Automatikus összesítések

Az automatikus aggregációk a legkorszerűbb gépi tanulást (ML) használják a DirectQuery szemantikai modellek folyamatos optimalizálásához a jelentés lekérdezési teljesítményének maximalizálása érdekében. Az automatikus összesítések a meglévő felhasználó által definiált összesítési infrastruktúrára épülnek , amelyet először a Power BI összetett modelljeivel vezetnek be. A felhasználó által definiált összesítésekkel ellentétben az automatikus összesítések nem igényelnek kiterjedt adatmodellezési és lekérdezésoptimalizálási képességeket a konfiguráláshoz és a karbantartáshoz. Az automatikus összesítések önképzést és önoptimalizálást is jelentenek. Lehetővé teszik, hogy a modelltulajdonosok bármilyen képzettségi szinttel javíthassák a lekérdezési teljesítményt, és gyorsabb jelentésvizualizációkat biztosítsanak a nagy modellek számára.

Automatikus összesítésekkel:

• A jelentésvizualizációk gyorsabbak – A jelentés lekérdezéseinek optimális százalékát egy automatikusan fenntartott memóriabeli összesítési gyorsítótár adja vissza a háttérbeli adatforrásrendszerek helyett. A memóriabeli gyorsítótár által nem visszaadott kiugró lekérdezéseket a Rendszer közvetlenül az adatforrásnak továbbítja a DirectQuery használatával.
• Kiegyensúlyozott architektúra – A tiszta DirectQuery módhoz képest a legtöbb lekérdezési eredményt a Power BI lekérdezési motorja és a memórián belüli aggregációk gyorsítótára adja vissza. Az adatforrásrendszerek lekérdezésfeldolgozási terhelése a jelentéskészítés csúcsidejében jelentősen csökkenthető, ami az adatforrás háttérrendszerében nagyobb méretezhetőséget jelent.
• Egyszerű beállítás – A modelltulajdonosok engedélyezhetik az automatikus összesítések betanítását, és ütemezhetnek egy vagy több frissítést a modellhez. Az első betanítással és frissítéssel az automatikus összesítések elkezdik létrehozni az aggregációs keretrendszert és az optimális összesítéseket. A rendszer idővel automatikusan hangolja magát.
• Finomhangolás – A modellbeállítások egyszerű és intuitív felhasználói felületével megbecsülheti a memóriabeli aggregációk gyorsítótárából visszaadott lekérdezések teljesítménynövekedését, és még nagyobb nyereség érdekében módosíthatja a teljesítményt. Egyetlen diasáv-vezérlővel egyszerűen finomhangolhatja a környezetet.

Követelmények

Támogatott csomagok

Az automatikus összesítések a Power BI Premium kapacitásonkénti, felhasználónkénti Premium- és Power BI Embedded-modelljeiheztámogatottak.

Támogatott adatforrások

Az automatikus összesítések a következő adatforrásokhoz támogatottak:

• Azure SQL Database
• Dedikált Azure Synapse SQL-készlet
• SQL Server 2019 vagy újabb
• Google BigQuery
• Snowflake
• Databricks
• Amazon Redshift

Támogatott módok

Az automatikus összesítések a DirectQuery módú modellek esetében támogatottak. Az importálási táblákkal és DirectQuery-kapcsolatokkal rendelkező összetett modellmodellek támogatottak. Az automatikus összesítések csak a DirectQuery-kapcsolat esetében támogatottak.

Jogosultságok

Az automatikus összesítések engedélyezéséhez és konfigurálásához a modell tulajdonosának kell lennie. A munkaterület rendszergazdái átvehetik a tulajdonosi szerepkört az automatikus összesítési beállítások konfigurálásához.

Automatikus összesítések konfigurálása

Az automatikus összesítések a modell Gépház vannak konfigurálva. A konfigurálás egyszerű – engedélyezze az automatikus összesítések betanítását, és ütemezzen egy vagy több frissítést. Mielőtt automatikus összesítéseket konfigurál a modellhez, mindenképpen olvassa el teljes egészében ezt a cikket. Jól ismeri az automatikus összesítések működését, és segít eldönteni, hogy az automatikus összesítések megfelelőek-e a környezet számára. Ha készen áll az automatikus összesítések betanításának engedélyezésére, a frissítési ütemezés konfigurálására és a környezet finomhangolására vonatkozó részletes útmutatásra, olvassa el az Automatikus összesítések konfigurálása című témakört.

Előnyök

A DirectQuery használatával a rendszer minden alkalommal, amikor egy modellfelhasználó megnyitja a jelentést, vagy egy jelentésvizualizációt használ, az adatelemzési kifejezések (DAX) lekérdezései a lekérdezési motornak, majd a háttérbeli adatforrásnak lesznek átadva SQL-lekérdezésekként. Az adatforrásnak minden lekérdezéshez ki kell számítania és vissza kell adnia az eredményeket. A memóriában tárolt importálási módú modellekhez képest a DirectQuery-adatforrások körútjai idő- és folyamatigényesek is lehetnek, ami gyakran lassú lekérdezési válaszidőt okoz a jelentésvizualizációkban.

Ha engedélyezve van Egy DirectQuery-modell esetében, az automatikus összesítések növelhetik a jelentés lekérdezési teljesítményét azáltal, hogy elkerülik az adatforrás-lekérdezések körútjait. Az előre aggregált lekérdezési eredményeket a rendszer automatikusan visszaadja a memóriában lévő összesítések gyorsítótára, nem pedig az adatforrásnak küldi el és adja vissza. A memóriabeli aggregációk gyorsítótárában lévő előre összesített adatok mennyisége az adatforrás tény- és részlettábláiban tárolt adatok kis része. Az eredmény nem csak a jelentés lekérdezési teljesítményének javítása, hanem a háttérbeli adatforrásrendszerek terhelésének csökkentése is. Automatikus aggregációk esetén a rendszer csak a jelentés és az alkalmi lekérdezések egy kis részét továbbítja a háttéradatforrásnak, csakúgy, mint a tiszta DirectQuery mód esetén.

Automatikus lekérdezés- és összesítéskezelés

Bár az automatikus összesítések kiküszöbölik a felhasználó által definiált összesítési táblák létrehozásának szükségességét, és jelentősen leegyszerűsítik az előre összesített adatmegoldás implementálását, az alapul szolgáló folyamatok és függőségek mélyebb ismerete hasznos az automatikus összesítések működésének megértésében. A Power BI az alábbiakra támaszkodik az automatikus összesítések létrehozásához és kezeléséhez.

Lekérdezési napló

A Power BI nyomon követi a modell- és felhasználói jelentés lekérdezéseket egy lekérdezésnaplóban. A Power BI minden modell esetében hét napig tart fenn lekérdezési naplóadatokat. A lekérdezési napló adatai naponta kerülnek továbbításra. A lekérdezési napló biztonságos, és nem látható a felhasználók vagy az XMLA-végponton keresztül.

Betanítási műveletek

A kiválasztott gyakoriság (nap vagy hét) első ütemezett modellfrissítési műveletének részeként a Power BI először elindít egy betanítási műveletet, amely kiértékeli a lekérdezési naplót, hogy a memóriabeli aggregációk gyorsítótárában lévő összesítések alkalmazkodjanak a változó lekérdezési mintákhoz. A memóriában lévő összesítő táblák létrejönnek, frissíthetők vagy elvethetők, és a rendszer speciális lekérdezéseket küld az adatforrásnak a gyorsítótárba felvenni kívánt összesítések meghatározásához. A számított aggregációk adatai azonban nem töltődnek be a memóriabeli gyorsítótárba a betanítás során – azokat a későbbi frissítési művelet során töltik be.

Ha például egy nap gyakoriságát választja, és az ütemezés 4:00, 9:00, 14:00 és 19:00 időpontban frissül, csak a minden nap 4:00-kor történő frissítés tartalmaz egy betanítási műveletet és egy frissítési műveletet is. Az ezt követő 9:00, 14:00 és 19:00 között ütemezett frissítések csak a gyorsítótárban lévő meglévő összesítéseket frissítő műveletek .

Bár a betanítási műveletek a lekérdezési naplóból értékelik ki a korábbi lekérdezéseket, az eredmények kellően pontosak ahhoz, hogy a jövőbeli lekérdezések lefedésre kerülhessenek. Nincs azonban garancia arra, hogy a jövőbeni lekérdezéseket a memóriában lévő összesítések gyorsítótára adja vissza, mert ezek az új lekérdezések eltérhetnek a lekérdezési naplóból származó lekérdezésektől. A memóriabeli aggregációk gyorsítótára által nem visszaadott lekérdezéseket a Rendszer a DirectQuery használatával továbbítja az adatforrásnak. Az új lekérdezések gyakoriságától és rangsorolásától függően a memóriabeli összesítések gyorsítótárában a következő betanítási művelettel aggregációk is szerepelhetnek.

A betanítási művelet 60 perces időkorlátot ad meg. Ha a betanítás nem tudja feldolgozni a teljes lekérdezési naplót az időkorláton belül, a rendszer egy értesítést naplóz a modell frissítési előzményei között, és a betanítás a következő indításkor folytatódik. A betanítási ciklus befejezi és lecseréli a meglévő automatikus összesítéseket a teljes lekérdezési napló feldolgozásakor.

Frissítési műveletek

A korábban leírtaknak megfelelően, miután a betanítási művelet befejeződött a kiválasztott gyakoriság első ütemezett frissítésének részeként, a Power BI végrehajt egy frissítési műveletet, amely lekérdezi és betölti az új és frissített összesítéseket a memóriában lévő összesítések gyorsítótárába, és eltávolítja azokat az összesítéseket, amelyek már nem rangsorolnak elég magasra (a betanítási algoritmus alapján). A választott napi vagy heti gyakoriság minden további frissítése csak olyan művelet , amely lekérdezi az adatforrást a gyorsítótárban lévő meglévő összesítések adatainak frissítéséhez. Az előző példában szereplő 9:00, 14:00 és 19:00 között ütemezett frissítések csak frissítési műveletek.

A napi (vagy heti) rendszeres frissítések biztosítják, hogy a gyorsítótárban lévő összesítések naprakészebbek legyenek a háttéradatforrás adataival. A modell Gépház naponta legfeljebb 48 frissítést ütemezhet, hogy az aggregációk gyorsítótára által visszaadott jelentés-lekérdezések a háttéradatforrás legfrissebb frissített adatai alapján kapják meg az eredményeket.

Figyelem

A betanítási és frissítési műveletek mind a Power BI szolgáltatás, mind az adatforrásrendszerek esetében feldolgozási és erőforrás-igényesek. Az aggregációkat használó lekérdezések százalékos arányának növelésével több aggregációt kell lekérdezni és ki kell számítani adatforrásokból a betanítási és frissítési műveletek során, növelve a rendszererőforrások túlzott használatának valószínűségét, és időtúllépéseket okozhat. További információ: Finomhangolás.

Igény szerinti betanítás

Ahogy korábban említettük, előfordulhat, hogy egy betanítási ciklus nem fejeződik be egyetlen adatfrissítési ciklus időkorlátja alatt. Ha nem szeretne megvárni a következő ütemezett frissítési ciklust, amely betanítást is tartalmaz, automatikus összesítéseket is aktiválhat igény szerint a Betanítás és frissítés most lehetőség kiválasztásával a modell Gépház. A Betanítás és frissítés most funkcióval betanítási és frissítési műveletet is aktivál. Ellenőrizze a modell frissítési előzményeit, hogy az aktuális művelet befejeződött-e, mielőtt újabb igény szerinti betanítási és frissítési műveletet futtat, ha szükséges.

Frissítési előzmények

A rendszer minden frissítési műveletet rögzít a modell frissítési előzményeiben. Az egyes frissítésekről fontos információk jelennek meg, beleértve a gyorsítótárban lévő memória-összesítések számát a konfigurált lekérdezési százalékhoz. A frissítési előzmények megtekintéséhez a modell Gépház lapon válassza a Frissítési előzmények lehetőséget. Ha egy kicsit tovább szeretne részletezni, válassza a Részletek megjelenítése lehetőséget .

A frissítési előzmények rendszeres ellenőrzésével meggyőződhet arról, hogy az ütemezett frissítési műveletek elfogadható időn belül befejeződnek. Győződjön meg arról, hogy a frissítési műveletek sikeresen befejeződnek a következő ütemezett frissítés megkezdése előtt.

Betanítási és frissítési hibák

Bár a Power BI a kiválasztott napi vagy heti gyakoriságú első ütemezett frissítés részeként végez betanítási és frissítési műveleteket, ezek a műveletek különálló tranzakciókként lesznek implementálva. Ha egy betanítási művelet nem tudja teljes mértékben feldolgozni a lekérdezési naplót az időkorláton belül, a Power BI a korábbi betanítási állapottal folytatja a meglévő összesítések (és az összetett modell normál tábláinak) frissítését. Ebben az esetben a frissítési előzmények azt jelzik, hogy a frissítés sikeres volt, és a betanítás a következő betanítás indításakor folytatja a lekérdezési napló feldolgozását. A lekérdezési teljesítmény kevésbé lesz optimalizálva, ha az ügyféljelentés lekérdezési mintái megváltoztak, és az összesítések még nem változtak, de az elért teljesítményszintnek még mindig sokkal jobbnak kell lennie, mint egy tiszta DirectQuery-modell összesítések nélkül.

Ha egy betanítási művelethez túl sok ciklus szükséges a lekérdezési napló feldolgozásának befejezéséhez, fontolja meg a memóriabeli összesítési gyorsítótárat használó lekérdezések százalékos arányának csökkentését a modell Gépház. Ez csökkenti a gyorsítótárban létrehozott összesítések számát, de több időt vesz igénybe a betanítási és frissítési műveletek végrehajtása. További információ: Finomhangolás.

Ha a betanítás sikeres, de a frissítés sikertelen, a rendszer a teljes frissítést sikertelenként jelöli meg, mert az eredmény nem érhető el a memóriában lévő összesítések gyorsítótárában.

A frissítés ütemezésekor megadhatja az e-mail-értesítéseket, ha frissítési hibák történnek.

Felhasználó által definiált és automatikus összesítések

A Power BI felhasználó által definiált összesítései manuálisan konfigurálhatók a modell rejtett összesített táblái alapján. A felhasználó által definiált aggregációk konfigurálása gyakran összetett, és nagyobb adatmodellezési és lekérdezésoptimalizálási készségeket igényel. Az automatikus aggregációk viszont kiküszöbölik ezt a bonyolultságot egy AI-alapú rendszer részeként. A statikus maradó felhasználó által definiált összesítésekkel ellentétben a Power BI folyamatosan karbantartja a lekérdezési naplókat, és ezekből a naplókból gépi tanulási (ML) prediktív modellezési algoritmusok alapján határozza meg a lekérdezési mintákat. Az előre összesített adatok kiszámítása és tárolása a memóriában történik a lekérdezési minta elemzése alapján. Az automatikus összesítésekkel a modellek önképzést és önoptimalizálást is jelentenek. Az ügyféljelentések lekérdezési mintáinak változásával az automatikus összesítések módosulnak, rangsorolja és gyorsítótárazhatja a leggyakrabban használt összesítéseket.

Mivel az automatikus aggregációk a meglévő felhasználó által definiált összesítési infrastruktúrára épülnek, a felhasználó által definiált és az automatikus összesítések együtt is használhatók ugyanabban a modellben. A képzett adatmodellezők a DirectQuery, importálás (növekményes frissítéssel vagy anélkül) vagy kettős tárolási móddal definiálhatják a táblák aggregációit, ugyanakkor a DirectQuery-kapcsolatokon keresztüli lekérdezések automatikusabb összesítésének előnyeivel is járnak, amelyek nem érik el a felhasználó által definiált összesítő táblákat. Ez a rugalmasság kiegyensúlyozott architektúrákat tesz lehetővé, amelyek csökkenthetik a lekérdezési terhelést, és elkerülhetik a szűk keresztmetszeteket.

A memóriabeli gyorsítótárban az automatikus aggregációk betanítási algoritmusa által létrehozott összesítések összesítésként System vannak azonosítva. A betanítási algoritmus csak ezeket az System összesítéseket hozza létre és törli a jelentéskészítési lekérdezések elemzésekor, és módosításokat végez a modell optimális összesítéseinek fenntartása érdekében. A felhasználó által definiált és az automatikus összesítések is frissítéssel frissülnek. Csak az automatikus összesítések által létrehozott és rendszer által generált összesítésként megjelölt összesítések szerepelnek az automatikus összesítések feldolgozásában.

Lekérdezési gyorsítótárazás és automatikus összesítések

A Power BI Premium a Lekérdezések gyorsítótárazását is támogatja a Power BI Premium/Embedded szolgáltatásban a lekérdezési eredmények fenntartása érdekében. A lekérdezések gyorsítótárazása eltér az automatikus összesítésektől. A lekérdezések gyorsítótárazásával a Power BI Premium a helyi gyorsítótárazási szolgáltatásával valósítja meg a gyorsítótárazást, míg az automatikus összesítések modellszinten vannak implementálva. A lekérdezések gyorsítótárazásával a szolgáltatás csak a kezdeti jelentésoldal betöltéséhez gyorsítótárazza a lekérdezéseket, ezért a lekérdezési teljesítmény nem javul, ha a felhasználók egy jelentést használnak. Ezzel szemben az automatikus összesítések optimalizálják a legtöbb jelentés lekérdezését az összesített lekérdezési eredmények előzetes gyorsítótárazásával, beleértve azokat a lekérdezéseket is, amelyeket a felhasználók a jelentések használatakor hoznak létre. A lekérdezések gyorsítótárazása és az automatikus összesítések egyaránt engedélyezhetők egy modellhez, de valószínűleg nem szükséges.

Monitorozás az Azure Log Analytics használatával

Az Azure Log Analytics (LA) az Azure Monitor szolgáltatása, amellyel a Power BI tevékenységnaplókat menthet. Az Azure Monitor-csomaggal telemetriai adatokat gyűjthet, elemezhet és végezhet el az Azure-beli és a helyszíni környezetekből. Hosszú távú tárolást, alkalmi lekérdezési felületet és API-hozzáférést biztosít az adatok exportálásához és más rendszerekkel való integrációjához. További információ: Az Azure Log Analytics használata a Power BI-ban.

Ha a Power BI Azure LA-fiókkal van konfigurálva, az Azure Log Analytics Power BI-hoz való konfigurálásával elemezheti az automatikus összesítések sikerességi arányát. Többek között meghatározhatja, hogy a jelentés lekérdezései a memóriában lévő gyorsítótárból válaszolnak-e.

Ennek a lehetőségnek a használatához töltse le a PBIT-sablont, és csatlakoztassa a naplóelemzési fiókjához, a Power BI blogbejegyzésében leírtak szerint. A jelentésben három különböző szinten tekintheti meg az adatokat: Összegző nézet, DAX lekérdezési szint nézet és SQL-lekérdezési szint nézet.

Az alábbi képen az összes lekérdezés összefoglaló oldala látható. Mint látható, a megjelölt diagram az összes lekérdezésnek az összesítés által teljesített százalékos arányát mutatja, szemben azokkal, amelyeknek az adatforrást kellett használniuk.

