Forstå datamarts

  • Artikel

I denne artikel beskrives og forklares vigtige begreber om datamarts.

Forstå semantisk model (standard)

Datamarts indeholder et semantisk lag, der genereres og synkroniseres automatisk med indholdet af datamarttabellerne, deres struktur og underliggende data. Dette lag leveres i en automatisk genereret semantisk model. Denne automatiske generering og synkronisering giver dig mulighed for yderligere at beskrive datadomænet med ting som hierarkier, brugervenlige navne og beskrivelser. Du kan også angive formatering, der er specifik for landestandarden eller virksomhedens krav. Med datamarts kan du oprette målinger og standardiserede målepunkter til rapportering. Power BI (og andre klientværktøjer) kan oprette visualiseringer og levere resultater for sådanne beregninger baseret på dataene i konteksten.

Den semantiske power BI-standardmodel , der er oprettet ud fra en datamart, eliminerer behovet for at oprette forbindelse til en separat semantisk model, konfigurere tidsplaner for opdatering og administrere flere dataelementer. I stedet kan du bygge din forretningslogik i en datamart, hvorefter dataene bliver tilgængelige med det samme i Power BI, hvilket aktiverer følgende:

  • Datamart-dataadgang via Semantisk modelHub.
  • Mulighed for at analysere i Excel.
  • Mulighed for hurtigt at oprette rapporter i Power BI-tjeneste.
  • Det er ikke nødvendigt at opdatere, synkronisere data eller forstå forbindelsesdetaljer.
  • Byg løsninger på internettet uden at skulle bruge Power BI Desktop.

Under prøveversionen er standard semantisk modelforbindelse kun tilgængelig ved hjælp af DirectQuery . På følgende billede kan du se, hvordan datamarts passer ind i processens kontinuum, startende med at oprette forbindelse til data hele vejen igennem oprettelse af rapporter.

Diagram that shows how datamarts fit into the data connection and analysis continuum.

Standard semantiske modeller adskiller sig fra traditionelle semantiske Power BI-modeller på følgende måder:

  • XMLA-slutpunktet understøtter skrivebeskyttede handlinger, og brugerne kan ikke redigere den semantiske model direkte. Med skrivebeskyttet XMLA-tilladelse kan du forespørge dataene i et forespørgselsvindue.
  • De semantiske standardmodeller har ikke indstillinger for datakilder, og brugerne behøver ikke at angive legitimationsoplysninger. I stedet bruger de automatisk enkeltlogon (SSO) til forespørgsler.
  • I forbindelse med opdateringshandlinger bruger semantiske modeller legitimationsoplysningerne for den semantiske modelforfatter til at oprette forbindelse til sql-slutpunktet for den administrerede datamart.

Med Power BI Desktop kan brugerne oprette sammensatte modeller, så du kan oprette forbindelse til datamartets semantiske model og gøre følgende:

  • Vælg specifikke tabeller, der skal analyseres.
  • Tilføj flere datakilder.

Hvis du ikke vil bruge den semantiske standardmodel direkte, kan du oprette forbindelse til datamartens SQL-slutpunkt. Du kan få flere oplysninger under Opret rapporter ved hjælp af datamarts.

Forstå, hvad der er i den semantiske standardmodel

Tabeller i datamart føjes i øjeblikket automatisk til den semantiske standardmodel. Brugerne kan også manuelt vælge tabeller eller visninger fra den datamart, de vil have inkluderet i modellen, for at få større fleksibilitet. Objekter, der findes i den semantiske standardmodel, oprettes som et layout i modelvisningen.

Baggrundssynkronisering, der indeholder objekter (tabeller og visninger), venter på, at den semantiske downstreammodel ikke bruges til at opdatere den semantiske model, så den ærer afgrænset uaktuelhed. Brugerne kan altid vælge de tabeller, de vil have eller ikke ønsker, manuelt i den semantiske model.

Forstå trinvis opdatering og datamarts

Du kan oprette og redigere trinvis opdatering af data på samme måde som dataflow og trinvis opdatering af semantisk model ved hjælp af datamarteditoren. Trinvis opdatering udvider planlagte opdateringshandlinger ved at levere automatiseret partitionsoprettelse og -administration for datamarttabeller, der ofte indlæser nye og opdaterede data.

For de fleste datamarts omfatter trinvis opdatering en eller flere tabeller, der indeholder transaktionsdata, der ændres ofte og kan vokse eksponentielt, f.eks. en faktatabel i et relations- eller stjernedatabaseskema. Hvis du bruger en politik for trinvis opdatering til at partitionere tabellen og kun opdatere de nyeste importpartitioner, kan du reducere mængden af data, der skal opdateres, betydeligt.

Trinvis opdatering og data i realtid for datamarts giver følgende fordele:

  • Færre opdateringscyklusser for data, der ændrer sig hurtigt
  • Opdateringerne er hurtigere
  • Opdateringer er mere pålidelige
  • Ressourceforbruget reduceres
  • Giver dig mulighed for at oprette store datamarts
  • Let at konfigurere

Forstå proaktiv cachelagring

Proaktiv cachelagring muliggør automatisk import af de underliggende data for den semantiske standardmodel, så du ikke behøver at administrere eller orkestrere lagringstilstanden. Importtilstanden for den semantiske standardmodel giver acceleration af ydeevnen for datamarts semantiske model ved hjælp af det hurtige Vertipaq-program. Når du bruger proaktiv cachelagring, ændrer Power BI lagringstilstanden for din model til import, som bruger programmet i hukommelsen i Power BI og Analysis Services.

Proaktiv cachelagring fungerer på følgende måde: Efter hver opdatering ændres lagringstilstanden for den semantiske standardmodel til DirectQuery. Proaktiv cachelagring bygger en importmodel side om side asynkront og administreres af datamarten og påvirker ikke tilgængeligheden eller ydeevnen af datamarten. De forespørgsler, der kommer ind, når den semantiske standardmodel er fuldført, bruger importmodellen.

Automatisk generering af importmodellen sker inden for ca. 10 minutter, efter at der ikke er registreret nogen ændringer i datamarten. Den semantiske importmodel ændres på følgende måder:

  • Opdateringer
  • Nye datakilder
  • Skemaændringer:
    • Nye datakilder
    • Opdateringer til trinnene til dataforberedelse i Power Query Online
  • Alle modelleringsopdateringer, f.eks.:
    • Målinger
    • Hierarkier
    • Beskrivelser

Bedste praksis for proaktiv cachelagring

Brug Udrulningspipelines til ændringer for at sikre den bedste ydeevne og for at sikre, at brugerne bruger importmodellen. Brug af udrulningspipelines er allerede bedste praksis for oprettelse af datamarts, men det sikrer, at du oftere drager fordel af den proaktive cachelagring.

Overvejelser og begrænsninger i forbindelse med proaktiv cachelagring

  • Power BI har i øjeblikket begrænset varigheden af cachelagringshandlinger til 10 minutter.
  • Begrænsninger af entydighed/ikke-null for bestemte kolonner gennemtvinges i importmodellen og mislykkes cacheopbygningen, hvis dataene ikke stemmer overens.

Relateret indhold

Denne artikel indeholdt en oversigt over vigtige datamartbegreber, som du kan forstå.

Følgende artikler indeholder flere oplysninger om datamarts og Power BI:

Du kan få flere oplysninger om dataflow og transformering af data i følgende artikler: