Ta reda på när du ska utveckla en importmodell

  • 7 minuter

En importmodell består av tabeller som har lagringslägesegenskapen inställd på Import. Den innehåller beräknade tabeller som du definierar med en DAX-formel också.

Importmodellförmåner

Importmodeller är det mest utvecklade modellramverket eftersom det finns många fördelar. Importera modeller:

  • Stöd för alla typer av Power BI-datakällor, inklusive databaser, filer, feeds, webbsidor, dataflöden med mera.
  • Kan integrera källdata. En tabell hämtar till exempel sina data från en relationsdatabas medan en relaterad tabell hämtar sina data från en webbsida.
  • Stöd för alla DAX- och Power Query-funktioner (M).
  • Stöd för beräknade tabeller.
  • Leverera bästa frågeprestanda. Det beror på att data som cachelagras i modellen är optimerade för analysfrågor (filter, grupp och sammanfattning) och modellen lagras helt i minnet.

I korthet erbjuder importmodeller de flesta alternativ och designflexitet, och de ger snabba prestanda. Därför använder Power BI Desktop som standard importlagringsläge när du "hämtar data".

Diagrammet visar en modell för star-schemaimport som läser in data från olika typer av datakällor, inklusive en relationsdatabas, en Excel-arbetsbok, ett flöde för sociala medier och ett Power BI-dataflöde.

Begränsningar för importmodell

Trots de många övertygande fördelarna finns det begränsningar för importmodeller som du måste tänka på. Begränsningar är relaterade till modellstorlek och datauppdatering.

Modellstorlek

Power BI tillämpar storleksbegränsningar för datauppsättningar, vilket begränsar storleken på en modell. När du publicerar modellen till en delad kapacitet finns det en gräns på 1 GB per datauppsättning. När den här storleksgränsen överskrids uppdateras inte datauppsättningen. När du publicerar modellen till en dedikerad kapacitet (kallas även Premium-kapaciteter) kan den växa mer än 10 GB, förutsatt att du aktiverar inställningen Lagringsformat för stora datamängder för kapaciteten.

Du bör alltid sträva efter att minska mängden data som lagras i tabeller. Den här strategin hjälper till att minska varaktigheten för modelluppdateringar och påskynda modellfrågor. Det finns många tekniker för dataminskning som du kan använda, bland annat:

  • Ta bort onödiga kolumner
  • Ta bort onödiga rader
  • Gruppera efter och sammanfatta för att öka kornigheten för faktatabeller
  • Optimera kolumndatatyper med en inställning för numeriska data
  • Inställningar för anpassade kolumner i Power Query i stället för beräknade kolumner i modellen
  • Inaktivera Power Query-frågeinläsning
  • Inaktivera automatiskt datum/tid
  • Använd DirectQuery-tabelllagring enligt beskrivningen i senare enheter i den här modulen.

Mer information finns i Tekniker för dataminskning för importmodellering.

Kommentar

Gränsen på 1 GB per datamängd avser den komprimerade storleken på Power BI-modellen, inte mängden data som samlas in från källsystemet.

Datauppdatering

Importerade data måste uppdateras regelbundet. Datauppsättningsdata är bara lika aktuella som den senaste lyckade datauppdateringen. Om du vill hålla data aktuella konfigurerar du schemalagd datauppdatering eller rapporterar att användare kan utföra en uppdatering på begäran.

Power BI begränsar hur ofta schemalagda uppdateringsåtgärder kan utföras. Det är upp till åtta gånger per dag i en delad kapacitet och upp till 48 gånger per dag i en dedikerad kapacitet.

Du bör avgöra om den här graden av svarstid är acceptabel. Det beror ofta på datahastigheten (eller volatiliteten) och hur brådskande det är att hålla användarna informerade om det aktuella datatillståndet. När schemalagda uppdateringsgränser inte är acceptabla kan du överväga att använda DirectQuery-lagringstabeller eller skapa en hybridtabell. Eller använd en annan metod och skapa en datauppsättning i realtid i stället.

Dricks

Hybridtabeller beskrivs i enhet 4. Information om datauppsättningar i realtid finns i modulen Övervaka data i realtid med Power BI .

Du måste också överväga att uppdatera arbetsbelastningen och varaktigheten. För att uppdatera en tabell tar Power BI som standard bort alla data och läser in dem igen. Dessa åtgärder kan lägga en oacceptabel börda på källsystem, särskilt för stora faktatabeller. För att minska den här belastningen kan du konfigurera funktionen för inkrementell uppdatering. Inkrementell uppdatering automatiserar skapandet och hanteringen av tidsperiodspartitioner och uppdaterar intelligent endast de partitioner som kräver uppdatering.

När din datakälla stöder inkrementell uppdatering kan det resultera i snabbare och mer tillförlitliga uppdateringar och minskad resursförbrukning för Power BI och källsystem.

Avancerade datamodellerare kan anpassa sin egen partitioneringsstrategi. Automation-skript kan skapa, hantera och uppdatera tabellpartitioner. Mer information finns i Användningsscenarier för Power BI: Avancerad datamodellhantering. Det här användningsscenariot beskriver hur du använder XMLA-slutpunkten som är tillgänglig med Power BI Premium.