Résumé
Dans ce module, vous avez exploré les modifications apportées lorsque les modèles sémantiques doivent gérer des jeux de données plus volumineux, des utilisateurs plus simultanés et des modèles de consommation plus larges dans Microsoft Fabric. Le défi était clair : les modèles conçus pour les petites équipes dans Power BI Desktop ne gèrent pas automatiquement ce qui est fourni avec la mise à l'échelle.
Vous avez appris à prendre quatre décisions de conception critiques. Tout d’abord, vous avez choisi Direct Lake comme mode de stockage par défaut et compris lorsque les modèles Import, DirectQuery ou composite sont le meilleur choix. Ensuite, vous avez conçu des relations de schéma en étoile pour la clarté et les performances, notamment l’intégrité référentielle, les relations inactives et les connexions entre sources. Ensuite, vous avez conçu des calculs évolutifs à l’aide de groupes de calcul pour réduire la prolifération des mesures, les variables et les conventions d’affectation de noms pour prendre en charge la maintenance de l’équipe et les agrégations pour gérer des volumes de données volumineux. Enfin, vous avez configuré des paramètres qui contrôlent la façon dont le modèle gère les jeux de données volumineux, les requêtes simultanées et l’accès aux outils externes.
Ensemble, ces décisions préparent un modèle sémantique pour la mise à l’échelle. Ils le préparent également pour la consommation d’IA, car l’IA exige les mêmes choses à partir d’un modèle qui se met à l’échelle : données actuelles, relations claires, structures descriptives et capacité.