Use cadernos com um modelo semântico

Com notebooks Fabric e ligações semânticas, pode usar código para analisar modelos semânticos, juntamente com outras funcionalidades de ciência de dados e engenharia de dados, permitindo-lhe realizar análises estatísticas aprofundadas e modelação preditiva de formas personalizáveis e flexíveis.

Os portáteis Microsoft Fabric oferecem formas interativas para engenheiros de dados e cientistas de dados criarem empregos no Apache Spark, gerirem fluxos de trabalho de dados e desenvolverem modelos de aprendizagem automática. Os notebooks de tecido proporcionam uma interface low-code fácil com segurança empresarial, integração com o Lakehouse e ferramentas de visualização integradas. Os cadernos também suportam a colaboração através de comentários, etiquetagem e controlo de versões, simplificando a gestão da execução de código, exploração de dados e implementação de modelos.

A funcionalidade de ligação semântica permite-lhe estabelecer uma ligação entre modelos semânticos e capacidades de ciência de dados no Microsoft Fabric, para otimizar os itens do Fabric em desempenho, memória e custo.

Abra cadernos de exemplo do seu modelo semântico

Os cadernos oferecem uma coleção de experiências prontas para modelos semânticos para o ajudar a começar, às quais pode aceder de várias formas:

  • No separador Home da faixa de opções, é possível editar modelos semânticos no serviço Power BI, conforme mostrado na imagem seguinte. Captura de ecrã do Home Ribbon a aceder a experiências de caderno.

  • A partir da página de detalhes semânticos do modelo, no menu desdobrável de integridade do modelo, mostrado na imagem seguinte. Captura de ecrã do estado do modelo no menu suspenso para aceder às experiências do notebook.

  • Em Mais opções (...) no catálogo OneLake ao selecionar um modelo semântico, conforme mostrado na imagem seguinte. Captura de ecrã do menu de mais opções no catálogo do One Lake para aceder às experiências de notebooks.

As funções usadas nestes cadernos de exemplo são exemplos de funções úteis que a ligação semântica permite. Pode encontrar mais funções e cadernos auxiliares no Semantic Link Labs, uma biblioteca Python que estende as capacidades de ligação semântica para automatizar tarefas técnicas. Não precisas de ser especialista em Python para usar Semantic Link ou Semantic Link Labs. Muitas funções podem ser usadas simplesmente introduzindo os seus parâmetros e executando o caderno.

Analisador de melhores práticas

Quando executa o caderno de exemplo, o Analisador de Melhores Práticas (BPA) oferece dicas para melhorar o design e o desempenho do seu modelo semântico. Por padrão, o BPA verifica um conjunto de mais de 60 regras no seu modelo semântico e resume os resultados. As regras usadas na BPA provêm de especialistas da Microsoft e da Comunidade Fabric. As sugestões para melhoria estão organizadas em cinco categorias: Desempenho, Expressões DAX, Prevenção de Erros, Manutenção e Formatação.

A imagem seguinte mostra o BPA em uso.

Captura de ecrã dos resultados do analisador de melhores práticas.

Analisador de memória de modelos

Quando executa o caderno de exemplo, o Analisador de Memória mostra-lhe estatísticas de memória e armazenamento sobre os objetos do seu modelo semântico, como Tabelas, Colunas, Hierarquias, Partições e Relações. As estatísticas que o Analisador de Memória devolve podem ser usadas para identificar áreas de otimização de desempenho e redução de memória para o seu modelo semântico. A imagem seguinte mostra o Analisador de Memória em uso.

Captura de ecrã dos resultados do analisador de memória.

Requisitos e permissões

Os seguintes requisitos e definições de permissões aplicam-se aos cadernos:

  • Os utilizadores devem ter permissão de construção no modelo semântico para criar um bloco de notas a partir dos pontos de entrada do modelo semântico descritos neste artigo. Para mais informações, consulte o artigo sobre permissões de modelos semânticos .
  • Para criar um caderno, o espaço de trabalho deve ter capacidade Fabric, e o utilizador deve ter acesso de contribuinte ao espaço de trabalho onde o caderno é criado. Para mais informações, consulte o artigo sobre papéis de espaço de trabalho .

Considerações e limitações

As seguintes considerações e limitações devem ser tidas em conta ao trabalhar com cadernos:

  • Os cadernos falham em correr se o nome semântico do modelo terminar com um espaço em branco.

Conteúdo relacionado

Este artigo forneceu informações sobre experiências de um clique para começar a usar cadernos Fabric e links semânticos para analisar os seus modelos semânticos na web. Para mais informações sobre ligação semântica e cadernos Fabric, consulte os seguintes recursos:

  • Last updated on