แชร์ผ่าน

ทําความเข้าใจกับ datamarts

  • บทความ

บทความนี้อธิบายและอธิบายแนวคิดที่สําคัญเกี่ยวกับ datamarts

ทําความเข้าใจแบบจําลองความหมาย (ค่าเริ่มต้น)

Datamarts มีเลเยอร์ความหมายที่สร้างขึ้นและซิงโครไนซ์กับเนื้อหาของตารางดาต้ามาร์ท โครงสร้าง และข้อมูลพื้นฐานโดยอัตโนมัติ เลเยอร์นี้อยู่ในแบบจําลองความหมายที่สร้างขึ้นโดยอัตโนมัติ การสร้างและการซิงโครไนซ์อัตโนมัตินี้จะช่วยให้คุณสามารถอธิบายโดเมนของข้อมูลด้วยสิ่งต่าง ๆ เช่น ลําดับชั้น ชื่อที่เรียกง่าย และคําอธิบาย นอกจากนี้ คุณยังสามารถตั้งค่าการจัดรูปแบบเฉพาะตามความต้องการของตําแหน่งที่ตั้งหรือธุรกิจของคุณได้ ด้วย datamarts คุณสามารถสร้างหน่วยวัดและเมตริกมาตรฐานสําหรับการรายงาน Power BI (และเครื่องมือไคลเอ็นต์อื่นๆ) สามารถสร้างวิชวลและให้ผลลัพธ์สําหรับการคํานวณดังกล่าวโดยยึดตามข้อมูลในบริบท

แบบจําลองความหมาย Power BI เริ่มต้นที่สร้างขึ้นจาก datamart ช่วยลดความจําเป็นในการเชื่อมต่อกับแบบจําลองความหมายแยกต่างหาก ตั้งค่ากําหนดการรีเฟรช และจัดการองค์ประกอบข้อมูลหลายรายการ แต่คุณสามารถสร้างตรรกะทางธุรกิจของคุณใน datamart และข้อมูลจะพร้อมใช้งานใน Power BI ทันที โดยเปิดใช้งานต่อไปนี้:

  • การเข้าถึงข้อมูลของ Datamart ผ่านฮับแบบจําลองความหมาย
  • ความสามารถในการวิเคราะห์ใน Excel
  • ความสามารถในการสร้างรายงานในบริการของ Power BI ได้อย่างรวดเร็ว
  • ไม่จําเป็นต้องรีเฟรช ซิงโครไนซ์ข้อมูล หรือทําความเข้าใจรายละเอียดการเชื่อมต่อ
  • สร้างโซลูชันบนเว็บโดยไม่จําเป็นต้องใช้ Power BI Desktop

ในระหว่างการแสดงตัวอย่าง การเชื่อมต่อแบบจําลองความหมายเริ่มต้นจะพร้อมใช้งานโดยใช้ DirectQuery เท่านั้น รูปภาพต่อไปนี้แสดงวิธีการที่ datamarts พอดีกับกระบวนการต่อเนื่อง โดยเริ่มต้นด้วยการเชื่อมต่อกับข้อมูล ทั้งหมดผ่านการสร้างรายงาน

แผนภาพที่แสดงวิธีการที่ datamarts พอดีกับการเชื่อมต่อข้อมูลและการวิเคราะห์ต่อเนื่อง

แบบจําลองความหมายเริ่มต้นจะแตกต่างจากแบบจําลองความหมาย Power BI แบบดั้งเดิมในรูปแบบต่อไปนี้:

  • ตําแหน่งข้อมูล XMLA สนับสนุนการดําเนินการแบบอ่านอย่างเดียว และผู้ใช้ไม่สามารถแก้ไขแบบจําลองความหมายได้โดยตรง ด้วยสิทธิ์แบบอ่านอย่างเดียวของ XMLA คุณสามารถคิวรีข้อมูลในหน้าต่างคิวรีได้
  • แบบจําลองความหมายเริ่มต้นไม่มีการตั้งค่าแหล่งข้อมูล และผู้ใช้ไม่จําเป็นต้องใส่ข้อมูลประจําตัว แต่ใช้การลงชื่อเข้าระบบครั้งเดียว (SSO) โดยอัตโนมัติสําหรับคิวรี
  • สําหรับการดําเนินการรีเฟรช แบบจําลองความหมายใช้ข้อมูลประจําตัวของผู้สร้างแบบจําลองความหมายเพื่อเชื่อมต่อกับจุดสิ้นสุด SQL ของ datamart ที่มีการจัดการ

