描述语义模型优化技术

作为一名数据分析师，您将花费大约 90% 的时间处理数据，并且大多数情况下，性能不佳的直接原因是语义模型设计不当、Data Analysis Expressions (DAX) 计算效率低下，或者两者兼而有之。 为提高性能而设计语义模型的流程可能很繁琐，而且经常被低估。

但是，如果您在开发过程中解决性能问题，您将拥有一个强大的语义模型，该模型将提供更好的报告性能和更积极的总体用户体验。 最终，您还能够保持优化的性能。 随着组织的发展，其数据大小会增加，其语义模型也会变得更加复杂。 通过及早优化语义模型，您可以减轻这种增长可能对语义模型的性能产生的负面影响。

缩小大小的语义模型使用更少的资源（内存），并实现更快的数据刷新、计算和报表中的视觉对象呈现。 因此，性能优化流程涉及最小化语义模型的大小以及最有效地利用模型中的数据。 您的设计决策应：

• 确保使用正确的数据类型。
• 删除不需要的列和行。
• 避免重复值。
• 将数值列显示为度量值。
• 减少列基数。
• 分析模型元数据。
• 尽可能汇总数据。

例如，假设您是 Tailwind Traders 的一名 Power BI 开发人员。 您的任务是审查几年前由另一位开发人员（现已离开组织）创建的语义模型。

语义模型生成的报表已收到用户的负面反馈。 用户对他们在报表中看到的结果感到满意，但对于报表性能不满意。 在报表中加载页面花费的时间太长，并且应用新筛选器时，表的更新速度不够快。 除了此反馈之外，IT 团队还强调此特定语义模型的文件大小太大，这会造成容量资源压力。

您需要审查语义模型，以确定性能问题的根本原因并进行更改以优化性能。