簡介

語意模型是 Microsoft Fabric 分析的基礎。 它們定義了資料如何在報告、儀表板和 AI 體驗中結構化、計算與使用。 在 Power BI Desktop 中，適合小團隊的模型並不會自動服務跨多個資料庫的數百名使用者。 當資料量增加、團隊擴大及消費模式改變時，模型背後的設計決策也必須改變。

假設一個組織正在擴展其分析平台於 Microsoft Fabric。 他們的資料分布在湖屋和倉庫中，現有的語意模型則是在 Power BI Desktop 中為小型團隊打造的。 現在這些模型需要處理更大規模的資料集、更多同時使用者，以及更廣泛的消費模式。 這些模型在目前規模下運作，但並非為擴展而設計。

在這個模組中，你將做出設計決策，為規模化準備語意模型。 你首先要選擇適合資料流入模型的儲存模式。 接著設計星型結構關係以提升清晰度與效能。 接著，你設計出能在資料量和團隊規模增加時，保持效能與可維護的計算方法。 最後，你要設定設定，控制模型如何處理大型資料集、同時查詢及外部工具存取。

完成本模組後，你將能設計出使用正確儲存模式、遵循星型模式最佳實務、包含可擴展計算模式，並能因應日益增長的資料量與需求而配置的語意模型。 設計為規模的模型也有利於 AI 的使用，因為 AI 對模型的要求相同：當前資料、明確的關係、描述性結構，以及處理額外查詢負載的能力。