Agregações automáticas

As agregações automáticas usam ML (machine learning) de última geração para otimizar continuamente os conjuntos de dados do DirectQuery para desempenho máximo de consulta de relatório. As agregações automáticas são criadas com base na infraestrutura existente de agregações definidas pelo usuário que foi apresentada pela primeira vez com modelos de composição para Power BI. Ao contrário das agregações definidas pelo usuário, as agregações automáticas não exigem muitas habilidades de modelagem de dados e de otimização de consulta para serem configuradas e mantidas. As agregações automáticas têm auto-otimização e treinamento automático. Elas permitem que os proprietários do conjunto de dados de qualquer nível de habilidade aprimorem o desempenho da consulta, fornecendo visualizações de relatório mais rápidas até mesmo para os maiores conjuntos de dados.

Com as agregações automáticas:

  • As visualizações de relatório são mais rápidas: um percentual ideal de consultas de relatório é retornado por um cache de agregações na memória mantido automaticamente em vez de sistemas de fonte de dados de back-end. As consultas de exceção que não podem ser retornadas pelo cache na memória são passadas diretamente para a fonte de dados usando o DirectQuery.
  • Arquitetura equilibrada: quando comparada ao modo DirectQuery puro, a maioria dos resultados da consulta é retornada pelo mecanismo de consulta Power BI e pelo cache de agregações na memória. A carga de processamento de consultas em sistemas de fonte de dados em horários de relatório de pico pode ser significativamente reduzida, o que significa maior escalabilidade no back-end da fonte de dados.
  • Configuração fácil: os proprietários do conjunto de dados podem habilitar treinamento de agregações automáticas e agendar uma ou mais atualizações do conjunto de dados. Com o primeiro treinamento e a atualização, as agregações automáticas começarão a criar uma estrutura de agregação e agregações ideais. O sistema se ajusta automaticamente ao longo do tempo.
  • Ajuste: com uma interface do usuário simples e intuitiva nas configurações do conjunto de dados, você pode estimar os ganhos de desempenho para um percentual diferente de consultas retornadas do cache de agregações na memória e fazer ajustes para obter ganhos ainda maiores. Um controle de barra deslizante ajuda você a ajustar facilmente seu ambiente.

Requisitos

Planos com suporte

As agregações automáticas têm suporte para conjuntos de dados Power BI Premium por capacidade, Premium por usuário e Power BI Embedded.

Fontes de dados com suporte

As agregações automáticas são compatíveis com as seguintes fontes de dados:

  • Banco de Dados SQL do Azure
  • Pool de SQL dedicado no Azure Synapse
  • Google BigQuery
  • Snowflake
  • Databricks
  • Amazon Redshift

Modos com suporte

As agregações automáticas são compatíveis com conjuntos de dados do modo DirectQuery. Há suporte para conjuntos de dados de modelo de composição com tabelas de importação e conexões DirectQuery, no entanto, as agregações automáticas têm suporte apenas na conexão DirectQuery.

Permissões

Para habilitar e configurar as agregações automáticas, você precisa ser o Proprietário do conjunto de dados. Os administradores do workspace podem assumir um conjunto de dados como proprietário para definir as configurações de agregações automáticas.

Como configurar as agregações automáticas

As agregações automáticas são configuradas nas Configurações do conjunto de dados. A configuração é simples - habilite o treinamento de agregações automáticas e agende uma ou mais atualizações. Mas antes de configurar as agregações automáticas do seu conjunto de dados, termine de ler este artigo. Ele fornece uma boa compreensão de como as agregações automáticas funcionam e pode ajudar você a decidir se as elas são adequadas para o seu ambiente. Quando estiver pronto para obter instruções passo a passo sobre como habilitar o treinamento de agregações automáticas, configurar um agendamento de atualização e ajustá-lo para o seu ambiente, confira Configurar as agregações automáticas.

Benefícios

Com o DirectQuery, sempre que um usuário do conjunto de dados abre um relatório ou interage com uma visualização de relatório, as consultas DAX são passadas para o mecanismo de consulta e para a fonte de dados de back-end como consultas SQL. Em seguida, a fonte de dados precisa calcular e retornar resultados para cada consulta. Em comparação com os conjuntos de dados do modo de importação armazenados na memória, as viagens de ida e volta da fonte de dados DirectQuery podem consumir muito tempo e processamento, geralmente causando tempos de resposta de consulta lentos em visualizações de relatório.

Quando habilitadas para um conjunto de dados do DirectQuery, as agregações automáticas podem aumentar o desempenho da consulta de relatório, evitando viagens de ida e volta da consulta da fonte de dados. Os resultados da consulta pré-agregados são retornados automaticamente por um cache de agregações na memória em vez de serem enviados e retornados pela fonte de dados. A quantidade de dados pré-agregados no cache de agregações na memória é uma pequena fração da quantidade de dados mantidos em tabelas de fatos e detalhes na fonte de dados. O resultado não é apenas um melhor desempenho de consulta de relatório, mas também uma carga reduzida em sistemas de fonte de dados de back-end. Com as agregações automáticas, apenas uma pequena parte das consultas ad hoc e de relatório que exigem agregações que não estão incluídas no cache na memória são passadas para a fonte de dados de back-end, da mesma forma que no modo DirectQuery puro.

Diagrama de agregações automáticas

Gerenciamento de consultas e agregações automáticas

Embora as agregações automáticas eliminem a necessidade de criar tabelas de agregações definidas pelo usuário e simplificar drasticamente a implementação de uma solução de dados pré-agregada, uma familiaridade mais profunda com os processos e dependências subjacentes é útil para entender como as agregações automáticas funcionam. O Power BI se baseia no seguinte para criar e gerenciar as agregações automáticas.

Log de consultas

O Power BI rastreia consultas de relatório de usuário e de conjunto de dados em um log de consultas. Para cada conjunto de dados, o Power BI mantém sete dias de dados de log de consultas. É efetuado roll forward dos dados do log de consultas todos os dias. O log de consultas é protegido e não está visível para os usuários nem por meio do ponto de extremidade XMLA.

Operações de treinamento

Como parte da primeira operação de atualização de conjunto de dados agendada para a frequência selecionada (Dia ou Semana), o Power BI primeiro inicia uma operação de treinamento que avalia o log de consultas para garantir que as agregações no cache de agregações na memória se adaptem aos padrões de consulta em constante mudança. As tabelas de agregações na memória são criadas, atualizadas ou removidas e consultas especiais são enviadas à fonte de dados para determinar as agregações a serem incluídas no cache. No entanto, os dados de agregações calculados não são carregados no cache na memória durante o treinamento, eles são carregados durante a operação de atualização subsequente.

Por exemplo, se você escolher uma frequência de Dia e agendar atualizações às 4h, 9h, 14h e 19h, somente a atualização das 4h em cada dia incluirá uma operação de treinamento e uma operação de atualização. As atualizações subsequentes agendadas às 9h, 14h e 19h desse dia são operações apenas de atualização que atualizam as agregações existentes no cache.

Operação de treinamento e atualização

Embora as operações de treinamento avaliem consultas anteriores do log de consultas, os resultados são suficientemente precisos para garantir que consultas futuras sejam abordadas. No entanto, não há nenhuma garantia de que consultas futuras serão retornadas pelo cache de agregações na memória porque essas novas consultas podem ser diferentes daquelas derivadas do log de consultas. Essas consultas não retornadas pelo cache de agregações na memória são passadas para a fonte de dados usando o DirectQuery. Dependendo da frequência e da classificação dessas novas consultas, as agregações para elas podem ser incluídas no cache de agregações na memória na próxima operação de treinamento.

A operação de treinamento tem um limite de tempo de 60 minutos. Se o treinamento não puder processar todo o log de consultas dentro do limite de tempo, uma notificação será registrada no histórico de atualização do conjunto de dados e o treinamento será retomado na próxima vez que for iniciado. O ciclo de treinamento é concluído e substitui as agregações automáticas existentes quando todo o log de consultas é processado.

Operações de atualização

Conforme descrito acima, depois que a operação de treinamento for concluída como parte da primeira atualização agendada da frequência selecionada, o Power BI executará uma operação de atualização que consulta e carrega dados de agregação novos e atualizados no cache de agregações na memória e remove todas as agregações que não têm uma classificação alta o suficiente (conforme determinado pelo algoritmo de treinamento). Todas as atualizações subsequentes para a frequência de Dia ou Semana escolhida são operações somente de atualização que consultam a fonte de dados para atualizar dados de agregações existentes no cache. Usando nosso exemplo acima, as atualizações agendadas para as 9h, 14h e 19h nesse dia são operações somente de atualização.

Operações somente de atualização

Atualizações agendadas regularmente ao longo do dia (ou da semana) garantem que os dados de agregação no cache estejam mais atualizados com os dados na fonte de dados de back-end. Por meio de Configurações do conjunto de dados, você pode agendar até 48 atualizações por dia para garantir que as consultas de relatório retornadas pelo cache de agregações estejam recebendo resultados com base nos dados atualizados mais recentes da fonte de dados de back-end.

Cuidado

As operações de treinamento e atualização fazem uso intensivo de processos e recursos do serviço Power BI e dos sistemas de fonte de dados. Aumentar o percentual de consultas que usam as agregações significa que mais agregações precisam ser consultadas e calculadas de fontes de dados durante operações de treinamento e atualização, aumentando a probabilidade de uso excessivo de recursos do sistema e potencialmente fazendo com que seja atingido o tempo limite. Para saber mais, confira Ajuste.

Treinamento sob demanda

Conforme mencionado anteriormente, um ciclo de treinamento pode não ser concluído dentro dos limites de tempo de um único ciclo de atualização de dados. Se você não quiser aguardar até o próximo ciclo de atualização agendado que inclui treinamento, também poderá disparar o treinamento de agregações automáticas sob demanda clicando em Treinar e Atualizar Agora nas Configurações do conjunto de dados. O uso de Treinar e Atualizar Agora dispara uma operação de treinamento e uma operação de atualização. Verifique o histórico de atualização do conjunto de dados para ver se a operação atual foi concluída antes de executar uma operação adicional de treinamento e atualização sob demanda, se necessário.

Histórico de atualização

Cada operação de atualização é registrada no histórico de Atualização do conjunto de dados. Informações importantes sobre cada atualização são mostradas, incluindo a quantidade de agregações de memória no cache que está sendo consumida para o percentual de consulta configurado. Para exibir o histórico de atualização, na página de Configurações do conjunto de dados, clique em Histórico de atualização. Se você quiser fazer uma busca um pouco mais detalhada, clique em Mostrar detalhes.

Histórico de atualização do cache

Ao verificar regularmente o histórico de atualização, você pode verificar se as suas operações de atualização agendadas estão sendo realizadas dentro de um período aceitável. Verifique se as operações de atualização estão sendo realizadas com êxito antes do início da próxima atualização agendada.

Falhas de treinamento e atualização

Embora o Power BI execute operações de treinamento e atualização como parte da primeira atualização de conjunto de dados agendada para a frequência de dia ou semana escolhida, essas operações são implementadas como transações separadas. Se uma operação de treinamento não puder processar totalmente o log de consultas dentro de seus limites de tempo, o Power BI continuará atualizando as agregações existentes (e tabelas regulares em um modelo composto) usando o estado de treinamento anterior. Nesse caso, o histórico de atualização indicará que a atualização foi bem-sucedida e o treinamento retomará o processamento do log de consultas na próxima vez que o treinamento for iniciado. O desempenho da consulta pode ser menos otimizado se os padrões de consulta do relatório do cliente forem alterados e as agregações ainda não tiverem sido ajustadas, mas o nível de desempenho alcançado ainda deverá ser muito melhor do que um conjunto de dados DirectQuery puro sem agregações.

Histórico de atualização parcialmente concluído

Se uma operação de treinamento exigir muitos ciclos para concluir o processamento do log de consultas, considere reduzir o percentual de consultas que usam o cache de agregações na memória nas Configurações do conjunto de dados. Isso reduzirá o número de agregações criadas no cache, mas permitirá que haja mais tempo para a conclusão de operações de treinamento e atualização. Para saber mais, confira Ajuste.

Se o treinamento for bem-sucedido, mas a atualização falhar, toda a atualização do conjunto de dados será marcada como Com falha porque o resultado será um cache de agregações na memória indisponível.

Ao agendar a atualização, você pode especificar notificações por email em caso de falhas de atualização.

Agregações automáticas e definidas pelo usuário

As agregações definidas pelo usuário no Power BI podem ser configuradas manualmente com base em tabelas agregadas ocultas no conjunto de dados. A configuração de agregações definidas pelo usuário geralmente é complexa, exigindo um nível maior de modelagem de dados e habilidades de otimização de consulta. Por outro lado, as agregações automáticas eliminam essa complexidade como parte de um sistema orientado por IA. Ao contrário das agregações definidas pelo usuário que permanecem estáticas, o Power BI mantém continuamente os logs de consulta e, com base nesses logs, determina padrões de consulta baseados em algoritmos de modelagem preditiva de ML (machine learning). Os dados pré-agregados são calculados e armazenados na memória com base na análise de padrão de consulta. Com as agregações automáticas, os conjuntos de dados têm auto-otimização e treinamento automático. À medida que os padrões de consulta de relatório do cliente mudam, as agregações automáticas se ajustam, priorizando e armazenando em cache essas agregações usadas com mais frequência.

Como as agregações automáticas são criadas com base na infraestrutura de agregações definidas pelo usuário existente, é possível usar as agregações automáticas e definidas pelo usuário juntas no mesmo conjunto de dados. Os modeladores de dados qualificados podem definir as agregações para tabelas usando DirectQuery, importação (com ou sem atualização incremental) ou modos de armazenamento duplo, ao mesmo tempo que têm os benefícios de ter mais agregações automáticas para consultas em conexões DirectQuery que não atingem as tabelas de agregações definidas pelo usuário. Essa flexibilidade permite arquiteturas equilibradas que podem reduzir a carga de consulta e evitar gargalos.

As agregações criadas no cache na memória pelo algoritmo de treinamento de agregações automáticas são identificadas como agregações System. O algoritmo de treinamento cria e exclui apenas essas agregações System à medida que as consultas de relatório são analisadas e são feitos ajustes para manter as agregações ideais para o conjunto de dados. As agregações automáticas e definidas pelo usuário são atualizadas com a atualização do conjunto de dados. Somente as agregações criadas por agregações automáticas e marcadas como agregações geradas pelo sistema são incluídas no processamento de agregações automáticas.

Cache de consulta e agregações automáticas

O Power BI Premium também dá suporte ao Cache de consulta no Power BI Premium/Embedded para manter os resultados da consulta. O cache de consulta é um recurso diferente das agregações automáticas. Com o cache de consulta, o Power BI Premium usa o serviço de cache local para implementar o cache, enquanto as agregações automáticas são implementadas no nível do conjunto de dados. Com o cache de consulta, o serviço armazena em cache apenas consultas para a carga inicial da página de relatório, portanto, o desempenho da consulta não é aprimorado quando os usuários interagem com um relatório. Por outro lado, as agregações automáticas otimizam a maioria das consultas de relatório armazenando em cache previamente os resultados da consulta agregada, inclusive as consultas geradas quando os usuários interagem com relatórios. Tanto um cache de consultas como as agregações automáticas podem ser habilitados em um conjunto de dados, mas provavelmente isso não será necessário.

Monitor com Log Analytics do Azure

O Azure LA (Log Analytics) é um serviço no Azure Monitor que o Power BI pode usar para salvar os logs de atividade. Com o pacote do Azure Monitor você pode coletar e analisar dados de telemetria dos seus ambientes do Azure e locais, bem como agir com base neles. Ele oferece armazenamento de longo prazo, uma interface de consulta ad hoc e acesso à API para permitir a exportação de dados e a integração com outros sistemas. Para saber mais, confira Como usar o Azure Log Analytics no Power BI.

Se o Power BI estiver configurado com uma conta do Azure LA, conforme descrito em Como configurar o Azure Log Analytics para Power BI, você poderá analisar a taxa de sucesso das suas agregações automáticas. Entre outras coisas, você pode determinar se as consultas de relatório são respondidas no cache na memória.

Para usar essa capacidade, baixe o modelo PBIT aqui e conecte-o à sua conta do Log Analytics, conforme descrito nesta postagem. No relatório, você pode exibir dados em três níveis diferentes: exibição de resumo, exibição de nível de consulta DAX e exibição de nível de consulta SQL.

A imagem a seguir mostra a página de resumo de todas as consultas. Como você pode ver, o gráfico marcado mostra o percentual do total de consultas que foram atendidas por agregações versus aquelas que tiveram que utilizar a fonte de dados.

Consultas do Log Analytics por fase de agregações

A próxima etapa para se aprofundar é ver o uso de agregações em um nível de consulta DAX. Clique com o botão direito do mouse em uma consulta DAX na lista (canto inferior esquerdo) >Detalhar>Histórico de Consultas.

Histórico de consultas do Log Analytics

Isso fornecerá uma lista de todas as consultas pertinentes. Execute uma consulta drill-through para o próximo nível e mostre mais detalhes de agregação.

Drill-through do histórico de consultas do Log Analytics

Gerenciamento do Ciclo de Vida do Aplicativo

Do desenvolvimento ao teste e do teste à produção, os conjuntos de dados com as agregações automáticas habilitadas têm requisitos especiais para soluções de ALM.

Pipelines de implantação

Ao usar pipelines de implantação, o Power BI pode copiar os conjuntos de dados com a configuração do conjunto de dados da fase atual para a fase de destino. No entanto, as agregações automáticas precisam ser redefinidas na fase de destino, pois as configurações não são transferidas da fase atual para a de destino. Você também pode implantar o conteúdo de maneira programática usando as APIs REST dos pipelines de implantação. Para saber mais sobre esse processo, confira Automatizar seu pipeline de implantação usando as APIs e DevOps.

Soluções do ALM personalizadas

Se você usar uma solução do ALM personalizada baseada em pontos de extremidade XMLA, lembre-se que sua solução pode copiar tabelas de agregações geradas pelo sistema e criadas pelo usuário como parte dos metadados do conjunto de dados. No entanto, você precisa habilitar as agregações automáticas após cada etapa de implantação na fase de destino manualmente. O Power BI manterá a configuração se você substituir um conjunto de dados existente.

Observação

Se você carregar ou republicar um conjunto de dados como parte de um arquivo do Power BI Desktop (.pbix), as tabelas de agregação criadas pelo sistema serão perdidas, pois o Power BI substituirá o conjunto de dados existente por todos os metadados e dados no workspace de destino.

Como alterar um conjunto de dados

Ao alterar um conjunto de dados com agregações automáticas habilitadas por meio de pontos de extremidade XMLA, como adicionar ou remover tabelas, o Power BI preserva todas as agregações existentes que podem ser usadas e remove aquelas que não são mais necessárias nem relevantes. O desempenho da consulta pode ser afetado até que a próxima fase de treinamento seja disparada.

Elementos de metadados

Os conjuntos de dados com agregações automáticas habilitadas contêm tabelas de agregações exclusivas geradas pelo sistema. As tabelas de agregações não são visíveis para os usuários nas ferramentas de relatório. No entanto, elas são visíveis por meio do ponto de extremidade XMLA usando ferramentas com Bibliotecas de clientes do Analysis Services versão 19.22.5 e superior. Ao trabalhar com conjuntos de dados com as agregações automáticas habilitadas, atualize suas ferramentas de administração e modelagem de dados para a versão mais recente das bibliotecas de cliente. Para SSMS (SQL Server Management Studio), atualize para a versão 18.9.2 ou superior do SSMS. As versões do SSMS anteriores não são capazes de enumerar tabelas nem de fazer script desses conjuntos de dados.

As tabelas de agregações automáticas são identificadas por uma propriedade de tabela SystemManaged, que é nova no TOM (Modelo de Objeto Tabular) nas bibliotecas de cliente do Analysis Services versão 19.22.5 e superior. Mostrada no snippet de código a seguir, a propriedade SystemManaged é definida como true em tabelas de agregações automáticas e como false em tabelas regulares.

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 dataset 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 execução desse snippet de código resulta em tabelas de agregações automáticas atualmente incluídas no conjunto de dados em um console.

Código de agregações automáticas

Tenha em mente que as tabelas de agregações estão em constante mudança conforme as operações de treinamento determinam as agregações ideais que devem ser incluídas no cache de agregações na memória.

Importante

O Power BI gerencia totalmente objetos de tabela gerados pelo sistema de agregações automáticas. Não exclua nem modifique essas tabelas por conta própria. Fazer isso pode causar desempenho degradado.

O Power BI mantém a configuração do conjunto de dados fora do conjunto de dados. A presença de uma tabela de agregações gerenciadas pelo sistema em um conjunto de dados não significa necessariamente que o conjunto de dados esteja de fato habilitado para treinamento de agregações automáticas. Em outras palavras, se você criar um script de uma definição de modelo completa para um conjunto de dados com as agregações automáticas habilitadas e criar uma cópia do conjunto de dados (com um nome/workspace/capacidade diferente), o novo conjunto de dados resultante ainda não estará habilitado para treinamento de agregações automáticas. Você ainda precisa habilitar o treinamento das agregações automáticas para o novo conjunto de dados em Configurações do conjunto de dados.

