SSMS mogen installeren, zodat ze verbinding kunnen maken met gepubliceerde semantische modellen. Bepaal of deze op aanvraag is geïnstalleerd of als onderdeel van een standaardset software die is geïnstalleerd voor goedgekeurde gegevensmakers in de organisatie.
  • Bepaal wie hulpprogramma's van derden kunnen installeren: Bepaal of alle makers van Power BI-inhoud in uw organisatie hulpprogramma's van derden (zoals DAX Studio en Tabular Editor) kunnen installeren, zodat ze lokale gegevensmodellen en/of gepubliceerde semantische modellen kunnen bewaken. Bepaal of ze op verzoek worden geïnstalleerd of als onderdeel van een standaardset software die is geïnstalleerd voor goedgekeurde gegevensmakers in de organisatie.
  • Best practice-regels instellen: bepaal welke Best Practice Analyzer-regels de gegevensmodellen in uw organisatie kunnen scannen.
  • Bepaal wie het XMLA-eindpunt mag gebruiken: bepaal of alle gebruikers verbinding mogen maken met semantische modellen met behulp van het XMLA-eindpunt of dat het beperkt is tot alleen goedgekeurde gegevensmakers. Stel de XMLA-eindpunten toestaan en Analyseren in Excel in met de tenantinstelling on-premises semantische modellen om te voldoen aan deze beslissing.
  • Geef richtlijnen voor makers van inhoud: maak documentatie voor uw gegevensmakers, zodat ze de aanbevolen manier(en) begrijpen om semantische modellen te analyseren. Geef richtlijnen voor veelvoorkomende gebruiksvoorbeelden om het voor hen gemakkelijker te maken om DMV-resultaten te verzamelen en te analyseren en/of Best Practice Analyzer te gebruiken.

Gegevensmodel en queryprestaties

Power BI Desktop bevat verschillende hulpprogramma's waarmee makers van gegevens problemen kunnen oplossen en hun gegevensmodellen kunnen onderzoeken. Deze mogelijkheden zijn gericht op gegevensmodelleerders die hun gegevensmodel willen valideren en prestaties willen afstemmen voordat ze naar de Power BI-service worden gepubliceerd.

Performance Analyzer

Gebruik Performance Analyzer, dat beschikbaar is in Power BI Desktop, om de prestaties van een gegevensmodel te controleren en te onderzoeken. Performance Analyzer helpt makers van rapporten om de prestaties van afzonderlijke rapportelementen te meten. De hoofdoorzaak van prestatieproblemen is echter meestal gerelateerd aan het ontwerp van het gegevensmodel. Daarom kan een maker van een semantisch model ook profiteren van het gebruik van Performance Analyzer. Als er verschillende makers van inhoud zijn die verantwoordelijk zijn voor het maken van rapporten versus semantische modellen, moeten ze waarschijnlijk samenwerken bij het oplossen van een prestatieprobleem.

Tip

U kunt DAX Studio gebruiken om de logboekbestanden te importeren en analyseren die zijn gegenereerd door Performance Analyzer.

Zie Controle op rapportniveau voor meer informatie over Performance Analyzer.

Querydiagnose

Gebruik querydiagnose, die beschikbaar zijn in Power BI Desktop, om de prestaties van Power Query te onderzoeken. Ze zijn handig voor het oplossen van problemen en voor wanneer u wilt weten wat de Power Query-engine doet.

De informatie die u kunt verkrijgen uit querydiagnose omvat:

  • Extra details met betrekking tot foutberichten (wanneer er een uitzondering optreedt).
  • De query's die naar een gegevensbron worden verzonden.
  • Of het vouwen van query's al dan niet plaatsvindt.
  • Het aantal rijen dat wordt geretourneerd door een query.
  • Mogelijke vertragingen tijdens een gegevensvernieuwingsbewerking.
  • Achtergrondgebeurtenissen en door het systeem gegenereerde query's.

Afhankelijk van wat u zoekt, kunt u een of alle logboeken inschakelen: geaggregeerde, gedetailleerde prestatiemeteritems en partities voor gegevensprivacy.

U kunt sessiediagnose starten in Power Query-editor. Zodra deze functie is ingeschakeld, worden query- en vernieuwingsbewerkingen verzameld totdat diagnostische tracering is gestopt. De gegevens worden rechtstreeks in de queryeditor ingevuld zodra de diagnostische gegevens zijn gestopt. Power Query maakt een diagnostische groep (map) en voegt er verschillende query's aan toe. Vervolgens kunt u de standaardfunctionaliteit van Power Query gebruiken om de diagnostische gegevens weer te geven en te analyseren.

U kunt ook een tracering inSchakelen in Power BI Desktop in de sectie Diagnostische gegevens van het venster Opties . Logboekbestanden worden opgeslagen in een map op uw lokale computer. Deze logboekbestanden worden gevuld met de gegevens nadat u Power BI Desktop hebt gesloten, waarna de tracering wordt gestopt. Zodra Power BI Desktop is gesloten, kunt u de logboekbestanden openen met het gewenste programma (zoals een teksteditor) om ze weer te geven.

Query-evaluatie en -vouwen

Power Query ondersteunt verschillende mogelijkheden om inzicht te verkrijgen in de evaluatie van query's, inclusief het queryplan. Hiermee kunt u ook bepalen of query folding plaatsvindt voor een hele query of voor een subset van stappen in een query. Query folding is een van de belangrijkste aspecten van het afstemmen van prestaties. Het is ook handig om de systeemeigen query's te controleren die door Power Query worden verzonden wanneer u een gegevensbron bewaakt, die verderop in dit artikel wordt beschreven.

Premium-app voor metrische gegevens

Bij het oplossen van problemen kan het handig zijn om samen te werken met uw Power BI Premium-capaciteitsbeheerder. De capaciteitsbeheerder heeft toegang tot het Power BI Premium-gebruik en de metrische gegevens-app. Deze app biedt u een schat aan informatie over activiteiten die zich in de capaciteit voordoen. Deze informatie kan u helpen bij het oplossen van problemen met semantische modellen.

Tip

Uw Premium-capaciteitsbeheerder kan extra gebruikers (niet-capaciteitsbeheerders) toegang verlenen tot de premium-app voor metrische gegevens.

De app voor metrische gegevens van Premium bestaat uit een intern semantisch model en een eerste set rapporten. Hiermee kunt u bijna realtime bewaking uitvoeren van een Power BI Premium-capaciteit (P SKU) of Power BI Embedded -capaciteit (A SKU). Het bevat gegevens voor de afgelopen twee tot vier weken (afhankelijk van de metrische gegevens).

Gebruik de premium-app voor metrische gegevens om problemen met semantische modellen op te lossen en te optimaliseren. U kunt bijvoorbeeld semantische modellen identificeren die een grote geheugenvoetafdruk hebben of die regelmatig een hoog CPU-gebruik ervaren. Het is ook een handig hulpmiddel om semantische modellen te vinden die de limiet van uw capaciteitsgrootte naderen.

Controlelijst : bij het overwegen van benaderingen voor het bewaken van het gegevensmodel en de prestaties van query's zijn belangrijke beslissingen en acties:

  • Identificeer semantische queryprestatiesdoelen voor modellen: Zorg ervoor dat u goed begrijpt wat de prestaties van een semantisch model betekenen. Bepaal wanneer u specifieke queryprestatiedoelen nodig hebt (query's ter ondersteuning van rapporten moeten bijvoorbeeld binnen vijf seconden worden weergegeven). Als dat het geval is, moet u ervoor zorgen dat de doelen worden doorgegeven aan de makers van gegevens in uw organisatie.
  • Identificeer prestatiedoelen voor het vernieuwen van semantische modellen: Bepaal wanneer u specifieke doelen voor gegevensvernieuwing nodig hebt (bijvoorbeeld voltooiing van een gegevensvernieuwingsbewerking binnen 15 minuten en vóór 5 uur). Als dat het geval is, moet u ervoor zorgen dat de doelen worden doorgegeven aan de makers van gegevens in uw organisatie.
  • Informeer uw ondersteuningsteam: zorg ervoor dat uw interne gebruikersondersteuningsteam bekend is met de diagnostische mogelijkheden, zodat ze klaar zijn om Power BI-gebruikers te ondersteunen wanneer ze hulp nodig hebben.
  • Verbind uw ondersteuningsteam en databasebeheerders: zorg ervoor dat uw ondersteuningsteam weet hoe u contact moet opnemen met de juiste beheerders voor elke gegevensbron (bijvoorbeeld bij het oplossen van problemen met het vouwen van query's).
  • Werk samen met uw Premium-capaciteitsbeheerder: werk samen met uw capaciteitsbeheerder om problemen met semantische modellen op te lossen die zich in een werkruimte bevinden die is toegewezen aan Premium-capaciteit of Power BI Embedded-capaciteit. Vraag, indien van toepassing, toegang tot de premium-app voor metrische gegevens aan.
  • Richtlijnen bieden voor makers van inhoud: maak documentatie voor uw gegevensmakers, zodat ze begrijpen welke acties moeten worden ondernomen bij het oplossen van problemen.
  • Opnemen in trainingsmateriaal: Geef richtlijnen aan uw makers van gegevens over het maken van goed presterende gegevensmodellen. Help hen om goede ontwerpgewoonten vroeg te gebruiken. Richt u op het leren van makers van gegevens hoe u goede ontwerpbeslissingen kunt nemen.

Bewaking van gegevensbronnen

Soms is het nodig om rechtstreeks een specifieke gegevensbron te bewaken waarmee Power BI verbinding maakt. U hebt bijvoorbeeld een datawarehouse met een verhoogde workload en gebruikers rapporteren prestatievermindering. Normaal gesproken bewaakt een databasebeheerder of systeembeheerder gegevensbronnen.

U kunt een gegevensbron controleren op:

  • Controleer welke gebruikers query's naar de gegevensbron verzenden.
  • Controleer welke toepassingen (zoals Power BI) query's naar de gegevensbron verzenden.
  • Controleer welke queryinstructies naar de gegevensbron worden verzonden, wanneer en door welke gebruikers.
  • Bepaal hoe lang het duurt voordat een query wordt uitgevoerd.
  • Controleer hoe beveiliging op rijniveau wordt aangeroepen door het bronsysteem wanneer deze gebruikmaakt van eenmalige aanmelding (SSO).

Er zijn veel acties die een maker van Power BI-inhoud kan uitvoeren zodra ze de bewakingsresultaten hebben geanalyseerd. Ze kunnen:

  • Stem en verfijn de query's die naar de gegevensbron worden verzonden, zodat ze zo efficiënt mogelijk zijn.
  • Valideer en stem de systeemeigen query's af die naar de gegevensbron worden verzonden .
  • Verminder het aantal kolommen dat in een gegevensmodel wordt geïmporteerd.
  • Verwijder kolommen met hoge precisie en hoge kardinaliteit die in een gegevensmodel worden geïmporteerd.
  • Verminder de hoeveelheid historische gegevens die in een gegevensmodel worden geïmporteerd.
  • Pas de vernieuwingstijden van Power BI-gegevens aan om de vraag naar de gegevensbron te verspreiden.
  • Gebruik incrementeel vernieuwen van gegevens om de belasting van de gegevensbron te verminderen.
  • Verminder het aantal power BI-gegevensvernieuwing door meerdere semantische modellen te consolideren in een gedeeld semantisch model.
  • Pas de instellingen voor het automatisch vernieuwen van pagina's aan om de vernieuwingsfrequentie te verhogen en de belasting van de gegevensbron te verminderen.
  • Vereenvoudig berekeningen om de complexiteit van query's te verminderen die naar de gegevensbron worden verzonden.
  • Wijzig de gegevensopslagmodus (bijvoorbeeld in de importmodus in plaats van DirectQuery) om de consistente querybelasting van de gegevensbron te verminderen.
  • Gebruik queryreductietechnieken om het aantal query's te verminderen dat naar de gegevensbron wordt verzonden.

Systeembeheerders kunnen andere acties uitvoeren. Ze kunnen:

  • Introduceer een tussenliggende gegevenslaag, zoals Power BI-gegevensstromen (wanneer een datawarehouse geen haalbare optie is). Makers van Power BI-inhoud kunnen de gegevensstromen gebruiken als gegevensbron in plaats van rechtstreeks verbinding te maken met gegevensbronnen. Een tussenliggende gegevenslaag kan de belasting van een bronsysteem verminderen. Het heeft ook het extra voordeel van het centraliseren van gegevensvoorbereidingslogica. Zie het selfservicescenario voor het gebruik van gegevensvoorbereiding voor meer informatie.
  • Wijzig de locatie van de gegevensbron om de impact van netwerklatentie te verminderen (gebruik bijvoorbeeld dezelfde gegevensregio voor de Power BI-service, gegevensbronnen en gateways).
  • Optimaliseer de gegevensbron zodat deze efficiënter gegevens ophaalt voor Power BI. Verschillende commons-technieken zijn het maken van tabelindexen, het maken van geïndexeerde weergaven, het maken van persistente berekende kolommen, het onderhouden van statistieken, het gebruik van tabellen in het geheugen of columnstore en het maken van gerealiseerde weergaven.
  • Gebruikers doorsturen om een alleen-lezen replica van de gegevensbron te gebruiken in plaats van een oorspronkelijke productiedatabase. Een replica is mogelijk beschikbaar als onderdeel van een hoge beschikbaarheidsdatabasestrategie. Een voordeel van een alleen-lezen replica is om conflicten op het bronsysteem te verminderen.

De hulpprogramma's en technieken die u kunt gebruiken om gegevensbronnen te bewaken, zijn afhankelijk van het technologieplatform. De databasebeheerder kan bijvoorbeeld uitgebreide gebeurtenissen of de Query Store gebruiken voor het bewaken van Azure SQL Database- en SQL Server-databases.

Soms opent Power BI een gegevensbron via een gegevensgateway. Gateways verwerken connectiviteit van de Power BI-service met bepaalde typen gegevensbronnen. Ze doen echter meer dan alleen verbinding maken met gegevens. Een gateway bevat een mashup-engine die verwerking en gegevenstransformaties op de computer uitvoert. Ook worden de gegevens gecomprimeerd en versleuteld, zodat deze efficiënt en veilig naar de Power BI-service kunnen worden verzonden. Daarom kan een niet-beheerde of niet-geoptimaliseerde gateway bijdragen aan prestatieknelpunten. We raden u aan contact op te stellen met uw gatewaybeheerder voor hulp bij het bewaken van gateways.

Tip

Uw Power BI-beheerder kan een volledige tenantinventaris (inclusief herkomst) compileren en gebruikersactiviteiten openen in het activiteitenlogboek. Door de herkomst- en gebruikersactiviteiten te correleren, kunnen beheerders de meest gebruikte gegevensbronnen en gateways identificeren.

Zie Controle op tenantniveau voor meer informatie over de tenantinventaris en het activiteitenlogboek.

Controlelijst : wanneer u van plan bent om een gegevensbron te bewaken, zijn belangrijke beslissingen en acties:

  • Specifieke doelen bepalen: bij het bewaken van een gegevensbron krijgt u meer duidelijkheid over precies wat u moet bereiken en wat de doelstellingen zijn voor het oplossen van problemen.
  • Samenwerken met databasebeheerders: werk samen met uw database of systeembeheerder(s) om hun hulp te krijgen bij het bewaken van een specifieke gegevensbron.
  • Samenwerken met gatewaybeheerders: Voor gegevensbronnen die verbinding maken via een gegevensgateway, kunt u samenwerken met de gatewaybeheerder bij het oplossen van problemen.
  • Verbind uw ondersteuningsteam en databasebeheerders: zorg ervoor dat uw ondersteuningsteam weet hoe u contact moet opnemen met de juiste beheerders voor elke gegevensbron (bijvoorbeeld bij het oplossen van problemen met het vouwen van query's).
  • Training en richtlijnen bijwerken: neem belangrijke informatie en tips op voor makers van gegevens over het werken met organisatiegegevensbronnen. Neem informatie op over wat u moet doen wanneer er iets misgaat.

