Bruk datapunktgrenser og strategier etter visuell type

  • Artikkel

GJELDER FOR: Power Bi-tjeneste for bedriftsbrukere Power Bi-tjeneste for designere og utviklerePower BI Desktop krever Pro- eller Premium-lisens

Visualiseringsgjengivelse i Power BI må være rask og nøyaktig, noe som krever konfigurasjon av underliggende algoritmer for hver visuelle type. Visualobjekter i Power BI må være fleksible nok til å håndtere ulike størrelser på semantiske modeller. Noen semantiske modeller har bare en håndfull datapunkter, mens andre semantiske modeller har petabyte med datapunkter. Denne artikkelen forklarer strategiene som brukes av Power BI til å gjengi visualiseringer.

Strategier for datareduksjon

Hvert visualobjekt bruker én eller flere strategier for datareduksjon for å håndtere de potensielt store datamengdene som analyseres. Selv en enkel tabell bruker en strategi for å unngå å laste hele semantisk modell til klienten. Reduksjonsstrategien varierer etter visuell type. Hvert visualobjekt velger fra de støttede strategiene for datareduksjon som en del av genereringen av dataforespørselen som sendes til serveren.

Hvert visualobjekt kontrollerer parameterne på disse strategiene for å påvirke den totale mengden data.

Strategier

For hver strategi finnes det standarder basert på formen og typen visualiserte data. Hvis du vil gi riktig brukeropplevelse, kan du overstyre standarder i formateringsruten i Power BI.

  • Datavinduering (segmentering ): Tillat brukere å bla gjennom dataene i et visualobjekt ved å gradvis laste inn fragmenter av den generelle semantiske modellen.
  • TopN: Vis bare de første N-elementene.
  • Enkelt eksempel: Vis de første, siste og N jevnt fordelte elementene i mellom.
  • BottomN: Vis bare de siste N-elementene. Nyttig for overvåking av jevnlig oppdaterte data.
  • Sampling med høy tetthet: En forbedret samplingsalgoritme som bedre respekterer ytterpunkter og/eller formen på en kurve.
    • Binned line sampling: Eksempel på datapunkter basert på ytterpunkter i hyller på tvers av en akse.
    • Sampling av overlappende punkter: Eksempel på datapunkter basert på overlappende verdier for å bevare ytterpunkter.

Statistikk

Enkelte modeller kan gi statistikk om antall verdier for bestemte kolonner. Når slik informasjon finnes, bruker vi denne informasjonen til å gi bedre balansering på tvers av flere hierarkier hvis et visualobjekt ikke eksplisitt overstyrer antall verdier for en strategi.

Hvis du vil ha mer informasjon, kan du se Nyheter i SQL Server Analysis Services.

Dynamiske grenser

I tillegg til de tidligere nevnte strategiene bruker visualobjekter med to hierarkier av grupperingskolonner (akse og forklaring eller kategori og serie) en annen strategi som kalles dynamiske grenser. Dynamiske grenser er utformet for å balansere datapunkter bedre.

Dynamiske grenser gir et bedre utvalg av punkter for sparsomme data enn statiske grenser. Du kan for eksempel konfigurere et visualobjekt til å velge 100 kategorier og 10 serier med totalt 1000 poeng. Men de faktiske dataene har 50 kategorier og 20 serier. Ved kjøretid for spørring velger dynamiske grenser alle 20 seriene for å fylle opp de 1000 punktene som er forespurt.

Dynamiske grenser brukes automatisk når serveren er i stand til det:

Strategier og datapunktgrenser etter visuell type

Finn detaljer for hver visualobjekttype i avsnittene nedenfor.

Arealdiagram

Hvis du vil ha mer informasjon om visualobjekter i arealdiagrammet, kan du se Hvordan den nye algoritmen for linjeprøvetaking fungerer.

Stolpediagram eller stolpediagram

  • I kategorisk modus:
    • Kategorier: Virtualisering ved hjelp av vindu på 500 rader om gangen
    • Serie: Topp 60
  • I skalarmodus (kan bruke dynamiske grenser):
    • Maksimalt antall poeng: 10 000
    • Kategorier: Eksempel på 500 verdier
    • Serie: Topp 20 verdier

Kort (multirow)

  • Verdier: Virtualisering ved hjelp av vindu på 200 rader om gangen.

Kombinasjonsdiagram

Et kombinasjonsdiagram bruker de samme strategiene som et stolpediagram. Legg merke til at linjen i kombinasjonsdiagrammet ikke bruker algoritmen med høy tetthet som linjediagrammet bruker.

Power BI-visualobjekter

Power BI-visualobjekter kan få opptil 30 000 datapunkter, men det er opp til de visuelle forfatterne å angi hvilke strategier som skal brukes. Standardgrensen er 1000, men den visuelle oppretteren kan endre dette opptil maksimalt 30 000.

