Kontrola výkonu mier, vzťahov a vizuálov

19 min

Ak dátový model obsahuje viaceré tabuľky, zložité vzťahy, komplikované výpočty, viaceré vizuály a nadbytočné údaje, existuje možnosť slabého výkonu zostavy. Slabý výkon zostavy vedie k neuspokojivému používateľskému prostrediu.

Pri optimalizácii výkonu je najprv potrebné identifikovať, odkiaľ problém pochádza. Inými slovami treba zistiť, ktoré prvky zostavy a dátového modelu spôsobujú problémy s výkonom. Následne môžete prijať opatrenie na riešenie týchto problémov, a tým zlepšiť výkon.

Identifikácia kritických miest výkonu zostavy

Ak chcete v zostavách dosiahnuť optimálny výkon, potrebujete vytvoriť efektívny dátový model, ktorý má dotazy a miery s rýchlym spúšťaním. Keď máte dobrý základ, môžete model ďalej zlepšiť analyzovaním plánov dotazov a závislostí a následnými zmenami na ďalšiu optimalizáciu výkonu.

Mali by ste skontrolovať miery a dotazy v dátovom modeli a ubezpečiť sa, že používate najúčinnejší spôsob na získanie požadovaných výsledkov. Vaším východiskovým bodom by mala byť identifikácia existujúcich kritických miest v kóde. Po identifikácii najpomalšieho dotazu v dátovom modeli sa môžete najskôr zamerať na najväčšie kritické miesto a vytvoriť si zoznam priorít na riešenie ostatných problémov.

Analýza výkonu

Analyzátor výkonu v aplikácii Power BI Desktop vám pomôže zistiť výkon jednotlivých prvkov zostavy počas toho, ako s nimi pracujú používatelia. Môžete napríklad zistiť, ako dlho trvá obnovenie konkrétneho vizuálu spustené interakciou používateľa. Analyzátor výkonu vám pomôže identifikovať prvky prispievajúce k problémom s výkonom, čo môže byť užitočné pri riešení problémov.

Pred spustením Analyzátora výkonu sa ubezpečte, že začínate s čistou vyrovnávacou pamäťou vizuálov a čistou vyrovnávacou pamäťou údajového nástroja, aby ste v analýze (teste) získali najpresnejšie výsledky.

Vyrovnávacia pamäť vizuálov – keď načítate vizuál, túto vyrovnávaciu pamäť vizuálov nemôžete vymazať bez toho, aby ste zavreli a znova otvorili Power BI Desktop. Analýzu je potrebné spustiť s čistou vyrovnávacou pamäťou, aby sa zamedzilo akémukoľvek používaniu vyrovnávacej pamäte.

Aby ste zaistili čistú vyrovnávaciu pamäť, pridajte prázdnu stranu do súboru aplikácie Power BI Desktop (.pbix) a potom uložte a zavrite súbor, keď je táto strana vybratá. Znova otvorte súbor aplikácie Power BI Desktop (.pbix), ktorý chcete analyzovať. Otvorí sa na prázdnej strane.
Vyrovnávacia pamäť údajového nástroja – pri spustení dotazu sa výsledky uložia do vyrovnávacej pamäte, a preto budú výsledky analýzy zavádzajúce. Pred opätovným spustením vizuálu je potrebné vymazať vyrovnávaciu pamäť údajov.

Ak chcete vymazať vyrovnávaciu pamäť údajov, môžete reštartovať Power BI Desktop alebo pripojiť DAX Studio k dátovému modelu a potom vyvolať príkaz Vymazať vyrovnávaciu pamäť.

Keď ste vymazali vyrovnávaciu pamäť a otvorili súbor aplikácie Power BI Desktop na prázdnej strane, prejdite na kartu Zobraziť a vyberte možnosť Analyzátor výkonu.

Ak chcete spustiť proces analýzy, vyberte položku Spustiť nahrávanie, vyberte stranu zostavy, ktorú chcete analyzovať a interagujte s prvkami zostavy, ktorú chcete merať. Výsledky tejto interakcie sa zobrazia počas práce na table Analyzátor výkonu. Po dokončení vyberte tlačidlo Zastaviť.

