Konfigurieren von Einstellungen für skalierung

Das Modell wurde entworfen. Konfigurieren Sie nun die Einstellungen, die steuern, wie große Datasets, gleichzeitige Abfragen und zugriff auf externe Tools verarbeitet werden. Diese Einstellungen bestimmen, ob das Modell auf dem Laufenden bleiben kann, wenn Datenvolumes wachsen und mehr Benutzer und Tools sie nutzen.

Speicherformat für große semantische Modelle

Das Speicherformat des großen Semantikmodells ändert, wie das Modell Daten speichert und komprimiert. Standardmäßig schränkt Power BI Modelluploads auf 10 GB ein. Wenn diese Einstellung aktiviert ist, können Modelle über diese Beschränkung bei der Aktualisierung hinaus wachsen. Die maximale Größe entspricht der Fabric Kapazitätsgröße oder dem vom Kapazitätsadministrator festgelegten Grenzwert.

Direct Lake-Modelle aktivieren diese Einstellung automatisch, sodass Sie sie nicht manuell für diese Modelle konfigurieren müssen. Für Importmodusmodelle müssen Sie sie explizit aktivieren.

Diese Einstellung ist auch eine Voraussetzung für den Lese-/Schreibzugriff des XMLA-Endpunkts und für die Abfrageskalierung. Sie müssen sie zuerst aktivieren, wenn Sie den Import- oder DirectQuery-Speichermodus verwenden.

Aktivieren Des Speicherformats für große Semantikmodelle in folgenden Fällen:

• Ihre Datenvolumes erfordern Modelle, die über das Uploadlimit von 10 GB hinausgehen.
• Sie benötigen XMLA-Endpunktzugriff für externe Tools.
• Sie planen die Verwendung von Query-Sscaleout für hohe Parallelität.
• Sie planen die inkrementelle Aktualisierung mit partitionierten Tabellen.

Lese-/Schreibzugriff auf XMLA-Endpunkte

Mit dem XMLA-Endpunkt können externe Tools eine Verbindung mit Ihrem Semantikmodell herstellen. Tools wie Tabular Editor, DAX Studio und ALM Toolkit verwenden diesen Endpunkt für Entwicklung, Debugging und Bereitstellungsvorgänge, die in der Fabric Dienstschnittstelle nicht verfügbar sind.

Der Lese-/Schreibzugriff auf den XMLA-Endpunkt erfordert das Speicherformat des großen Semantikmodells als Voraussetzung. Sobald beide aktiviert sind, können Sie:

• Verwenden Sie den Tabellarischen Editor für die Integration von Modellentwicklung und Quellcodeverwaltung.
• Verwenden Sie DAX Studio für Abfrageanalyse und Leistungsoptimierung.
• Stellen Sie Modelle über CI/CD-Pipelines mithilfe der Analysis Services-Clientbibliotheken bereit.

In großem Umfang sind diese externen Tools unerlässlich. Manuelle Bearbeitungen über die Dienstschnittstelle unterstützen nicht die Modellentwicklungsebene, die große, teamgesteuerte Modelle erfordern.

Abfrageskalierung

Query-Sscaleout verteilt die Abfragen über schreibgeschützte Repliken Ihres semantischen Modells. Wenn Hunderte von Benutzern gleichzeitig auf dasselbe Modell zugreifen, kann eine einzelne Instanz zu einem Engpass werden. Das Query-Scaleout fügt Replikate hinzu, die die Abfragelast verteilen.

Wenn Sie Query-Sscaleout aktivieren, verwenden die gelesenen Repliken eine separate Kopie des Modells. Diese Kopie wird nach jeder Aktualisierung synchronisiert. Es kann eine kurze Verzögerung geben, zwischen dem primären Modell, das eine Aktualisierung beendet hat, und den Replikaten, die die aktualisierten Daten widerspiegeln.

Query-Scaleout setzt ein großes Speicherformat für das semantische Modell voraus.

Abfrageskalierung aktivieren, wenn:

• Das Modell dient Hunderten gleichzeitiger Benutzer.
• Die Abfrageleistung beeinträchtigt sich während spitzen Nutzungszeiträumen.
• Das Modell wird durch eine Fabric-Kapazität unterstützt, die Replikate ermöglicht.

Direct Lake Fallback-Konfiguration

Direct Lake liest Delta-Tabellen direkt aus OneLake in den Speicher. Einige Abfragen können dazu führen, dass das Modell auf den DirectQuery-Modus zurückfällt, wodurch die Leistungsmerkmale geändert werden. Die Fallbackeinstellung steuert, wie das Modell diese Situationen behandelt:

• Fallback zulassen (Standard): Abfragen, die im Direct Lake-Modus nicht ausgeführt werden können, fallen automatisch auf DirectQuery zurück. Benutzer erhalten Ergebnisse, aber die Leistung kann sinken.
• Fallback nicht zulassen: Abfragen, die im Direct Lake-Modus nicht ausgeführt werden können, geben einen Fehler zurück. Dies erzwingt eine konsistente Leistung, erfordert jedoch, dass alle Abfragen in den Direct Lake-Funktionen verbleiben.

Beginnen Sie bei Modellen im Maßstab mit erlaubtem Fallback. Überwachen Sie, welche Abfragen sie auslösen, und optimieren Sie diese Abfragen oder Datenstrukturen, um die Fallbackhäufigkeit zu reduzieren. Fallback nur dann nicht zulassen, wenn alle Abfragemuster innerhalb von Direct Lake-Grenzwerten verbleiben, und Sie benötigen eine garantierte Leistungskonsistenz.

OneLake-Integration

Die OneLake-Integration macht Ihre semantischen Modelldaten als Delta-Tabellen in OneLake zugänglich. Nachgeschaltete Fabric Elemente wie Notizbücher, Pipelines und andere Dienste können Daten direkt aus dem semantischen Modell lesen, ohne sie aus der Quelle neu zu erstellen.

Dies erweitert die Reichweite des Modells über Berichte hinaus. Ein semantisches Modell mit gut strukturiertem Sternschema und Berechnungslogik wird zu einer kuratierten Datenquelle für die breitere Analyseplattform.

Aktivieren der OneLake-Integration in folgenden Fällen:

• Dateningenieure oder Datenwissenschaftler müssen semantische Modelldaten in Notebooks oder anderen Elementen der Fabric verwenden.
• Sie möchten das semantische Modell als freigegebene Datenquelle für Fabric verwenden.
• Nachgeschaltete Verbraucher benötigen Zugriff auf kuratierte, geschäftslogikreichere Daten, ohne sie aus Rohquellen neu zu erstellen.

Entscheidungsrahmen für Einstellungen

In der folgenden Tabelle sind die wichtigsten Einstellungsentscheidungen für die Skalierung zusammengefasst: