Pengoptimuman Kuasa Pertanyaan: Mengurangkan Nombor Perpuluhan

Dalam tutorial ini, anda akan mempelajari teknik pengoptimuman Power Query untuk mengurangkan penggunaan RAM. Secara khusus, anda akan belajar cara mengurangkan nombor yang disimpan selepas tempat perpuluhan . Ini berguna jika anda berurusan dengan lajur yang disimpan dalam format nombor perpuluhan.

Dalam contoh ini, anda boleh melihat bahawa Harga Bersih menggunakan 11MB RAM manakala Jumlah Kos, Kos Unit dan Harga Unit menggunakan 8MB setiap satu.

Apabila anda pergi ke Power Query dan klik pilihan penapis lajur Harga Bersih, anda boleh melihat bahawa lajur itu menyimpan nilai sehingga tiga tempat perpuluhan.

Ini boleh menyebabkan masalah prestasi . Jika berbilang digit disimpan sebagai nombor perpuluhan, kamus akan mengandungi lebih banyak nilai unik. Ini akan menyebabkan VertiPaq mencipta struktur storan yang besar untuk kamus.

Oleh itu, adalah disyorkan untuk mengoptimumkan lajur ini.

Isi kandungan

• Pengoptimuman Kuasa Pertanyaan Untuk Lajur
  • Semak Penggunaan RAM
• Kesimpulan

Pengoptimuman Kuasa Pertanyaan Untuk Lajur

Sebaik-baiknya, anda ingin menyimpan nilai sehingga dua tempat perpuluhan. Klik kanan pada lajur yang ingin dioptimumkan. Klik Transform > Round > Round .

Kemudian, tetapkan Tempat Perpuluhan kepada 2 dan klik Okay.

Cara cepat untuk mengubah semua lajur sekali gus adalah dengan menyerlahkannya dan kemudian mengikuti langkah yang sama.

Ini menggunakan format nombor perpuluhan pada semua lajur menggunakan satu langkah. Setelah selesai, simpan kerja anda.

Semak Penggunaan RAM

Untuk menyemak jumlah RAM yang telah dikurangkan, buka DAX Studio . Pergi ke tab Lanjutan dan klik Lihat Metrik .

Dengan membandingkan yang asal dengan lajur yang dioptimumkan, anda boleh melihat pengurangan dalam Saiz Lajur dan Saiz Kamus.

Untuk contoh ini, nampaknya perbezaan dalam kilobait tidak bermakna pengurangan yang baik dalam ruang RAM. Walau bagaimanapun, jika anda berurusan dengan nilai yang lebih berbeza seperti nombor dengan tujuh tempat perpuluhan, penjimatan dalam RAM adalah hebat.

Anda juga boleh melihat bahawa untuk lajur Harga Unit, kardinaliti tidak berubah tetapi terdapat pengurangan ketara dalam saiz lajur.

Apabila anda mengurangkan butiran atau membuat perubahan pada model data dalam lajur, anda memperkenalkan susunan isihan baharu dalam Perkhidmatan Analisis. Ini sama ada boleh menambah atau mengurangkan saiz model data.

Walaupun bilangan nilai berbeza tidak berubah, Perkhidmatan Analisis mungkin telah menemui susunan isihan yang lebih baik yang mengurangkan saiz lajur.

Teknik pengoptimuman ini amat membantu jika anda menyimpan lajur Tarikh/Masa. Ini mungkin menyimpan nilai sehingga milisaat.

Apabila anda mengurangkan kardinaliti setiap nilai kepada satu saat, ini mengurangkan nilai unik dalam Kamus.

Transformasi LuckyTemplates Mudah Untuk Data Lebih Dioptimumkan
Optimumkan Formula LuckyTemplates Menggunakan
Enjin Storan DAX Termaju – Peranannya Dalam Mengoptimumkan Pertanyaan DAX Dalam LuckyTemplates

Kesimpulan

Jika anda bekerja dengan model jadual, fokus pada mengurangkan kardinaliti lajur.

Kardinaliti ialah faktor penentu pada jumlah RAM yang akan digunakan oleh model data. Ia juga memberitahu anda berapa lama masa yang diperlukan untuk mengimbas lajur tertentu apabila anda melaksanakan kod anda.

Mengoptimumkan pertanyaan DAX anda adalah penting dalam mengekalkan laporan LuckyTemplates yang baik. Ia bukan sahaja memastikan kerja anda berfungsi dengan baik, tetapi ia juga mengurangkan tekanan pada mesin anda.