Bewaking van gegevensvernieuwing

Een gegevensvernieuwingsbewerking omvat het importeren van gegevens uit onderliggende gegevensbronnen in een semantisch Power BI-model, gegevensstroom of datamart. U kunt een bewerking voor het vernieuwen van gegevens plannen of deze op aanvraag uitvoeren.

Service level agreement

IT maakt vaak gebruik van serviceovereenkomsten (SLA's) om de verwachtingen voor gegevensassets vast te leggen. Voor Power BI kunt u overwegen om een SLA te gebruiken voor kritieke inhoud of inhoud op ondernemingsniveau. Dit omvat meestal wanneer gebruikers bijgewerkte gegevens in een semantisch model kunnen verwachten dat ze beschikbaar zijn. U kunt bijvoorbeeld een SLA hebben die elke dag om 7:00 uur moet worden vernieuwd.

Semantische modellogboeken

De gebeurtenislogboeken van het semantische model van Azure Log Analytics of SQL Profiler (eerder in dit artikel beschreven) bevatten gedetailleerde informatie over wat er gebeurt in een semantisch model. De vastgelegde gebeurtenissen omvatten semantische vernieuwingsactiviteit van het model. De gebeurtenislogboeken zijn vooral handig wanneer u problemen met het semantische model moet oplossen en onderzoeken.

Semantische Premium-capaciteitsmodellen

Wanneer u inhoud hebt die wordt gehost in een Power BI Premium-capaciteit, hebt u meer mogelijkheden om gegevensvernieuwingsbewerkingen te bewaken.

  • De overzichtspagina voor Vernieuwen van Power BI in de beheerportal bevat een overzicht van de vernieuwingsgeschiedenis. Deze samenvatting bevat informatie over de vernieuwingsduur en foutberichten.
  • De power BI Premium-gebruiks- en metrische gegevens-app bevat ook nuttige vernieuwingsinformatie. Dit is handig wanneer u de vernieuwingsactiviteit voor een P SKU-capaciteit (Power BI Premium) of Een SKU-capaciteit (Power BI Embedded) moet onderzoeken.

Verbeterde semantische modelvernieuwing

Makers van inhoud kunnen programmatisch semantische modelvernieuwing starten met behulp van verbeterde vernieuwing met de gegevensset vernieuwen in Groep Power BI REST API. Wanneer u verbeterde vernieuwing gebruikt, kunt u de historische, huidige en in behandeling zijnde vernieuwingsbewerkingen bewaken .

Bewaking van gegevensvernieuwingsschema

Power BI-beheerders kunnen schema's voor gegevensvernieuwing in de tenant controleren om te bepalen of er veel vernieuwingsbewerkingen gelijktijdig zijn gepland gedurende een bepaalde periode (bijvoorbeeld tussen 5:00 en 7:00 uur, wat een bijzonder drukke vernieuwingstijd kan zijn). Beheerders hebben toestemming om toegang te krijgen tot de metagegevens van het semantische modelvernieuwingsschema van de metagegevensscan-API's, die de scanner-API's worden genoemd.

REST-API's voor Power BI

Voor kritieke semantische modellen vertrouwt u niet alleen op e-mailmeldingen voor het controleren van problemen met het vernieuwen van gegevens. Overweeg de geschiedenis van gegevensvernieuwing in een gecentraliseerd archief te compileren, waar u deze kunt bewaken, analyseren en erop kunt reageren.

U kunt de geschiedenis van gegevensvernieuwing ophalen met behulp van:

Tip

We raden u ten zeerste aan de vernieuwingsgeschiedenis van uw semantische modellen te controleren om ervoor te zorgen dat de huidige gegevens beschikbaar zijn voor rapporten en dashboards. Het helpt u ook te weten of aan SLA's wordt voldaan.

Controlelijst : bij het plannen van bewaking van gegevensvernieuwing zijn belangrijke beslissingen en acties:

  • Specifieke doelen bepalen: bij het bewaken van gegevensvernieuwing krijgt u meer duidelijkheid over wat u moet bereiken en wat het bereik van de bewaking moet zijn (bijvoorbeeld semantische productiemodellen, gecertificeerde semantische modellen en andere).
  • Overweeg om een SLA in te stellen: bepaal of een SLA nuttig is om verwachtingen in te stellen voor de beschikbaarheid van gegevens en wanneer schema's voor gegevensvernieuwing moeten worden uitgevoerd.
  • Samenwerken met database- en gatewaybeheerders: werk samen met uw database of systeembeheerder(s) en gatewaybeheerders om gegevensvernieuwing te bewaken of problemen op te lossen.
  • Kennisoverdracht voor het ondersteuningsteam: zorg ervoor dat uw ondersteuningsteam weet hoe u makers van inhoud kunt helpen bij het vernieuwen van gegevens.
  • Training en richtlijnen bijwerken: neem belangrijke informatie en tips op voor makers van gegevens over het vernieuwen van gegevens uit organisatiegegevensbronnen en algemene gegevensbronnen. Neem aanbevolen procedures en organisatievoorkeuren op voor het beheren van gegevensvernieuwing.
  • Gebruik een ondersteunings-e-mailadres voor meldingen: Voor kritieke inhoud stelt u vernieuwingsmeldingen in om een ondersteunings-e-mailadres te gebruiken.
  • Gecentraliseerde vernieuwingsbewaking instellen: Gebruik de Power BI REST API's om de geschiedenis van gegevensvernieuwing te compileren.

Bewaking van gegevensstroom

U maakt een Power BI-gegevensstroom met Power Query Online. Veel van de functies voor queryprestaties en de diagnostische gegevens van Power Query, die eerder zijn beschreven, zijn van toepassing.

U kunt ook werkruimten instellen voor het gebruik van Azure Data Lake Storage Gen2 voor gegevensstroomopslag (ook wel bring-your-own-storage genoemd) in plaats van interne opslag. Wanneer u Bring Your Own Storage gebruikt, kunt u telemetrie inschakelen, zodat u metrische gegevens voor het opslagaccount kunt bewaken. Zie het selfservicescenario voor het gebruik van gegevensvoorbereiding en het gebruiksscenario voor geavanceerde gegevensvoorbereiding voor meer informatie.

U kunt de Rest API's van Power BI gebruiken om gegevensstroomtransacties te bewaken. Gebruik bijvoorbeeld de API Gegevensstroomtransacties ophalen om de status van gegevensstroomvernieuwingen te controleren.

U kunt gebruikersactiviteiten voor Power BI-gegevensstromen bijhouden met het Power BI-activiteitenlogboek. Zie Controle op tenantniveau voor meer informatie.

Tip

Er zijn veel aanbevolen procedures die u kunt gebruiken om uw gegevensstroomontwerpen te optimaliseren. Zie Best practices voor gegevensstromen voor meer informatie.

Datamart-bewaking

Een Power BI-datamart bevat verschillende geïntegreerde onderdelen, waaronder een gegevensstroom, een beheerde database en een semantisch model. Raadpleeg de vorige secties van dit artikel voor meer informatie over het controleren en bewaken van elk onderdeel.

U kunt gebruikersactiviteiten voor Power BI-datamarts bijhouden met behulp van het Power BI-activiteitenlogboek. Zie Controle op tenantniveau voor meer informatie.

Gerelateerde inhoud

In het volgende artikel in deze reeks vindt u meer informatie over controle op tenantniveau.