Käyttäjän määrittämät koosteet

Power BI:n koosteet voivat parantaa kyselyn suorituskykyä suurissa semanttisissa DirectQuery-malleissa. Koosteita käyttämällä voit tallentaa tietoja välimuistiin koostetasolla muistissa. Power BI:n koosteet voidaan määrittää manuaalisesti tietomallissa tässä artikkelissa kuvatulla tavalla. Premium-tilauksessa Automaattinen koostaminen -ominaisuus otetaan automaattisesti käyttöön mallissa Asetukset.

Koostetaulukoiden luominen

Tietolähteen tyypistä riippuen koostetaulukko voidaan luoda tietolähteeseen taulukkona tai näkymänä, alkuperäisenä kyselynä. Parhaan suorituskyvyn takaaminen luo koostetaulukon Power Queryssa luotuna tuontitaulukkona. Sen jälkeen voit Power BI Desktopin Koosteiden hallinta -valintaikkunan avulla määrittää koosteet koostesarakkeille, joissa on yhteenveto-, tietotaulukko- ja tietosarakeominaisuudet.

Dimensiotietolähteet, kuten tietovarastot ja tietovaraston osajoukot, voivat käyttää suhteeseen perustuvia koosteita. Hadoop-pohjaisten massadatalähteiden koosteet perustuvat usein Ryhmittelyperuste-sarakkeisiin. Tässä artikkelissa kuvataan kunkin tietolähdetyypin Power BI -tietojen mallinnuksen eroja.

Koosteiden hallinta

Napsauta hiiren kakkospainikkeella minkä tahansa Power BI Desktop -näkymän Tiedot-ruudussa koostetaulukkoa ja valitse sitten Koosteiden hallinta.

Koosteiden hallinta -valintaikkunassa näkyy rivi kullekin taulukon sarakkeelle, jossa voit määrittää koosteen toiminnan. Seuraavassa esimerkissä Myynti-tietotaulukon kyselyt ohjataan sisäisesti uudelleen Myyntikooste-koostetaulukkoon.

Tässä suhteeseen perustuvan koosteen esimerkissä Ryhmittelyperuste-merkinnät ovat valinnaisia. DISTINCTCOUNT-arvoa lukuun ottamatta ne eivät vaikuta koosteen toimintaan ja koskevat pääasiassa luettavuutta. Ilman Ryhmittelyperuste-merkintöjä koosteet saavat silti osumia yhteyksien perusteella. Tämä eroaa tässä artikkelissa myöhemmin olevasta massadatan esimerkistä , jossa vaaditaan Ryhmittelyperuste-merkintöjä.

Vahvistukset

Koosteiden hallinta -valintaikkuna pakottaa vahvistukset:

• Tietosarakkeen tietotyypin on oltava sama kuin Koostesarakkeessa, lukuun ottamatta Määrä- ja Laske taulukon rivit -yhteenvetofunktioita. Määrä ja Laske taulukon rivit ovat käytettävissä vain kokonaislukukoostettasarakkeissa, eivätkä ne edellytä vastaavaa tietotyyppiä.
• Kolmen tai useamman taulukon kattamia ketjuttuja koosteita ei sallita. Esimerkiksi koosteet taulukossa A eivät voi viitata taulukkoon B , jossa on koosteita, jotka viittaavat taulukkoon C.
• Kaksoiskappaleita koosteista, joissa kaksi merkintää käyttää samaa yhteenvetofunktiota ja viittaa samaan tietotaulukkoon ja tietosarakkeeseen, ei sallita.
• Tietotaulukon on käytettävä DirectQuery-tallennustilaa, ei tuontia.
• Ryhmittelyä passiivisen yhteyden käyttämän viiteavainsarakkeen mukaan ja koostamisosumien saantia USERELATIONSHIP-funktiolla ei tueta.
• Ryhmittelyperuste-sarakkeisiin perustuvat koosteet voivat käyttää koostetaulukoiden välisiä suhteita, mutta koostetaulukoiden välisten suhteiden luomista ei tueta Power BI Desktopissa. Voit tarvittaessa luoda suhteita koostetaulukoiden välille käyttämällä kolmannen osapuolen työkalua tai komentosarjaratkaisua XML for Analysis (XMLA) -päätepisteiden kautta.

Useimmat vahvistukset pakotetaan poistamalla avattavan valikon arvot käytöstä ja näyttämällä ohjeteksti työkaluvihjeessä.

Koostetaulukot on piilotettu

Käyttäjät, joilla on vain luku -käyttöoikeudet malliin, eivät voi luoda kyselyn koostetaulukoita. Vain luku -käyttö estää suojausongelmat, kun sitä käytetään rivitason suojauksen (RLS) kanssa. Kuluttajat ja kyselyt viittaavat tietotaulukkoon eivätkä koostetaulukkoon, eikä heidän tarvitse tietää koostetaulukosta.

Tästä syystä koostetaulukot piilotetaan raporttinäkymästä. Jos taulukkoa ei ole vielä piilotettu, Koosteiden hallinta -valintaikkuna määrittää sen piilotetuksi, kun valitset Ota kaikki käyttöön.

Tallennus-tilat

Koostamisominaisuus on vuorovaikutuksessa taulukkotason tallennustilojen kanssa. Power BI -taulukot voivat käyttää DirectQuery-, Tuonti- tai Kaksoiskäyttö-tallennustiloja. DirectQuery suorittaa taustakyselyn suoraan samalla kun Tuonti tallentaa tiedot välimuistiin ja lähettää kyselyjä välimuistiin tallennettuihin tietoihin. Kaikki Power BI:n tuontitietolähteet ja ei-moniulotteiset DirectQuery-tietolähteet toimivat koosteiden kanssa.

Jos haluat määrittää koostetaulukon tallennustilaksi Tuonti kyselyjen nopeuttamiseksi, valitse koostetaulukko Power BI Desktopin mallinäkymässä . Laajenna Ominaisuudet-ruudussa Lisäasetukset-kohtaa, avaa valinta Tallennus-tilassa ja valitse Tuo. Tuontia ei voi muuttaa.

Lisätietoja taulukon tallennustiloista on kohdassa Tallennustilan hallinta Power BI Desktopissa.

RLS koosteita varten

Jotta koosteet toimivat oikein, RLS-lausekkeiden on suodatettava koostetaulukko ja tietotaulukko.

Seuraavassa esimerkissä Maantiede-taulukon RLS-lauseke toimii koosteiden kanssa, koska Maantiede on suhteiden suodatuspuolella Myynti-taulukossa ja Myyntikooste-taulukossa. Kyselyt, jotka osuvat koostetaulukkoon, ja kyselyt, joiden rivitason suojaus ei ole onnistunut.

Tuote-taulukossa oleva RLS-lauseke suodattaa vain Myynti-tietotaulukon, ei Myyntikooste-koostetaulukkoa. Koska koostetaulukko on tietotaulukossa olevien tietojen toinen esitystapa, kyselyihin vastaaminen koostetaulukosta ei ole turvattua, jos RLS-suodatinta ei voi käyttää. Suodatusta vain tietotaulukosta ei suositella, koska tästä roolista peräisin olevat käyttäjäkyselyt eivät hyödy koosteen osumista.

RLS-lauseketta, joka suodattaa vain Myyntikooste-taulukon eikä Myynti-tietotaulukkoa , ei sallita.

Ryhmittelyperuste-sarakkeisiin perustuvissa koosteissa tietotaulukkoon sovellettavaa RLS-lauseketta voidaan käyttää suodattamaan koostetaulukko, koska koostetaulukon kaikki Ryhmittelyperuste-sarakkeet sisältyvät tietotaulukkoon. Toisaalta koostetaulukon RLS-suodatinta ei voi käyttää tietotaulukossa, joten sitä ei sallita.

