Semantische Direct Lake-modellen ontwikkelen

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.
  • U gebruikt Delta-tabellen uit andere Fabric-gegevensbronnen, niet uitsluitend uit een lakehouse of warehouse.
  • 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.
  • Uw model is gebaseerd op SQL Analytics-eindpunttabellen of -weergaven vanuit één lakehouse of warehouse.
  • 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:

Schermopname van het dialoogvenster voor het selecteren van direct lake-typen bij het maken van een semantisch model op basis van de eindpuntpagina van SQL Analytics.

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 .

Schermopname van de Azure Data Lake Storage Gen2-connector in de TMDL-weergave voor een Direct Lake op OneLake-model.

Direct Lake op SQL maakt gebruik van de SQL Server-connector of de OneLake.SqlAnalytics() connector.

Schermopname van de SQL Server-connector in de TMDL-weergave voor een Direct Lake op SQL-model.

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 compatibilityLevel van 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.

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.

Verwante inhoud

  • Last updated on