總結
在本單元中，你探討了當語意模型需要處理更大資料集、更多同時使用者，以及在 Microsoft Fabric 中更廣泛的使用模式時，會發生哪些變化。 挑戰很明顯：在 Power BI Desktop 中為小型團隊打造的模型，並不會自動處理規模化帶來的挑戰。
你學會了做出四個關鍵的設計決策。 首先，你選擇了 Direct Lake 作為預設儲存模式，並了解哪些 Import、DirectQuery 或複合模型比較好。 接著你設計了星型結構關係以提升清晰度與效能，包括參照完整性、非活躍關係及跨來源連結。 接著，你設計了可擴展的計算方式，利用計算群組減少測量擴散，並設計變數與命名慣例以支援團隊維護，以及彙整以處理大量資料。 最後，你設定了控制模型如何處理大型資料集、同時查詢及外部工具存取的設定。
這些決策共同為規模化建立語意模型。 它們也會讓模型為 AI 使用做好準備，因為 AI 對模型要求的內容與調整規模相同：最新資料、清楚關聯性、描述性結構和容量。