요약

  • 2분

이 모듈에서는 의미 체계 모델이 더 큰 데이터 세트, 더 많은 동시 사용자 및 Microsoft Fabric 더 광범위한 소비 패턴을 처리해야 하는 경우 변경되는 사항을 알아봅니다. 문제는 분명했습니다. Power BI Desktop의 소규모 팀을 위해 빌드된 모델은 규모와 함께 제공되는 것을 자동으로 처리하지 않습니다.

네 가지 중요한 디자인 결정을 내리는 방법을 배웠습니다. 먼저 Direct Lake를 기본 스토리지 모드로 선택하고 가져오기, DirectQuery 또는 복합 모델이 더 나은 선택인지 파악합니다. 그런 다음 참조 무결성, 비활성 관계 및 원본 간 연결을 포함하여 명확성과 성능을 위해 스타 스키마 관계를 디자인했습니다. 다음으로, 계산 그룹을 사용하여 확장 가능한 계산을 설계하여 대규모 데이터 볼륨을 처리하기 위한 팀 유지 관리 효율성 및 집계를 지원하기 위해 측정값 확산, 변수 및 명명 규칙을 줄입니다. 마지막으로 모델이 큰 데이터 세트, 동시 쿼리 및 외부 도구 액세스를 처리하는 방법을 제어하는 설정을 구성했습니다.

이러한 결정은 함께 규모화를 위한 의미 모델을 준비합니다. AI 사용을 위한 준비 작업도 수행하는데, 이는 AI가 스케일에 필요한 것과 동일하게 현재의 데이터, 명확한 관계, 설명적 구조, 그리고 용량을 요구하기 때문입니다.

자세히 알아보기