ด้วยผู้ใช้ Power BI Desktop สามารถสร้างโมเดลแบบรวม ทําให้คุณสามารถเชื่อมต่อกับแบบจําลองความหมายของ datamart และทําสิ่งต่อไปนี้:

  • เลือกตารางเฉพาะเพื่อวิเคราะห์
  • เพิ่มแหล่งข้อมูลเพิ่มเติม

สุดท้าย ถ้าคุณไม่ต้องการใช้แบบจําลองความหมายเริ่มต้นโดยตรง คุณสามารถเชื่อมต่อกับจุดสิ้นสุด SQL ของ datamart ได้ สําหรับข้อมูลเพิ่มเติม ดูสร้างรายงานโดยใช้ datamarts

ทําความเข้าใจสิ่งที่อยู่ในแบบจําลองความหมายเริ่มต้น

ในขณะนี้ ตารางใน datamart จะถูกเพิ่มไปยังแบบจําลองความหมายเริ่มต้นโดยอัตโนมัติ ผู้ใช้สามารถเลือกตารางหรือมุมมองจาก datamart ที่พวกเขาต้องการรวมอยู่ในแบบจําลองด้วยตนเองเพื่อให้มีความยืดหยุ่นมากขึ้น วัตถุที่อยู่ในแบบจําลองความหมายเริ่มต้นจะถูกสร้างขึ้นเป็นเค้าโครงในมุมมองแบบจําลอง

การซิงค์พื้นหลังที่มีออบเจ็กต์ (ตารางและมุมมอง) รอให้แบบจําลองความหมายปลายทางไม่ถูกใช้งานเพื่ออัปเดตแบบจําลองความหมายโดยเป็นไปตามความเก่าที่ผูกไว้ ผู้ใช้สามารถไปและเลือกตารางที่พวกเขาต้องการหรือไม่ต้องการในแบบจําลองความหมายด้วยตนเอง

ทําความเข้าใจกับการรีเฟรชแบบเพิ่มหน่วยและ datamarts

คุณสามารถสร้างและปรับเปลี่ยนการรีเฟรชข้อมูลแบบเพิ่มหน่วยได้ ซึ่งคล้ายกับกระแสข้อมูลและการรีเฟรชแบบเพิ่มหน่วยของแบบจําลองความหมายโดยใช้ตัวแก้ไข datamart การรีเฟรชแบบเพิ่มหน่วยจะขยายการดําเนินการรีเฟรชตามกําหนดเวลาโดยการสร้างพาร์ติชันอัตโนมัติและการจัดการสําหรับตาราง datamart ที่โหลดข้อมูลใหม่และอัปเดตบ่อย

สําหรับ datamarts ส่วนใหญ่ การรีเฟรชแบบเพิ่มหน่วยจะเกี่ยวข้องกับอย่างน้อยหนึ่งตารางที่มีข้อมูลธุรกรรมที่เปลี่ยนแปลงบ่อยและสามารถขยายแบบทวีคูณได้ เช่น ตารางข้อเท็จจริงในโครงสร้างฐานข้อมูลเชิงสัมพันธ์หรือแบบดาว ถ้าคุณใช้นโยบายการรีเฟรชแบบเพิ่มหน่วยเพื่อพาร์ติชันตาราง และรีเฟรชเฉพาะพาร์ติชันการนําเข้าล่าสุดเท่านั้น คุณสามารถลดจํานวนข้อมูลที่ต้องรีเฟรชได้อย่างมาก

การรีเฟรชแบบเพิ่มหน่วยและข้อมูลแบบเรียลไทม์สําหรับ datamarts มีข้อดีดังต่อไปนี้:

  • รอบการรีเฟรชน้อยลงสําหรับข้อมูลที่เปลี่ยนแปลงอย่างรวดเร็ว
  • การรีเฟรชเร็วขึ้น
  • การรีเฟรชน่าเชื่อถือมากขึ้น
  • ปริมาณการใช้ทรัพยากรลดลง
  • ช่วยให้คุณสามารถสร้าง Datamarts ขนาดใหญ่ได้
  • ง่ายต่อการกําหนดค่า

