Merk
Tilgang til denne siden krever autorisasjon. Du kan prøve å logge på eller endre kataloger.
Tilgang til denne siden krever autorisasjon. Du kan prøve å endre kataloger.
Med Fabric-notatbøker og semantisk lenke kan du bruke kode til å analysere semantiske modeller, sammen med andre data science- og data engineering-funksjoner, noe som gjør det mulig å utføre dyptgående statistisk analyse og prediktiv modellering på tilpassbare og fleksible måter.
Microsoft Fabric-notatbøker gir interaktive måter for dataingeniører og dataforskere å bygge Apache Spark-jobber, administrere dataflyter og utvikle maskinlæringsmodeller. Fabric-notatbøker gir et enkelt low-code-grensesnitt med bedriftssikkerhet, integrasjon med Lakehouse og innebygde visualiseringsverktøy. Notatbøker støtter også samarbeid gjennom kommentering, tagging og versjonskontroll, noe som forenkler håndteringen av kodeutførelse, datautforskning og modelldistribusjon.
Semantisk lenke-funksjonalitet lar deg etablere en forbindelse mellom semantiske modeller og data science-funksjonalitet i Microsoft Fabric, slik at du kan optimalisere Fabric-elementer for ytelse, minne og kostnad.
Åpne eksempelnotatbøker fra din semantiske modell
Notatbøker tilbyr en samling ferdiglagde opplevelser for semantiske modeller for å hjelpe deg i gang, som du kan få tilgang til på flere måter:
Fra Hjem-fanen på båndet, redigering av semantiske modeller i Power BI-tjenesten, vist i bildet nedenfor.
Fra siden med detaljer om semantiske modeller under nedtrekksmenyen for modellhelse , vist i bildet nedenfor.
Fra Flere alternativer (...) i OneLake-katalogen når man velger en semantisk modell, vist i bildet nedenfor.
Funksjonene som brukes i disse eksempelnotatbøkene er eksempler på nyttige funksjoner som semantisk lenke muliggjør. Du kan finne flere funksjoner og hjelpenotatbøker i Semantic Link Labs, et Python-bibliotek som utvider semantiske lenke-muligheter for å automatisere tekniske oppgaver. Du trenger ikke være Python-ekspert for å bruke Semantic Link eller Semantic Link Labs. Mange funksjoner kan brukes enkelt ved å skrive inn parameterne dine og kjøre notatboken.
Beste praksis-analysator
Når du kjører eksempelnotatboken, gir Best Practice Analyzer (BPA) tips for å forbedre design og ytelse i din semantiske modell. Som standard sjekker BPA et sett med mer enn 60 regler mot din semantiske modell og oppsummerer resultatene. Reglene som brukes i BPA kommer fra eksperter innen Microsoft og Fabric Community. Forslagene til forbedring er organisert i fem kategorier: Ytelse, DAX-uttrykk, Feilforebygging, Vedlikehold og Formatering.
Følgende bilde viser BPA i bruk.
Modellminneanalysator
Når du kjører eksempelnotatboken for notatboken, viser Memory Analyzer deg minne- og lagringsstatistikk om objektene i din semantiske modell, som tabeller, kolonner, hierarkier, partisjoner og relasjoner. Statistikken Memory Analyzer returnerer kan brukes til å identifisere områder med ytelsesoptimalisering og minnereduksjon for din semantiske modell. Følgende bilde viser minneanalysatoren i bruk.
Krav og tillatelser
Følgende krav og tillatelsesinnstillinger gjelder for notatbøker:
- Brukere må ha byggetillatelse på den semantiske modellen for å lage en eksempelnotatbok fra de semantiske modellens inngangspunkter beskrevet i denne artikkelen. For mer informasjon, se artikkelen om tillatelser for semantiske modeller .
- For å opprette en notatbok må arbeidsområdet ha Fabric-kapasitet, og brukeren må ha bidragsytertilgang til arbeidsområdet der notatboken opprettes. For mer informasjon, se artikkelen om arbeidsplasser .
Hensyn og begrensninger
Følgende hensyn og begrensninger bør tas i betraktning når man arbeider med notatbøker:
- Notatbøker klarer ikke å kjøre hvis navnet på den semantiske modellen slutter med et blankrom.
Beslektet innhold
Denne artikkelen ga informasjon om ett-klikk-opplevelser for å begynne å bruke Fabric-notatbøker og semantiske lenker for å analysere dine semantiske modeller på nettet. For mer informasjon om semantiske lenker og Fabric-notatbøker, se følgende ressurser: