Podstawy modeli semantycznych

Pozyskiwanie danych i modele semantyczne w Microsoft Fabric

Alex Kuntz

Head of Cloud Curriculum, DataCamp

Domyślny model semantyczny

Domyślny model semantyczny Power BI

  • Tworzenie: Generowany automatycznie podczas tworzenia Lakehouse lub Warehouse.
  • Edytowanie: Edytowany za pomocą punktu końcowego SQL Analytics — sekcja modelu.
  • Funkcje:
    • Obsługuje podstawowe relacje i obliczenia
    • Brak obsługi zaawansowanych obliczeń i zabezpieczeń
Pozyskiwanie danych i modele semantyczne w Microsoft Fabric

Niestandardowy model semantyczny

Niestandardowy model semantyczny Power BI

  • Tworzenie: Tworzony za pomocą opcji Nowy model semantyczny w Lakehouse lub Warehouse.
  • Edytowanie: Udostępnia pełnofunkcjonalny edytor modelu danych.
  • Funkcje:
    • Pełna kontrola nad złożonymi relacjami i zaawansowanymi obliczeniami
    • Obsługuje zaawansowane funkcje — kolumny obliczane, hierarchie, RLS itp.
Pozyskiwanie danych i modele semantyczne w Microsoft Fabric

Przegląd trybów zestawu danych

Tryb Import

  • Ładuje dane do modelu; szybkie odpowiedzi na zapytania.
  • Wymaga aktualizacji w celu zachowania aktualności danych.

Tryb DirectQuery

  • Wysyła zapytania do danych na żywo bezpośrednio ze źródła.
  • Odpowiedź na zapytania jest wolniejsza.

Tryb Direct Lake

  • Wysyła zapytania bezpośrednio do danych z OneLake.
  • Dostęp do danych w czasie rzeczywistym bez opóźnień.

Tryb Import

Tryb DirectQuery

Tryb Direct Lake

Pozyskiwanie danych i modele semantyczne w Microsoft Fabric

Złożony tryb zestawu danych

  • Łączy tryby Import i DirectQuery w jednym zestawie danych. Tryb złożony

  • Wybór trybu:

    • Tryb Import dla danych statycznych, DirectQuery dla aktualizacji w czasie rzeczywistym.

  • Kluczowe uwagi:

    • Idealny dla zbiorów danych o mieszanych potrzebach.
    • Zarządzanie oboma trybami zwiększa złożoność.
Pozyskiwanie danych i modele semantyczne w Microsoft Fabric

Agregacje zdefiniowane przez użytkownika

Czym są agregacje?

  • Podsumowują duże zbiory danych w mniejsze, łatwiejsze do zapytań tabele.

Kiedy używać agregacji?

  • Gdy duże zbiory danych spowalniają raporty.
  • Tworzenie raportów na danych zagregowanych (np. sprzedaż miesięczna).

Zalety agregacji

  • Zwiększa wydajność przez skrócenie czasu zapytań i zmniejszenie obciążenia przetwarzania

Agregacje zdefiniowane przez użytkownika

Pozyskiwanie danych i modele semantyczne w Microsoft Fabric

Duże zbiory danych w Power BI Premium

Format dużych zbiorów danych

  • Obsługuje zbiory danych powyżej 10 GB z dedykowanym magazynem.
  • Zapewnia wysoce skompresowany magazyn w pamięci dla szybszych zapytań.

Funkcje

  • Umożliwia przyrostowe odświeżanie dla rosnących zbiorów danych.
  • Obsługuje punkt końcowy XMLA dla wydajnych operacji zapisu.
Pozyskiwanie danych i modele semantyczne w Microsoft Fabric

Czas na ćwiczenia!

Pozyskiwanie danych i modele semantyczne w Microsoft Fabric

Preparing Video For Download...