Yhteyksiin perustuva kooste

Dimensiomallit käyttävät yleensä yhteyksiin perustuvia koosteita. Tietovarastojen ja tietovaraston osajoukkojen Power BI -mallit muistuttavat tähti- tai lumihiutalemalleja, joissa on dimensiotaulukoiden ja faktataulukoiden välisiä suhteita.

Seuraavassa esimerkissä malli noutaa tietoja yhdestä tietolähteestä. Taulukot käyttävät DirectQuery-tallennustilaa. Myynti-faktataulukko sisältää miljardeja rivejä. Myynti-taulukon määrittäminen tuonti-tallennustilaan välimuistiin tallentamista varten kuluttaisi huomattavasti muistia ja lisäisi resursseja.

Luo sen sijaan Myyntikooste-koostetaulukko. Myyntikooste-taulukossa rivien määrä on sama kuin Myyntimäärä-taulukon summa ryhmiteltynä Asiakasavain-, Päivämääräavain- ja Tuotteen aliluokka -arvojen mukaan. Myyntikooste-taulukon rakeisuus on suurempi kuin Myynti-taulukon, joten miljardien sijaan se saattaa sisältää miljoonia rivejä, joita on helpompi hallita.

Jos seuraavia dimensiotaulukoita käytetään yleisimmin kyselyille, joilla on merkittävä liikearvo, ne voivat suodattaa Myyntikooste-taulukon käyttämällä yksi moneen- tai monta yhteen -suhteita.

• Maantieteellinen alue
• Customer
• Päivämäärä
• Tuotteen aliluokka
• Tuoteryhmä

Malli näkyy seuraavassa kuvassa.

Seuraavassa taulukossa näytetään Myyntikooste-taulukon koosteet.

Muistiinpano

Myyntikooste-taulukko voidaan kaikkien taulukoiden tavoin ladata monin tavoin. Koostaminen voidaan suorittaa lähdetietokannassa ETL/ELT-prosessin avulla tai taulukon M-lausekkeen mukaan. Koostetaulukko voi käyttää Tuonti-tallennustilaa semanttisten mallien lisäävän päivityksen kanssa tai ilman sitä, tai se voi käyttää DirectQuery-tallennustilaa ja se voidaan optimoida nopeille kyselyille sarakesäilöindeksejä käyttämällä. Joustavuus mahdollistaa tasapainotetut arkkitehtuurit, jotka voivat jakaa kyselyn kuormituksen pullonkaulojen välttämiseksi.

Vaihtamalla Myyntikooste-koostetaulukon tallennustilaksi Tuonti voit avata valintaikkunan, jossa aiheeseen liittyvien dimensiotaulukoiden tallennustilaksi voidaan määrittää Kaksoistaulukko.

Kun aiheeseen liittyvien dimensiotaulukoiden arvoksi määritetään Kaksoistaulukko, ne voivat toimia alikyselyn mukaan joko Tuonti- tai DirectQuery-arvona. Esimerkissä:

• Kyselyjä, jotka koostavat arvoja Tuonti-tilan Myyntikooste-taulukosta ja ryhmittelevät aiheeseen liittyvien kaksoistaulukoiden määritteiden mukaan, voidaan palauttaa muistissa olevasta välimuistista.
• Kyselyjä, jotka koostavat arvoja DirectQuery-myynnin taulukosta ja ryhmittelevät aiheeseen liittyvien kaksoistaulukoiden määritteiden mukaan, voidaan palauttaa DirectQuery-tilassa. Ryhmittelyperuste-toiminnon sisältävä kyselylogiikka välitetään lähdetietokantaan.

Lisätietoja Kaksoistaulukko-tallennustilasta on kohdassa Tallennustilan hallinta Power BI Desktopissa.

