การระบุปัญหาด้านประสิทธิภาพ

Data Modeling ระดับกลางใน Power BI

Sara Billen

Curriculum Manager at DataCamp

การแก้ไขปัญหาด้านประสิทธิภาพ

ภาพผู้หญิงนั่งหน้าจอคอมพิวเตอร์ที่แดชบอร์ดกำลังโหลดช้า

ภาพวาดนาฬิกาทราย

จุดที่อาจเกิดปัญหา:

การนำเข้าข้อมูล
การคิวรีฐานข้อมูลด้วย DirectQuery
การแสดงผลวิชวล
คอลัมน์แบบ Calculated และ Computed
ความสัมพันธ์ที่ไม่มีประสิทธิภาพ
- ความสัมพันธ์แบบ Many-to-many
- การกรองข้ามแบบสองทิศทาง

ลบแถวและคอลัมน์ที่ไม่จำเป็นออก
เลือกชนิดข้อมูลให้ถูกต้อง
- ข้อมูลตัวเลขใช้พื้นที่น้อยกว่า
- การแปลงและรวมข้อมูลทำให้ช้าลง
จัดกลุ่มและสรุปข้อมูล
- ลดปริมาณข้อมูลที่เก็บในดิสก์
- ได้ผลลัพธ์แบบรวมเร็วขึ้น

ไดอะแกรมวิธีนำเข้าข้อมูลใน Power BI ได้แก่ Excel, CSV และฐานข้อมูล

วิธีเชื่อมต่อข้อมูลมี 2 แบบ:
- Import model: เก็บข้อมูลไว้ใน Power BI
- Direct Query: คิวรีฐานข้อมูลโดยตรง

จำกัดจำนวนคิวรีที่รันพร้อมกัน
คำแนะนำสำหรับฐานข้อมูลเชิงสัมพันธ์
- เขียน SQL query ที่มีประสิทธิภาพ
- ใช้ index ที่เหมาะสม
- ดึงเฉพาะคอลัมน์และแถวที่ต้องการ

ไดอะแกรมวิธีโหลดข้อมูลใน Power BI แสดงฟังก์ชัน Import และ Direct Query ที่เชื่อมต่อกับฐานข้อมูล

สร้างคอลัมน์แบบกำหนดเองด้วย:

Calculated columns	Computed columns
DAX	Power Query (M)
เร็วสำหรับการคำนวณ อย่างง่าย	เร็วสำหรับการคำนวณ อย่างง่าย
ช้าสำหรับการคำนวณ ซับซ้อน	เร็วสำหรับการคำนวณ ซับซ้อน
สร้างต่อวิชวลขณะรันไทม์	สร้างครั้งเดียวตอนนำเข้าข้อมูล

กรณีใช้งานการกรองแบบสองทิศทาง
- ค้นหารายการ Slicer ที่เกี่ยวข้องระหว่าง dimension
สามารถสร้าง filter measure เพื่อหลีกเลี่ยงความสัมพันธ์แบบสองทิศทางสำหรับกรณีใช้งานที่สาม

โมเดลข้อมูลใน Power BI แสดงตัวกรองทิศทางเดียวและ filter measure ชื่อ Slicer_MyFactTable

1) สร้าง filter measure ใน DAX:

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

2) เพิ่ม visual filter ให้กับ slicer และกำหนดเงื่อนไขที่ Slicer_MyFactTable = 1

หน้าจอคอมพิวเตอร์แสดงรายงานในแอปพลิเคชัน Power BI

Data Modeling ระดับกลางใน Power BI