Valós idejű streamelés a Power BI-ban

A Power BI valós idejű streameléssel valós időben streamelheti az adatokat, és frissítheti az irányítópultokat. A Power BI-ban létrehozott vizualizációk és irányítópultok valós idejű adatokat és vizualizációkat jeleníthetnek meg és frissíthetnek. A streamelési adatok eszközei és forrásai lehetnek gyári érzékelők, közösségi médiaforrások, szolgáltatáshasználati metrikák vagy sok más időérzékeny adatgyűjtő vagy -adó.

Ez a cikk bemutatja, hogyan állíthat be és használhat valós idejű streamelési szemantikai modelleket a Power BI-ban.

Valós idejű szemantikai modellek típusai

Először is fontos tisztában lenni a csempékben és irányítópultokon való megjelenítésre tervezett valós idejű szemantikai modellek típusaival, valamint a szemantikai modellek különbségeivel.

A valós idejű szemantikai modellek következő három típusa valós idejű irányítópultokon való megjelenítésre lett tervezve:

• Leküldéses szemantikai modell
• Streamelési szemantikai modell
• PubNub streamelési szemantikai modell

Ez a szakasz azt ismerteti, hogy ezek a szemantikai modellek miben különböznek egymástól. A későbbi szakaszok bemutatják, hogyan lehet adatokat leküldni ezekbe a szemantikai modellekbe.

Leküldéses szemantikai modell

A leküldéses szemantikai modellben az adatok a Power BI szolgáltatás kerülnek le. A szemantikai modell létrehozásakor a Power BI szolgáltatás automatikusan létrehoz egy új adatbázist a szolgáltatásban az adatok tárolásához.

Mivel van egy mögöttes adatbázis, amely az adatokat a beérkezéskor tárolja, jelentéseket hozhat létre az adatokkal. Ezek a jelentések és vizualizációik ugyanolyanok, mint bármely más jelentésvizualizáció. Használhatja a Power BI jelentéskészítési funkcióit, például a Power BI-vizualizációkat, az adatriasztásokat és a rögzített irányítópult-csempéket.

Miután létrehozott egy jelentést a leküldéses szemantikai modellel, bármelyik jelentésvizualizációt rögzítheti egy irányítópulton. Ezen az irányítópulton a vizualizációk valós időben frissülnek az adatok frissítésekor. Az Power BI szolgáltatás az irányítópult minden új adat érkezésekor elindít egy csempefrissítést.

A leküldéses szemantikai modellből rögzített csempékkel kapcsolatban két szempontot érdemes figyelembe venni:

• Ha egy teljes jelentést rögzít az Élő rögzítés beállítással, az nem eredményezi automatikusan az adatok frissítését.
• Miután rögzített egy vizualizációt egy irányítópulton, a Q&A használatával kérdéseket tehet fel a leküldéses szemantikai modellel kapcsolatban természetes nyelven. A Q&A-lekérdezést követően rögzítheti az eredményként kapott vizualizációt az irányítópulton, és a vizualizáció is valós időben frissül.

Streamelési szemantikai modell

A streamelési szemantikai modell az adatokat is leküldi a Power BI szolgáltatás, és fontos különbség van: a Power BI csak ideiglenes gyorsítótárba tárolja az adatokat, amely gyorsan lejár. Az ideiglenes gyorsítótár csak átmeneti előzményekkel rendelkező vizualizációk megjelenítésére használható, például egy egyórás időablakot tartalmazó vonaldiagramra.

A streamelési szemantikai modell nem rendelkezik mögöttes adatbázissal, így nem hozhat létre jelentésvizualizációkat a streamből beáramló adatok használatával. Ezért nem használhat olyan jelentésfunkciókat, mint a szűrés, a Power BI-vizualizációk és más jelentésfüggvények.