Tavalliset ja rajoitetut suhteet

Koosteiden osumat suhteiden perusteella edellyttävät tavallisia suhteita.

Tavalliset suhteet sisältävät seuraavia tallennustilayhdistelmiä, joissa molemmat taulukot ovat yhdestä lähteestä:

Monen puolen taulukko	1-puolen taulukko
Kaksois	Kaksois
Tuo	Tuonti- tai kaksoistaulukko
DirectQuery	DirectQuery- tai kaksoistaulukko

Ainoa tapaus, jossa ristilähdesuhdetta pidetään tavallisena, on se, jossa kummankin taulukon määrityksenä on Tuonti. Monta moneen -suhteita pidetään aina rajoitettuina.

Lisätietoja ristilähdekoosteiden osumista, jotka eivät ole riippuvaisia suhteista, on artikkelissa Ryhmittelyperuste-sarakkeisiin perustuvat koosteet.

Suhteeseen perustuvan koosteen kyselyesimerkkejä

Seuraava kysely tuottaa osuman koosteessa, koska Päivämäärä-taulukon sarakkeiden rakeisuus voi tuottaa osuman koosteessa. SalesAmount-sarake käyttää Summa-koostetta.

Seuraava kysely ei osu koosteeseen. Myyntimäärä-summan pyytämisestä huolimatta kysely suorittaa Ryhmittelyperuste-toiminnon Tuote-taulukon sarakkeessa, jonka rakeisuus ei voi tuottaa osumaa koosteessa. Jos tarkastelet mallin suhteita, tuotteen aliluokka voi sisältää useita Tuote-rivejä . Kysely ei pysty selvittämään, mihin tuotteeseen koostetaan. Tässä tapauksessa kysely palautuu DirectQueryksi ja lähettää SQL-kyselyn tietolähteeseen.

Koosteita ei ole tarkoitettu vain yksinkertaisiin laskutoimituksiin, jotka suorittavat suoraviivaisen yhteenlaskun. Myös monimutkaiset laskutoimitukset voivat hyötyä niistä. Käsitteellisesti monimutkainen laskutoimitus jaetaan alikyselyiksi kullekin SUMMA-, PIENIN-, SUURIN- ja MÄÄRÄ-arvolle. Jokainen alikysely arvioidaan sen määrittämiseksi, voiko se tuottaa osuman koosteessa. Tämä logiikka ei päde kaikissa tapauksissa kyselysuunnitelman optimoinnin vuoksi, mutta yleensä sen pitäisi olla käytössä. Seuraava esimerkki tuottaa osuman koosteessa:

COUNTROWS-funktio voi hyötyä koosteet. Seuraava kysely tuottaa osuman koosteessa, koska Myynti-taulukolle on määritetty Määrä-taulukon rivien kooste.

AVERAGE-funktio voi hyötyä koosteet. Seuraava kysely tuottaa osuman koosteessa, koska AVERAGE-funktio muutetaan sisäisesti MÄÄRÄ-arvolla jaetuksi SUMMA-arvoksi. Koska UnitPrice-sarakkeessa on sekä SUMMA- että MÄÄRÄ-arvoille määritettyjä koosteita, kooste saa osuman.

Joissakin tapauksissa DISTINCTCOUNT-funktio voi hyötyä koosteet. Seuraava kysely tuottaa osuman koosteessa, koska Asiakasavain-ryhmälle on Ryhmittelyperuste-merkintä, mikä säilyttää Asiakasavain-ryhmän erotvuuden koostetaulukossa. Tämä tekniikka voi silti saavuttaa suorituskykyrajan, jossa yli 2–5 miljoonaa erillistä arvoa voi vaikuttaa kyselyn suorituskykyyn. Se voi kuitenkin olla hyödyllinen tilanteissa, joissa tietotaulukossa on miljardeja rivejä, mutta sarakkeessa on 2–5 miljoonaa erillistä arvoa. Tässä tapauksessa DISTINCTCOUNT-funktio voidaan suorittaa nopeammin kuin miljardeja rivejä sisältävän taulukon tarkistaminen, vaikka se olisi tallennettu välimuistiin.

