Kardinalität reduzieren

Kardinalität wird als Wort für die Beschreibung der Eindeutigkeit eines Wertes in einer Spalte verwendet. Kardinalität wird auch im Zusammenhang mit Modellbeziehungen verwendet, wo sie die Richtung der Beziehung beschreibt.

Kardinalitätsebenen von Spalten ermitteln

Wenn Sie zuvor Power Query für die Analyse von Metadaten verwendet haben, zeigte die Option Spaltenverteilung auf der Menübandregisterkarte Anzeige Statistiken dazu an, wie viele verschiedene und eindeutige Elemente in jeder Spalte in den Daten vorhanden waren.

• Anzahl der unterschiedlichen Werte – Die Gesamtzahl der verschiedenen Werte, die in einer gegebenen Spalte gefunden wurden.
• Anzahl der eindeutigen Werte – Die Gesamtzahl der Werte, die nur einmal in einer gegebenen Spalte erscheinen.

Eine Spalte, die viele wiederholte Werte in ihrem Bereich enthält (eindeutige Anzahl ist gering), hat eine geringe Kardinalität. Umgekehrt weist eine Spalte mit vielen eindeutigen Werten in ihrem Bereich (eindeutige Anzahl ist hoch) eine hohe Kardinalität auf.

Eine niedrigere Kardinalität führt zu einer optimierten Leistung. Sie sollten daher versuchen, die Anzahl der Spalten mit hoher Kardinalität in Ihrem semantischen Modell zu reduzieren.

Beziehungskardinalität reduzieren

Wenn Sie mehrere Tabellen importieren, ist es möglich, dass Sie einige Analysen unter Verwendung von Daten aus all diesen Tabellen durchführen. Beziehungen zwischen diesen Tabellen sind erforderlich, um die Ergebnisse genau zu berechnen und die richtigen Informationen in Ihren Berichten anzuzeigen. Power BI Desktop macht das Erstellen dieser Beziehungen einfacher. In den meisten Fällen müssen Sie nichts tun, da die automatische Erkennungsfunktion dies für Sie erledigen kann. Gelegentlich kann es jedoch vorkommen, dass Sie Beziehungen erstellen oder Änderungen an einer Beziehung vornehmen müssen. In jedem Fall ist es wichtig, die Beziehungen in Power BI Desktop zu verstehen und wie diese erstellt und bearbeitet werden.

Sie können andere Optionen konfigurieren, wenn Sie eine Beziehung erstellen oder bearbeiten. Power BI Desktop legt standardmäßig automatisch weitere Optionen fest, abhängig von seiner Bewertung der Modelldaten, die je nach den Daten in den Spalten für jede Beziehung abweichen kann.

Die Beziehungen können unterschiedliche Kardinalität aufweisen. Kardinalität beschreibt die Beziehungsrichtung. Für jede Modellbeziehung muss ein Kardinalitätstyp definiert werden. Die Kardinalitätsoptionen in Power BI sind folgende:

• Viele-zu-eins (n:1) – Dies ist der häufigste Beziehungstyp In einer solchen Beziehung können Spalten in einer Tabelle mehrere Instanzen eines Wertes aufweisen, während in der verknüpften Tabelle, die häufig als Nachschlagetabelle bezeichnet wird, nur eine Instanz eines Wertes vorkommt.
• Eins-zu-eins (1:1) – Die Spalte in einer Tabelle verfügt nur über eine Instanz eines bestimmten Werts, und die andere, verknüpfte Tabelle verfügt ebenfalls nur über eine Instanz eines bestimmten Werts.
• Eins-zu-viele (1:n) – Die Spalte in einer Tabelle verfügt nur über eine Instanz eines bestimmten Werts, und die andere, verknüpfte Tabelle kann über eine Instanz eines bestimmten Werts verfügen.
• Viele-zu-viele (n:n) – In zusammengesetzten Modellen können Sie n:n-Beziehungen zwischen Tabellen erstellen, wodurch die Anforderungen an eindeutige Werte in Tabellen hinfällig werden. Dasselbe gilt für frühere Problemumgehungen wie das Einführen neuer Tabellen, nur um damit Beziehungen zu erstellen.