A streamelési szemantikai modellek megjelenítésének egyetlen módja egy csempe hozzáadása és a streamelési szemantikai modell egyéni streamelési adatforrásként való használata. A streamelési szemantikai modellen alapuló egyéni streamelési csempék a valós idejű adatok gyors megjelenítésére vannak optimalizálva. Az adatok Power BI szolgáltatás való leküldése és a vizualizáció frissítése között kevés a késés, mert nincs szükség az adatok adatbázisba való bevitelére vagy az adatbázisból való olvasásra.

A gyakorlatban a legjobb, ha streamelési szemantikai modelleket és a hozzájuk tartozó streamvizualizációkat használ olyan helyzetekben, amikor kritikus fontosságú az adatok leküldése és vizualizációja közötti késés minimalizálása. Az adatokat olyan formátumban kell leküldnie, amely a következőképpen jeleníthető meg, további összesítések nélkül. A készen álló adatok közé tartoznak például a hőmérsékletek és az előre kiszámított átlagok.

PubNub streamelési szemantikai modell

A PubNub streamelési szemantikai modellel a Power BI webügyfél a PubNub SDK-t használja egy meglévő PubNub-adatfolyam olvasásához. A Power BI szolgáltatás nem tárol adatokat. Mivel a webes ügyfél közvetlenül kezdeményezi ezt a hívást, ha csak a jóváhagyott kimenő forgalmat engedélyezi a hálózatról, az engedélyezett módon kell listáznia a PubNub felé irányuló forgalmat. Útmutatásért tekintse meg a PubNub kimenő forgalmának jóváhagyásáról szóló támogatási cikket.

A streamelési szemantikai modellhez hasonlóan a PubNub streamelési szemantikai modell esetében sincs mögöttes Power BI-adatbázis. Nem hozhat létre jelentésvizualizációkat a befolyt adatok alapján, és nem használhat jelentésfunkciókat, például szűrést vagy Power BI-vizualizációkat. A PubNub streamelési szemantikai modell csak úgy jeleníthető meg, ha csempét ad hozzá az irányítópulthoz, és forrásként konfigurál egy PubNub-adatfolyamot.

A PubNub streamelési szemantikai modellen alapuló csempék valós idejű adatok gyors megjelenítésére vannak optimalizálva. Mivel a Power BI közvetlenül csatlakozik a PubNub-adatfolyamhoz, kevés a késés az adatok Power BI szolgáltatás és a vizualizáció frissítése között.

Streamelési szemantikai modellmátrix

Az alábbi táblázat a valós idejű streameléshez használt szemantikai modellek három típusát ismerteti, és felsorolja azok képességeit és korlátait.

Funkció	Leküldés lehetőséget	Streamelés	PubNub
Az irányítópult-csempék valós időben frissülnek az adatok leküldésekor	Bizony. Jelentéseken keresztül létrehozott, majd az irányítópultra rögzített vizualizációkhoz.	Bizony. Közvetlenül az irányítópulthoz hozzáadott egyéni streamelési csempék esetében.	Bizony. Közvetlenül az irányítópulthoz hozzáadott egyéni streamelési csempék esetében.
Irányítópult-csempék frissítése sima animációkkal	Nem.	Bizony.	Bizony.
A Power BI-ban véglegesen tárolt adatok előzményelemzés céljából	Bizony.	Nem. A vizualizációk megjelenítéséhez az adatok ideiglenesen egy órán át tárolódnak.	Nem.
Power BI-jelentések készítése az adatok fölé	Bizony.	Nem.	Nem.
Az adatbetöltés maximális sebessége	1 kérelem 16 MB/kérelem	5 kérelem 15 KB/kérelem	N/A Az adatok nem kerülnek le a Power BI-ba.
Az adatok átviteli sebességének korlátozásai	1 M sor/óra	Nincs.	N/A Az adatok nem kerülnek le a Power BI-ba.

Adatok leküldése szemantikai modellekbe

Ez a szakasz bemutatja, hogyan hozhat létre és küldhet le adatokat a valós idejű streameléshez használható három elsődleges szemantikai modellbe.

