소개

의미 체계 모델은 Microsoft Fabric 분석의 기초입니다. 보고서, 대시보드 및 AI 환경에서 데이터를 구조화, 계산 및 사용하는 방법을 정의합니다. Power BI Desktop의 소규모 팀에서 작동하는 모델은 여러 데이터 저장소에서 수백 명의 사용자에게 자동으로 서비스를 제공하지 않습니다. 데이터 볼륨이 증가하고, 팀이 확장되고, 소비 패턴이 바뀌면 모델 뒤에 있는 디자인 결정이 변경되어야 합니다.

조직이 Microsoft Fabric 분석 플랫폼을 확장하고 있다고 가정합니다. 해당 데이터는 레이크하우스와 창고에 걸쳐 있으며, 기존 의미 체계 모델은 소규모 팀을 위해 Power BI Desktop에서 빌드되었습니다. 이제 이러한 모델은 더 큰 데이터 세트, 더 많은 동시 사용자 및 더 광범위한 사용 패턴을 처리해야 합니다. 모델은 현재 크기로 작동하지만 크기 조정을 위해 설계되지 않았습니다.

이 모듈에서는 크기 조정을 위해 의미 체계 모델을 준비하는 디자인 결정을 내립니다. 먼저 데이터가 모델로 흐르는 방식에 적합한 스토리지 모드를 선택합니다. 그런 다음 선명도 및 성능을 위해 별표 스키마 관계를 디자인합니다. 다음으로, 데이터 볼륨 및 팀 크기가 증가함에 따라 성능이 유지되고 유지 관리 가능한 계산을 디자인합니다. 마지막으로, 모델이 큰 데이터 세트, 동시 쿼리 및 외부 도구 액세스를 처리하는 방법을 제어하는 설정을 구성합니다.

이 모듈을 마치면 올바른 스토리지 모드를 사용하고, 별모양 스키마 모범 사례를 따르고, 확장 가능한 계산 패턴을 포함하고, 증가하는 데이터 볼륨 및 소비 수요를 위해 구성된 의미 체계 모델을 디자인할 수 있습니다. AI는 모델에서 현재 데이터, 명확한 관계, 설명 구조 및 추가 쿼리 로드를 처리할 수 있는 용량과 같은 것을 요구하므로 크기 조정을 위해 설계된 모델도 AI 사용량에 도움이 됩니다.