Leistungsprobleme erkennen

Intermediate Data Modeling in Power BI

Sara Billen

Curriculum Manager at DataCamp

Leistungsprobleme beheben

Eine Frau sitzt vor einem Computerbildschirm, auf dem ein Dashboard langsam lädt.

Intermediate Data Modeling in Power BI

Leistungsprobleme

Zeichnung einer Sanduhr.

Wo es schiefgehen kann:

  • Datenimport
  • Abfragen der Datenbank mit DirectQuery
  • Visuals anzeigen
  • Berechnete vs. berechnete (Power Query) Spalten
  • Ineffiziente Beziehungen
    • Viele-zu-viele-Beziehungen
    • Bidirektionales Kreuzfiltern
Intermediate Data Modeling in Power BI

Datenimport optimieren

  • Unnötige Zeilen und Spalten entfernen
  • Richtige Datentypen wählen
    • Numerische Daten brauchen weniger Platz
    • Casten und Aggregieren ist langsamer
  • Daten gruppieren und zusammenfassen
    • Weniger Daten auf der Platte speichern
    • Aggregate schneller erhalten

Diagramm der verschiedenen Wege, Daten in Power BI zu importieren: Excel, CSV und eine Datenbank.

Intermediate Data Modeling in Power BI

DirectQuery optimieren

  • Zwei Arten der Datenanbindung:
    • Importmodell: speichert Daten in Power BI
    • DirectQuery: fragt die Datenbank direkt ab

$$

  • Parallele Abfragen begrenzen
  • Hinweise für relationale Datenbanken
    • Effiziente SQL-Abfragen schreiben
    • Geeignete Indizes verwenden
    • Die richtigen Spalten und Zeilen holen

Diagramm der verschiedenen Wege, Daten in Power BI zu laden. Einerseits Import, andererseits DirectQuery (verbunden mit einer Datenbank).

Intermediate Data Modeling in Power BI

Berechnete vs. berechnete (Power Query) Spalten

Eigene Spalten erstellen mit:

Berechnete Spalten Berechnete Spalten (Power Query)
DAX Power Query (M)
Schnell bei einfachen Berechnungen Schnell bei einfachen Berechnungen
Langsam bei komplexen Berechnungen Schnell bei komplexen Berechnungen
Pro Visual zur Laufzeit erzeugt Einmalig beim Import erzeugt
Intermediate Data Modeling in Power BI

Bidirektionales Filtern mit Filtermeasures vermeiden

  • Anwendungsfall für bidirektionales Filtern
    • Relevante Slicer-Einträge zwischen Dimensionen finden
  • Wir können Filtermeasures erstellen, um für den dritten Fall bidirektionale Beziehungen zu vermeiden!
Intermediate Data Modeling in Power BI

Bidirektionales Filtern mit Filtermeasures vermeiden

Datenmodell in Power BI mit nur eindirektionalen Filtern und dem Filtermeasure Slicer_MyFactTable.

Intermediate Data Modeling in Power BI

Bidirektionales Filtern mit Filtermeasures vermeiden

1) Erstelle ein Filtermeasure in DAX:

Slicer_MyFactTable = INT(NOT ISEMPTY('My Fact Table'))
  • Gibt 1 zurück, wenn mindestens ein Wert in der Faktentabelle vorhanden ist
  • Gibt 0 zurück, wenn keine Werte in der Faktentabelle vorhanden sind

$$

2) Füge dem Slicer einen visuellen Filter hinzu und setze Slicer_MyFactTable = 1

Intermediate Data Modeling in Power BI

Visuals anzeigen

Computerbildschirm mit einem Bericht in der Power-BI-Anwendung.

$$

  • Restriktiv filtern, um Daten zu minimieren
  • In Visuals nur so wenig Daten wie möglich anzeigen
  • Anzahl der Visuals pro Seite begrenzen
  • Nur schnelle Custom Visuals nutzen
Intermediate Data Modeling in Power BI

Lass uns üben!

Intermediate Data Modeling in Power BI

Preparing Video For Download...