Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
In dit artikel worden ontwerponderwerpen beschreven die relevant zijn voor het ontwikkelen van semantische Direct Lake-modellen.
De juiste opslagmodus kiezen
De Direct Lake-opslagmodus heeft twee formulieren. Gebruik de volgende richtlijnen om het Type Direct Lake te kiezen dat het beste bij uw scenario past. Zie de volledige vergelijking van opslagmodi voor meer informatie.
Gebruik Direct Lake on OneLake wanneer...
- Over het algemeen verwacht u snellere queryprestaties.
- Je gebruikt een of meer Fabric-items waarvan de OneLake-opslag verwijst naar geldige Delta-tabellen, rechtstreeks of via snelkoppelingen.
- U hebt samengestelde modellering nodig met Import- of DirectQuery-tabellen.
- U wilt OneLake-beveiliging gebruiken.
- U hebt modelleringsfuncties nodig, zoals berekende kolommen of berekende tabellen die verwijzen naar Direct Lake-tabellen (preview).
- U wilt consistent Direct Lake-gedrag zonder dat wordt teruggevallen op DirectQuery (
DirectLakeOnly-modus).
Gebruik Direct Lake on SQL wanneer...
- U bent afhankelijk van beveiligingsregels die zijn gedefinieerd in het SQL-analyse-eindpunt met de gedelegeerde identiteitsmodus: RLS, CLS, OLS.
- Je model is gebaseerd op SQL-analytics endpointtabellen of views van één enkele ondersteunde Fabric-databron.
- U hebt niet-ondersteunde Direct Lake-scenario's nodig om terug te vallen op DirectQuery als terugval is ingeschakeld (bijvoorbeeld query's voor SQL-weergaven).
Het model maken
U kunt een semantisch Direct Lake-model maken in Power BI Desktop of vanuit veel Fabric-items in de browser. U kunt bijvoorbeeld vanuit een open Lakehouse een nieuw semantisch model kiezen om een nieuw semantisch model te maken in de Direct Lake-opslagmodus.
In de volgende tabel ziet u de meest voorkomende methoden voor het maken van elk type semantisch Direct Lake-model.
| Ondersteunt Direct Lake op OneLake | Ondersteunt Direct Lake op SQL | |
|---|---|---|
| Maken vanuit de Power BI-service. Selecteer bijvoorbeeld Maken in de linkernavigatiebalk en selecteer vervolgens OneLake-catalogus. | Ja | No |
| Maken vanuit Power BI Desktop. | Ja | No |
| Maken via de SQL Analytics-eindpuntpagina. Open bijvoorbeeld het SQL Analytics-eindpunt voor een lakehouse en selecteer vervolgens Nieuw semantisch model. | Ja | Ja |
Wanneer u een semantisch Direct Lake-model maakt op basis van het SQL-analyse-eindpunt, kunt u kiezen tussen de twee Direct Lake-typen, zoals wordt weergegeven in de volgende afbeelding:
Dit dialoogvenster wordt standaard ingesteld op Direct Lake in OneLake als het SQL-analyse-eindpunt zich in de gebruikersidentiteitsmodus bevindt of Direct Lake op SQL als het SQL-analyse-eindpunt zich in de gedelegeerde modus bevindt. Voor meer informatie, zie Toegangsmodi in de SQL Analytics-eindpunt.
U kunt ook, net als bij elk semantisch Power BI-model, de ontwikkeling van uw model voortzetten met behulp van een XMLA-compatibel hulpprogramma, zoals SQL Server Management Studio (SSMS) (versie 19.1 of hoger) of opensource-communityhulpprogramma's. Fabric-notebooks kunnen ook programmatisch semantische modellen maken en bewerken met semantische koppeling en semantische koppelingslabs.
Power Query-connectors
Een eenvoudige manier om te zien of een bestaand Direct Lake-semantisch model zich in OneLake of SQL bevindt, is door de connector in de TMDL-weergave te controleren. Sleep op het tabblad Model het knooppunt Expressies om de M-expressiedefinitie weer te geven.
Direct Lake op OneLake maakt gebruik van de Azure Data Lake Storage-connector .
Direct Lake op SQL maakt gebruik van de SQL Server-connector of de OneLake.SqlAnalytics() connector.
Samengestelde Direct Lake-modellen
Direct Lake op OneLake maakt het mogelijk om samengestelde modellen met meerdere bronnen te maken die tabellen in de Direct Lake-modus combineren met andere tabellen in de import-/DirectQuery-modus, waardoor u waardevolle flexibiliteit hebt voor dimensietabellen terwijl u Direct Lake gebruikt voor zeer grote feitentabellen om kostbare vernieuwingen en beheeroverhead te voorkomen. Zie de sectie Samengestelde semantische modellen met tabellen in de Direct Lake- en Import-opslagmodus voor meer informatie.
Modeltabellen
Modeltabellen zijn normaal gesproken gebaseerd op de tabel in het brongegevensitem Fabric. Direct Lake op SQL maakt het ook mogelijk om een SQL-weergave te selecteren. Query's naar een modeltabel op basis van een SQL-weergave vallen terug op de DirectQuery-modus, wat kan leiden tot tragere queryprestaties.
Note
Met Direct Lake op OneLake kunnen tabellen op basis van SQL-weergaven worden toegevoegd met behulp van andere opslagmodi, zoals Importeren en/of DirectQuery, omdat Direct Lake op OneLake samengestelde modellen ondersteunt.
Tabellen moeten kolommen bevatten voor filteren, groeperen, sorteren en samenvatten, naast kolommen die modelrelaties ondersteunen.
Zie Begrijp Direct Lake-queryprestaties voor meer informatie over kolommen die u in uw semantische modeltabellen kunt opnemen.
Zie Direct Lake-beveiliging integreren voor informatie over het afdwingen van regels voor toegang tot gegevens met objectniveau beveiliging (OLS) en beveiliging op rijniveau (RLS).
Metagegevens van Direct Lake-model
Wanneer u verbinding maakt met een Direct Lake-semantisch model met het XMLA-eindpunt, zien de metagegevens eruit als die van een ander model. Direct Lake-modellen tonen echter de volgende verschillen:
- De eigenschap
compatibilityLevelvan het databaseobject is 1604 (of hoger). - De moduseigenschap van Direct Lake-partities is ingesteld op
directLake. - Direct Lake-partities maken gebruik van gedeelde expressies om gegevensbronnen te definiëren.
- Direct Lake op SQL : de expressie verwijst naar het SQL-analyse-eindpunt van het lakehouse of warehouse. Direct Lake maakt gebruik van het SQL Analytics-eindpunt om schema- en beveiligingsgegevens te detecteren, maar laadt de gegevens rechtstreeks vanuit OneLake (tenzij het om welke reden dan ook terugvalt naar de DirectQuery--modus).
- Direct Lake op OneLake : de expressie verwijst rechtstreeks naar de OneLake-opslaglocatie van de Fabric-gegevensbron. Direct Lake maakt gebruik van de OneLake-API's voor schemadetectie, beveiligingscontroles en het laden van gegevens. Direct Lake op OneLake valt niet terug naar de DirectQuery-modus.
Gebruik M-parameters met deployment-pijplijnen
Voor Direct Lake op OneLake bieden deployment-pipelines geen databronregels. Gebruik in plaats daarvan tekst M-parameters om de locatie van de OneLake-bron tussen de implementatiefases van de pipeline te wijzigen.
Het volgende voorbeeld van Tabular Model Definition Language (TMDL) definieert tekstparameters voor de werkruimte- en lakehouse-ID's en verwijst hiernaar in de verbindingsexpressie:
createOrReplace
expression 'DirectLake - Sales' =
let
Source = AzureStorage.DataLake("https://onelake.dfs.fabric.microsoft.com/" & WorkspaceId & "/" & LakehouseId, [HierarchicalNavigation = true])
in
Source
expression WorkspaceId = "<workspace-id>" meta [IsParameterQuery = true, IsParameterQueryRequired = true, Type = "Text"]
expression LakehouseId = "<lakehouse-id>" meta [IsParameterQuery = true, IsParameterQueryRequired = true, Type = "Text"]
Om de volledige URL te parametriseren, vervang je de twee ID-parameters door deze expressie:
expression OneLakeSourceUrl = "https://onelake.dfs.fabric.microsoft.com/<workspace-id>/<item-id>" meta [IsParameterQuery = true, IsParameterQueryRequired = true, Type = "Text"]
Gebruik in de Direct Lake-verbindingsuitdrukking AzureStorage.DataLake(OneLakeSourceUrl, [HierarchicalNavigation = true]). Vervang de tijdelijke aanduidingen door de werkruimte- en lakehouse- of warehouse-ID's. Wanneer de parameter aan het voorgaande script wordt toegevoegd, springt u de declaratie op hetzelfde niveau in als de verbindingsexpressie. Configureer één deployment parameter rule voor OneLakeSourceUrl in plaats van aparte regels voor de ID's.
Om dit voorbeeld aan te passen aan jouw model:
Ga in webmodellering naar de TMDL-weergave en open de gedeelde expressie die de
AzureStorage.DataLakeverbinding bevat.Voeg de tekstparameterexpressies toe en werk de verbindingsexpressie bij zoals getoond in het voorbeeld. Houd de naam van de bestaande verbindingsexpressie, annotaties en eventuele extra verbindingsopties ongewijzigd zodat bestaande partities ernaar blijven verwijzen. Vervang
<workspace-id>en<lakehouse-id>door de bron-workspace en lakehouse ID's, niet met volledige URL's. Voor een warehouse-bron gebruik je eenWarehouseIdparameter met de warehouse-ID en verwijs je ernaar in plaats vanLakehouseId. Gebruik de SQL analytics endpoint-ID niet. Alleexpressiondeclaraties moeten op hetzelfde inspringingsniveau zijn.Pas het script toe. Parameters moeten type
Texthebben om ze te kunnen gebruiken voor rebinding via parameterregels. Meerdere verbindingen kunnen een werkruimteparameter delen terwijl ze aparte item-ID-parameters gebruiken.In de doel-pipelinefase configureer je een deployment-parameterregel voor elke waarde die verandert. Stel
WorkspaceIdbijvoorbeeld in op de doel-werkruimte-ID enLakehouseIdop de doel-lakehouse-ID. Als het model nog niet in de doelfase is, deploy het dan eerst daar zodat je de regels kunt configureren.Implementeer het semantische model van de bronfase naar de doelfase om de regels toe te passen.
Vernieuw het doelmodel, verifieer de gegevenslijn en zorg ervoor dat het de bedoelde bron bevraagt.
De doelbron moet de tabellen en kolommen bevatten waarnaar het model verwijst. Het wijzigen van de parameters creëert die tabellen niet en geeft geen toegang tot die tabellen. Zorg ervoor dat de verbinding en machtigingen van het doelmodel toegang tot de doelgegevens mogelijk maken.
Voor samengestelde modellen kun je de tekstparameters in Power Query aanmaken in plaats van TMDL. De Direct Lake-verbindingsuitdrukking is niet beschikbaar in Power Query. Na het aanmaken van de parameters werkt u die expressie bij in TMDL-weergave, zoals in de voorgaande stappen.
Werkzaamheden na publicatie
Nadat u een semantisch Direct Lake-model hebt gepubliceerd, moet u enkele installatietaken uitvoeren. Zie Semantische direct lake-modellen beherenvoor meer informatie.