Questo browser non è più supportato.
Esegui l'aggiornamento a Microsoft Edge per sfruttare i vantaggi di funzionalità più recenti, aggiornamenti della sicurezza e supporto tecnico.
Un team deve assicurarsi che ogni report a livello di ara usi gli stessi oggetti visivi, misure e layout, ma si connetta a un'origine dati diversa. Quale tipo di asset di Power BI è il più adatto a questo requisito?
modello Power BI (.pbit)
File dell'origine dati di Power BI (.pbids)
Modello semantico condiviso con DirectQuery
Un team di analisi usa l'integrazione di Git per controllare la versione dell'area di lavoro Fabric. Uno sviluppatore apporta modifiche a un modello semantico, ma l'area di lavoro mostra un conflitto. Cosa indica un conflitto?
Lo stesso elemento è stato modificato sia nell'area di lavoro che nel repository dall'ultima sincronizzazione.
L'area di lavoro contiene elementi che non esistono nel repository.
Il provider Git ha rifiutato la connessione a causa di autorizzazioni insufficienti.
Prima di distribuire un modello semantico nell'ambiente di produzione, un analista vuole verificare che tutte le relazioni siano valide e che non esistano chiavi esterne orfane. Quale funzione SemPy identifica le violazioni delle relazioni?
list_relationship_violations()
list_relationships()
evaluate_measure()
Un team configura una pipeline di distribuzione con fasi di sviluppo, test e produzione. L'area di lavoro di sviluppo si connette a un database di test, ma la produzione deve connettersi al database attivo. In che modo il team deve gestire questa differenza?
Configurare una regola di distribuzione dell'origine dati che modifichi la connessione durante la distribuzione nell'ambiente di produzione.
È necessario aggiornare manualmente la connessione all'origine dati nell'area di lavoro di produzione dopo ogni distribuzione.
Creare modelli semantici separati per ogni fase con stringhe di connessione hardcoded diverse.
Un modello semantico dipende dai dati upstream in un lakehouse che devono essere completamente caricati prima che il modello venga aggiornato. Un analista pianifica attualmente l'aggiornamento del modello un'ora dopo il caricamento del lakehouse, ma a volte il carico richiede più tempo e il modello viene aggiornato con dati incompleti. Quale approccio risolve questo problema?
Usare una pipeline di Data Factory con un'attività di aggiornamento del modello semantico che viene eseguita al termine del caricamento del lakehouse.
Pianificare l'aggiornamento del modello semantico due ore dopo la fine del caricamento del lakehouse (e non una).
Abilitare l'aggiornamento in tempo reale sul modello semantico in modo che disponga sempre di dati correnti.
Devi rispondere a tutte le domande prima di controllare il lavoro svolto.
Questa pagina è stata utile?
Serve aiuto con questo argomento?
Provare a usare Ask Learn per chiarire o guidare l'utente in questo argomento?