파워 쿼리 최적화: 십진수 줄이기

이 자습서에서는 RAM 사용량을 줄이는 파워 쿼리 최적화 기술을 배웁니다 . 특히 소수점 이하 자릿수 뒤에 저장된 숫자를 줄이는 방법을 배웁니다 . 이는 10진수 형식으로 저장된 열을 처리하는 경우에 유용합니다.

이 예에서 Net Price는 11MB의 RAM을 사용하는 반면 Total Cost, Unit Cost 및 Unit Price는 각각 8MB를 사용하고 있음을 알 수 있습니다.

파워 쿼리 로 이동하여 Net Price 열의 필터 옵션을 클릭하면 열에 소수점 세 자리까지의 값이 저장되는 것을 볼 수 있습니다.

이로 인해 성능 문제가 발생할 수 있습니다 . 여러 자리가 10진수로 저장되면 사전에 더 많은 고유 값이 포함됩니다. 이렇게 하면 VertiPaq이 사전에 대한 거대한 저장 구조를 생성하게 됩니다.

따라서 이러한 열을 최적화하는 것이 좋습니다.

목차

• 열에 대한 파워 쿼리 최적화
  • RAM 사용량 확인
• 결론

열에 대한 파워 쿼리 최적화

이상적으로는 소수점 이하 두 자리까지 값을 저장하려고 합니다. 최적화하려는 열을 마우스 오른쪽 버튼으로 클릭합니다. 변형 > 원형 > 원형을 클릭합니다 .

그런 다음 소수 자릿수를 2 로 설정 하고 확인을 클릭합니다.

한 번에 모든 열을 변환하는 빠른 방법은 열을 강조 표시한 다음 동일한 단계를 수행하는 것입니다.

이것은 단일 단계를 사용하여 모든 열에 십진수 형식을 적용합니다. 완료되면 작업을 저장합니다.

RAM 사용량 확인

RAM이 얼마나 줄었는지 확인하려면 DAX Studio를 엽니다 . 고급 탭으로 이동하여 메트릭 보기 를 클릭합니다 .

원본을 최적화된 열과 비교하면 열 크기 및 사전 크기가 줄어드는 것을 확인할 수 있습니다.

이 예에서는 킬로바이트의 차이가 RAM 공간의 좋은 감소에 해당하지 않는 것으로 나타납니다. 그러나 소수점 이하 7자리가 있는 숫자와 같이 더 뚜렷한 값을 처리하는 경우 RAM을 크게 절약할 수 있습니다.

또한 단가 열의 경우 카디널리티는 변경되지 않지만 열 크기가 크게 줄어드는 것을 알 수 있습니다.

세분성을 줄이거 나 열의 데이터 모델을 변경하면 Analysis Services에 새로운 정렬 순서가 도입됩니다. 이것은 데이터 모델 크기를 늘리거나 줄일 수 있습니다.

고유 값의 수가 변경되지 않은 경우에도 Analysis Services는 열 크기를 줄이는 더 나은 정렬 순서를 찾았을 수 있습니다.

이 최적화 기술은 날짜/시간 열을 저장하는 경우 특히 유용합니다. 이것은 최대 밀리초까지 값을 저장할 수 있습니다.

각 값의 카디널리티를 초로 줄이면 사전의 고유 값이 줄어듭니다.

보다 최적화된 데이터를 위한 간단한 LuckyTemplates 변환
고급 DAX 스토리지 엔진을 사용하여 LuckyTemplates 공식 최적화
- LuckyTemplates에서 DAX 쿼리 최적화의 역할

결론

테이블 형식 모델로 작업하는 경우 열의 카디널리티를 줄이는 데 중점을 둡니다.

카디널리티는 데이터 모델이 사용할 RAM 양을 결정하는 요소입니다. 또한 코드를 실행할 때 특정 열을 스캔하는 데 걸리는 시간도 알려줍니다.

DAX 쿼리를 최적화하는 것은 좋은 LuckyTemplates 보고서를 유지 관리하는 데 중요합니다. 작업이 잘 수행되도록 할 뿐만 아니라 기계의 부담도 줄여줍니다.