Az adatokat a következő módszerekkel küldheti le egy szemantikai modellbe:

• A Power BI REST API-k
• A Power BI streamelési szemantikai modell felhasználói felülete
• Azure Stream Analytics

Adatok leküldése a Power BI REST API-kkal

A Power BI REST API-kkal adatokat hozhat létre és küldhet le szemantikai modellek leküldéséhez és szemantikai modellek streameléséhez. Amikor a Power BI REST API-k használatával hoz létre szemantikai modellt, a defaultMode jelölő megadja, hogy a szemantikai modell leküldéses vagy streamelt-e.

Ha nincs defaultMode jelölő beállítva, a szemantikai modell alapértelmezés szerint leküldéses szemantikai modell lesz. Ha az defaultMode érték be van állítva pushStreaming, a szemantikai modell leküldéses és streamelt szemantikai modell, és mindkét szemantikai modelltípus előnyeit biztosítja.

Feljegyzés

Ha olyan szemantikai modelleket használ, amelynek defaultMode jelölője a következő, pushStreamingha egy kérés túllépi a streamelt szemantikai modell 15 KB-os méretkorlátozását, de kisebb, mint a leküldéses szemantikai modell 16 MB-os méretkorlátozása, a kérés sikeres lesz, és a leküldéses szemantikai modell adatfrissítései. A streamelési csempék azonban ideiglenesen meghiúsulnak.

A szemantikai modell létrehozása után a PostRows REST API-kkal leküldheti az adatokat. A REST API-kra irányuló összes kérést a Microsoft Entra ID OAuth használatával biztosítjuk.

A streamelési szemantikai modell felhasználói felületének használata adatok leküldéséhez

A Power BI szolgáltatás az API-megközelítés kiválasztásával szemantikai modellt hozhat létre, ahogyan az alábbi képernyőképen látható:

Az új streamelési szemantikai modell létrehozásakor engedélyezheti az előzményadatok elemzését az alábbi képernyőképen látható módon. Ez a kijelölés jelentős hatással van.

Ha az előzményadatok elemzése le van tiltva, alapértelmezés szerint egy streamelési szemantikai modellt hoz létre a korábban leírtak szerint. Ha az előzményadatok elemzése engedélyezve van, a létrehozott szemantikai modell streamelési szemantikai modellé és leküldéses szemantikai modellé válik. Ez a beállítás egyenértékű a Power BI REST API-k használatával egy szemantikai modell defaultModepushStreaminglétrehozásához a korábban ismertetett módon.

Feljegyzés

A Power BI szolgáltatás felhasználói felületén létrehozott streamelési szemantikai modellekhez nincs szükség Microsoft Entra-hitelesítésre. Az ilyen szemantikai modellekben a szemantikai modell tulajdonosa kap egy URL-címet egy sorkulcskal, amely engedélyezi a kérelmezőnek, hogy adatokat küldjön a szemantikai modellbe a Microsoft Entra ID OAuth tulajdonosi jogkivonat használata nélkül. A Microsoft Entra ID megközelítés azonban továbbra is működik az adatok szemantikai modellbe való leküldésére.

Adatok leküldése az Azure Stream Analytics használatával

A Power BI-t kimenetként hozzáadhatja az Azure Stream Analyticshez, majd valós időben megjelenítheti ezeket az adatfolyamokat a Power BI szolgáltatás. Ez a szakasz a folyamat technikai részleteit ismerteti.

Az Azure Stream Analytics a Power BI REST API-kkal defaultMode hozza létre a kimeneti adatfolyamot a Power BI-ba, a beállítás értéke pedig a pushStreamingkövetkező. Az eredményül kapott szemantikai modell a leküldést és a streamelést is használhatja. A szemantikai modell létrehozásakor az Azure Stream Analytics a jelölőt a retentionPolicy következőre basicFIFOállítja: . Ezzel a beállítással a leküldéses szemantikai modellt támogató adatbázis 200 000 sort tárol, és a sorokat első lépésben (FIFO) hajtja végre.

Fontos

Ha az Azure Stream Analytics-lekérdezés nagyon gyors kimenetet eredményez a Power BI-nak, például másodpercenként egyszer vagy kétszer, az Azure Stream Analytics elkezdi a kimeneteket egyetlen kérelembe kötegelni. Ez a kötegelés miatt a kérelem mérete meghaladhatja a streamelési csempék korlátját, és előfordulhat, hogy a streamelési csempék nem jelennek meg. Ebben az esetben az ajánlott eljárás a Power BI-beli adatkimenet sebességének lassítása. Például a másodpercenkénti maximális érték helyett kérje a maximális értéket 10 másodpercnél nagyobb értékre.

Valós idejű streamelési szemantikai modell beállítása a Power BI-ban

A valós idejű streamelés megkezdéséhez válasszon a streamelési adatok Power BI-ban való felhasználásának alábbi módjai közül:

• Streamelési adatokból származó vizualizációkat tartalmazó csempék
• A Power BI-ban tárolt streamelési adatokból létrehozott szemantikai modellek

Mindkét lehetőséghez be kell állítania a streamelési adatokat a Power BI-ban. Valós idejű streamelési szemantikai modell használata a Power BI-ban:

1. Meglévő vagy új irányítópulton válassza a Csempe hozzáadása lehetőséget.

2. A Csempe hozzáadása lapon válassza az Egyéni streamelési adatok lehetőséget, majd a Tovább gombot.

   

3. Az Egyéni streamelési adatok hozzáadása csempén kiválaszthat egy meglévő szemantikai modellt, vagy a Szemantikai modellek kezelése lehetőséget választva importálhatja a streamelési szemantikai modellt, ha már létrehozott egyet. Ha még nincs beállítva streamelési adat, első lépésként válassza a Streamelési szemantikai modell hozzáadása lehetőséget.

   

4. Az Új streamelési szemantikai modell lapon válassza az API, az Azure Stream vagy a PubNub lehetőséget, majd kattintson a Tovább gombra.

   

Streamelési szemantikai modell létrehozása

A Power BI három módon hozhat létre valós idejű streamelési adatcsatornát, amelyet a Power BI felhasználhat és vizualizálhat:

• Power BI REST API valós idejű streamvégpont használatával
• Azure Stream
• PubNub

Ez a szakasz a Power BI REST API és a PubNub beállításait ismerteti, és ismerteti, hogyan hozhat létre streamelési csempét vagy szemantikai modellt a streamelési adatforrásból. Ezután a szemantikai modell használatával jelentéseket készíthet. Az Azure Stream lehetőségről további információt az Azure Stream Analytics Power BI-kimenetében talál.

A Power BI REST API használata

A Power BI REST API megkönnyíti a valós idejű streamelést a fejlesztők számára. Miután kiválasztotta az API-t az Új streamelési szemantikai modell képernyőjén, és a Tovább lehetőséget választja, olyan bejegyzéseket adhat meg, amelyek lehetővé teszik, hogy a Power BI csatlakozzon a végponthoz és használja azt. Az API-ról további információt a Power BI REST API-k használata című témakörben talál.

Ha azt szeretné, hogy a Power BI tárolja az adatfolyam által küldött adatokat, hogy jelentést és elemzést végezhessen az összegyűjtött adatokról, engedélyezze az előzményadatok elemzését.

Miután sikeresen létrehozta az adatfolyamot, egy REST API URL-végpontot kap. Az alkalmazás meghívhatja a végpontot a streamelési adatok Power BI szemantikai modellbe való leküldésére irányuló kérések használatával POST . POST A kérelmekben győződjön meg arról, hogy a kérelem törzse megegyezik a Power BI felhasználói felületén megadott JSON-mintával. Például csomagolja be a JSON-objektumokat egy tömbbe.

