እንዴት አንድ የሙዚቃ ሞዴል በእርግጥ የእኛን BI ችሎታን ተለዋዋጭ ነበር ... እና እኛን ያውቃል. The Monday Morning Spike የሁለተኛ ቀናት Spike ከ 300 በላይ ጣቢያዎች በዩናይትድ ስቴትስ ውስጥ ለሁለት ሳምንታት ይጀምራል, ከ Power BI ከ ቀጣይ የሽያጭ እና የሽያጭ ሪፖርት መተግበሪያዎች ያተኮሩ. በባህር ቤት ላይ ይጀምራል, ቀናት እንደ ማንኛውም ሌሎች ተጀምሯል - የ monitors, የመጀመሪያው ምግቦች, መዳረሻ ቦርሳዎች ይሸፍናል. የመጀመሪያው መልዕክት ከዚያ በኋላ ነበር. “Hey, my report’s not loading - can you please check, I need it for a meeting?” አንዳንድ ደቂቃዎች በኋላ, ሌላ. “Hey, PowerBI is slow - can you please bump up the capacity ?” ከዚያም 3 ተጨማሪ. የ Teams መስኮት በ 10 ደቂቃዎች ውስጥ የሚታወቀው የ Help-desk መስኮት ቅርጸት ይመልከቱ. እኔ ወደ መሳሪያው አንድ አነስተኛ ችግር ማግኘት, እኔ ለማየት የሚፈልጉት ነበር. የካርታ ሙሉ ክልል ቀለም መጠን ያደርጋል. Fabric capacity Utilization had spiked to 350 %, and I was completely taken aback. የዳስቦርድ ተለዋዋዋጭ ተለዋዋጭ ተለዋዋጭ ተለዋዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ ተለዋጭ The day had just started, and we were already in firefighting mode. Tracing the Problem የእኛን የመጀመሪያው ደረጃ በይፋ መግዛት የ አጠቃቀም ካርታዎች ከፍተኛው አጠቃቀም ያደርጋል, ምክንያቱም አንድ work space computing ዩኒት ከሁሉም ጊዜ ከፍተኛው አጠቃቀም አቅም ያደርጋል. Fabric Capacity Metrics dashboard አግኝቷል, አግኝቷል one dataset consuming over 10× more compute than every other model combined. ይህ የተለያዩ ገጽታ እና መደበኛ ጽሑፎች ለመፍጠር እንችላለን, ይህም ሁሉም ዝርዝር የሽያጭ ክፍል አፈጻጸም መረጃ ይሰጣል. እኛ በ BI Center of Excellence for enterprise reporting ነው. ነገር ግን, የእኛ ኩባንያ አንድ የግል-የሽያጭ analytics ሞዴል ይከተል, እያንዳንዱ ሰው ይህን ውሂብ ስብስቦች በመጠቀም ውሂብ ለመፍጠር እና ማሸነፍ ይችላሉ. ይህ ተስማሚነት ጠንካራ ነው, ነገር ግን በየቀኑ ፍላጎት መቆጣጠሪያ እና መቆጣጠሪያ ይቻላል. This was a critical dataset 20 million-row semantic model The operations followed their typical pattern until that specific week. So what changed? የኮምፒውተር መተግበሪያዎች እና የኮምፒውተር መተግበሪያዎች እና የኮምፒውተር የኮምፒውተር መተግበሪያዎች እና የኮምፒውተር የኮምፒውተር መተግበሪያዎች እና የኮምፒውተር የኮምፒውተር መተግበሪያዎች እና የኮምፒውተር የኮምፒውተር መተግበሪያዎች እና የኮምፒውተር የኮምፒውተር መተግበሪያዎች እና የኮምፒውተር የኮምፒውተር መተግበሪያዎች እና የኮምፒውተር የኮምፒውተር መተግበሪያዎች እና የኮምፒውተር መተግበሪያዎች በኮምፒውተር መተግበሪያዎች እና የኮምፒውተር መተግበሪያዎች በኮ እባክዎን ለማረጋገጥ, እነዚህ መረጃዎች አንድ ቀናት ለረጅም ሰዓታት ይሸፍናል. ስርዓት ይሰራል at its peak capacity since the beginning of its operation. We had our culprit. The Discovery: XMLA Read Operations The Discovery: XMLA አግኙን አጠቃቀም የኮርፖሬሽኖች ዝርዝር ተመልካች ጊዜ, አንድ ሜትሪክስ የሚመሠረተ ነበር: XMLA Read Operations. That was puzzling. The native Power BI feature Paginated Reports operated as external connections. 
 
 
 የ Microsoft መገለጫው መልስ ይሰጣል: የ XMLA Endpoint በ Power BI Premium datasets ላይ መግቢያ / መግቢያ ትራንስፖርት ያደርጋል, ይህም ከባድ መሣሪያዎች እና APIs መውሰድ እና ውሂብ ሞዴሎች ለመቆጣጠር ያደርጋል. Microsoft’s own documentation gives the answer: የ XMLA Endpoint በ Power BI Premium datasets ላይ መግቢያ / መግቢያ ትራንስፖርት ያደርጋል, ይህም ከባድ መሣሪያዎች እና APIs መውሰድ እና ውሂብ ሞዴሎች ለመቆጣጠር ያደርጋል. የ XMLA Endpoint በ Paginated Reports በተመሳሳይ መንገድ የሲሜንቲክ ሞዴሎች መጠቀም ይቻላል. በ DAX ማረፊያ መተግበሪያው ከሌሎች ገጾች በማስተዋወቂያ እና ውሂብ መተግበሪያዎች ከ Direct DAX Batch Execution ያገኛል. Excel, DAX Studio or any external system 
 
 
 በ SQLBI ያውቃል: የ Pageined Reports ከፍተኛ ጥያቄዎች ተመሳሳይነት ያደርጋል, ምክንያቱም እያንዳንዱ rendered ገጽ እያንዳንዱ የ DAX ጥያቄ ክፍሎች ይሰራል. As SQLBI notes: የ Pageined Reports ከፍተኛ ጥያቄዎች ተመሳሳይነት ያደርጋል, ምክንያቱም እያንዳንዱ rendered ገጽ እያንዳንዱ የ DAX ጥያቄ ክፍሎች ይሰራል. እያንዳንዱ የሽያጭ ተጠቃሚ መተግበሪያ ሪፖርቶች በርካታ XMLA ሰከንዶች ለመፍጠር ነበር - እያንዳንዱ አንድ ጠንካራ, ሙሉ አግኝቷል. የ በይፋ የኮምፒውተር ስርዓቶች ውስጥ የተመሠረተ የኮምፒውተር ስርዓቶች. standard Monday printing operation Evaluating the Fixes የ Fixes አጠቃቀም የተለያዩ መፍትሔዎችን ለመሞከር መጀመር በፊት ከባድ ምንጭ መውሰድ አላቸው. 
 
 
 
 
 
 
 
 
 
 
 Option 
 Description 
 Outcome 
 
 
 
 
 Keep Live to BigQuery 
 Maintain DirectQuery to BigQuery to avoid imported semantic model. 
 ❌ Too costly; XMLA reads still consume Fabric compute. 
 
 
 
 
 Fabric-Ingested Tables 
 Ingest data into Fabric and use a DirectQuery in the semantic model. 
 ⚠️ Minor improvement but XMLA concurrency remained. 
 
 
 
 
 SQL Endpoint with OLE DB 
 Connect paginated reports directly to SQL endpoint. 
 ⚠️ Technically possible but complex; lost relationships and added IT overhead. 
 
 
 
 
 Lean Semantic Model (Chosen) 
 Create a simplified model with only necessary granularity and metrics. 
 ✅ Massive reduction in compute usage and stable performance. በ BigQuery ላይ ይጎብኙ በ DirectQuery ወደ BigQuery ለመጠበቅ ወደ imported semantic ሞዴል. የ XMLA መተግበሪያዎች ደግሞ Fabric ኮምፒውተር ይጠቀማሉ. የፕላስቲክ ጫማዎች በ Fabric ውስጥ ውሂብ ያግኙ እና በ Semantic ሞዴል ውስጥ DirectQuery ይጠቀሙ. ⚠️ አነስተኛ የተሻሻለው ነገር ግን XMLA ተኳሃኝ ነበሩ. የ SQL Endpoint ጋር OLE DB በ SQL Endpoint ላይ የተመሠረተ ጽሑፎች ያግኙ. ⚠️ ቴክኒካዊ ሊሆን ይችላል ነገር ግን በጣም ተስማሚ; አነስተኛ ግንኙነት እና IT አጠቃቀም. የ Lean Semantic ሞዴል (ወደ) አንድ ቀላል ሞዴል ለመፍጠር, ብቻ አስፈላጊ granularity እና metrics ጋር. ✅ የኮምፒውተር አጠቃቀም እና የተረጋጋ አፈጻጸም በጣም ዝቅተኛ ነው. The Fix That Worked የክፍያ የተሰራ የቴክኖሎጂ ባለሙያዎች የተገነባው የተወሰነ ቅርጸት ሞዴል በገጽ ላይ የተመሠረተ መረጃዎችን ያካትታል. only required granularity and metrics. ከሁለት ቀናት በኋላ, እርስዎ መጨረሻው ታሪክ ያውቃል. Peak utilization fell from 350 % to under 80% ይህ ስርዓት ከ 100 በላይ ተጠቃሚዎች ወደ ስርዓት መግዛት ጊዜ ምንም ችግሮች ጋር ይሰራል. Interactive dashboards remained fast and stable. የ Fabric metrics dashboard ይህ ኮምፒውተር ይሰጣል had been declining at a steady rate. የ leaner ሞዴል ቀላል ንድፍ መዋቅር በኩል መቆጣጠሪያ ያደርጋል. Why XMLA Read Operations Matter Why XMLA Read Operations Matter (ኤክስኤምኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስኤስ) በይነገጽ ላይ የተመሠረተ ጽሑፎች በይነገጽ ጽሑፎች ከይነገጽ ጽሑፎች ከሌሎች የኬሚካል ሜካኒካል ላይ የተመሠረተ ናቸው, እና XMLA በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ በይነገጽ ላይ ይመልከቱ. በ Excel, Paginated Reports ወይም ብጁ ስክሪፕቶች ጋር ለመገናኘት XMLA ይጠቀማሉ ማንኛውም መሣሪያ ለሁሉም ጥያቄዎች አቅም ከ interactive compute units (CUs) ይጠቀማል. 
 
 
 የ TDWI ምርምር ያውቃል: የኃይል አቅርቦት ትክክለኛነት ዋናው ምክንያት የፕላስቲክ ሞዴሎች ናቸው, እነርሱም ውሂብ መጠን ላይ የተመሠረተ helyett ተመሳሳይ ጥያቄ መተግበሪያዎችን ይመልከቱ. As TDWI research notes: የኃይል አቅርቦት ትክክለኛነት ዋናው ምክንያት የፕላስቲክ ሞዴሎች ናቸው, እነርሱም ውሂብ መጠን ላይ የተመሠረተ helyett ተመሳሳይ ጥያቄ መተግበሪያዎችን ይመልከቱ. ስርዓት በተመሳሳይ ጊዜ በርካታ ጥያቄዎችን በመተግበሪያ ነው, ይህም የእኛን ውሂብ መጠን ላይ ማንኛውም ልምድ አይሆንም. ለንግድ BI ቡድን, ይህ አፈጻጸም ማረፊያ እንደ ሞዴል መጠን እንደ ተጠቃሚ ፍላጎት ነው. ተመሳሳይ ጥያቄዎች ለመጠበቅ: 
 
 
 
 Segment workloads: ስርዓት በይነገጽ ተግባራት እና በይነገጽ ተግባራት ለሁለት ልዩ ሞዴሎች ያስፈልጋል. የ XMLA አጠቃቀም ማረጋገጫ: Fabric በመጀመሪያው አጠቃቀም ደረጃ ማረጋገጫዎች በመጠቀም በመጀመሪያ ጊዜ አጠቃቀም ችግሮች ማወቅ ይችላሉ. አጠቃቀም አቅም ስኬል: ስርዓቱ የተመሠረተ ጠንካራ አጠቃቀም ጊዜዎች ውስጥ ዝቅተኛ እና ከፍተኛ መካከል የ SKU ሲንክሮኒካሽን ይጠቀማል. What We Learned አግኝቷል ነገር የ Paginated Reports አፈጻጸም በከፍተኛ የስርዓት ሁኔታዎች ውስጥ በመጠቀም ጊዜ ይደሰቱ. Dashboards aren’t the main compute consumers. የ XMLA ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች ለሁሉም ክፍሎች. 
 
 
 
 
 
 
 አነስተኛ ሞዴል ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ነው. የ Fabric Metrics መተግበሪያው ከባድ ግምገማዎችን በባድ ግምገማዎች ላይ የተመሠረተ ግምገማዎችን ለማረጋገጥ የሚፈልጉት, ነገር ግን ከባድ ግምገማዎችን በባድ ግምገማዎች ላይ የተመሠረተ ነው. አስተዳዳሪነት ውጤታማነት ጋር ተመሳሳይ ነው: ኩባንያው የተወሰነ መመሪያዎችን ለመፍጠር ያስፈልጋል, ይህም ቡድን ሰራተኞች የጋራ ሞዴሎች ማግኘት ይችላሉ. የኦሪጂናል አገልግሎቶች ቁጥጥር ያስፈልጋቸዋል: ቡድንዎች በይነገጽ ለመፍጠር ትክክለኛ ችሎታ ያገኛሉ, ነገር ግን የእርስዎን እንቅስቃሴዎችን ለመከታተል እና የተመሠረተ የቤትነት መስፈርቶች ለማረጋገጥ ስርዓቶች ያስፈልጋቸዋል. Caching በዩናይትድ ስቴትስ ውስጥ የ interactive reports caching behavior የተለያዩ ነው, ስለዚህ የዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩናይትድ ስቴትስ በዩ መከላከያ ከታች መግዛት ከባድ ነው: ሁሉም አዲስ ውሂብ መተግበሪያዎች አሁን የ Workload Segmentation እና XMLA Monitoring እንደ መደበኛ ባህሪያት ያካትታል. አብዛኞቹ ፎቶ የምስክር ወረቀት ችግር በርካታ ሞዴሎች ላይ ተጽዕኖ ነበር, ምክንያቱም ሁለቱም መሐንዲት ዲዛይን እና አስተዳደር ስርዓቶች ንጹህ ክወና ያስፈልጋል. የ Retail BI ክወናዎች በሽያጭ ሞዴሎች ላይ የተመሠረተ ናቸው, ምክንያቱም የ pricing, staffing, fulfillment, and sales operations decision-making ለማግኘት በእውነተኛ ጊዜ ውሂብ ያስፈልጋል. 
 
 
 የ MIT Sloan Management Review ያውቃል: የቴክኖሎጂ ባለሙያዎች ሌሎች ባለሙያዎችን ከባድ አይደለም, ነገር ግን ውሂብ እንዴት ይጠቀማል. As MIT Sloan Management Review writes: የቴክኖሎጂ ባለሙያዎች ሌሎች ባለሙያዎችን ከባድ አይደለም, ነገር ግን ውሂብ እንዴት ይጠቀማል. የእኛን ስርዓቶች በባህር እና የቤትነት መቆጣጠሪያ ለማግኘት የተመሠረተ ነው, ይህም በባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባህር-ባ እርስዎ ደህንነቱ የተጠበቀ መቆጣጠሪያ ድጋፍ ያስፈልጋል. The main focus of BI goes beyond fast data delivery አግኙን thoughts ከሁለት ቀናት ውስጥ የተወሰነ ጥቅሞች በአሁኑ ጊዜ የተወሰነ ጥቅሞች ሊሆን ይችላል. ስርዓት ችሎታ ፍለጋዎች እውነተኛ ምክንያት ስርዓት ተግባራት በተመለከተ ቁጥጥር አይችልም የንድፍ አማራጮች ናቸው. Dashboards visualize data. Paginated reports distribute it. But BI engineers govern how it all holds together. የኮምፒውተር ፒክ አንድ መፍትሔ ያገኛል, ነገር ግን የእኛ ቡድን Fabric, XMLA እና አስተዳደር ስርዓቶች መካከል አስፈላጊ አገናኝ ያውቃል. Next time, when 300 stores print again, we’ll be ready. ስለ መጻፍ Rupesh Ghosh በዩኒቨርሲቲ ካምበርላንድ ውስጥ የንግድ ውስጥ የ Executive PhD መተግበሪያ አጠቃላይ ዊን እና ተጨማሪ ውስጥ የንግድ ኢንጂነሪንግ ዋና ኢንጂነሪንግ መሐንዲሶች ሆኖ ይሰራል. የእሱ ምርምር ፍላጎቶች በ Data Governance, Decision Intelligence, Project Management እና cost-effective BI analytics ያካትታል.

The writer was physically present in relevant location(s) to this story. The location is also a prevalent aspect of this story be it news or otherwise.

This story contains new, firsthand information uncovered by the writer.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

ይህ ኦዲዮ የተዘጋጀው በታሪኩ የመጀመሪያ ቋንቋ ነው!

የ 300 መኪናዎች አንድ ጊዜ ማተም ጊዜ: በ Power BI Fabric ውስጥ የ 350% Compute Spike ማተም

About Author

አስተያየቶች

ተንጠልጣይ መለያዎች

ይህ ጽሑፍ ቀርቧል

Related Stories

THE HARMAS

The relation of love to pain is one of the most difficult problems

HackerNoon & The Wild West of Startups

Report Week #28

THE HARMAS

The relation of love to pain is one of the most difficult problems

HackerNoon & The Wild West of Startups

Report Week #28

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps