Riassunto
In questo modulo sono state esaminate le modifiche apportate quando i modelli semantici devono gestire set di dati più grandi, più utenti simultanei e modelli di consumo più ampi in Microsoft Fabric. La sfida è stata chiara: i modelli creati per i team di piccole dimensioni in Power BI Desktop non gestiscono automaticamente ciò che viene fornito con la scalabilità.
Si è appreso come prendere quattro decisioni di progettazione critiche. In primo luogo, è stato scelto Direct Lake come modalità di archiviazione predefinita e si è compreso quando importa, DirectQuery o modelli compositi sono la scelta migliore. Si sono quindi progettate relazioni con schema a stella per chiarezza e prestazioni, includendo integrità referenziale, relazioni inattive e connessioni tra origini. Successivamente, sono stati progettati calcoli scalabili usando gruppi di calcolo per ridurre la proliferazione, le variabili e le convenzioni di denominazione per supportare la gestibilità del team e le aggregazioni per gestire volumi di dati di grandi dimensioni. Infine, sono state configurate le impostazioni che controllano il modo in cui il modello gestisce set di dati di grandi dimensioni, query simultanee e accesso agli strumenti esterni.
Insieme, queste decisioni preparano un modello semantico per la scalabilità. Lo preparano anche per il consumo di intelligenza artificiale, perché l'intelligenza artificiale richiede gli stessi elementi di un modello che esegue la scalabilità: dati correnti, relazioni chiare, strutture descrittive e capacità.