Podrobnejšie informácie nájdete v časti Použitie Analyzátora výkonu na preskúmanie výkonnosti prvkov zostavy.

Prezeranie výsledkov

Výsledky testu výkonnosti si môžete prezrieť na table Analyzátor výkonu. Ak si chcete prezerať úlohy v poradí podľa dĺžky trvania od najdlhšej po najkratšiu, kliknite pravým tlačidlom myši na ikonu Zoradiť vedľa hlavičky stĺpca Trvanie (ms) a potom vyberte položku Celkový čas v zostupnom poradí.

Informácie v denníku každého vizuálu zobrazujú, koľko času trvalo dokončenie nasledujúcich kategórií úloh:

Dotaz DAX – čas potrebný na odoslanie dotazu vizuálom spolu s časom, ktorý služba Analysis Services potrebovala na vrátenie výsledkov.
Zobrazenie vizuálu – čas potrebný na zobrazenie vizuálu na obrazovke vrátane času potrebného na načítanie webových obrázkov alebo geokódovanie.
Iné – čas, ktorý vizuál potrebuje na prípravu dotazov, na čakanie, kým sa ostatné vizuály dokončia alebo na vykonanie iného spracovania na pozadí. Ak sa v tejto kategórii zobrazuje príliš dlhý čas trvania, jediný spôsob, ako tento čas skrátiť, je optimalizovať dotazy DAX pre iné vizuály alebo znížiť počet vizuálov v zostave.

Výsledky testu analýzy vám pomôžu porozumieť správaniu dátového modelu a identifikovať prvky, ktoré je potrebné optimalizovať. Môžete porovnať čas trvania každého prvku v zostave a identifikovať prvky, ktoré majú dlhý čas trvania. Mali by ste sa zamerať na tieto prvky a zistiť, prečo ich načítanie na strane zostavy trvá tak dlho.

Na podrobnejšiu analýzu dotazov môžete použiť DAX Studio, bezplatný nástroj typu open-source, ktorý poskytuje iná služba.

Riešenie problémov a optimalizácia výkonu

Výsledky analýzy identifikujú oblasti na zlepšenie a príležitosti na optimalizáciu výkonu. Možno zistíte, že je potrebné vylepšiť vizuály, dotaz DAX alebo iné prvky v dátovom modeli. Nasledujúce informácie vám poskytnú návod, čo je potrebné vyhľadať a aké zmeny môžete vykonať.

Vizuály

Ak identifikujete vizuály ako kritické miesto, ktoré je príčinou slabého výkonu, mali by ste nájsť spôsob, ako zlepšiť výkon tak, aby to malo minimálny vplyv na prácu používateľa.

Zvážte počet vizuálov na strane zostavy. menší počet vizuálov znamená lepší výkon. Položte si otázku, či je vizuál naozaj potrebný a či je pre koncového používateľa prínosom. Ak je vaša odpoveď záporná, mali by ste tento vizuál odstrániť. Namiesto použitia viacerých vizuálov na strane zvážte aj iné spôsoby, ako poskytnúť ďalšie podrobnosti, ako sú napríklad stránky podrobnej analýzy alebo popisy strany zostavy.

Skontrolujte počet polí v každom vizuáli. Čím viac vizuálov máte v zostave, tým väčšia je pravdepodobnosť vzniku problémov s výkonom. Navyše, čím viac vizuálov, tým viac sa zostava môže zdať preplnená a nezrozumiteľná. Horná hranica vizuálu je 100 polí (mierky alebo stĺpce), takže vizuál s viac ako 100 poľami sa bude načítavať pomaly. Položte si otázku, či naozaj potrebujete všetky tieto údaje vo vizuáli. Možno zistíte, že môžete znížiť počet polí, ktoré aktuálne používate.

Dotaz DAX

Keď vyhodnotíte výsledky na table Analyzátor výkonu, zistíte ako dlho trvalo nástroju Power BI Desktop vyhodnotenie každého dotazu (v milisekundách). Dobrým východiskovým bodom je akýkoľvek dotaz DAX, trvajúci dlhšie ako 120 milisekúnd. V tomto príklade identifikujete jeden konkrétny dotaz, ktorý má dlhý čas trvania.

Analyzátor výkonu zvýrazní potenciálne problémy, ale neposkytne vám návod, čo je potrebné urobiť na ich vyriešenie. Možno budete chcieť hlbšie preskúmať, prečo trvá tak dlho, kým sa táto metrika spracuje. Pomocou nástroja DAX Studio môžete podrobnejšie preskúmať svoje dotazy.

Ak napríklad chcete skopírovať vzorec výpočtu do schránky, vyberte položku Kopírovať dotaz a potom ho prilepte do nástroja Dax Studio. Potom si môžete podrobnejšie prezrieť krok výpočtu. V tomto príklade chcete spočítať celkový počet produktov s počtom objednávok väčším alebo rovným päť.

Count Customers =
CALCULATE (
    DISTINCTCOUNT ( Order[ProductID] ),
    FILTER ( Order, Order[OrderQty] >= 5 )
)

Po analýze dotazu môžete použiť svoje vlastné vedomosti a skúsenosti na to, aby ste zistili, kde sú problémy s výkonom. Môžete tiež skúsiť použiť rôzne funkcie jazyka DAX, aby ste zistili, či majú vplyv na zlepšenie výkonu. V nasledujúcom príklade bola funkcia FILTER nahradená funkciou KEEPFILTER. Po opätovnom vykonaní testu v Analyzátore výkonu bola dĺžka trvania kratšia v dôsledku použitia funkcie KEEPFILTER.

Count Customers =
CALCULATE (
    DISTINCTCOUNT ( Order[ProductID] ),
    KEEPFILTERS (Order[OrderQty] >= 5 )
)

V takom prípade môžete funkciu FILTER nahradiť funkciou KEEPFILTER, čím sa výrazne skráti čas vyhodnotenia tohto dotazu. Ak po vykonaní tejto zmeny chcete skontrolovať, či sa čas trvania skrátil alebo nie, vymažte vyrovnávaciu pamäť a znovu spustite proces Analyzátora výkonu.

Dátový model

Ak čas trvania mierok a vizuálov zobrazuje nízke hodnoty (inými slovami, ak majú krátky čas trvania), nie sú príčinou problémov s výkonom. Naopak, ak dotaz DAX zobrazuje vysokú hodnotu dĺžky trvania, je pravdepodobné, že metrika je zapísaná zle alebo sa vyskytol problém s dátovým modelom. Problém môžu spôsobovať vzťahy, stĺpce alebo metaúdaje v modeli alebo môže ísť o stav možnosti Automatický dátum/čas, ako je vysvetlené v nasledujúcej časti.

Vzťahy

Mali by ste skontrolovať vzťahy medzi tabuľkami, aby ste sa uistili, že ste vytvorili správne vzťahy. Skontrolujte, či sú správne nakonfigurované vlastnosti kardinality vzťahov. Napríklad stĺpec na jednej strane, ktorý obsahuje jedinečné hodnoty, môže byť nesprávne nakonfigurovaný ako stĺpec na viacerých stranách. Ďalšie informácie o tom, ako kardinalita ovplyvňuje výkon, sa dozviete neskôr v tomto module.

Stĺpce

Najlepšie je neimportovať stĺpce s údajmi, ktoré nepotrebujete. Ak sa chcete vyhnúť odstráneniu stĺpcov v editore Power Query, mali by ste sa pri načítavaní údajov do aplikácie Power BI Desktop pokúsiť vysporiadať sa s nimi už v zdroji. Ak však nie je možné odstrániť nadbytočné stĺpce zo zdrojového dotazu alebo údaje už boli importované v nespracovanom stave, môžete na preskúmanie každého stĺpca použiť editor Power Query. Položte si otázku, či naozaj potrebujete každý stĺpec a pokúsite sa vyhodnotiť prínos každého z nich pre váš dátový model. Ak zistíte, že nejaký stĺpec neprináša žiadnu hodnotu, mali by ste ho z dátového modelu odstrániť. Predpokladajme napríklad, že máte stĺpec ID s tisíckami jedinečných riadkov. Viete, že tento konkrétny stĺpec nebudete vo vzťahu používať, nepoužije sa preto ani v zostave. Mali by ste ho považovať za nepotrebný a uznať, že vo vašom dátovom modeli zbytočne zaberá miesto.

Keď odstránite nepotrebný stĺpec, zmenší sa veľkosť dátového modelu, čím sa zmenší aj veľkosť súboru a skráti sa čas jeho obnovenia. A keďže množina údajov už bude obsahovať len relevantné údaje, zlepší sa aj celkový výkon zostavy.

Ďalšie informácie nájdete v téme Techniky znižovania objemu údajov na modelovanie importu.

Metaúdaje

Metaúdaje sú informácie o iných údajoch. Metaúdaje služby Power BI obsahujú informácie o dátovom modeli, ako je napríklad názov, typ údajov a formát každého stĺpca, schéma databázy, návrh zostavy, kedy bol súbor naposledy upravený, rýchlosť obnovovania údajov a ešte oveľa viac.

Po načítaní údajov do aplikácie Power BI Desktop je vhodné analyzovať príslušné metaúdaje, aby ste mohli identifikovať akékoľvek nekonzistencie s množinou údajov a normalizovať údaje skôr, ako začnete vytvárať zostavy. Spustením analýzy metaúdajov sa zlepší výkon dátového modelu, pretože pri analýze metaúdajov identifikujete nepotrebné stĺpce, chyby v údajoch, nesprávne typy údajov, objem načítaných údajov (načítanie veľkých množín údajov vrátane údajov o transakciách alebo historických údajov bude trvať dlhšie) a ešte oveľa viac.

Na preskúmanie stĺpcov, riadkov a hodnôt nespracovaných údajov môžete použiť editor Power Query v aplikácii Power BI Desktop. Potom môžete použiť dostupné nástroje, ako napríklad tie, ktoré sú zvýraznené na nasledujúcej snímke obrazovky, na vykonanie potrebných zmien.

Možnosti Power Query zahŕňajú nasledujúce:

Nepotrebné stĺpce – vyhodnotí potrebu každého stĺpca. Ak sa v zostave nepoužije jeden alebo viacero stĺpcov, a sú teda nepotrebné, mali by ste ich odstrániť pomocou možnosti Odstrániť stĺpce na karte Domov.
Nepotrebné riadky – skontroluje niekoľko prvých riadkov v množine údajov a zistí, či sú prázdne alebo obsahujú údaje, ktoré nepotrebujete vo svojich zostavách; Ak áno, tieto riadky sa odstránia pomocou možnosti Odstrániť riadky na karte Domov .
Typ údajov – vyhodnotí typy údajov v stĺpcoch, aby sa overilo, že každý z nich je správny. Ak zistíte, že niektorý typ údajov je nesprávny, zmeníte ho tak, že vyberiete stĺpec, na karte Transformovať vyberiete položku Typ údajov a potom vyberiete v zozname správny typ údajov.
Názvy dotazov – skúma názvy dotazov (tabuliek) na table Dotazy. Podobne ako pri názvoch hlavičiek stĺpcov mali by ste zmeniť aj nezvyčajné alebo neužitočné názvy dotazov na názvy, ktoré sú zreteľnejšie, alebo názvy, ktoré používateľ lepšie pozná. Dotaz môžete premenovať tak, že kliknete pravým tlačidlom myši na daný dotaz, vyberiete položku Premenovať, upravíte názov dotazu podľa potreby a stlačíte kláves Enter.
Podrobnosti o stĺpci – editor Power Query má k dispozícii nasledujúce tri možnosti ukážky údajov, ktoré môžete použiť na analýzu metaúdajov priradených k stĺpcom. Tieto možnosti nájdete na karte Zobraziť, ako je znázornené na nasledujúcej snímke obrazovky.
- Kvalita stĺpca – určuje, aké percento položiek v stĺpci je platných, obsahuje chyby alebo je prázdnych. Ak sa percento platných položiek nerovná 100, mali by ste preskúmať dôvod, opraviť chyby a vyplniť prázdne hodnoty.
- Distribúcia stĺpcov – zisťuje, koľko položiek je odlišných a koľko jedinečných. Tieto informácie sú užitočné vtedy, keď chcete určiť kardinalitu stĺpca. Podrobnejšie sa to preskúma v tomto module.
- Profil stĺpca – zobrazí viac štatistických údajov pre stĺpec a graf znázorňujúci distribúciu jedinečných položiek.

Poznámka

Ak kontrolujete veľkú množinu údajov s viac než 1 000 riadkami a chcete analyzovať celú množinu údajov, musíte zmeniť predvolenú možnosť v dolnej časti okna. Vyberte položky Profilovanie stĺpcov na základe prvých 1 000 riadkov > Profilovanie stĺpcov na základe celej množiny údajov.

Ďalšie metaúdaje, ktoré by ste mali zvážiť, sú informácie o dátovom modeli ako celku, ako sú napríklad veľkosť súboru a frekvencia obnovovania údajov. Tieto metaúdaje sa nachádzajú v príslušnom súbore Power BI Desktop (. pbix). Údaje, ktoré vložíte do aplikácie Power BI Desktop, skomprimuje a uloží na disk ukladací nástroj VertiPaq. Veľkosť dátového modelu má priamy vplyv na jeho výkon. Dátový model s menšou veľkosťou používa menej zdrojov (pamäť) a dosahuje rýchlejšie obnovovanie údajov, výpočty aj vykresľovanie vizuálov v zostavách.

Funkcia Automatický dátum a čas

Ďalšou položkou, ktorú by ste mali zvážiť pri optimalizácii výkonu, je možnosť Automatický dátum a čas v aplikácii Power BI Desktop. Predvolene je táto funkcia globálne povolená, čo znamená, že aplikácia Power BI Desktop automaticky vytvorí skrytú vypočítanú tabuľku pre každý stĺpec dátumu za predpokladu, že sú splnené určité podmienky. Nové skryté tabuľky sú nad rámec tabuliek, ktoré už máte v množine údajov.

Možnosť Automatický dátum a čas umožňuje pracovať s časovou inteligenciou pri filtrovaní, zoskupovaní a prechode na detaily cez časové obdobia kalendára. Odporúčame, aby ste ponechali možnosť Automatický dátum a čas povolenú, len keď pracujete s časovými obdobiami kalendára a keď máte zjednodušujúce požiadavky na model v súvislosti s časom.

Ak zdroj údajov už definuje tabuľku dimenzií dátumu, táto tabuľka by mala byť použitá na konzistentné definovanie času v rámci vašej organizácie a mali by ste vypnúť globálnu možnosť Automatický dátum a čas. Vypnutím tejto možnosti môžete znížiť veľkosť dátového modelu a skrátiť čas obnovenia.

Môžete povoliť alebo zakázať túto možnosť Automatický dátum a čas globálne, aby sa vzťahovala na všetky vaše súbory Power BI Desktop, alebo môžete povoliť/zakázať túto možnosť pre aktuálny súbor, aby sa vzťahovala len na jednotlivý súbor.

Ak chcete povoliť/zakázať túto možnosť Automatický dátum a čas, prejdite na položky Súbor > Možnosti a nastavenia > Možnosti a potom vyberte stránku Globálne alebo Aktuálny súbor. Na ktorejkoľvek stránke vyberte položku Načítanie údajov a potom v časti Časová inteligencia podľa potreby začiarknite alebo zrušte začiarknutie políčka.

Prehľad a všeobecný úvod k funkcii Automatický dátum a čas nájdete v téme Používanie funkcie Automatický dátum a čas v aplikácii Power BI Desktop.

Pokračovať