DAX (Data Analysis Expressions) -aikatietofunktiot ovat koostamisen huomioon ottavia. Seuraava kysely tuottaa osuman koosteessa, koska DATESYTD-funktio luo CalendarDay-arvojen taulukon ja koska koostetaulukon rakeisuus on sellainen, että Date-taulukon ryhmittelysarake kattaa sen. Tämä on esimerkki CALCULATE-funktion taulukkoarvoisesta suodattimesta, joka voi toimia koosteiden kanssa.

Ryhmittelyperuste-sarakkeisiin perustuva kooste

Hadoop-pohjaiset massadatatietomallit eroavat ominaisuuksiltaan dimensiomalleista. Suurten taulukoiden välisten liitosten välttämiseksi massadatamalleissa ei useinkaan käytetä suhteita vaan denormalisoituja dimensiomääritteitä faktataulukoille. Voit avata tällaiset massadatatietomallit vuorovaikutteista analyysia varten Ryhmittelyperuste-sarakkeisiin perustuvien koosteiden avulla.

Seuraava taulukko sisältää koostettavan numeerisen Siirto-sarakkeen . Kaikki muut sarakkeet ovat määritteitä, joiden mukaan ryhmitetään. Taulukko sisältää IoT-tietoja ja valtavan rivimäärän. Tallennustilan tila on DirectQuery. Kyselyt tietolähteestä, jotka koostavat koko mallin hitaita pelkän määrän vuoksi.

Jotta vuorovaikutteinen analyysi voidaan ottaa käyttöön tässä mallissa, voit lisätä koostetaulukon, joka ryhmittelee useimpien määritteiden mukaan, mutta jättää pois kardinaliteetit suuret määritteet, kuten pituus- ja leveysasteen. Tämä vähentää rivien määrää huomattavasti, joten se on tarpeeksi pieni mahtuakseen mukavasti välimuistiin.

Voit määrittää koosteiden yhdistämismääritykset Kuljettajan toiminnan kooste -taulukolle Koosteiden hallinta -valintaikkunassa.

Ryhmittelyperuste-sarakkeisiin perustuvien koosteiden Ryhmittelyperuste-merkinnät eivät ole valinnaisia. Ilman niitä koosteisiin ei saada osumia. Tämä eroaa koosteiden käyttämisestä suhteiden perusteella, jossa Ryhmittelyperuste-merkinnät ovat valinnaisia.

Seuraavassa taulukossa näytetään Kuljettajan toiminnan kooste -taulukon koosteet.

Voit määrittää Kuljettajan toiminnan kooste -koostetaulukon tallennustilaksi Tuonti.

Ryhmittelyperuste-koosteen kyselyesimerkki

Seuraava kysely tuottaa osuman koosteessa, koska koostetaulukko kattaa Tapahtumapäivä-sarakkeen . COUNTROWS-funktio käyttää Laskettujen taulukoiden rivien koostetta.

Laske taulukon rivit -koosteita kannattaa käyttää erityisesti malleissa, jotka sisältävät suodatinmääritteitä faktataulukoissa. Power BI voi lähettää kyselyjä malliin käyttämällä COUNTROWS-funktiota tapauksissa, joissa käyttäjä ei sitä nimenomaisesti pyydetä. Esimerkiksi suodatinvalintaikkuna näyttää rivien määrän kullekin arvolle.

Yhdistetyt koostetekniikat

Voit yhdistää suhteita ja Ryhmittely-sarakkeiden tekniikoita koosteita varten. Yhteyksiin perustuvat koosteet voivat edellyttää, että denormalisoidut dimensiotaulukot jaetaan useisiin taulukoihin. Jos tämä on kallista tai haittaa tietyille dimensiotaulukoille, voit replikoida tarvittavat määritteet koostetaulukossa näille dimensioille ja käyttää suhteita muille dimensioille.