Figyelem

A Power BI szolgáltatás felhasználói felületén létrehozott streamelési szemantikai modellek esetében a szemantikai modell tulajdonosa egy erőforráskulcsot tartalmazó URL-címet kap. Ez a kulcs engedélyezi a kérelmezőnek, hogy adatokat küldjön a szemantikai modellbe a Microsoft Entra ID OAuth-jogkivonat használata nélkül. Ne feledje, hogy milyen következményekkel jár, ha titkos kulcsot használ az URL-címben, amikor ilyen szemantikai modellt és módszert használ.

A PubNub használata

A PubNub-streamelés és a Power BI integrálása segít létrehozni és használni az alacsony késésű PubNub-adatfolyamokat a Power BI-ban. Amikor az Új streamelési szemantikai modell képernyőjén a PubNub lehetőséget választja, és a Tovább elemet választja, a következő képernyő jelenik meg:

Fontos

A PubNub-csatornák védelmét a PubNub Access Manager (PAM) hitelesítési kulcsával teheti meg. Ez a kulcs meg van osztva az irányítópulthoz hozzáféréssel rendelkező összes felhasználóval. További információ a PubNub hozzáférés-vezérléséről: Hozzáférés kezelése.

A PubNub-adatfolyamok gyakran nagy mennyiségűek, és nem mindig alkalmasak az eredeti formájukban történő tárolásra és előzményelemzésre. Ha a Power BI-t a PubNub-adatok előzményelemzéséhez szeretné használni, összesítenie kell a nyers PubNub-streamet, és el kell küldenie a Power BI-nak, például az Azure Stream Analytics használatával.

Példa valós idejű streamelésre a Power BI-ban

Íme egy példa a valós idejű streamelés működésére a Power BI-ban. Ez a minta nyilvánosan elérhető streamet használ a PubNubból. Kövesse a példát a valós idejű streamelés értékének megtekintéséhez.

1. A Power BI szolgáltatás válasszon vagy hozzon létre egy új irányítópultot. A képernyő tetején válassza az Edit Add a tile (Csempe hozzáadása)>lehetőséget.

2. A Csempe hozzáadása képernyőn válassza az Egyéni streamelési adatok lehetőséget, majd a Tovább lehetőséget.

   

3. Az Egyéni streamelési adatcsempék hozzáadása lapon válassza a Streamelési szemantikai modell hozzáadása lehetőséget.

   

4. Az Új streamelési szemantikai modell lapon válassza a PubNub, majd a Tovább lehetőséget.

5. A következő képernyőn adjon meg egy szemantikai modellnevet, írja be a következő értékeket a következő két mezőbe, majd válassza a Tovább gombot.

   • Alkulcs:sub-c-99084bc5-1844-4e1c-82ca-a01b18166ca8
   • Csatorna neve:pubnub-sensor-network

   

6. A következő képernyőn tartsa meg az automatikusan kitöltött értékeket, és válassza a Létrehozás lehetőséget.

   

7. A Power BI-munkaterületre visszatérve hozzon létre egy új irányítópultot, és a képernyő tetején válassza a Csempe hozzáadása szerkesztése lehetőséget>.

8. Válassza az Egyéni streamelési adatok lehetőséget, majd a Tovább gombot.

9. Az Egyéni streamelési adatok hozzáadása csempén válassza ki az új streamelési szemantikai modellt, majd válassza a Tovább lehetőséget.

   Játsszon a szemantikai mintamodellel. Ha értékmezőket ad hozzá a vonaldiagramokhoz, és más csempéket ad hozzá, valós idejű irányítópultot kaphat, amely az alábbi képernyőképhez hasonlóan néz ki:

   

Hozzon létre saját szemantikai modelleket, és streamelje az élő adatokat a Power BI-ba.

Kérdések és válaszok

Íme néhány gyakori kérdés és válasz a Power BI valós idejű streameléssel kapcsolatban.

Használhat szűrőket a leküldéses vagy streamelési szemantikai modelleken?

A streamelt szemantikai modellek nem támogatják a szűrést. Leküldéses szemantikai modellek esetén létrehozhat egy jelentést, szűrheti a jelentést, majd rögzítheti a szűrt vizualizációkat egy irányítópulton. A vizualizáció szűrőjét azonban nem lehet módosítani, ha az az irányítópulton van.

Az élő jelentés csempét külön rögzítheti az irányítópulton, majd módosíthatja a szűrőket. Az élő jelentéscsempék azonban nem frissülnek valós időben az adatok leküldésekor. Manuálisan kell frissítenie a vizualizációt az irányítópult jobb felső részén található Frissítés ikonra kattintva.

Ha szűrőket alkalmaz az ezredmásodperc pontosságú mezőket tartalmazó szemantikai modellek DateTime leküldésére, az egyenértékűségi operátorok nem támogatottak. A megfelelőnél > nagyobb vagy kisebb < operátorok.

Hogyan látja a legújabb értéket a leküldéses vagy streamelési szemantikai modelleken?

A streamelési szemantikai modellek a legújabb adatok megjelenítésére lettek tervezve. A kártyastreamelési vizualizáció típusával egyszerűen megtekintheti a legújabb numerikus értékeket. A kártyavizualizációk nem támogatják és Text nem támogatják DateTime az adattípusokat.

A leküldéses szemantikai modellek esetében, ha van időbélyeg a sémában, megpróbálhat jelentésvizualizációt létrehozni a last N szűrővel.

Hogyan lehet valós idejű szemantikai modelleken modellezést végezni?

A modellezés streamelt szemantikai modellen nem lehetséges, mert az adatok tárolása nem történik meg véglegesen. Leküldéses szemantikai modell esetén a REST API-val létrehozhat egy szemantikai modellt kapcsolattal és mértékekkel, a rest API-k frissítési táblázatával pedig mértékeket adhat hozzá a meglévő táblákhoz.

Hogyan törölheti az összes értéket egy leküldéses vagy streamelési szemantikai modellben?

Leküldéses szemantikai modellben használhatja a törlési sorokat REST API-hívással . A streamelt szemantikai modellből nem lehet adatokat törölni, bár az adatok egy óra múlva törlődnek.

Ha beállít egy Azure Stream Analytics-kimenetet a Power BI-ban, de nem látja a Power BI-ban, mi a baj?

A probléma elhárításához hajtsa végre az alábbi lépéseket:

1. Indítsa újra az Azure Stream Analytics-feladatot.
2. Próbálja meg újraauthorizálni a Power BI-kapcsolatot az Azure Stream Analyticsben.
3. Győződjön meg arról, hogy ugyanazt a munkaterületet ellenőrzi az Azure Stream Analytics-kimenethez megadott Power BI szolgáltatás.
4. Győződjön meg arról, hogy az Azure Stream Analytics-lekérdezés explicit módon kimenetet ad a Power BI-kimenetnek a INTO kulcsszó használatával.
5. Annak meghatározása, hogy az Azure Stream Analytics-feladatban vannak-e adatfolyamok. A szemantikai modell csak akkor jön létre, ha az adatok továbbítása folyamatban van.
6. Tekintse meg az Azure Stream Analytics naplóit, és ellenőrizze, hogy vannak-e figyelmeztetések vagy hibák.

Automatikus oldalfrissítés

A jelentésoldal szintjén automatikus oldalfrissítéssel beállíthatja a csak a lap használatakor aktív vizualizációk frissítési időközét. Az automatikus oldalfrissítés csak DirectQuery-adatforrásokhoz érhető el. A minimális frissítési időköz attól függ, hogy milyen típusú munkaterületen teszi közzé a jelentést, és hogy a prémium szintű munkaterületek kapacitásadminisztrátori beállításai vannak-e.

Az automatikus oldalfrissítésről további információt az Automatikus oldalfrissítés a Power BI-ban című témakörben talál.

Kapcsolódó tartalom

• A Power BI REST API áttekintése valós idejű adatokkal
• Adatok betöltése Power BI streamelési szemantikai modellben, és adatfolyam-monitorozási jelentés készítése a Power BI-val