LuckyTemplates의 VertiPaq 엔진 – 사용법 및 모범 사례

이 자습서는 LuckyTemplates에서 VertiPaq 엔진을 사용할 때의 모범 사례에 관한 것입니다. DAX 계산을 보다 원활하게 수행 하기 위한 다양한 기술과 접근 방식을 배웁니다 .

데이터 모델과 관계를 활용하려면 계산 흐름을 이해할 수 있는 방식으로 설정해야 합니다.

목차

• 데이터 모델 설정
• 열의 카디널리티
• VertiPaq의 참조 무결성 위반
• VertiPaq 활용
• 파워 쿼리의 계산된 열
• 결론

데이터 모델 설정

VertiPaq에 가장 적합한 설정은 Star Schema 입니다 .

팩트 테이블은 모델의 중앙에 있고 차원  테이블은 모델 을 둘러싸고 있습니다.

차원 테이블의 필터가 팩트 테이블로 전송되는 것을 볼 수 있습니다. 이것은 두 테이블 간의 관계를 보여줍니다.

차원과 팩트 테이블 간의 관계는 정의 열의 카디널리티를 기반으로 합니다.

열의 카디널리티

카디널리티는 열의 고유한 값입니다.

DimSalesPeople 테이블에 100명의 영업 사원이 있는 경우 해당 열의 카디널리티는 100입니다  . 수천 개의 행이 있는 FactSales 테이블  에 피드가 제공됩니다  .

해당 열의 카디널리티는 FactSales 테이블 에 있는 판매원의 수와 같습니다  .

고유한 값이 많으면 성능 문제가 발생할 수 있습니다. 관계 간의 카디널리티가 중요하다는 것을 항상 기억하십시오.

VertiPaq의 참조 무결성 위반

참조 무결성 위반은 DAX에서 사용 가능한 모든 최적화를 제대로 활용하지 못할 수 있습니다. 팩트 테이블에는 값이 있지만 차원 테이블에는 없는 경우에 발생합니다  .

VertiPaq 활용

VertiPaq 활용에 대한 일반적인 모범 사례는 다음과 같습니다.

1. 열 가져오기

데이터베이스의 메모리를 줄이는 데만 필요한 열을 가져옵니다.

2. 고유 값 줄이기

카디널리티를 최대한 줄이십시오. 이렇게 하면 값 인코딩 과 같은 인코딩 방법이  더 잘 작동할 수 있습니다. Date Time  열과 같이 2개의 값이 있는 열을 Date 및 Time  열로 분할합니다.

3. 정밀도 감소

구현할 또 다른 모범 사례는 데이터의 정밀도를 줄이는 것입니다. 비즈니스 요구 사항이 허용하는 경우 정밀도를 줄이십시오.

4. 정수형으로 변환

텍스트 열을 정수로 변환하면 인코딩 속도가 빨라집니다. 값 인코딩은 사전 또는 해시 인코딩보다 빠릅니다. 따라서 텍스트 열을 정수로 변환합니다.

파워 쿼리의 계산된 열

계산된 열을 수행하는 가장 좋은 장소는 파워 쿼리 입니다 . 이렇게 하면 더 나은 압축과 더 빠른 새로 고침이 가능합니다.

이는 모든 계산된 열이 원본에서 수행되어야 한다는 의미는 아닙니다. 가장 적합한 장소를 찾아야 합니다.

계산된 열에 부분 또는 도우미 열을 저장하지 마세요. 성능 저하를 일으킬 가능성이 있습니다. 많은 단계를 하나의 열로 압축하는 것이 가장 좋습니다.

LuckyTemplates의 이 새로운 과정
측정으로 DAX 기능 최적화: 최적화 팁 및 기술
보다 최적화된 데이터를 위한 간단한 LuckyTemplates 변환

결론

LuckyTemplates에서 DAX를 최적화할 때는 VertiPaq이 답입니다. 스토리지 엔진을 개선하는 데 도움이 되는 방법과 사례가 있습니다.

방법을 이해하면 이 자습서를 활용할 수 있습니다. 이러한 방법을 사용하면 성능이 느린 DAX가 더 이상 문제가 되지 않습니다. 원하는 결과를 얻으려면 최대화하기만 하면 됩니다.