Esimerkiksi seuraava malli replikoi Kuukausi-, Vuosineljännes-, Puolivuosi- ja Vuosi-arvot Myyntikooste-taulukkoon. Myyntikooste- ja Päivämäärä-taulukon välillä ei ole suhdetta, mutta suhteita on Asiakas- ja Tuotteen aliluokka -taulukoihin. Myyntikooste-taulukon tallennustila on tuonti.

Seuraavassa taulukossa näkyvät Myyntikooste-taulukon Koosteiden hallinta -valintaikkunassa määritetyt merkinnät. Ryhmittelyperuste-merkinnät, joissa Päivämäärä on tietotaulukko, ovat pakollisia osumien lisääminen koosteisiin Päivämäärä-määritteiden mukaan ryhmittelemissä kyselyissä. Edellisen esimerkin tapaan Asiakasavain- ja Tuotteen aliluokka -avain -arvojen Ryhmittelyperuste-merkinnäteivät vaikuta koosteen osumiin yhteyksien vuoksi, lukuun ottamatta DISTINCTCOUNT-funktiota.

Yhdistetyn koosteen kyselyesimerkit

Seuraava kysely tuottaa osuman koosteessa, koska koostetaulukko kattaa Kalenterikuukausi-arvon ja Luokan nimi on käytettävissä yksi moneen -yhteyksien kautta. SalesAmount käyttää SUM-koostetta.

Seuraava kysely ei osu koosteeseen, koska koostetaulukko ei kata Kalenteripäivä-arvoa.

Seuraava aikatietokysely ei tuota osumaa koosteessa, koska DATESYTD-funktio luo Kalenteripäivä-arvojen taulukon, ja Kalenteripäivä ei kata koostetaulukkoa.

Koosteen käsittelyjärjestys

Koosteen käsittelyjärjestys sallii useiden koostetaulukoiden käyttämisen yhtenä alikyselynä.

Seuraava esimerkki on yhdistelmämalli, joka sisältää useita lähteitä:

• Kuljettajan toiminta DirectQuery -taulukko sisältää yli biljoona riviä IoT-tietoja massadatajärjestelmästä. Se käyttää porautumiskyselyjä yksittäisten IoT-lukemien näyttämiseen hallituissa suodatinkonteksteissa.
• Kuljettajan toiminnan kooste -taulukko on välitason koostetaulukko DirectQuery-tilassa. Se sisältää yli miljardi riviä Azure Synapse Analyticsissa (aiemmin SQL Data Warehouse), ja se on optimoitu lähteessä sarakesäilöindeksejä käyttämällä.
• Kuljettajan toiminnan kooste2 -tuontitaulukon rakeisuus on suuri, koska ryhmittelyperuste-määritteitä on vähän ja kardinaliteetti on pieni. Rivejä voi olla vain tuhansia, joten se mahtuu helposti välimuistiin. Näitä määritteitä käytetään korkean profiilin johtajatason koontinäytössä, joten niihin viittaava kyselyjen on oltava mahdollisimman nopeita.

Muistiinpano

DirectQuery-koostetaulukoita, jotka käyttävät tietotaulukon eri tietolähdettä, tuetaan vain, jos koostetaulukko on SQL Server-, Azure SQL- tai Azure Synapse Analytics (aiemmin SQL Data Warehouse) -lähteestä.

Tämän mallin muistijalanjälki on suhteellisen pieni, mutta se avaa valtavan mallin. Se edustaa tasapainotettua arkkitehtuuria, koska se jakaa kyselyn kuormituksen arkkitehtuurin osien välillä käyttämällä niitä niiden vahvuuksien mukaan.