A mélyebb elemzés következő lépése az aggregációk DAX-lekérdezési szinten történő használatának megismerése. Kattintson a jobb gombbal egy DAX-lekérdezésre a listából (bal alsó sarokban) >Részletezés a lekérdezési előzmények között>.

Ez biztosítja az összes kapcsolódó lekérdezés listáját. Az összesítés további részleteinek megjelenítéséhez lépjen a következő szintre.

Alkalmazás életciklus-kezelése

A fejlesztéstől a tesztelésen át az éles környezetig az automatikus összesítéseket engedélyező modellek speciális követelményekkel rendelkeznek az ALM-megoldásokra vonatkozóan.

Üzembe helyezési folyamatok

Az üzembehelyezési folyamatokkal a Power BI átmásolhatja a modelleket a modellkonfigurációjukkal az aktuális fázisból a célszakaszba. Az automatikus összesítéseket azonban alaphelyzetbe kell állítani a célszakaszban, mivel a beállítások nem kerülnek át az aktuálisból a célszakaszba. A tartalmat programozott módon is üzembe helyezheti az üzembehelyezési folyamatok REST API-jaival. A folyamatról további információt az üzembehelyezési folyamat automatizálása API-k és DevOps használatával című témakörben talál.

Egyéni ALM-megoldások

Ha XMLA-végpontokon alapuló egyéni ALM-megoldást használ, vegye figyelembe, hogy a megoldás képes lehet a rendszer által létrehozott és a felhasználó által létrehozott összesítési táblák másolására a modell metaadatainak részeként. Azonban manuálisan kell engedélyeznie az automatikus összesítéseket a célszakasz minden üzembe helyezési lépése után. A Power BI megtartja a konfigurációt, ha felülír egy meglévő modellt.

Feljegyzés

Ha egy Modellt egy Power BI Desktop-fájl (.pbix) részeként tölt fel vagy ismét közzétesz, a rendszer által létrehozott összesítő táblák elvesznek, mivel a Power BI lecseréli a meglévő modellt a cél-munkaterület összes metaadataira és adataira.

Modell módosítása

Miután módosította az XMLA-végpontokon keresztül engedélyezett automatikus összesítéseket tartalmazó modellt, például táblákat ad hozzá vagy távolít el, a Power BI megőrzi a meglévő összesítéseket, és eltávolítja azokat, amelyek már nem szükségesek vagy relevánsak. A lekérdezési teljesítmény a következő betanítási fázis aktiválásáig befolyásolható.

Metaadat-elemek

Az automatikus összesítéseket engedélyező modellek egyedi rendszer által generált összesítéseket tartalmaznak. Az aggregációk táblái nem láthatók a jelentéskészítő eszközök felhasználói számára. Az XMLA-végponton keresztül láthatók az Analysis Services 19.22.5-ös és újabb verziójú ügyfélkódtárakkal rendelkező eszközökkel. Ha automatikus összesítéseket használó modelleket használ, mindenképpen frissítse az adatmodellezési és felügyeleti eszközöket az ügyfélkódtárak legújabb verziójára. Az SQL Server Management Studio (SSMS) esetében frissítsen az SSMS 18.9.2-es vagy újabb verziójára. Az SSMS korábbi verziói nem tudják számba venni a táblákat és a szkripteket ezekből a modellekből.

