Techniken zur Optimierung semantischer Modelle beschreiben

Als Datenanalyst verbringen Sie ungefähr 90 Prozent Ihrer Zeit mit der Arbeit mit Ihren Daten, und in neun von zehn Fällen ist eine schlechte Leistung eine direkte Folge eines schlecht entworfenen semantischen Modells, ineffizienter DAX-Berechnungen (Data Analysis Expressions) oder einer Kombination aus beidem. Der Prozess des Entwerfens eines semantischen Modells für die Leistung kann mühsam sein und wird häufig unterschätzt.

Wenn Sie jedoch Leistungsprobleme während der Entwicklung beheben, verfügen Sie über ein robustes semantisches Modell, das eine bessere Berichtsleistung und eine insgesamt positivere Benutzererfahrung liefert. Letztendlich können Sie auch eine optimierte Leistung aufrechterhalten. Wenn Ihre Organisation wächst, wächst auch die Größe der Daten, und die semantischen Modelle werden komplexer. Durch eine frühzeitige Optimierung Ihres semantischen Modells können Sie die negativen Auswirkungen dieses Wachstums auf die Leistung Ihres semantischen Modells abmildern.

Ein kleineres semantisches Modell verbraucht weniger Ressourcen (Speicher) und ermöglicht eine schnellere Datenaktualisierung, Berechnungen und das Rendern visueller Elemente in Berichten. Daher umfasst der Leistungsoptimierungsprozess die Minimierung der Größe des semantischen Modells und die effizienteste Nutzung der Daten im Modell. Ihre Entwurfsentscheidungen sollten:

• Sicherstellen, dass die richtigen Datentypen verwendet werden.
• Nicht benötigte Spalten und Zeilen entfernen.
• Wiederholte Werte vermeiden.
• Numerische Spalten als Measures anzeigen.
• Die Spaltenkardinalität reduzieren.
• Modellmetadaten analysieren.
• Daten nach Möglichkeit zusammenfassen.

Nehmen Sie beispielsweise an, dass Sie als Power BI-Entwickler für Tailwind Traders arbeiten. Sie wurden beauftragt, ein semantisches Modell zu überprüfen, das vor einigen Jahren von einem anderen Entwickler erstellt wurde, einer Person, die das Unternehmen inzwischen verlassen hat.

Das semantische Modell erstellt einen Bericht, der negatives Feedback von Benutzern erhalten hat. Die Benutzer sind zufrieden mit den Ergebnissen in dem Bericht, aber die Berichtsleistung gefällt ihnen nicht. Das Laden der Seiten im Bericht dauert zu lange, und Tabellen werden nicht schnell genug aktualisiert, wenn neue Filter angewendet werden. Zusätzlich zu diesem Feedback hat das IT-Team hervorgehoben, dass die Dateigröße dieses speziellen semantischen Modells zu groß ist und die Kapazitätsressourcen belastet.

Sie müssen das semantische Modell überprüfen, um die Ursachen der Leistungsprobleme zu identifizieren und Änderungen vorzunehmen, um die Leistung zu optimieren.