Kuljettajan toiminnan kooste2 -taulukon Hallittujen koosteiden valintaikkuna määrittää Käsittelyjärjestys-kentäksi10, mikä on korkeampi kuin Kuljettajan toiminnan kooste -taulukon tapauksessa. Korkeampi käsittelyjärjestysasetus tarkoittaa, että koosteita käyttävät kyselyt harkitsevat ensin Kuljettajan toiminnan kooste2 -taulukkoa . Alikyselyt, joihin Kuljettajan toiminnan kooste2 -taulukko ei voi niiden rakeisuuden vuoksi vastata, voivat harkita Kuljettajan toiminnan kooste -taulukkoa. Tietokyselyt, joihin kumpikaan koostetaulukko ei voi vastata, voivat ohjata Kuljettajan toiminta -taulukkoon.

Tietotaulukko-sarakkeessa määritetty sarake on Kuljettajan toiminta eikä Kuljettajan toiminnan kooste, koska ketjuttuja koosteita ei sallita.

Seuraavassa taulukossa näytetään Kuljettajan toiminnan kooste2 -taulukon koosteet.

Tunnista, osuvatko kyselyt koosteet vai eivät

SQL Profiler voi tunnistaa, palautetaanko kyselyt muistissa olevan välimuistin tallennusmoduulista vai ohjaako DirectQuery ne tietolähteeseen. Saman prosessin avulla voit tunnistaa, saavatko koosteet osumia. Lisätietoja on kohdassa Kyselyt, jotka kohdistuvat tai ovat kohdistumatta välimuistiin.

SQL Profiler tarjoaa myös laajennetun Query Processing\Aggregate Table Rewrite Query tapahtuman.

Seuraavassa JSON-katkelmassa on esimerkki tapahtuman tuotosta koostetta käytettäessä.

• matchingResult näyttää, että alikysely käytti koostetta.
• dataRequest näyttää alikyselyn käyttämät Ryhmittelyperuste-sarakkeet ja koostesarakkeet.
• mapping näyttää koostetaulukon sarakkeet, joihin yhdistettiin.

Säilytä välimuistit synkronoituina

Koosteet, jotka yhdistävät DirectQuery-, Tuonti- ja/tai Kaksois-tallennustilat, voivat palauttaa eri tietoja, ellei muistissa olevaa välimuistia pidetä synkronoituna lähdetietojen kanssa. Esimerkiksi kyselyn suorittaminen ei yritä peittää tieto-ongelmia suodattamalla DirectQuery-tuloksia välimuistiin tallennettujen arvojen kanssa täsmäämiseksi. On olemassa vakiintuneita tekniikoita tällaisten ongelmien käsittelemiseen lähteessä tarvittaessa. Suorituskyvyn optimointeja tulee käyttää vain tavoilla, jotka eivät vaaranna liiketoimintavaatimuksiin vastaamista. Vastuullasi on tuntea tietovuot ja suunnitella ne vastaavasti.

Huomioitavat asiat ja rajoitukset

• Koosteet eivät tue dynaamisia M-kyselyparametreja.

• Elokuusta 2022 alkaen Power BI ohittaa toimintomuutosten vuoksi tuontitilan koostetaulukot, joissa on kertakirjautuminen käytössä tietolähteissä mahdollisten suojausriskien vuoksi. Jotta voit varmistaa parhaan mahdollisen kyselyn suorituskyvyn koosteiden avulla, on suositeltavaa poistaa kertakirjautuminen käytöstä näissä tietolähteissä.

Yhteisö

Power BI:ssä on eloinen yhteisö, jossa MVP-, BI-ammattilaiset ja -kollegat jakavat asiantuntemusta keskusteluryhmistä, videoista, blogeista ja muusta. Kun opit koosteita, muista tarkistaa nämä lisäresurssit:

• Power BI -yhteisö
• Hae "Power BI -koosteet" Bingissä

Liittyvä sisältö

• Automaattiset koosteet
• Yhdistelmämallit