Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Diese Seite bietet klare und meinungsierte Anleitungen zur effizienten Verwaltung Ihrer Daten in Power BI und Azure Databricks, um die Abfrageleistung zu optimieren und effiziente Dashboards zu erstellen.
Verbinden von Azure Databricks und Power BI
| Beste Praxis | Auswirkung | Docs |
|---|---|---|
| Verwenden von Power BI-Parametern beim Herstellen einer Verbindung mit verschiedenen Azure Databricks-Umgebungen | Ermöglicht Flexibilität beim Herstellen einer Verbindung mit verschiedenen Azure Databricks-Arbeitsbereichen oder unterschiedlichen Azure Databricks SQL Warehouses. | |
| Nutzen Sie die Funktion zum Veröffentlichen im Power BI-Dienst von Azure Databricks | Ermöglicht eine nahtlose Katalogintegration und Datenmodellsynchronisierung, ohne die Azure Databricks-Benutzeroberfläche zu verlassen. | |
| Verwenden Sie das automatische Veröffentlichen von Azure Databricks in Power BI | Veröffentlichen Sie Datasets aus dem Unity-Katalog direkt aus Datenpipelinen in Power BI. |
Auswählen des am besten geeigneten Speichermodus
| Beste Praxis | Auswirkung | Docs |
|---|---|---|
| Verwenden von DirectQuery für Fact-Tabellen und "Dual" für Dimensionstabellen (nicht importieren) | Generieren Sie effizientere SQL-Abfragen mithilfe des am besten geeigneten Speichermodus. | |
| DirectQuery gegenüber Import nach Möglichkeit vorziehen | Ermöglicht es Ihnen, Governance und Nachvollziehbarkeit aufrechtzuerhalten. | |
| Verwenden von zusammengesetzten Modellen für gemischte Speichermodi | Ermöglicht die gemischte Verwendung von DirectQuery-, Dual-, Importmodustabellen und Aggregations- und Hybridtabellen. | |
| Verwenden von Hybridtabellen für aggregierte Verlaufsdaten mit Echtzeitdaten | Ermöglicht effiziente In-Memory-Abfragen. |
Optimieren des Datenzugriffs
| Beste Praxis | Auswirkung | Docs |
|---|---|---|
| Verwenden von benutzerdefinierten Aggregationen | Verbessert die Abfrageleistung über große DirectQuery-Semantikmodelle, indem vorab aggregierte Daten zwischengespeichert werden. | |
| Verwenden von automatischen Aggregationen | Optimiert die DirectQuery-Semantikmodelle kontinuierlich, indem Aggregationen basierend auf dem Abfrageverlauf erstellt werden, um maximale Berichtsleistung zu erzielen. | |
| Verwenden Sie die Tabellenpartitionierung oder die inkrementelle Aktualisierung | Ermöglicht das Schnellere Importieren von Daten und das Verwalten größerer Datasets, insbesondere bei sehr kleinen, statischen und leistungsempfindlichen Berichten (weniger als 2 Sekunden). | |
| Füge Schaltflächen für Alle Filter anwenden und Alle Filter löschen hinzu | Verhindert unnötige Abfragen, indem Einstellungen zur Reduzierung von Abfragen verwendet werden, wenn Benutzer mit Berichtsfiltern interagieren. | |
| Verwenden Sie die Annahme der referenziellen Integrität beim Definieren von Tabellenbeziehungen, wenn die referenzielle Integrität beim Datenimport überprüft wurde. | Ermöglicht effizientere Verknüpfungsstrategien in SQL-Abfragen. |
Optimieren Des Datenmodells
| Beste Praxis | Auswirkung | Docs |
|---|---|---|
| Transformationen "Nach links verschieben" | SQL-Ansichten nutzen die Leistungsfähigkeit des Databricks SQL-Moduls für eine effizientere Berichtsausführung im Vergleich zu PowerQuery-Transformationen und DAX-Formeln. | |
| Wenn Sie DAX-Formeln verwenden müssen, optimieren Sie DAX-Formeln, und vermeiden Sie große Resultsets. | Verhindert ineffiziente Berechnungen, die zu einer Verschlechterung der Leistung führen | |
| Vermeiden Sie berechnete DAX-Spalten und berechnete Tabellen in semantischen Modellen, und definieren Sie diese Daten direkt in Ihren Gold-Tabellen. | Vorkalkulierte Maßnahmen erzielen die beste Leistung in der Goldschicht | |
| Überprüfen Sie für DirectQuery die Konfigurationseinstellungen für die Parallelisierung von Abfragen. | Verbessert die Abfrage-Parallelisierung und maximiert die Auslastung von SQL Warehouse, um die Gesamtleistung zu verbessern. | |
| Überprüfen Sie für DirectQuery, wie viele Abfragen Power BI parallel zu Azure Databricks senden kann. | Stellt sicher, dass das Databricks SQL Warehouse entsprechend angepasst wird, um die erforderliche Parallelitätsebene zu verarbeiten, um zu vermeiden, dass Abfragen in die Warteschlange gestellt werden, was zu einem langsamen Bericht führt. |
Überwachen der Leistung und Metriken
| Beste Praxis | Auswirkung | Docs |
|---|---|---|
| Verwenden der Power BI Performance Analyzer zum Untersuchen der Berichtselementleistung | Identifiziert die Visualisierung, die die meiste Zeit benötigt, um zu laden und wo sich der Engpass befindet. | |
Bewerten Sie die folgenden Eigenschaften von Power BI-Semantikmodellen:
|
Optimiert die Leistung des Modells. |