Direct Lake'e genel bakış

Direct Lake, Bir Microsoft Fabric çalışma alanında depolanan Power BI anlam modelindeki tablolar için bir depolama modu seçeneğidir. Delta tablolarından belleğe hızla yüklenebilen ve verilerini tüm analiz verileri için tek depo olan OneLake'teki Parquet dosyalarında depolayan büyük hacimli veriler için iyileştirilmiştir. Belleğe yüklendikten sonra anlam modeli yüksek performanslı sorgular sağlar. Direct Lake, verileri modele aktarmak için gereken yavaş ve maliyetli gereksinimi ortadan kaldırır.

Tek bir Fabric lakehouse veya Fabric ambarının tablolarına veya görünümlerine bağlanmak için Direct Lake depolama modunu kullanabilirsiniz. Bu Doku öğelerinin ve Direct Lake semantik modellerinin her ikisi de bir Doku kapasite lisansı gerektirir.

Bazı açılardan Direct Lake semantik modeli, İçeri Aktarma semantik modeline benzer. Bunun nedeni, model verilerinin hızlı sorgu performansı için VertiPaq altyapısı tarafından belleğe yüklenmesidir (bu makalenin devamında açıklanan DirectQuery geri dönüşü hariç).

Ancak Direct Lake semantik modeli, İçeri Aktarma semantik modelinden önemli bir şekilde farklıdır. Bunun nedeni, Direct Lake semantik modeli için yenileme işleminin kavramsal olarak İçeri Aktarma semantik modelinin yenileme işleminden farklı olmasıdır. Direct Lake anlam modeli için yenileme işlemi, tamamlanması birkaç saniye sürebilen bir çerçeve işlemi (bu makalenin ilerleyen bölümlerinde açıklanmıştır) içerir. Anlam modelinin Delta tablolarının en son sürümünün meta verilerini analiz ettiği ve OneLake'deki en son dosyalara başvuracak şekilde güncelleştirildiği düşük maliyetli bir işlemdir. Buna karşılık, İçeri aktarma semantik modeli için yenileme, verilerin bir kopyasını oluşturur ve bu da çok zaman alabilir ve önemli veri kaynağı ile kapasite kaynaklarını (bellek ve CPU) tüketebilir.

Direct Lake depolama modunu ne zaman kullanmalısınız?

Direct Lake depolama modu için birincil kullanım örneği genellikle göl merkezli mimarilerden yararlanan BT odaklı analiz projelerine yöneliktir. Bu senaryoda OneLake'te büyük hacimli verilere sahip olursunuz veya birikmesini beklersiniz. Bu verilerin belleğe hızlı yüklenmesi, sık ve hızlı yenileme işlemleri, kapasite kaynaklarının verimli kullanımı ve hızlı sorgu performansı bu kullanım örneği için önemlidir.

Direct Lake depolama modu, verileri işletme kullanıcılarının kullanımına hızlı bir şekilde sağlamak için veri gecikme süresini en aza indirmek için de uygundur. Delta tablolarınız aralıklı olarak değiştirilirse (ve veri gölünde veri hazırlığı yaptığınız varsayıldığında), bu değişikliklere yanıt olarak yeniden çerçeve uygulamak için otomatik güncelleştirmelere bağımlı olabilirsiniz. Bu durumda, anlam modeline gönderilen sorgular en son verileri döndürür. Bu özellik, Power BI raporlarının otomatik sayfa yenileme özelliğiyle birlikte iyi çalışır.

Direct Lake'in veri gölünde yapılan veri hazırlama işlemine bağlı olduğunu unutmayın. Veri hazırlama işlemi, Fabric lakehouse'lar için Spark işleri, Doku ambarları için T-SQL DML deyimleri, veri akışları, işlem hatları ve diğerleri gibi çeşitli araçlar kullanılarak yapılabilir. Bu yaklaşım, yeniden kullanılabilirliği en üst düzeye çıkarmak için mimaride veri hazırlama mantığının mümkün olduğunca düşük bir şekilde gerçekleştirilmesini sağlamaya yardımcı olur. Ancak, semantik model yazarının kaynak öğeyi değiştirme özelliği yoksa (örneğin, BT tarafından yönetilen bir göl evinde yazma izinlerine sahip olmayabilecek bir self servis analisti söz konusuysa) depolamayı içeri aktarma modu daha iyi bir seçim olabilir. Bunun nedeni, anlamsal modelin bir parçası olarak tanımlanan Power Query'yi kullanarak veri hazırlamayı desteklemesidir.

Direct Lake depolama modunu değerlendirirken geçerli Doku kapasite lisansınızı ve Doku kapasitesi korumalarını hesaba kattığınızdan emin olun. Ayrıca, bu makalenin devamında açıklanan önemli noktalar ve sınırlamalar da dikkate alın.

Direct Lake nasıl çalışır?

Genellikle Direct Lake anlam modeline gönderilen sorgular, Delta tablolarından alınan sütunların bellek içi önbelleğinden işlenir. Delta tablosunun temel depolama alanı OneLake'teki bir veya daha fazla Parquet dosyasıdır. Parquet dosyaları verileri satırlar yerine sütunlara göre düzenler. Anlam modelleri, sorgular için gerekli olduğu için Delta tablolarındaki sütunların tamamını belleğe yükler.

Direct Lake semantik modeli directQuery geri dönüşünü de kullanabilir ve bu da DirectQuery moduna sorunsuz bir şekilde geçmeyi içerir. DirectQuery geri dönüşü, verileri doğrudan göl evi veya ambarın SQL analiz uç noktasından alır. Örneğin, delta tablosu Doku kapasiteniz tarafından desteklenenden daha fazla veri satırı içerdiğinde geri dönüş oluşabilir (bu makalenin ilerleyen bölümlerinde açıklanmaktadır). Bu durumda, DirectQuery işlemi SQL analiz uç noktasına bir sorgu gönderir. Geri dönüş işlemleri sorgu performansının düşmesine neden olabilir.

Aşağıdaki diyagramda, Power BI raporu açan bir kullanıcının senaryosu kullanılarak Direct Lake'in nasıl çalıştığı gösterilmektedir.

Diyagramda aşağıdaki kullanıcı eylemleri, işlemler ve özellikler gösterilmiştir.

Öğe	Açıklama
	OneLake, analiz verilerini Parquet biçiminde depolayan bir veri gölüdür. Bu dosya biçimi, Direct Lake anlam modelleri için verileri depolamak için iyileştirilmiştir.
	Doku kapasitesine sahip bir çalışma alanında Fabric lakehouse veya Fabric ambarı vardır. Lakehouse,sorgulama için SQL tabanlı bir deneyim sağlayan bir SQL analiz uç noktasına sahiptir. Tablolar (veya görünümler), Transact-SQL (T-SQL) kullanarak OneLake'deki Delta tablolarını sorgulamak için bir araç sağlar.
	Bir Yapı çalışma alanında Direct Lake semantik modeli vardır. Göl evi veya depodaki tablolara veya görünümlere bağlanır.
	Kullanıcı bir Power BI raporu açar.
	Power BI raporu, Veri Çözümleme İfadeleri (DAX) sorgularını Direct Lake anlam modeline gönderir.
	Mümkün olduğunda (ve gerektiğinde), anlam modeli sütunları doğrudan OneLake'de depolanan Parquet dosyalarından belleğe yükler. Sorgular çok hızlı bir şekilde bellek içi performans elde edilir.
	Anlam modeli sorgu sonuçlarını döndürür.
	Power BI raporu görselleri işler.
	Semantik modelin kapasitenin korumalarını aşması gibi belirli durumlarda, anlam modeli sorguları otomatik olarak DirectQuery moduna geri döner. Bu modda sorgular göl evi veya ambarın SQL analiz uç noktasına gönderilir.
	SQL analiz uç noktasına gönderilen DirectQuery sorguları da OneLake'deki Delta tablolarını sorgular. Bu nedenle sorgu performansı bellek içi sorgulardan daha yavaş olabilir.

Aşağıdaki bölümlerde sütun yükleme, çerçeveleme, otomatik güncelleştirmeler ve DirectQuery geri dönüşü gibi Direct Lake kavramları ve özellikleri açıklanmaktadır.

Sütun yükleme (kodlamayı dönüştürme)

Direct Lake semantik modelleri yalnızca OneLake'ten sütunlar ilk kez sorgulandığında verileri yükler. OneLake'ten isteğe bağlı olarak veri yükleme işlemi, kodlama dönüştürme olarak bilinir.

Anlam modeli bir DAX (veya Çok Boyutlu İfadeler—MDX) sorgusu aldığında, önce sorgu sonucu oluşturmak için hangi sütunların gerekli olduğunu belirler. Gerekli sütunlar, doğrudan sorgu tarafından kullanılan sütunları ve ayrıca ilişkiler ve ölçüler için gereken sütunları içerir. Genellikle, sorgu sonucu oluşturmak için gereken sütun sayısı anlamsal modelde tanımlanan sütun sayısından çok daha küçüktür.

Hangi sütunların gerekli olduğu anlaşıldıktan sonra, anlam modeli hangi sütunların bellekte olduğunu belirler. Sorgu için gereken sütunlar bellekte değilse, anlam modeli OneLake'ten bu sütunlar için tüm verileri yükler. Sütun verilerinin yüklenmesi genellikle çok hızlı bir işlemdir, ancak sütunlarda depolanan verilerin kardinalitesi gibi faktörlere bağlı olabilir.

Belleğe yüklenen sütunlar daha sonra bellekte yerleşik olarak bulunur . Yalnızca yerleşik sütunları içeren gelecekteki sorguların belleğe daha fazla sütun yüklemesi gerekmez.

Bir sütun bellekten kaldırılması (çıkarılması) için bir neden olana kadar yerleşik olarak kalır. Sütunların kaldırılma nedenleri şunlardır:

• Model veya tablo yenilendi (sonraki bölümde çerçeveleme bölümüne bakın).
• Hiçbir sorgu sütunu bir süredir kullanmadı.
• Diğer eşzamanlı işlemler nedeniyle kapasitedeki bellek baskısı da dahil olmak üzere diğer bellek yönetimi nedenleri.

Doku SKU'su seçiminiz, kapasitedeki her Direct Lake anlam modeli için kullanılabilir en yüksek belleği belirler. Kaynak korumaları ve maksimum bellek sınırları hakkında daha fazla bilgi için bu makalenin devamında yer alan Yapı kapasitesi korumaları ve sınırlamaları bölümüne bakın.

Çerçeveleme

Çerçeveleme , model sahiplerine semantik modele hangi verilerin yüklendiği üzerinde belirli bir noktaya denetim sağlar. Çerçeveleme, anlamsal modelin yenilenmesiyle tetiklenen bir Direct Lake işlemidir ve çoğu durumda tamamlanması yalnızca birkaç saniye sürer. Bunun nedeni, anlam modelinin Delta Lake tablolarının en son sürümünün meta verilerini analiz ettiği ve OneLake'deki en son Parquet dosyalarına başvuracak şekilde güncelleştirildiği düşük maliyetli bir işlemdir.

Çerçeveleme gerçekleştiğinde yerleşik sütunlar bellekten çıkarılabilir ve yenilemenin zamanı gelecekteki tüm kodlama dönüştürme olaylarının yeni temeli haline gelir. Bu noktadan itibaren, Direct Lake sorguları delta tablolarındaki verileri yalnızca en son çerçeveleme işleminin zamanı itibariyle dikkate alır. Bu nedenle, Direct Lake tablolarının en son çerçeveleme işleminin noktasında Delta tablosunun durumuna göre veri döndürmesi sorgulanır. Bu süre, Delta tablolarının en son durumu olmayabilir.

Aşağıdaki diyagramda Direct Lake çerçeveleme işlemlerinin nasıl çalıştığı gösterilmektedir.

Diyagramda aşağıdaki işlemler ve özellikler gösterilmiştir.

Öğe	Açıklama
	Doku çalışma alanında anlamsal model var.
	Çerçeveleme işlemleri düzenli aralıklarla gerçekleşir ve gelecekteki tüm kodlama dönüştürme olayları için temeli ayarlar. Çerçeveleme işlemleri otomatik, el ile, zamanlamaya göre veya program aracılığıyla gerçekleştirilebilir.
	OneLake, Delta tabloları olarak temsil edilen meta verileri ve Parquet dosyalarını depolar.
	Son çerçeveleme işlemi, Delta tablolarına ilişkin Parquet dosyalarını ve özellikle son çerçeveleme işleminden önce eklenen Parquet dosyalarını içerir.
	Sonraki bir çerçeve işlemi, son çerçeveleme işleminden sonra eklenen Parquet dosyalarını içerir.
	Direct Lake semantik modelindeki yerleşik sütunlar bellekten çıkarılabilir ve yenilemenin zamanı gelecekteki tüm kodlama dönüştürme olaylarının yeni temeli haline gelir.
	Yeni Parquet dosyalarıyla temsil edilen sonraki veri değişiklikleri, bir sonraki çerçeveleme işlemi gerçekleşene kadar görünmez.

Kodlama dönüştürme işlemi gerçekleştiğinde herhangi bir Delta tablosunun en son durumunu temsil eden verilerin olması her zaman tercih edilmez. Çerçevelemenin Delta tablolarındaki verilerin geçici olduğu ortamlarda tutarlı sorgu sonuçları sağlamanıza yardımcı olabileceğini düşünün. Veriler, uzun süre çalışan ayıklama, dönüştürme ve yükleme (ETL) işlemleri gerçekleştiğinde olduğu gibi çeşitli nedenlerle geçici olabilir.

Direct Lake semantik modeli için yenileme el ile, otomatik olarak veya program aracılığıyla yapılabilir. Daha fazla bilgi için bkz . Direct Lake anlam modellerini yenileme.

Delta tablosu sürüm oluşturma ve çerçeveleme hakkında daha fazla bilgi için bkz . Direct Lake anlam modelleri için depolamayı anlama.

Otomatik güncelleştirmeler

Direct Lake tablolarını otomatik olarak güncelleştirmek için semantik model düzeyi bir ayar vardır. Varsayılan olarak etkindir. OneLake'teki veri değişikliklerinin otomatik olarak Direct Lake anlam modeline yansıtılmasını sağlar. Önceki bölümde açıklanan çerçevelemeyle veri değişikliklerini denetlemek istediğinizde otomatik güncelleştirmeleri devre dışı bırakmalısınız. Daha fazla bilgi için bkz . Direct Lake anlam modellerini yönetme.

DirectQuery geri dönüşü

Direct Lake semantik modeline gönderilen bir sorgu DirectQuery moduna geri dönebilir. Bu durumda, verileri doğrudan göl evi veya ambarın SQL analiz uç noktasından alır. Bu tür sorgular her zaman en son verileri döndürür çünkü son çerçeveleme işleminin zamanına göre kısıtlanmazlar.

Semantik model SQL analiz uç noktasındaki bir görünümü veya SQL analiz uç noktasında satır düzeyi güvenliği (RLS) zorlayan bir tabloyu sorguladığında her zaman sorgu geri döner.

Ayrıca, anlam modeli kapasitenin korumalarını aştığında sorgu geri düşebilir.

DirectLakeBehavior özelliğini ayarlayarak Direct Lake semantik modellerinizin geri dönüşünü denetleyebilirsiniz. Daha fazla bilgi için bkz . Direct Lake davranış özelliğini ayarlama.

Doku kapasitesi korumaları ve sınırlamaları

Direct Lake semantik modelleri için Doku kapasitesi lisansı gerekir. Ayrıca, aşağıdaki tabloda gösterildiği gibi Doku kapasite aboneliğiniz (SKU) için geçerli olan kapasite korumaları ve sınırlamaları vardır.

¹ Direct Lake anlam modelleri için En Fazla Bellek, ne kadar verinin sayfalara eklenebileceğine ilişkin üst bellek kaynak sınırını temsil eder. Bu nedenle, bu bir koruma değildir, çünkü aşılması DirectQuery moduna geri dönüşle sonuçlanmaz; ancak, veri miktarının OneLake verilerinden model verilerine aşırı sayfalama ve dışarı sayfalama işlemine neden olacak kadar büyük olması performansı etkileyebilir.

Aşılırsa disk/ OneLake üzerindeki Maksimum model boyutu, anlamsal modeldeki tüm sorguların DirectQuery moduna geri dönmesine neden olur. Tabloda sunulan diğer tüm korumalar sorgu başına değerlendirilir. Bu nedenle delta tablolarınızı ve Direct Lake semantik modelinizi, gereksiz yere daha yüksek bir Doku SKU'sunun ölçeğini artırmak zorunda kalmamak için en iyi duruma getirmeniz önemlidir (bu da maliyetin artmasına neden olur).

Ayrıca, Direct Lake anlam modelleri için Kapasite birimi ve Sorgu başına en fazla bellek sınırı uygulanır. Daha fazla bilgi için bkz . Kapasiteler ve SKU'lar.

Dikkat edilecekler ve sınırlamalar

Direct Lake semantik modelleri bazı önemli noktalar ve sınırlamalar sunar.

• Direct Lake anlam modeli tablosu, sql analizi uç noktasındaki satır düzeyi güvenliği (RLS) zorunlu kılan bir tabloya bağlandığında, bu model tablosunu içeren sorgular her zaman DirectQuery moduna geri döner. Sorgu performansı daha yavaş olabilir.
• Direct Lake anlam modeli tablosu SQL analiz uç noktasındaki bir görünüme bağlandığında, bu model tablosunu içeren sorgular her zaman DirectQuery moduna geri döner. Sorgu performansı daha yavaş olabilir.
• Bileşik modelleme desteklenmez. Başka bir deyişle, Direct Lake anlam modeli tabloları İçeri Aktarma, DirectQuery veya İkili gibi diğer depolama modlarındaki tablolarla karıştırılamaz (hesaplama grupları, durum parametreleri ve alan parametreleri dahil olmak üzere özel durumlar hariç).
• Direct Lake depolama modunda sütunlara veya tablolara başvuran hesaplanmış sütunlar ve hesaplanan tablolar desteklenmez. Örtük olarak hesaplanan tablolar oluşturan hesaplama grupları, durum parametreleri ve alan parametreleri ve Direct Lake sütunlarına veya tablolarına başvurmayan hesaplanan tablolar desteklenir.
• Direct Lake depolama modu tabloları karmaşık Delta tablo sütun türlerini desteklemez. İkili ve GUID semantik türleri de desteklenmez. Bu veri türlerini dizelere veya desteklenen diğer veri türlerine dönüştürmeniz gerekir.
• Tablo ilişkileri, ilişkili sütunların veri türlerinin eşleşmesini gerektirir.
• İlişkilerin tek taraflı sütunları benzersiz değerler içermelidir. Tek taraflı bir sütunda yinelenen değerler algılanırsa sorgular başarısız olur.
• Power BI Desktop'ta otomatik veri/zaman gösterimi desteklenmez. Kendi tarih tablonuzu tarih tablosu olarak işaretlemek desteklenir.
• Dize sütun değerlerinin uzunluğu 32.764 Unicode karakterle sınırlıdır.
• Kayan nokta değeri NaN (sayı değil) desteklenmez.
• Müşteri kullanımınız için senaryolarını kullanan ekleme senaryoları desteklenmez.
• Power BI'dan web'de yayımlama yalnızca Direct Lake anlam modeli için sabit bir kimlik kullanıldığında desteklenir.
• Web modelleme deneyiminde, Direct Lake anlam modelleri için doğrulama sınırlıdır. Kullanıcı seçimlerinin doğru olduğu varsayılır ve ilişkiler için kardinaliteyi doğrulamak veya çapraz filtre seçimlerini ya da işaretli bir tarih tablosundaki seçili tarih sütunu için hiçbir sorgu yapılmaz.
• Doku portalında, yenileme geçmişindeki Direct Lake sekmesinde yalnızca Direct Lake ile ilgili yenileme hataları listelenir. Başarılı yenileme (çerçeveleme) işlemleri listelenmez.
• Doku SKU'nuz, kapasite için Direct Lake semantik modeli başına kullanılabilir en yüksek belleği belirler. Sınır aşıldığında, model verilerinin aşırı sayfalanması ve dışarı alınması nedeniyle anlamsal modele yapılan sorgular daha yavaş olabilir.
• Veri kaynağı çalışma alanının farklı bir bölgesinde yer alan bir çalışma alanında Direct Lake anlam modeli oluşturulması desteklenmez. Örneğin, Lakehouse Orta Batı ABD'deyse, aynı bölgedeki bu Lakehouse'dan yalnızca anlamsal modeller oluşturabilirsiniz. Geçici çözüm, semantik modeli oluşturmadan önce diğer bölgenin çalışma alanında bir Lakehouse ve tablolara kısayol oluşturmaktır. Hangi bölgede olduğunuzu bulmak için bkz . Doku ana bölgenizi bulma.

Diğer depolama modlarıyla karşılaştırma

Aşağıdaki tabloda, Direct Lake depolama modu ile İçeri Aktarma ve DirectQuery depolama modları karşılaştırilmiştir.

¹ Direct Lake depolama modu tablolarını aynı anlam modelinde DirectQuery veya İkili depolama modu tablolarıyla birleştiremezsiniz. Ancak Power BI Desktop'ı kullanarak Direct Lake semantik modelinde bileşik model oluşturabilir ve bunu yeni tablolarla (İçeri Aktarma, DirectQuery veya İkili depolama modu kullanarak) veya hesaplamalarla genişletebilirsiniz. Daha fazla bilgi için bkz . Anlamsal model üzerinde bileşik model oluşturma.

İlgili içerik

• Direct Lake semantik modelleri geliştirme
• Direct Lake semantik modellerini yönetme
• Direct Lake anlam modelleri için depolamayı anlama
• Direct Lake için göl evi oluşturma
• Direct Lake anlam modelleri için sorgu işlemeyi analiz etme