Настройка автоматических агрегатов
Настройка автоматических агрегатов включает включение обучения поддерживаемой семантической модели DirectQuery и настройку одного или нескольких запланированных обновлений. После выполнения нескольких итераций операций обучения и обновления можно вернуться к параметрам семантической модели, чтобы точно настроить процент запросов отчетов, использующих кэш агрегатов в памяти. Прежде чем выполнить эти действия, убедитесь, что вы полностью понимаете функциональные возможности и ограничения, описанные в автоматических агрегатах.
Enable
Для включения автоматических агрегирования необходимо иметь разрешения владельца семантической модели. Администраторы рабочей области могут взять на себя разрешения владельца модели.
В Параметры семантической модели разверните запланированное обновление и оптимизацию производительности.
Переключение обучения автоматических агрегатов на "Вкл.". Если параметр неактивен, убедитесь, что учетные данные источника данных настроены и вы вошли в систему.
В расписании обновления укажите частоту обновления и часовой пояс. Если элементы управления расписанием обновления отключены, проверьте конфигурацию источника данных, включая подключение шлюза (при необходимости) и учетные данные источника данных.
Нажмите кнопку "Добавить другое время", а затем укажите одно или несколько обновлений.
Необходимо запланировать по крайней мере одно обновление. Первое обновление для выбранной частоты включает как операцию обучения, так и обновление, которое загружает новые и обновленные агрегаты в кэш в памяти. Запланируйте дополнительные обновления, чтобы убедиться, что запросы отчетов, которые попали в кэш агрегатов, получают результаты, которые наиболее синхронизированы с серверным источником данных. Дополнительные сведения см. в разделе "Операции обновления".
Нажмите Применить.
Обучение по запросу и обновление
Первая запланированная операция обновления для выбранной частоты включает в себя операцию обучения. Если эта операция обучения не завершится в течение 60-минутного периода времени, следующая операция обновления не будет загружать или обновлять агрегаты в кэше. Следующая операция обучения не будет выполняться до первой операции обновления выбранной частоты.
В таких случаях можно вручную запустить одну или несколько операций обучения по запросу и обновления, чтобы полностью завершить обучение и загрузить или обновить агрегаты в кэше. Например, при проверка журнала обновления, если первая запланированная операция обучения и обновления для дня (частота) не завершается в течение срока, и вы не хотите ждать запланированного обновления следующего дня, включающего операцию обучения для выполнения, можно запустить одну или несколько операций обучения по запросу, чтобы полностью обработать журнал запросов данных (обучение) и загрузить агрегаты в кэш (обновление).
Чтобы запустить операцию обучения по запросу и обновления, выберите "Обучение" и "Обновить сейчас". Обязательно следите за журналом обновления, чтобы убедиться, что операция обучения по запросу успешно завершена. Если нет, выполните другую операцию обучения и обновления, пока обучение не завершится успешно, а агрегаты загружаются или обновляются в кэше.
Запуск обучения и обновления теперь может оказаться полезным для точной настройки процента запросов отчета, которые будут использовать агрегаты из кэша в памяти. Выполнив операцию обучения по запросу и обновив сейчас, вы можете быстрее определить, позволяет ли новая процентная установка выполнять операцию обучения в течение периода времени.
Помните, что операции обучения и обновления, запланированные или по запросу, являются процессом и ресурсоемким для источника данных и Power BI. Выберите время, когда ресурсы оказывают наименьшее влияние.
Точное настройка
Определяемые пользователем и системные агрегаты являются частью модели, способствуют размеру модели и подвергаются существующим ограничениям размера модели Power BI. Обработка агрегатов также потребляет ресурсы и влияет на длительность обновления модели. Оптимальная конфигурация обеспечивает баланс между предоставлением предварительно агрегированных результатов из кэша агрегирования в памяти для наиболее часто используемых запросов отчетов, принимая более медленные результаты для исходящих и нерегламентированных запросов в обмен на ускорение обучения и время обновления и снижение нагрузки на системные ресурсы.
Настройка процента
По умолчанию параметр кэша агрегатов, определяющий процент запросов отчета, которые будут использовать агрегаты из кэша в памяти, составляет 75 %. Увеличение процента означает, что большее количество запросов отчетов ранжируются выше, и поэтому агрегаты для них включаются в кэш агрегатов в памяти. Хотя более высокий процент может означать, что больше запросов отвечают из кэша в памяти, он также может означать более длительное время обучения и обновления. С другой стороны, корректировка на более низкий процент может означать более короткое время обучения и обновления, а также меньше использования ресурсов, но производительность визуализации отчетов может уменьшиться, так как меньше запросов отчетов будет отвечать кэш агрегирования в памяти, так как эти запросы отчетов должны затем округляться в источник данных.
Прежде чем система сможет определить оптимальные агрегаты для включения в кэш, сначала необходимо знать шаблоны запросов отчета, которые используются чаще всего. Перед настройкой процента запросов, которые будут использовать кэш агрегатов, обязательно разрешите несколько итерации операций обучения и обновления. Это дает алгоритму обучения время для анализа запросов отчетов в течение более широкого периода времени и самостоятельной корректировки соответствующим образом. Например, если вы запланировали обновления для ежедневной частоты, может потребоваться ждать полную неделю. Шаблоны отчетов пользователей в некоторые дни недели могут отличаться от других.
Корректировка процентного значения
В Параметры семантической модели разверните запланированное обновление и оптимизацию производительности.
В области охвата запросов используйте параметр "Изменить процент запросов", которые будут использовать ползунок агрегированных кэшей для увеличения или уменьшения процента до требуемого значения. При корректировке процента диаграмма повышения производительности запросов обеспечивает предполагаемое время отклика запроса.
Выберите "Обучить" и "Обновить" или "Применить".
Оценка влияния на производительность запросов
Диаграмма повышения производительности запросов предоставляет предполагаемое время выполнения запроса отчета в качестве функции процента запросов, которые будут использовать кэшированные агрегаты. На диаграмме изначально отображается значение 0.0 для всех метрик до тех пор, пока не будет выполнена хотя бы одна операция обучения или обновления. После начальной операции обучения и обновления диаграмма может помочь определить, может ли изменить процент запросов, использующих кэш агрегирования в памяти, может дополнительно улучшить ответ запроса.
Пороговое значение отображается как строка маркера на диаграмме лифта и указывает время отклика целевого запроса для отчетов. Затем можно точно настроить процент запросов, которые будут использовать кэш агрегатов для определения нового процента запросов, соответствующего требуемому пороговому значению.
Метрики
DirectQuery — предполагаемая длительность в секундах для запроса отчета, отправленного и возвращенного из источника данных с помощью DirectQuery. Запросы, которые не могут отвечать кэшу агрегатов в памяти, обычно будут находиться в пределах этой оценки.
Текущий процент запросов — предполагаемая длительность в секундах для запросов отчета, отвеченных из кэша агрегатов в памяти, в зависимости от значения процентного значения для последней операции обучения или обновления.
Новый процент запросов — предполагаемая длительность в секундах для запросов отчета, отвеченных из кэша агрегатов в памяти для только что выбранного процента. По мере изменения процентного ползунка эта метрика отражает потенциальное изменение.
Disable
Для отключения автоматических агрегатов необходимо иметь разрешения владельца модели. Администраторы рабочей области могут взять на себя разрешения владельца модели.
Чтобы отключить, переключите автоматическое агрегирование для обученияв значение Off.
При отключении обучения вам будет предложено удалить таблицы автоматической агрегирования.
Если вы решили не удалять существующие таблицы автоматической агрегирования, таблицы останутся в модели и продолжают обновляться. Однако, поскольку обучение отключено, к ним не будут добавлены новые агрегаты. Power BI продолжит использовать существующие таблицы для получения статистических результатов запроса, когда это возможно.
Если вы решили удалить таблицы, модель отменить изменения в исходное состояние без автоматических агрегирования.
Нажмите Применить.