Earn a 50% discount on the DP-600 certification exam by completing the Fabric 30 Days to Learn It challenge.
Tengo un modelo que se actualiza más tiempo de lo esperado. Voy a recorrer un largo camino para obtener mis datos históricos debido a problemas de conexión con nuestro servidor de almacén. Para hacer el cuento corto... Estoy extrayendo datos en un archivo CSV y guardándolos en sharepoint. Me conecto a 3 archivos CSV usando flujos de datos. Mi conjunto de datos se conecta a esos flujos de datos como origen y estoy usando la actualización incremental para que el proceso sea más rápido. La carga inicial del modelo tomó 2 horas. La segunda carga tomó 4 minutos. Prueba de que la actualización incremental funciona. Sin embargo... Necesito que sean segundos. El recuento de filas es de aproximadamente 8,6Mil filas. Puede ver el analizador vertipaq a continuación. Muestra 3M cardinaltiy... pero ningún campo se acerca a eso. Cualquier ayuda para hacer estas 3 mesas más rápido es muy apreciado!
Hola @codyraptor ,
Parece que quieres saber qué afecta a la velocidad de carga del informe, ¿verdad?
En mi opinión, hay muchos factores como recursos de capacidad, cantidad visual, gran cantidad de datos, RLS complejo e ineficiente, gateway......Usted podría echar un vistazo al documento oficial para la optimización.
Estas son algunas herramientasde análisis:
1.Aplicación de métricas Premium de Power BI: las consultas lentas o los objetos visuales de informe deben ser un punto focal de optimización continua.
2.Diagnóstico de consulta: registre información de evaluación detallada para cada paso de consulta.
3.Use Performance Analyzer en Desktop: descubra cómo están funcionando cada uno de los elementos del informe, como objetos visuales y fórmulas DAX.
4.Use SQL Server Profiler cuando el origen de datos sea: SQL Server / SQL Server Analysis Services / Azure Analysis Services
5. Puerta de enlace Registro adicional
¿He respondido a tu pregunta? Por favor, marque mi respuesta como solución. Muchas gracias.
Si no es así, cargue algunas muestras de datos insensibles y la salida esperada.
Saludos
Eyelyn Qin