Während der Entwicklung erstellen und bearbeiten Sie Beziehungen in Ihrem Modell. Wenn Sie also neue Beziehungen in Ihrem Modell erstellen, stellen Sie unabhängig davon, welche Kardinalität Sie ausgewählt haben, immer sicher, dass beide Spalten, die Sie für die Teilnahme an einer Beziehung verwenden, denselben Datentyp haben. Ein Modell kann nicht funktionieren, wenn Sie versuchen, eine Beziehung zwischen zwei Spalten zu erstellen, von denen eine den Datentyp „Text“ und die andere den Datentyp „Integer“ enthält.

Im folgenden Beispiel hat die Spalte ProductID den Datentyp Ganze Zahl in beiden Tabellen Product und Sales. Die Spalten mit dem Datentyp Integer funktionieren besser als Spalten mit dem Datentyp Text.

Leistung durch Reduzieren der Kardinalitätsebenen verbessern

Power BI Desktop bietet unterschiedliche Techniken, um die in semantische Modelle geladenen Daten zu verringern, beispielsweise durch Zusammenfassung. Wenn Sie die Daten, die in Ihr Modell geladen werden, reduzieren, wird die Beziehungskardinalität des Berichts verbessert. Aus diesem Grund ist es wichtig, dass Sie versuchen, die Daten, die in Ihre Modelle geladen werden, zu minimieren. Dies gilt insbesondere für große Modelle oder Modelle, von denen Sie erwarten, dass sie im Laufe der Zeit größer werden.

Die wahrscheinlich effektivste Strategie zum Reduzieren der Modellgröße ist, eine Zusammenfassungstabelle der Datenquelle einzusetzen. Während eine Detailtabelle möglicherweise jede Transaktion enthält, kann eine Zusammenfassungstabelle einen Datensatz pro Tag, pro Woche oder pro Monat enthalten. Dies kann beispielsweise eine Summe aller Transaktionsbeträge pro Tag sein.

Angenommen, in einer Quellfaktentabelle mit Vertriebsdaten wird jede Auftragsposition in einer Zeile gespeichert. Eine erhebliche Datenreduzierung lässt sich erreichen, wenn Sie alle Verkaufsmetriken zusammenfassen, wenn Sie nach Datum, Kunde und Produkt gruppieren. Einzelne Transaktionsdetails sind nicht erforderlich.

Bedenken Sie also, dass Sie durch eine Zusammenfassung auf Monatsebene eine noch deutlichere Datenreduzierung erzielen können. So wäre es möglich, ein Modell um bis zu 99 % zu schrumpfen. Die tägliche Berichterstellung oder die Berichterstellung zum Stand einzelner Aufträge wäre dann jedoch nicht mehr möglich. Die Entscheidung, Faktendaten zusammenzufassen, ist immer mit einem Kompromiss in Bezug auf die Details Ihrer Daten verbunden. Ein Nachteil ist, dass Sie möglicherweise die Möglichkeit verlieren, einen Drilldown auszuführen, da die Details nicht mehr vorhanden sind. Dieser Kompromiss könnte durch die Verwendung eines zusammengesetzten Modells abgeschwächt werden.

In Power BI Desktop ermöglicht es ein zusammengesetztes Modell, für jede Tabelle einen Speichermodus festzulegen. Die Eigenschaft Speichermodus einer Tabelle kann also auf Importieren oder DirectQuery festgelegt werden.

Die Größe von Modellen lässt sich effektiv verkleinern, indem Sie die Eigenschaft Speichermodus für größere Faktentabellen auf DirectQuery festlegen. Dieser Designansatz kann zusammen mit anderen Methoden für das Zusammenfassen von Daten gut funktionieren. So könnten z. B. zusammengefasste Verkaufsdaten verwendet werden, um Zusammenfassungsberichte effizient zu erstellen. Sie können dann eine Drillthrough-Seite erstellen, um detaillierte Verkäufe für einen spezifischen und eingeschränkten Filterkontext anzuzeigen und alle kontextbezogenen Verkaufsaufträge anzuzeigen. Die Drillthrough-Seite kann Visuals umfassen, die auf einer DirectQuery-Tabelle basieren, um die Verkaufsauftragsdaten (Verkaufsauftragsdetails) abzurufen.

Weitere Informationen finden Sie unter Verfahren zur Datenreduktion für die Importmodellierung.