Az automatikus aggregációkat egy SystemManaged táblatulajdonság azonosítja, amely az Analysis Services 19.22.5-ös és újabb verziójának táblázatos objektummodellje (TOM) újdonsága. Az alábbi kódrészlet az automatikus összesítési táblákhoz true és false a SystemManaged normál táblákhoz beállított tulajdonságot jeleníti meg.

using System;
using System.Collections.Generic;
using System.Linq;
using Microsoft.AnalysisServices.Tabular;

namespace AutoAggs
{
    class Program
    {
        static void Main(string[] args)
        {
            string workspaceUri = "<Specify the URL of the workspace where your model resides>";
            string datasetName = "<Specify the name of your dataset>";

            Server sourceWorkspace = new Server();
            sourceWorkspace.Connect(workspaceUri);
            Database dataset = sourceWorkspace.Databases.GetByName(datasetName);

            // Enumerate system-managed tables.
            IEnumerable<Table> aggregationsTables = dataset.Model.Tables.Where(tbl => tbl.SystemManaged == true);


            if (aggregationsTables.Any())
            {
                Console.WriteLine("The following auto aggs tables exist in this dataset:");
                foreach (Table table in aggregationsTables)
                {
                    Console.WriteLine($"\t{table.Name}");
                }
            }
            else
            {
                Console.WriteLine($"This dataset has no auto aggs tables.");
            }

            Console.WriteLine("\n\rPress [Enter] to exit the sample app...");
            Console.ReadLine();
        }
    }
}

A kódrészlet végrehajtása automatikus összesítési táblákat eredményez, amely jelenleg a konzolon található modellben található.

Ne feledje, hogy az aggregációk táblái folyamatosan változnak, mivel a betanítási műveletek határozzák meg a memóriabeli aggregációk gyorsítótárában felvenni kívánt optimális összesítéseket.

Fontos

A Power BI teljes mértékben kezeli a rendszer által létrehozott táblaobjektumok automatikus összesítéseit. Ezeket a táblákat ne törölje és ne módosítsa. Ez ronthatja a teljesítményt.

A Power BI a modell konfigurációját a modellen kívül tartja fenn. A rendszer által felügyelt aggregációk tábláinak jelenléte egy modellben nem feltétlenül jelenti azt, hogy a modell engedélyezve van az automatikus összesítések betanításához. Más szóval, ha egy olyan modell teljes modelldefinícióját szkripteli ki, amelyen engedélyezve vannak az automatikus összesítések, és létrehoz egy új másolatot a modellről (eltérő névvel/munkaterülettel/kapacitással), az új eredményül kapott modell nem lesz engedélyezve az automatikus összesítések betanításához. Továbbra is engedélyeznie kell az automatikus összesítések betanítását az új modellhez a modell Gépház.

Szempontok és korlátozások

Az automatikus összesítések használatakor tartsa szem előtt az alábbiakat:

• Az összesítések nem támogatják a dinamikus M lekérdezési paramétereket.
• Az első betanítási fázisban létrehozott SQL-lekérdezések jelentős terhelést okozhatnak az adattárház számára. Ha a betanítás befejezetlen marad, és ellenőrizheti az adattárház oldalán, hogy a lekérdezések időtúllépést tapasztalnak, fontolja meg ideiglenesen az adattárház méretezését a betanítási igények kielégítése érdekében.
• A memóriabeli aggregációk gyorsítótárában tárolt összesítések nem számíthatók ki az adatforrás legfrissebb adatai alapján. A tiszta DirectQueryvel és a hagyományos importálási táblákkal ellentétben késés van az adatforrás frissítései és a memóriabeli aggregációk gyorsítótárában tárolt összesítések között. Bár mindig lesz némi késés, ez egy hatékony frissítési ütemezéssel csökkenthető.
• A teljesítmény további optimalizálásához állítsa az összes dimenziótáblát Kettős módra, és hagyja a ténytáblákat DirectQuery módban.
• Az automatikus összesítések nem érhetők el a Power BI Pro, az Azure Analysis Services vagy az SQL Server Analysis Services szolgáltatásban.
• A Power BI nem támogatja az automatikus összesítésekkel rendelkező modellek letöltését. Ha feltöltött vagy közzétett egy Power BI Desktop-fájlt (.pbix) a Power BI-ban, majd engedélyezte az automatikus összesítéseket, a továbbiakban nem töltheti le a PBIX-fájlt. Győződjön meg arról, hogy helyben tartja a PBIX-fájl másolatát.
• Az Azure Synapse Analyticsben külső táblákkal rendelkező automatikus összesítések nem támogatottak. A Synapse-ban a következő SQL-lekérdezéssel számba vehet külső táblákat: SELECT SCHEMA_NAME(schema_id) AS schema_name, name AS table_name FROM sys.external_tables.
• Az automatikus összesítések csak továbbfejlesztett metaadatokat használó modellekhez érhetők el. Ha egy régebbi modell automatikus összesítéseit szeretné engedélyezni, frissítse a modellt a bővített metaadatokra. További információ: Továbbfejlesztett modell metaadatainak használata.
• Ne engedélyezze az automatikus összesítéseket, ha a DirectQuery-adatforrás egyszeri bejelentkezésre van konfigurálva, és dinamikus adatnézetekkel vagy biztonsági vezérlőkkel korlátozza a felhasználó számára elérhető adatokat. Az automatikus összesítések nem ismerik ezeket az adatforrásszintű vezérlőket, ami lehetetlenné teszi a helyes adatok felhasználónkénti biztosítását. A betanítás naplózza a frissítési előzményekben azt a figyelmeztetést, amely szerint egy egyszeri bejelentkezésre konfigurált adatforrást észlelt, és kihagyta az adatforrást használó táblákat. Ha lehetséges, tiltsa le az egyszeri bejelentkezést ezen adatforrások esetében, hogy teljes mértékben kihasználhassa az optimalizált lekérdezési teljesítmény automatikus összesítéseit.
• Ne engedélyezze az automatikus összesítéseket, ha a modell csak hibrid táblákat tartalmaz a felesleges feldolgozási többletterhelés elkerülése érdekében. A hibrid táblák importálási partíciókat és DirectQuery-partíciókat is használnak. Gyakori forgatókönyv a növekményes frissítés valós idejű adatokkal, amelyekben egy DirectQuery-partíció lekéri a tranzakciókat az adatforrásból, amely az utolsó adatfrissítés után történt. A Power BI azonban a frissítés során importálja az összesítéseket. Az automatikus összesítések nem tartalmazhatnak olyan tranzakciókat, amelyek az utolsó adatfrissítés után történtek. A betanítás egy figyelmeztetést naplóz a frissítési előzményekben, amely szerint a rendszer észlelte és kihagyta a hibrid táblákat.
• A számított oszlopok nem számítanak automatikus összesítésnek. Ha számított oszlopot használ DirectQuery módban, például ha a COMBINEVALUES DAX függvény használatával hoz létre kapcsolatot két DirectQuery-tábla több oszlopa alapján, a megfelelő jelentés lekérdezései nem érik el a memóriabeli összesítések gyorsítótárát.
• Az automatikus összesítések csak a Power BI szolgáltatás érhetők el. A Power BI Desktop nem hoz létre rendszer által létrehozott összesítő táblákat.
• Ha automatikus összesítéssel módosítja egy modell metaadatait, a lekérdezés teljesítménye csökkenhet a következő betanítási folyamat elindításáig. Ajánlott eljárás az automatikus összesítések elvetése, a módosítások végrehajtása, majd az újratanítás.
• Ne módosítsa vagy törölje a rendszer által létrehozott aggregációkat, hacsak nem tiltja le az automatikus összesítéseket, és nem törli a modellt. A rendszer felelősséget vállal az objektumok kezeléséért.

Közösség

A Power BI-nak élénk közössége van, ahol az MVP-k, a bi-szakemberek és a társviszonyok megosztják a vitafórumok, videók, blogok és egyebek szakértelmét. Az automatikus összesítések megismeréséhez mindenképpen tekintse meg az alábbi egyéb erőforrásokat:

• Power BI-közösség
• Keresés az "Automatikus Power BI-összesítések" között a Bingben

Kapcsolódó tartalom

• Automatikus összesítések konfigurálása
• Felhasználó által definiált összesítések
• DirectQuery a Power BI-ban
• Analysis Services ügyfélkódtárak