ทําความเข้าใจการแคชเชิงรุก

การแคชเชิงรุกช่วยให้สามารถนําเข้าข้อมูลเบื้องต้นสําหรับแบบจําลองความหมายเริ่มต้นได้โดยอัตโนมัติ ดังนั้นคุณจึงไม่จําเป็นต้องจัดการหรือผสานโหมดที่เก็บข้อมูล โหมดการนําเข้าสําหรับแบบจําลองความหมายเริ่มต้นมีการเร่งประสิทธิภาพสําหรับแบบจําลองความหมายของ datamart โดยใช้กลไก Vertipaq ที่รวดเร็ว เมื่อคุณใช้การแคชเชิงรุก Power BI จะเปลี่ยนโหมดที่เก็บข้อมูลของแบบจําลองของคุณเพื่อนําเข้า ซึ่งใช้โปรแกรมหน่วยความจําใน Power BI และ Analysis Services

การแคชเชิงรุกทํางานในวิธีต่อไปนี้: หลังจากการรีเฟรชแต่ละครั้ง โหมดที่เก็บข้อมูลสําหรับแบบจําลองความหมายเริ่มต้นจะเปลี่ยนเป็น DirectQuery การแคชเชิงรุกจะสร้างแบบจําลองการนําเข้าแบบเคียงข้างกันแบบอะซิงโครนัสและจัดการโดย Datamart และไม่ส่งผลกระทบต่อความพร้อมใช้งานหรือประสิทธิภาพของดาต้ามาร์ท คิวรีที่เข้ามาหลังจากแบบจําลองความหมายเริ่มต้นเสร็จสมบูรณ์จะใช้แบบจําลองการนําเข้า

การสร้างแบบจําลองการนําเข้าโดยอัตโนมัติจะเกิดขึ้นภายในประมาณ 10 นาทีหลังจากไม่พบการเปลี่ยนแปลงใน datamart การเปลี่ยนแปลงแบบจําลองความหมายการนําเข้าด้วยวิธีต่อไปนี้:

  • รีเฟรช
  • แหล่งข้อมูลใหม่
  • การเปลี่ยนแปลง Schema:
    • แหล่งข้อมูลใหม่
    • อัปเดตขั้นตอนการเตรียมข้อมูลใน Power Query Online
  • การอัปเดตแบบจําลองใดๆ เช่น:
    • การวัด
    • ลำดับชั้น
    • คำอธิบาย

แนวทางปฏิบัติที่ดีที่สุดสําหรับการแคชเชิงรุก

ใช้ ไปป์ไลน์ การปรับใช้สําหรับการเปลี่ยนแปลงเพื่อให้แน่ใจว่ามีประสิทธิภาพที่ดีที่สุดและเพื่อให้แน่ใจว่าผู้ใช้กําลังใช้แบบจําลองการนําเข้า การใช้ ไปป์ไลน์ การปรับใช้เป็นแนวทางปฏิบัติที่ดีที่สุดสําหรับการสร้าง datamarts อยู่แล้ว แต่การทําอย่างนั้นจะทําให้คุณใช้ประโยชน์จากการแคชเชิงรุกบ่อยขึ้น

ข้อควรพิจารณาและข้อจํากัดสําหรับการแคชเชิงรุก

  • ในขณะนี้ Power BI รองรับระยะเวลาของการดําเนินการแคชถึง 10 นาที
  • ข้อจํากัดของความเป็นเอกลักษณ์/ไม่ใช่ null สําหรับคอลัมน์เฉพาะจะถูกบังคับใช้ในแบบจําลองการนําเข้าและการสร้างแคชล้มเหลวถ้าข้อมูลไม่สอดคล้องกัน

เนื้อหาที่เกี่ยวข้อง

บทความนี้ให้ภาพรวมของแนวคิดดาต้ามาร์ทที่สําคัญเพื่อทําความเข้าใจ

บทความต่อไปนี้ให้ข้อมูลเพิ่มเติมเกี่ยวกับ datamarts และ Power BI:

สําหรับข้อมูลเพิ่มเติมเกี่ยวกับกระแสข้อมูลและการแปลงข้อมูล ให้ดูบทความต่อไปนี้: