Konfigurer innstillinger for skalering

Modellen er designet. Nå konfigurerer du innstillingene som styrer hvordan den håndterer store datasett, samtidige spørringer og ekstern verktøytilgang. Disse innstillingene avgjør om modellen kan holde tritt etter hvert som datavolumene vokser og flere brukere og verktøy bruker den.

Stort semantisk lagringsformat for modell

Det store lagringsformatet for semantiske modeller endrer hvordan modellen lagrer og komprimerer data. Som standard begrenser Power BI modellens opplasting til 10 GB. Med denne innstillingen aktivert kan modellene vokse utover denne grensen ved oppdatering. Maksimal størrelse tilsvarer Fabric-kapasitetsstørrelsen eller grensen satt av kapasitetsadministratoren.

Direct Lake-modeller aktiverer automatisk denne innstillingen, så du trenger ikke konfigurere den manuelt for disse modellene. For importmodus-modeller må du aktivere det eksplisitt.

Denne innstillingen er også en forutsetning for både XMLA-endepunktets lese-/skrivetilgang og spørringsskalering. Du må aktivere det først når du bruker Import- eller DirectQuery-lagringsmoduser.

Aktiver lagringsformat for store semantiske modeller når:

• Datavolumene dine krever modeller som vokser utover opplastingsgrensen på 10 GB.
• Du trenger tilgang til XMLA-endepunktet for eksterne verktøy.
• Du planlegger å bruke spørringsskalering for høy samtidighet.
• Du planlegger å bruke inkrementell oppdatering med partisjonerte tabeller.

XMLA-endepunkts lese-/skrivetilgang

XMLA-endepunktet lar eksterne verktøy koble seg til din semantiske modell. Verktøy som Tabular Editor, DAX Studio og ALM Toolkit bruker dette endepunktet for utvikling, feilsøking og distribusjonsoperasjoner som ikke er tilgjengelige i Fabric-tjenestegrensesnittet.

XMLA-endepunktets lese-/skrivetilgang krever det store semantiske modelllagringsformatet som en forutsetning. Når begge er aktivert, kan du:

• Bruk Tabular Editor for modellutvikling og integrasjon av kildekodekontroll.
• Bruk DAX Studio til spørringsanalyse og ytelsesjustering.
• Distribuer modeller gjennom CI/CD-pipelines ved bruk av Analysis Services klientbiblioteker.

I stor skala blir disse eksterne verktøyene essensielle. Manuelle redigeringer gjennom tjenestegrensesnittet støtter ikke det nivået av modellutvikling som store, teamvedlikeholdte modeller krever.

Spørringsskalering

Spørringsskalering distribuerer lesespørringer over skrivebeskyttede replikaer av din semantiske modell. Når hundrevis av brukere får tilgang til samme modell samtidig, kan én enkelt instans bli en flaskehals. Query scaleout legger til replikaer som deler spørringsbelastningen.

Når du aktiverer spørringsskalering, bruker lesereplikaene en separat kopi av modellen. Denne kopien synkroniserer etter hver oppdatering. Det kan være en kort forsinkelse mellom at primærmodellen fullfører en oppdatering og replikaene gjenspeiler de oppdaterte dataene.

Spørringsskalering krever et lagringsformat for store semantiske modeller som en forutsetning.

Aktiver spørringsskalering når:

• Modellen betjener hundrevis av samtidige brukere.
• Spørringsytelsen forringes under perioder med høy bruk.
• Modellen støttes av en Fabric-kapasitet som støtter replikker.

Direct Lake-fallback-konfigurasjon

Direct Lake leser Delta-tabeller direkte fra OneLake inn i minnet. Noen spørringer kan føre til at modellen faller tilbake til DirectQuery-modus, som endrer ytelseskarakteristikkene. Fallback-innstillingen styrer hvordan modellen håndterer disse situasjonene:

• Tillat fallback (standard): Spørringer som ikke kan kjøres i Direct Lake-modus faller automatisk tilbake til DirectQuery. Brukerne får resultater, men ytelsen kan bli dårligere.
• Ikke tillatt fallback: Spørringer som ikke kan kjøres i Direct Lake-modus gir en feilmelding. Dette sikrer konsistent ytelse, men krever at alle spørringer forblir innenfor Direct Lake-funksjonaliteten.

For modeller i stor skala, start med tillatt fallback. Overvåk hvilke spørringer som utløser det, og optimaliser deretter disse spørringene eller datastrukturene for å redusere fallback-frekvensen. Ikke tillatt fallback kun når alle spørringsmønstre holder seg innenfor Direct Lake-grensene og du trenger garantert ytelseskonsistens.

OneLake-integrering

OneLake-integrasjon gjør dine semantiske modelldata tilgjengelige som Delta-tabeller i OneLake. Når det er aktivert, kan nedstrøms Fabric-elementer som notatbøker, pipelines og andre tjenester lese data direkte fra den semantiske modellen uten å bygge det opp på nytt fra kilden.

Dette utvider modellens rekkevidde utover rapporter. En semantisk modell med godt strukturert stjerneskjema og beregnings-logikk blir en kuratert datakilde for den bredere analyseplattformen.

Aktiver OneLake-integrasjon når:

• Dataingeniører eller dataforskere må konsumere semantiske modelldata i notatbøker eller andre Fabric-elementer.
• Du vil bruke den semantiske modellen som en delt datakilde på tvers av Fabric.
• Nedstrømsforbrukere trenger tilgang til kuraterte, forretningslogikk-berikede data uten å bygge dem opp igjen fra råkilder.

Setter beslutningsrammeverk

Følgende tabell oppsummerer de viktigste beslutningene om innstillinger for skala: