Välj ett lagringsläge

Det första designbeslutet för en semantisk modell i Microsoft Fabric är hur data flödar in i modellen. Det lagringsläge du väljer påverkar frågeprestanda, datas färskhet och vilka Fabric funktioner som är tillgängliga. I Fabric är Direct Lake standard och för de flesta arbetsbelastningar är det rätt val.

Direct Lake-läge

Direct Lake är standardlagringsläget för semantiska modeller som skapats i Microsoft Fabric. Till skillnad från importläget kopierar Inte Direct Lake data till modellen. Till skillnad från DirectQuery översätter den inte frågor till käll-SQL. I stället läser Direct Lake Delta-tabeller direkt från OneLake till minnet, vilket kombinerar importhastigheten med directquerys fräschhet.

När en användare öppnar en rapport som backas upp av en Direct Lake-semantisk modell läser motorn in kolumndata från Delta Parquet-filer på begäran. Du behöver inte schemalägga en uppdatering, som med importläget. När de underliggande Delta-tabellerna uppdateras återspeglar modellen dessa ändringar.

Direct Lake-modeller aktiverar automatiskt det stora semantiska modelllagringsformatet. Den här inställningen tar bort storleksgränsen på 10 GB och är en förutsättning för läs-/skrivåtkomst för både frågeskalning och XMLA-slutpunkt. Du behöver inte aktivera det manuellt för Direct Lake-modeller.

Alternativ för Direct Lake-anslutning

Direct Lake-modeller kan ansluta till data via två sökvägar:

• OneLake-tabeller: Modellen ansluter direkt till Delta-tabeller i ett sjöhus eller ett lager. Det här är den enklaste sökvägen och fungerar bra när dina data finns i ett enda Fabric datalager.
• SQL-analysslutpunkt: Modellen ansluter via SQL-slutpunkten för ett lakehouse eller lager. Den här sökvägen ger åtkomst till vyer, frågor mellan databaser och säkerhetsfunktioner som definierats på SQL-lagret.

Välj OneLake-tabeller när dina data är enkla och finns på ett och samma ställe. Välj SQL-analysslutpunkten när du behöver vyer, kopplingar mellan källor eller säkerhet på radnivå som definierats i SQL.

Återställningsbeteende

Vissa åtgärder kan göra att en Direct Lake-modell återgår till DirectQuery-läge. Komplexa DAX-beräkningar, frågor som överskrider tillgängligt minne eller vissa åtgärder som inte stöds utlöser den här återställningen. När återställning sker körs frågan mot SQL-analysslutpunkten i stället för att läsa Delta-filer direkt.

Du kan konfigurera återställningsbeteende i inställningarna för semantisk modell:

• Tillåt återställning: Frågor som inte kan köras i Direct Lake-läge återgår automatiskt till DirectQuery. Användaren får resultat, men prestandan kan minska.
• Tillåt inte återgång: Förfrågningar som inte kan köras i Direct Lake-läge returnerar ett fel. Det här alternativet framtvingar konsekventa prestanda, men kräver att alla frågor håller sig inom Direct Lake-funktionerna.

För de flesta produktionsarbetsbelastningar börjar du med att återställning tillåts och övervakar vilka frågor som utlöser den. Optimera sedan dessa frågor eller datastrukturer för att minska återställningsfrekvensen över tid.

Importläge

Importläget kopierar data till den semantiska modellen och lagrar dem i ett komprimerat minnesinternt format. Frågor körs mot den lokala kopian, vilket gör Import till det snabbaste lagringsläget för frågeprestanda. Data är dock bara lika aktuella som den senaste uppdateringen.

Importläge är rätt val när:

• Datakällan ligger utanför Fabric (lokala databaser, API:er från tredje part, platta filer).
• Prestanda för frågehantering är högsta prioritet och uppdatering i nära realtid är inte nödvändig.
• Du behöver funktioner som ännu inte stöds i Direct Lake.

DirectQuery-läge

DirectQuery skickar frågor direkt till datakällan vid frågetillfället. Inga data lagras i modellen, vilket gör DirectQuery lämpligt för realtidsdatascenarier och mycket stora datauppsättningar som inte kan importeras.

Kompromissen är prestanda. Varje rapportinteraktion genererar en fråga mot källsystemet. DirectQuery fungerar bäst när:

• Realtidsdata krävs och även korta uppdateringsfördröjningar är inte acceptabla.
• Källdatavolymerna är för stora för att importeras och datakällan ligger utanför Fabric.
• Styrningskrav kräver att data stannar vid källan.

Sammansatt läge

Sammansatt läge kombinerar lagringslägen i en enda modell. Vissa tabeller använder Import, medan andra använder DirectQuery eller Direct Lake. Detta ger flexibilitet för scenarier där olika tabeller har olika prestanda- och fräschhetsbehov.

En stor faktatabell kan till exempel finnas kvar i Direct Lake medan en liten referenstabell från en extern källa använder Import. Sammansatt läge möjliggör också många-till-många-relationer mellan tabeller från olika datakällor.

Använd sammansatt läge när:

• Du behöver data från både Fabric och icke-Fabric källor i samma modell.
• Vissa tabeller kräver realtidsdata medan andra drar nytta av cachelagrade prestanda.
• Du måste kombinera Direct Lake-tabeller med importtabeller för analys mellan källor.

Välj rätt lagringsläge

Följande tabell sammanfattar när du ska välja varje läge:

Lagringsläget påverkar även AI-förbrukningen. När Copilot eller dataagenter frågar efter en semantisk modell returnerar de svar baserat på vilka data modellen för närvarande återspeglar. Direct Lake:s färskhet i nära realtid innebär att AI-frågor returnerar aktuella resultat utan att vänta på en schemalagd uppdatering. För modeller som betjänar både mänskliga användare och AI påverkar valet av lagringsläge direkt kvaliteten på båda upplevelserna.

I Fabric börjar du med Direct Lake. Flytta bara till ett annat läge när ditt specifika scenario kräver det.