Modelos semânticos do Power BI no Microsoft Fabric

Aplica-se a:✅Ponto de extremidade de análise de SQL, Warehouse e Banco de dados espelhado no Microsoft Fabric

No Microsoft Fabric, os modelos semânticos do Power BI são uma descrição lógica de um domínio analítico, com métricas, terminologia e representação amigáveis aos negócios, para permitir uma análise mais profunda. Esse modelo semântico costuma ser um esquema em estrela com fatos que representam um domínio e dimensões que permitem analisar ou dividir e segmentar o domínio para fazer drill down, filtrar e calcular análises diferentes.

A Microsoft renomeou o tipo de conteúdo do conjunto de dados do Power BI para modelo semântico do Power BI ou apenas modelo semântico. Isso também se aplica ao Microsoft Fabric. Para obter mais informações, confira Novo nome para os conjuntos de dados do Power BI. Para saber mais sobre modelos semânticos do Power BI, consulte modelos semânticos no serviço do Power BI.

Modo Direct Lake

O modo Direct Lake é uma nova funcionalidade inovadora do mecanismo para analisar conjuntos de dados muito grandes no Power BI. A tecnologia baseia-se na ideia de consumir arquivos formatados em parquet diretamente de um data lake, sem precisar consultar um data warehouse ou um ponto de extremidade de análise SQL e sem precisar importar ou duplicar dados em um modelo semântico do Power BI. Essa integração nativa traz um modo exclusivo de acessar os dados do Warehouse ou do ponto de extremidade análise SQL, chamado Direct Lake. A Visão geral do Direct Lake fornece informações adicionais sobre esse modo de armazenamento para modelos semânticos do Power BI.

O Direct Lake oferece a experiência de consulta e relatório mais eficiente em termos de desempenho. O Direct Lake é um caminho rápido para consumir os dados do data lake diretamente no mecanismo do Power BI, de forma que os dados estejam prontos para análise.

• No modo tradicional DirectQuery, o mecanismo do Power BI consulta diretamente os dados da fonte para cada execução de consulta, e o desempenho da consulta depende da velocidade de recuperação dos dados. O DirectQuery elimina a necessidade de copiar dados, certificando-se de que todas as alterações na origem sejam imediatamente refletidas nos resultados da consulta.

• No modo Importar, o desempenho é melhor porque os dados estão prontamente disponíveis na memória, sem a necessidade de consultar os dados da fonte para cada execução de consulta. Entretanto, o mecanismo do Power BI deve primeiro copiar os dados para a memória, no momento de atualização dos dados. Todas as alterações na fonte de dados subjacente serão coletadas durante a próxima atualização de dados.

• O modo Direct Lake elimina o requisito de importação de copiar os dados ao consumir os arquivos de dados diretamente na memória. Como não existe um processo de importação explícito, é possível captar todas as alterações na fonte à medida que elas ocorrem. O Direct Lake combina as vantagens do modo Importar e do DirectQuery, evitando suas desvantagens. O modo Direct Lake é a escolha ideal para analisar conjuntos de dados muito grandes e conjuntos de dados com atualizações frequentes na fonte. O Direct Lake reverterá de forma automática para o DirectQuery ao usar o ponto de extremidade de análise SQL do warehouse ou o ponto de extremidade de análise SQL quando o Direct Lake exceder os limites de SKU ou usar recursos que não têm suporte, permitindo que os usuários dos relatórios continuem suas atividades sem interrupções.

• O modo Direct Lake é o modo de armazenamento para novos modelos semânticos do Power BI criados em um endpoint de análise SQL ou em um Warehouse.

• Ao usar o Power BI Desktop, também é possível criar modelos semânticos do Power BI usando o ponto de extremidade de análise SQL do warehouse ou o ponto de extremidade da análise SQL como uma fonte de dados para modelos semânticos no modo de armazenamento Importação ou DirectQuery.

Criar e gerenciar modelos semânticos do Power BI

Ao criar um modelo semântico em um lakehouse ou warehouse, você escolhe quais tabelas adicionar. A partir daí, você pode atualizar manualmente um modelo semântico do Power BI.

Para começar, consulte:

• Criar um modelo semântico
• Gerenciar um modelo semântico

Limitações

• Os modelos semânticos no Fabric seguem as limitações atuais para modelos semânticos no Power BI. Saiba Mais:
  • Limites de recurso e objeto do Azure Analysis Services
  • Tipos de dados no Power BI Desktop – Power BI
• Modelos semânticos são itens independentes no Fabric e podem ser gerenciados por meio de APIs REST para enumerar modelos semânticos em um workspace, verificar se há dependências (relatórios/dashboards) e conteúdo do modelo e excluir os não utilizados. Isso inclui modelos semânticos desacoplados que foram criados por padrão no passado, que não são mais criados automaticamente.
• Se os tipos de dados parquet, Apache Spark ou SQL não puderem ser mapeados para um dos tipos de dados da área de trabalho do Power BI, eles serão descartados como parte do processo de sincronização. Isso está em linha com o comportamento atual do Power BI. Para essas colunas, recomendamos que você adicione conversões de tipo explícitas em seus processos de ETL para convertê-las em um tipo com suporte. Se houver tipos de dados necessários upstream, os usuários poderão, opcionalmente, especificar uma exibição no SQL com a conversão de tipo explícita desejada. Isso será selecionado pela sincronização ou poderá ser adicionado manualmente, conforme indicado anteriormente.
• Modelos semânticos só podem ser editados no endpoint de análise SQL ou no data warehouse.

Próxima etapa

Conteúdo relacionado

• Modelos semânticos no serviço do Power BI