Identifiera prestandaproblem

Datamodellering på mellannivå i Power BI

Sara Billen

Curriculum Manager at DataCamp

Åtgärda prestandaproblem

En bild på en kvinna som sitter framför en datorskärm där en instrumentpanel läser in långsamt.

Teckning av ett timglas.

Vanliga problemkällor:

Dataimport
Frågor mot databasen med DirectQuery
Visning av visuella objekt
Beräknade kontra beräknade kolumner
Ineffektiva relationer
- Många-till-många-relationer
- Dubbelriktad korsfiltrering

Ta bort onödiga rader och kolumner
Välj rätt datatyper
- Numerisk data tar mindre plats
- Typkonvertering och aggregering är långsammare
Gruppera och summera data
- Lagra mindre data på disk
- Nå aggregerade resultat snabbare

Diagram över olika sätt att importera data i Power BI: Excel, CSV och databas.

Två sätt att ansluta till data:
- Importmodell: lagrar data i Power BI
- Direct Query: frågar databasen direkt

Begränsa parallella frågor
Råd för relationsdatabaser
- Skriv effektiva SQL-frågor
- Använd lämpliga index
- Hämta rätt kolumner och rader

Diagram över olika sätt att läsa in data i Power BI. Importfunktionen å ena sidan och Direct Query (kopplat till en databas) å den andra.

Skapa anpassade kolumner med:

Beräknade kolumner (DAX)	Beräknade kolumner (Power Query)
DAX	Power Query (M)
Snabb för enkla beräkningar	Snabb för enkla beräkningar
Långsam för komplexa beräkningar	Snabb för komplexa beräkningar
Genereras per visuellt objekt vid körning	Genereras en gång vid import

Användningsfall för dubbelriktad filtrering
- Hitta relevanta utsnittspost mellan dimensioner
Vi kan skapa filtermått för att undvika dubbelriktade relationer i det tredje fallet!

Datamodell i Power BI med enbart enkelriktade filter och filtermåttet Slicer_MyFactTable.

1) Skapa ett filtermått i DAX:

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

2) Lägg till ett visuellt filter på utsnittet och ange att Slicer_MyFactTable = 1

Datorskärm som visar en rapport i Power BI-programmet.

Datamodellering på mellannivå i Power BI