Hjuldiagram

  • Maks poeng: 3500
  • Gruppe: Topp 500
  • Detaljer: Topp 20

Fylt kartkoropleth

Det fylte kartet kan bruke statistikk eller dynamiske grenser. Power BI prøver å bruke reduksjon i følgende rekkefølge: dynamiske grenser, statistikk og konfigurasjon.

  • Maksimalt antall poeng: 10 000
  • Kategorier: Topp 500
  • Serier (når både X og Y er til stede): Topp 20

Trakt

  • Maks poeng: 3500
  • Kategorier: Topp 3500

KPI

Trendaksegrenser:

  • Nederst 3500

Linjediagram

Hvis du vil ha mer informasjon om visualobjekter for linjediagram, kan du se Hvordan den nye algoritmen for linjeprøvetaking fungerer.

Linjediagram, høy tetthet

Hvis du vil ha mer informasjon, kan du se Sampling med høy tetthet i Power BI.

Tilordne

  • Maks poeng: 3500

Avhengig av konfigurasjonen kan et kart ha:

  • Plassering: Topp 3500
  • Plassering, størrelse: Topp 3500
  • Mengde mengde plassering, breddegrad og lengdegrad (+/-størrelse): Topp 3500
  • Breddegrad, lengdegrad: Hvis du vil ha mer informasjon, kan du se Sampling med høy tetthet i Power BI-punktdiagrammer
  • Breddegrad, lengdegrad, størrelse: Topp 3500
  • Forklaring, breddegrad, lengdegrad: Hvis du vil ha mer informasjon, kan du se Sampling med høy tetthet i Power BI-punktdiagrammer
  • Forklaring, breddegrad, lengdegrad, størrelse: Topp 233 forklaringer, topp 15 breddegrad og lengdegrad (kan bruke statistikk eller dynamiske grenser)
  • Plassering, forklaring, breddegrad og lengdegrad som aggregater (+/-Størrelse): Topp 233 plasseringer, topp 15 forklaringer (kan bruke statistikk eller dynamiske grenser)

Kart: Azure Kart

  • Breddegrad, lengdegrad: 30 000
  • Sted: 30 000

Hvis du vil ha mer informasjon, kan du se Sampling med høy tetthet i Power BI-punktdiagrammer.

Matrise

  • Rader: Virtualisering ved hjelp av vindu på 500 rader om gangen
  • Kolonner: De 100 øverste grupperingskolonnene
  • Verdier: Flere verdier teller ikke mot datareduksjonen

PowerApps-visualobjekter

PowerApps-visualobjekter kan få opptil 30 000 datapunkter, men det er opp til de visuelle forfatterne å angi hvilke strategier som skal brukes. Standardgrensen er 1000, men den visuelle oppretteren kan endre dette opptil maksimalt 30 000.

Sirkelmåler

Ingen reduksjonsstrategi.

Slicer

  • Verdier: Virtualisering ved hjelp av vindu på 200 rader om gangen.

Punktdiagram (høy tetthet)

Hvis du vil ha mer informasjon, kan du se Sampling med høy tetthet i Power BI-punktdiagrammer.

Sektor

  • Maks poeng: 3500
  • Gruppe: Topp 500
  • Detaljer: Topp 20

R & Python-visualobjekter

R & Python-visualobjekter er begrenset til 150 000 rader. Hvis du velger mer enn 150 000 rader, bruker visualobjektet bare de øverste 150 000 radene.

Bånddiagram

  • I kategorisk modus:
    • Kategorier: Virtualisering (datavindu) ved hjelp av vindu på 500 rader om gangen
    • Serie: Topp 60
  • I skalarmodus (kan bruke dynamiske grenser):
    • Maksimalt antall poeng: 10 000
    • Kategorier: Eksempel på 500 verdier
    • Serie: Topp 20 verdier

Figurkart (forhåndsvisning)

Figurkartet kan bruke statistikk eller dynamiske grenser.

  • Maks poeng: 1500
  • Kategorier: Topp 500

Table

  • Verdier: Virtualisering (datavindu) ved hjelp av vindu på 500 rader om gangen.

Trekart (kan bruke statistikk eller dynamiske grenser)

  • Maks poeng: 3500
  • Gruppe: Topp 500
  • Detaljer: Topp 20

Fossefalldiagram

  • Kategorisamling (bare):
    • Maks poeng: 3500
    • Bare kategori - topp 3500
  • Både kategori og nedbryting finnes:
    • Kategori: Virtualisering (datavindu) ved hjelp av vindu på 30 rader om gangen
    • Fordeling – de 200 høyeste verdiene

Relatert innhold