Individuare i problemi di prestazioni

Data Modeling intermedio in Power BI

Sara Billen

Curriculum Manager at DataCamp

Risolvere i problemi di prestazioni

Immagine di una donna al computer con un dashboard che si carica lentamente.

Disegno di una clessidra.

Dove possono nascere i problemi:

Import dei dati
Query al database con DirectQuery
Visualizzazione dei visual
Colonne calcolate vs. computate
Relazioni inefficienti
- Relazioni molti-a-molti
- Cross-filtering bidirezionale

Rimuovi righe e colonne inutili
Scegli i tipi di dato corretti
- I numerici occupano meno spazio
- Cast e aggregazioni sono più lenti
Raggruppa e riepiloga i dati
- Meno dati su disco
- Risultati aggregati più veloci

Schema dei diversi modi per importare dati in Power BI: Excel, CSV e un database.

Due modi per connettersi ai dati:
- Modello Import: archivia i dati in Power BI
- DirectQuery: interroga direttamente il database

Limita le query parallele
Consigli per database relazionali
- Scrivi query SQL efficienti
- Usa indici appropriati
- Prendi le colonne e righe giuste

Schema dei diversi modi per caricare dati in Power BI. Funzionalità Import da una parte e DirectQuery (collegata a un database) dall'altra.

Crea colonne personalizzate con:

Colonne calcolate	Colonne computate
DAX	Power Query (M)
Veloce per calcoli semplici	Veloce per calcoli semplici
Lenta per calcoli complessi	Veloce per calcoli complessi
Generate per visual a runtime	Generate una volta all'import

Caso d'uso per filtro bidirezionale
- Trovare voci rilevanti dello slicer tra dimensioni
Possiamo creare misure di filtro per evitare relazioni bidirezionali in questo terzo caso!

Modello dati in Power BI con soli filtri a singola direzione e la misura di filtro Slicer_MyFactTable.

1) Crea una misura di filtro in DAX:

Slicer_MyFactTable = INT(NOT ISEMPTY('My Fact Table'))

2) Aggiungi un filtro visivo allo slicer e imposta Slicer_MyFactTable = 1

Schermo con un report nell'app Power BI.

Data Modeling intermedio in Power BI