Desenvolver modelos semânticos Direct Lake

Este artigo descreve tópicos de design relevantes para o desenvolvimento de modelos semânticos Direct Lake.

Escolha o modo de armazenamento certo

O modo de armazenamento Direct Lake tem duas formas. Use as seguintes orientações para escolher o tipo de Direct Lake que melhor se adapta ao seu cenário. Para mais informações, consulte a comparação completa dos modos de armazenamento.

Utilize Direct Lake on OneLake quando...

• Geralmente esperas um desempenho de consulta mais rápido.
• Utiliza-se tabelas Delta de outras fontes de dados Fabric, não apenas de uma casa de lago ou armazém.
• Precisas de modelação composta com tabelas Import ou DirectQuery.
• Deves usar a segurança da OneLake.
• Precisa de funcionalidades de modelação, como colunas calculadas ou tabelas calculadas, que fazem referência a tabelas do Direct Lake (pré-visualização).
• Pretende um comportamento consistente do Direct Lake sem recurso a DirectQuery (modo DirectLakeOnly).

Usa o Direct Lake em SQL quando...

• Depende das regras de segurança definidas no endpoint de análise SQL com modo de identidade delegada: RLS, CLS, OLS.
• O seu modelo baseia-se em tabelas de endpoint ou vistas de análise SQL de uma única casa de lago ou armazém.
• Precisas de cenários Direct Lake não suportados para recorrer ao DirectQuery se o fallback estiver ativado (por exemplo, consultas contra vistas SQL).

Criar o modelo

Você pode criar um modelo semântico Direct Lake no Power BI Desktop ou a partir de muitos itens de malha no navegador. Por exemplo, em um Lakehouse aberto, você pode escolher Novo modelo semântico para criar um novo modelo semântico no modo de armazenamento Direct Lake.

A tabela seguinte mostra os métodos de criação mais comuns para cada tipo de modelo semântico de Direct Lake.

Quando cria um modelo semântico Direct Lake a partir do endpoint de análise SQL, pode escolher entre os dois tipos Direct Lake, como mostrado na imagem seguinte:

Define-se por defeito para Direct Lake no OneLake se o endpoint de análise SQL estiver no modo de identidade do utilizador, ou para Direct Lake no SQL se o endpoint de análise SQL estiver no modo delegado. Para mais informações, veja Modos de Acesso no endpoint de análise SQL.

Como alternativa, como em qualquer modelo semântico do Power BI, você pode continuar o desenvolvimento do seu modelo usando uma ferramenta compatível com XMLA, como o SQL Server Management Studio (SSMS) (versão 19.1 ou posterior) ou ferramentas de comunidade de código aberto. Os cadernos Fabric também podem criar e editar programaticamente modelos semânticos com link semântico e laboratórios de link semântico.

Conectores do Power Query

Uma forma fácil de saber se um modelo semântico Direct Lake existente está no OneLake ou SQL é verificar o conector na visualização TMDL. No separador Modelo, arraste o nó Expressões para ver a definição da expressão M.

O Direct Lake de OneLake utiliza o conector Azure Data Lake Storage.

O Direct Lake em SQL utiliza o conector SQL Server , ou o OneLake.SqlAnalytics() conector.

Modelos compostos Direct Lake

O Direct Lake no OneLake permite a criação de modelos compostos multi-fonte que combinam tabelas em modo Direct Lake com outras tabelas em modo Import/DirectQuery, proporcionando flexibilidade valiosa para tabelas de dimensões enquanto aproveitam o Direct Lake para tabelas de factos muito grandes, evitando atualizações dispendiosas e sobrecarga de gestão. Para mais informações, consulte a secção de Modelos semânticos compostos com Direct Lake e tabelas de modos de armazenamento de importação .

Tabelas de modelos

As tabelas de modelos são normalmente baseadas na tabela do item de dados Fabric de origem. O Direct Lake em SQL também permite a seleção de uma vista SQL. Consultas para uma tabela de modelos baseadas numa vista SQL voltam ao modo DirectQuery, o que pode resultar num desempenho de consulta mais lento.

As tabelas devem incluir colunas para filtrar, agrupar, classificar e resumir, além de colunas que oferecem suporte a relações de modelo.

Para obter mais informações sobre colunas a serem incluídas em suas tabelas de modelo semântico, consulte Compreender o desempenho da consulta Direct Lake.

Para informações sobre a aplicação das regras de acesso a dados com segurança ao nível de objeto (OLS) e segurança ao nível de linha (RLS), consulte Integrar a segurança Direct Lake.

Metadados do modelo Direct Lake

Quando você se conecta a um modelo semântico Direct Lake com o ponto de extremidade XMLA, os metadados se parecem com os de qualquer outro modelo. No entanto, os modelos Direct Lake mostram as seguintes diferenças:

• A propriedade compatibilityLevel do objeto de banco de dados é 1604 (ou superior).
• A propriedade mode das partições Direct Lake está definida como directLake.
• As partições Direct Lake usam expressões compartilhadas para definir fontes de dados.
  • Direct Lake em SQL — A expressão aponta para o endpoint de análise SQL do lakehouse ou warehouse. Direct Lake usa o endpoint de análise SQL para descobrir informações de esquema e segurança, mas carrega os dados diretamente do OneLake (a menos que retorne ao modo DirectQuery por qualquer motivo).
  • Direct Lake no OneLake — A expressão aponta diretamente para a localização de armazenamento do OneLake da fonte de dados do Fabric. O Direct Lake utiliza as APIs OneLake para descoberta de esquemas, verificações de segurança e carregamento de dados. O Direct Lake no OneLake não volta ao modo DirectQuery.

Tarefas pós-publicação

Depois de publicar um modelo semântico do Direct Lake, você deve concluir algumas tarefas de configuração. Para obter mais informações, consulte Gerenciar modelos semânticos do Direct Lake.

Conteúdo relacionado

• Visão geral do Direct Lake
• Gerenciar modelos semânticos do Direct Lake
• Compreender o desempenho da consulta Direct Lake
• Integração OneLake para modelos semânticos