Konfigurowanie ustawień skalowania

Model został zaprojektowany. Teraz skonfiguruj ustawienia, które kontrolują sposób obsługi dużych zestawów danych, współbieżnych zapytań i dostępu do narzędzi zewnętrznych. Te ustawienia określają, czy model może nadążyć za ilością danych, a coraz więcej użytkowników i narzędzi je zużywa.

Duży format magazynu modelu semantycznego

Duży format magazynu modelu semantycznego zmienia sposób przechowywania i kompresowania danych przez model. Domyślnie Power BI ogranicza przesyłanie modelu do 10 GB. Po włączeniu tego ustawienia modele mogą przekraczać ten limit odświeżania. Maksymalny rozmiar odpowiada rozmiarowi pojemności Fabric lub limitowi określonemu przez administratora pojemności.

Modele usługi Direct Lake automatycznie włączają to ustawienie, więc nie trzeba ich konfigurować ręcznie dla tych modeli. W przypadku modeli trybu importu należy je jawnie włączyć.

To ustawienie jest również warunkiem wstępnym zarówno dla dostępu do odczytu/zapisu punktu końcowego XMLA, jak i skalowania zapytań. Należy włączyć ją najpierw podczas korzystania z trybów magazynowania Import lub DirectQuery.

Włącz duży format magazynu modelu semantycznego, gdy:

• Woluminy danych wymagają modeli, które wykraczają poza limit przekazywania 10 GB.
• Potrzebujesz dostępu do punktu końcowego XMLA dla narzędzi zewnętrznych.
• Planujesz używać poziomego skalowania zapytań w celu zapewnienia wysokiej współbieżności.
• Planujesz używać odświeżania przyrostowego z partycjonowanymi tabelami.

Dostęp do odczytu/zapisu punktu końcowego XMLA

Punkt końcowy XMLA umożliwia zewnętrznym narzędziom łączenie się z modelem semantycznym. Narzędzia, takie jak Tabular Editor, DAX Studio i ALM Toolkit, używają tego punktu końcowego do operacji programowania, debugowania i wdrażania, które nie są dostępne w interfejsie usługi Fabric.

Dostęp do odczytu/zapisu punktu końcowego XMLA wymaga dużego formatu magazynowania modelu semantycznego jako wymaganego warunku wstępnego. Po włączeniu obu tych opcji można wykonywać następujące czynności:

• Użyj edytora tabelarycznego na potrzeby integracji tworzenia modeli i kontroli źródła.
• Użyj języka DAX Studio do analizy zapytań i dostrajania wydajności.
• Wdrażanie modeli przez potoki CI/CD z użyciem bibliotek klienckich Analysis Services.

Na dużą skalę te narzędzia zewnętrzne stają się niezbędne. Ręczne edycje za pośrednictwem interfejsu usługi nie obsługują poziomu tworzenia modeli, którego wymagają duże modele obsługiwane przez zespół.

Skalowanie zapytań w poziomie

Skalowanie zapytań w poziomie dystrybuuje zapytania dotyczące odczytu między replikami dostępnymi tylko do odczytu modelu semantycznego. Gdy setki użytkowników uzyskują jednocześnie dostęp do tego samego modelu, pojedyncze wystąpienie może stać się wąskim gardłem. Skalowanie zapytań dodaje repliki współużytkujące obciążenie zapytania.

Gdy włączysz skalowanie zapytań, repliki do odczytu używają oddzielnej kopii modelu. Ta kopia jest synchronizowana po każdym odświeżeniu. Może wystąpić krótkie opóźnienie między ukończeniem odświeżania modelu podstawowego a replikami odzwierciedlającymi zaktualizowane dane.

Skalowanie zapytań wymaga dużego formatu przechowywania modelu semantycznego jako wymogu wstępnego.

Włącz skalowanie zapytań w poziomie, gdy:

• Model obsługuje setki równoczesnych użytkowników.
• Wydajność zapytań spada w okresach szczytowego użycia.
• Model jest wspierany przez infrastrukturę Fabric, która obsługuje repliki.

Konfiguracja rezerwowa Direct Lake

Usługa Direct Lake odczytuje tabele delty bezpośrednio z usługi OneLake do pamięci. Niektóre zapytania mogą spowodować powrót modelu do trybu DirectQuery, który zmienia charakterystykę wydajności. Opcja awaryjna kontroluje, jak model obsługuje te sytuacje.

• Zezwalaj na powrót (ustawienie domyślne): zapytania, które nie mogą być uruchamiane w trybie Direct Lake, są automatycznie przywracane do trybu DirectQuery. Użytkownicy uzyskują wyniki, ale wydajność może się zmniejszyć.
• Nie zezwalaj na powrót: zapytania, które nie mogą działać w trybie Direct Lake, zwracają błąd. Wymusza to spójną wydajność, ale wymaga, aby wszystkie zapytania pozostawały w ramach funkcji Direct Lake.

W przypadku modeli na dużą skalę zacznij od z dozwolonym cofnięciem. Monitoruj, które zapytania go wyzwalają, a następnie zoptymalizuj te zapytania lub struktury danych, aby zmniejszyć częstotliwość powrotu do domyślnych ustawień. Nie zezwalaj na powrót tylko wtedy, gdy wszystkie wzorce zapytań pozostają w granicach usługi Direct Lake i potrzebujesz gwarantowanej spójności wydajności.

Integracja z usługą OneLake

Integracja z OneLake sprawia, że dane z modeli semantycznych są dostępne jako tabele Delta w OneLake. Po włączeniu podrzędne elementy Fabric, takie jak notesy, potoki i inne usługi, mogą bezpośrednio odczytywać dane z modelu semantycznego, bez konieczności ponownego kompilowania ich ze źródła.

Rozszerza to zasięg modelu poza raporty. Semantyczny model z dobrze ustrukturyzowanym schematem gwiazdy i logiką obliczeń staje się wyselekcjonowanym źródłem danych dla szerszej platformy analitycznej.

Włącz integrację usługi OneLake, gdy:

• Inżynierowie danych lub analitycy danych muszą korzystać z danych semantycznych w notesach lub innych elementach Fabric.
• Chcesz użyć modelu semantycznego jako udostępnionego źródła danych w Fabric.
• Odbiorcy podrzędni potrzebują dostępu do wyselekcjonowanych danych wzbogaconych przez logikę biznesową bez ponownego kompilowania ich z nieprzetworzonych źródeł.

Struktura decyzyjna ustawień

Poniższa tabela zawiera podsumowanie kluczowych decyzji dotyczących ustawień skalowania: