Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Üst düzey BI performansı, verilerin Lakehouse'dan ne kadar etkili bir şekilde hazırlandığına ve teslim olduğuna bağlıdır. Mimari desenleri benimseyerek, anlamsal bir yapı uygulayarak ve hedeflenen iyileştirmeleri kullanarak sorgu karmaşıklığını azaltabilir, pano yanıt hızını artırabilir ve işlem maliyetlerini düşürebilirsiniz.
Aşağıdaki tabloda önerilen uygulamalar, beklenen etkileri, ilgili belgeler ve ilişkili eylem öğeleri özetlenmektedir. Bu içerik Lakehouse'da analiz iş yüklerini tasarlayan, optimize eden ve bakımını yapan veri mühendislerine, IŞ zekası geliştiricilerine ve pano yazarlarına yöneliktir.
Veri hazırlığı
| En iyi uygulama | Etki | Docs | Eylem öğeleri |
|---|---|---|---|
| Madalyon mimarisini benimseme | Kolay tüketim için ham verileri kullanıma hazır, güvenilir veri ürünlerine dönüştürmeyi hızlandırır. | Madalyon katmanlarını gözden geçirme ve uygulama | |
| Sıvı kümeleme kullanma | Dosya ve veri atlama ile sorgu performansını geliştirir. | Filtre desenleri olan büyük tablolara uygulama | |
| Yönetilen tabloları kullanma | Azure Databricks, depolama katmanını ve sorgu performansını otomatik olarak yönetir ve iyileştirir. | Verileriniz için yönetilen tablolar oluşturma | |
| Tahmine dayalı iyileştirmeyi kullanma veya tabloları el ile iyileştirme | Dosya boyutlarını ve düzenini iyileştirerek, eski dosyaları silerek ve istatistikleri güncelleştirerek daha iyi sorgu performansı sağlar. | Üretim tabloları için etkinleştirme yapın veya düzenli olarak optimizasyon planlayın ve veri değişikliklerinden sonra tabloları analiz edin. | |
| Yıldız şeması deseninde verileri modelleme | Verilerin sorgulanıp kullanılmasını kolaylaştırır. | Olgu ve boyut tablolarını tasarlayın | |
| Geniş veri türlerinden ve yüksek kardinalite sütunlarından kaçının | Veri modeli boyutunu ve bellek tüketimini iyileştirir ve sorgu verimliliğini artırır. | Veri türlerini ve kardinaliteyi gözden geçirme | |
| Birincil ve Yabancı Anahtarları Bildirme (RELY ile) | Gereksiz birleştirmeleri ve toplamaları ortadan kaldırarak sorguları iyileştirir. | Olgu ve boyut tablolarında anahtarları tanımlama | |
| Otomatik oluşturulan sütunları kullanma | Sorgu zamanında değerleri hesaplama gereksinimini azaltır. | Sık hesaplanan alanları belirleme | |
| Gerçekleştirilmiş görünümleri ve kalıcı tabloları kullanma | En yaygın ve yoğun kaynak kullanan sorgular için verileri önceden toplayarak performansı artırır. | Ortak sorgular için toplu görünümler oluşturma |