Agregações automáticas

As agregações automáticas usam ML (machine learning de última geração) para otimizar continuamente os modelos semânticos do DirectQuery para o desempenho máximo da 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. Eles permitem que os proprietários de modelos de qualquer nível de habilidade melhorem o desempenho da consulta, fornecendo visualizações de relatório mais rápidas para modelos grandes.

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 de modelos podem habilitar o treinamento de agregações automáticas e agendar uma ou mais atualizações para o modelo. 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 fino – Com uma interface de usuário simples e intuitiva nas configurações do modelo, você pode estimar os ganhos de desempenho para um percentual diferente de consultas retornadas do cache de agregações na memória e fazer ajustes para ganhos ainda maiores. Um controle de barra deslizante ajuda você a ajustar facilmente seu ambiente.

Requisitos

Planos com suporte

Há suporte para agregações automáticas para modelos Power BI Premium por capacidade, Premium por usuário e modelos do 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
• SQL Server 2019 ou posterior
• Google BigQuery
• Snowflake
• Databricks
• Amazon Redshift

Modos com suporte

Há suporte para agregações automáticas para modelos de modo DirectQuery. Há suporte para modelos compostos com tabelas de importação e conexões DirectQuery. As agregações automáticas têm suporte apenas para a conexão DirectQuery.

Permissões

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

Como configurar as agregações automáticas

As agregações automáticas são configuradas nas Configurações do modelo. A configuração é simples - habilite o treinamento de agregações automáticas e agende uma ou mais atualizações. Antes de configurar agregações automáticas para seu modelo, certifique-se de ler completamente 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 modelo abre um relatório ou interage com uma visualização de relatório, as consultas DAX (Expressões de Análise de Dados) são passadas para o mecanismo de consulta e, em seguida, 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 modelos de modo de importação armazenados na memória, as viagens de ida e volta da fonte de dados do DirectQuery podem ser intensivas em tempo e processo, geralmente causando tempos lentos de resposta de consulta em visualizações de relatório.

Quando habilitadas para um modelo 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.

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 modelo e de usuário em um log de consultas. Para cada modelo, o Power BI mantém sete dias de dados de log de consulta. 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 modelo agendada para sua frequência selecionada (dia ou semana), o Power BI inicia primeiro uma operação de treinamento que avalia o log de consultas para garantir que as agregações no cache de agregações na memória se adaptem à alteração dos padrões de consulta. 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.

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 modelo 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 anteriormente, 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 o exemplo acima, as atualizações agendadas para as 9h, 14h e 19h nesse dia são 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 de modelo, você pode agendar até 48 atualizações por dia para garantir que as consultas de relatório retornadas pelo cache de agregações estejam obtendo 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 selecionando Treinar e Atualizar Agora nas Configurações do modelo. O uso de Treinar e Atualizar Agora dispara uma operação de treinamento e uma operação de atualização. Verifique o histórico de atualização do modelo para ver se a operação atual foi concluída antes de executar outra operação de treinamento e atualização sob demanda, se necessário.

Histórico de atualização

Cada operação de atualização é registrada no histórico de atualização do modelo. 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 atualizações, na página Configurações do modelo, selecione Histórico de atualizações. Se você quiser fazer uma busca um pouco mais detalhada, selecione Mostrar detalhes.

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 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 poderá ser menos otimizado se os padrões de consulta de relatório do cliente forem alterados e as agregações ainda não forem ajustadas, mas o nível de desempenho alcançado ainda deverá ser muito melhor do que um modelo DirectQuery puro sem agregações.

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 modelo. 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 será marcada como Falha porque o resultado é 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 modelo. 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 agregações automáticas, os modelos são treinamento e otimização automáticas. 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 sobre a infraestrutura de agregações definidas pelo usuário existente, é possível usar agregações definidas pelo usuário e automáticas no mesmo modelo. 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 modelo. As agregações definidas pelo usuário e automáticas são atualizadas com atualização. 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 seu serviço de cache local para implementar o cache, enquanto as agregações automáticas são implementadas no nível do modelo. 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. O cache de consulta e as agregações automáticas podem ser habilitados para um modelo, mas provavelmente não é 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 de blog do Power BI. 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.

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.

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

Gerenciamento do Ciclo de Vida do Aplicativo

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

Pipelines de implantação

Com pipelines de implantação, o Power BI pode copiar os modelos com sua configuração de modelo do estágio atual para o estágio 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 ALM personalizada com base em pontos de extremidade XMLA, tenha em mente que sua solução pode ser capaz de copiar tabelas de agregações geradas pelo sistema e criadas pelo usuário como parte dos metadados do modelo. 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 modelo existente.

Observação

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

Alterando um modelo

Depois de alterar um modelo 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 e remove aquelas que não são mais necessárias ou relevantes. O desempenho da consulta pode ser afetado até que a próxima fase de treinamento seja disparada.

Elementos de metadados

Modelos 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. 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 modelos com agregações automáticas habilitadas, atualize suas ferramentas de modelagem e administração de dados para a versão mais recente das bibliotecas de clientes. Para SSMS (SQL Server Management Studio), atualize para a versão 18.9.2 ou superior do SSMS. As versões anteriores do SSMS não são capazes de enumerar tabelas ou gerar script para esses modelos.

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. O snippet de código a seguir mostra 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 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 execução desse snippet gera tabelas de agregações automáticas atualmente incluídas no modelo em um console.

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 modelo fora do modelo. A presença de uma tabela de agregações gerenciadas pelo sistema em um modelo não significa necessariamente que o modelo esteja habilitado para treinamento automático de agregações. Em outras palavras, se você criar uma definição de modelo completa para um modelo com agregações automáticas habilitadas e criar uma nova cópia do modelo (com um nome/workspace/capacidade diferente), o novo modelo resultante não será habilitado para treinamento de agregações automáticas. Você ainda precisa habilitar o treinamento de agregações automáticas para o novo modelo em Configurações de modelo.

Considerações e limitações

Ao usar agregações automáticas, lembre-se do seguinte:

• As agregações não dão suporte a parâmetros de consulta M dinâmicos.
• 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 modelos com 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 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 modelos usando metadados aprimorados. Se você quiser habilitar agregações automáticas para um modelo mais antigo, atualize o modelo para metadados aprimorados primeiro. Para saber mais, confira Como usar metadados de modelo aprimorados.
• 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 modelo 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 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 modelo com agregações automáticas habilitadas, o desempenho da consulta poderá diminuir 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 ou exclua tabelas de agregações geradas pelo sistema, a menos que você tenha agregações automáticas desabilitadas e esteja limpando o modelo. 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 outros recursos:

• Comunidade do Power BI
• Pesquise "agregações automáticas do Power BI" no Bing

Conteúdo relacionado

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