Start her

Semantiske modeller er grundlaget for analyse i Microsoft Fabric. De definerer, hvordan data struktureres, beregnes og forbruges på tværs af rapporter, dashboards og AI-oplevelser. En model, der fungerer for et lille team i Power BI Desktop, betjener ikke automatisk hundreder af brugere på tværs af flere datalagre. Når datavolumerne vokser, teams udvides, og forbrugsmønstrene ændrer sig, skal designbeslutningerne bag modellen ændres.

Antag, at en organisation skalerer sin analyseplatform i Microsoft Fabric. Deres data lever på tværs af lakehouses og lagre, og deres eksisterende semantiske modeller blev bygget i Power BI Desktop til små teams. Nu skal disse modeller håndtere større datasæt, flere samtidige brugere og bredere forbrugsmønstre. Modellerne fungerer i deres nuværende størrelse, men de er ikke designet til skala.

I dette modul træffer du designbeslutningerne, der forbereder en semantisk model til skalering. Du starter med at vælge den rigtige lagringstilstand for, hvordan data flyder ind i modellen. Derefter designer du stjerneskema-relationer for klarhed og ydeevne. Dernæst designer du beregninger, der forbliver effektive og vedligeholdelsesvenlige, efterhånden som datamængder og teamstørrelse vokser. Endelig konfigurerer du indstillinger, der styrer, hvordan modellen håndterer store datasæt, samtidige forespørgsler og ekstern værktøjsadgang.

Ved slutningen af dette modul kan du designe semantiske modeller, der bruger den rette lagringstilstand, følger star schema best practices, inkluderer skalerbare beregningsmønstre og er konfigureret til voksende datamængder og forbrugsbehov. Modeller designet til skalering gavner også AI-forbruget, fordi AI kræver det samme af en model: aktuelle data, klare relationer, beskrivende strukturer og evnen til at håndtere yderligere forespørgselsbelastning.