Considerações e limitações

Ao usar agregações automáticas, lembre-se do seguinte:

  • As consultas SQL geradas durante a fase de treinamento inicial podem gerar uma carga significativa para o data warehouse. Se o treinamento continuar concluindo de forma incompleta, e você puder verificar no data warehouse se as consultas estão atingindo o tempo limite, considere escalar verticalmente o seu data warehouse temporariamente para atender à demanda de treinamento.
  • As agregações armazenadas no cache de agregações na memória podem não ser calculadas nos dados mais recentes na fonte de dados. Ao contrário do DirectQuery puro e semelhante a tabelas de importação regulares, há uma latência entre as atualizações na fonte de dados e os dados de agregações armazenados no cache de agregações na memória. Embora sempre haja algum grau de latência, ela pode ser atenuada por meio de um agendamento de atualização efetivo.
  • Para otimizar ainda mais o desempenho, defina todas as tabelas de dimensões para o Modo duplo e deixe as tabelas de fatos no modo DirectQuery.
  • As agregações automáticas não estão disponíveis com o Power BI Pro, o Azure Analysis Services nem o SQL Server Analysis Services.
  • O Power BI não dá suporte ao download de conjuntos de dados com as agregações automáticas habilitadas. Se você carregou ou publicou um arquivo do Power BI Desktop (.pbix) no Power BI e habilitou as agregações automáticas, não poderá mais baixar o arquivo PBIX. Verifique se há uma cópia do arquivo PBIX local.
  • As agregações automáticas com tabelas externas no Azure Synapse Analytics ainda não têm suporte. Você pode enumerar tabelas externas no Azure Synapse usando a seguinte consulta SQL: SELECT SCHEMA_NAME(schema_id) AS schema_name, name AS table_name FROM sys.external_tables.
  • As agregações automáticas só estão disponíveis para conjuntos de dados usando metadados aprimorados. Se você quiser habilitar as agregações automáticas em um conjunto de dados mais antigo, atualize primeiro o conjunto de dados para metadados aprimorados. Para saber mais, confira Como usar metadados aprimorados do conjunto de dados.
  • Não habilite as agregações automáticas se a fonte de dados DirectQuery estiver configurada para logon único e usar exibições de dados dinâmicos ou controles de segurança para limitar os dados que um usuário tem permissão para acessar. As agregações automáticas não estão cientes desses controles no nível da fonte de dados, o que torna impossível garantir que os dados corretos sejam fornecidos por usuário. O treinamento registrará um aviso no histórico de atualizações de que detectou uma fonte de dados configurada para logon único e ignorou as tabelas que usam essa fonte de dados. Se possível, desabilite o SSO para que essas fontes de dados aproveitem ao máximo o desempenho de consulta otimizado que as agregações automáticas podem fornecer.
  • Não habilite agregações automáticas se o conjunto de dados contiver apenas tabelas híbridas para evitar sobrecarga de processamento desnecessária. Uma tabela híbrida usa partições de importação e uma partição DirectQuery. Um cenário comum é a atualização incremental com dados em tempo real em que uma partição DirectQuery busca transações da fonte de dados que ocorreu após a última atualização de dados. No entanto, o Power BI importa agregações durante a atualização. As agregações automáticas não podem, portanto, incluir transações que ocorreram após a última atualização de dados. O treinamento registrará um aviso no histórico de atualizações que detectou e ignorou tabelas híbridas.
  • As colunas calculadas não são consideradas para agregações automáticas. Se você usar uma coluna calculada no modo DirectQuery, por exemplo, usando a função DAX COMBINEVALUES para criar uma relação com base em várias colunas de duas tabelas do DirectQuery, as consultas de relatório correspondentes não atingirão o cache de agregações na memória.
  • As agregações automáticas só estão disponíveis no serviço do Power BI. O Power BI Desktop não cria tabelas de agregações geradas pelo sistema.
  • Se você modificar os metadados de um conjunto de dados com as agregações automáticas habilitadas, o desempenho da consulta poderá ser degradado até que o próximo processo de treinamento seja disparado. Como prática recomendada, você deve remover as agregações automáticas, fazer as alterações e treinar de novo.
  • Não modifique nem exclua tabelas de agregações geradas pelo sistema, a menos que as agregações automáticas estejam desabilitadas e você esteja limpando o conjunto de dados. O sistema assume a responsabilidade de gerenciar esses objetos.

Comunidade

O Power BI tem uma comunidade vibrante em que MVPs, profissionais de BI e colegas compartilham conhecimentos em grupos de discussão, vídeos, blogs e muito mais. Ao aprender sobre agregações automáticas, confira estes recursos adicionais:

Confira também

Configurar as agregações automáticas
Agregações definidas pelo usuário
DirectQuery no Power BI
Bibliotecas de clientes do Analysis Services