데이터 세트 최적화 및 캐싱

AI/BI 대시보드는 중요한 데이터 분석 및 의사 결정 도구이며 효율적인 로드 시간은 사용자 환경을 크게 향상시킬 수 있습니다. 이 문서에서는 캐싱 및 데이터 세트 최적화를 통해 대시보드의 성능과 효율성을 높이는 방법을 설명합니다.

쿼리 성능

작업 영역 쿼리 기록에서 쿼리 및 해당 성능을 검사할 수 있습니다. 쿼리 기록에는 SQL 웨어하우스를 사용하여 수행된 SQL 쿼리가 표시됩니다. 사이드바에서 쿼리 기록을 클릭하여 쿼리 기록을 봅니다. 쿼리 기록을 참조하세요.

대시보드 데이터 세트의 경우 Azure Databricks는 데이터 세트의 결과 크기에 따라 성능 최적화를 적용합니다.

데이터 세트 최적화

AI/BI 대시보드 데이터 세트에는 다음과 같은 성능 최적화가 포함됩니다.

• 데이터 세트 결과 크기가 작거나 100K 행 또는 100MB보다 작으면 데이터 세트 결과가 클라이언트로 끌어오고 브라우저에서 시각화별 필터링 및 집계가 수행됩니다. 작은 데이터 세트에 대한 데이터 필터링 및 집계는 매우 빠르며 데이터 세트가 작은지 확인하면 대시보드 성능을 최적화하는 데 도움이 될 수 있습니다. 작은 데이터 세트를 사용하면 데이터 세트 쿼리만 쿼리 기록에 표시됩니다.
• 데이터 세트 결과 크기가 100K 행 또는 100MB보다 크면 데이터 세트 쿼리 텍스트가 SQL WITH 절로 래핑되고 시각화별 필터링 및 집계가 브라우저가 아닌 백 엔드의 쿼리에서 수행됩니다. 큰 데이터 세트를 사용하면 시각화 쿼리가 쿼리 기록에 표시됩니다.
• 백 엔드로 전송된 시각화 쿼리의 경우 동일한 절과 필터 조건자를 공유하는 동일한 GROUP BY 데이터 세트에 대한 별도의 시각화 쿼리가 처리를 위해 단일 쿼리로 결합됩니다. 이 경우 사용자는 쿼리 기록에 여러 시각화에 대한 결과를 가져오는 하나의 결합된 쿼리를 볼 수 있습니다.

캐싱 및 데이터 새로 고침

대시보드는 초기 로드 시간을 최적화하기 위해 24시간 결과 캐시를 유지 관리하며 최상의 노력으로 작동합니다. 즉, 시스템은 항상 대시보드 자격 증명에 연결된 기록 쿼리 결과를 사용하여 성능을 향상시키려고 하지만 캐시된 결과를 만들거나 유지 관리할 수 없는 경우가 있습니다.

다음 표에서는 대시보드 상태 및 자격 증명에 따라 캐싱이 어떻게 달라지는지 설명합니다.

대시보드는 마지막 쿼리 이후 기본 데이터가 변경되지 않은 상태로 유지되거나 결과가 24시간 전에 검색된 경우 캐시된 쿼리 결과를 자동으로 사용합니다. 부실 결과가 존재하고 매개 변수가 대시보드에 적용되는 경우 지난 24시간 동안 동일한 매개 변수를 사용하지 않는 한 쿼리가 다시 실행됩니다. 마찬가지로 100,000개 행을 초과하는 데이터 세트에 필터를 적용하면 지난 24시간 동안 동일한 필터가 이전에 적용되지 않은 한 쿼리를 다시 실행하라는 메시지가 표시됩니다.

예약된 쿼리

포함된 자격 증명을 사용하여 게시된 대시보드에 일정을 추가하면 모든 대시보드 뷰어의 초기 로드 프로세스가 크게 단축될 수 있습니다.

예약된 각 대시보드 업데이트에 대해 다음이 발생합니다.

• 데이터 세트를 정의하는 모든 SQL 논리는 지정된 시간 간격에 따라 실행됩니다.
• 결과는 쿼리 결과 캐시를 채우고 초기 대시보드 로드 시간을 개선하는 데 도움이 될 수 있습니다.