Otimização do modelo de dados do LuckyTemplates com VertiPaq

Neste tutorial, você aprenderá a usar o VertiPaq Analyzer no DAX Studio para otimizar seu modelo de dados no LuckyTemplates.

O VertiPaq Analyzer é uma ferramenta integrada no DAX Studio que extrai informações significativas sobre modelos tabulares do ponto de vista da otimização.

Para iniciar o VertiPaq Analyzer, vá para a guia Avançado no DAX Studio. Em seguida, clique na opção Exibir Métricas .

Isso abrirá um novo painel na parte inferior. O painel Métricas do VertiPaq Analyzer contém uma lista de todas as Tabelas em seu modelo tabular.

Cada coluna fornece informações significativas sobre seu modelo de dados, como:

• Cardinalidade – mostra o número de linhas em uma tabela.
• Tamanho da tabela – mostra o tamanho da tabela em kilobytes (KB).
• Tamanho da coluna – mostra o tamanho de uma coluna em kilobytes (KB).
• Tamanho da hierarquia – é usado principalmente para fins de MDX.
• Codificação – pertence à codificação de valor e à codificação de dicionário.
• Tipo de dados – o tipo de dados de uma coluna, como texto, número ou data.
• Rel Size – mostra a memória consumida devido ao relacionamento entre duas tabelas.
• % DB – mostra a quantidade de RAM consumida por uma tabela em relação a todo o modelo de dados.

Índice

• Métricas do VertiPaq Analyzer de um modelo de dados no LuckyTemplates
  • Codificação do dicionário, porcentagens de armazenamento e tamanho da hierarquia do usuário
• Violações de RI de um modelo de dados no LuckyTemplates
• Guia Resumo no VertiPaq Analyzer
• Conclusão

Métricas do VertiPaq Analyzer de um modelo de dados no LuckyTemplates

Você pode usar essas diferentes métricas ao analisar as tabelas em seu modelo de dados . Neste exemplo, você notará que a tabela Sales consome a maior quantidade de %DB.

Role até a coluna mais à esquerda da tabela no VertiPaq Analyzer. Ao clicar em uma tabela, você poderá detalhar as informações de suas colunas.

Isso permite identificar as colunas necessárias para fins analíticos. Você também pode optar por remover colunas desnecessárias do seu modelo de dados. Isso economiza RAM e otimiza os cálculos que você está realizando.

Por exemplo, a coluna Online Sales Key consome um total de 83 MB de RAM. Se esta coluna não for útil para seus relatórios, você pode removê-la para liberar espaço de armazenamento.

Na seção Codificação, você pode ver que a Codificação de Valor é aplicada à coluna Chave de Vendas Online. Não adianta aplicar uma Codificação de Dicionário porque esta coluna contém apenas valores únicos. O índice armazenado ainda será igual ao seu valor.

Isso não será útil ao compactar a coluna, portanto, o Analysis Services ignora a codificação do dicionário. É por isso que a seção Dicionário consome apenas 120 KB.

Codificação do dicionário, porcentagens de armazenamento e tamanho da hierarquia do usuário

Em retrospectiva, se você observar a coluna Número do pedido de vendas, verá que a seção Dicionário está consumindo mais espaço de armazenamento do que a seção Dados.

A seção Dados armazena o valor do índice ou ponteiro para cada linha na coluna. Como a coluna Sales Order Number está armazenando a maior parte de seus dados na forma de índices, toda a pressão é consumida pelo Dicionário.

O Tamanho da Coluna mostra a soma das seções Dados, Dicionário e Hierarquia. Na seção Data Type, a coluna Sales Order Number é armazenada como uma string, portanto, a Codificação do Dicionário é usada.

Em seguida, se você rolar para a parte mais à direita do VertiPaq Analyzer, poderá ver os dados das porcentagens.

A tabela % mostra a quantidade de espaço consumido pela coluna em relação à tabela. Já o % DB mostra a quantidade de espaço consumido pela coluna em relação ao banco de dados inteiro.

Passando para a tabela Produtos, você pode ver que é a única com um valor para o Tamanho da Hierarquia do Usuário.

O tamanho da hierarquia do usuário mostra a quantidade de espaço consumido pelas hierarquias criadas no DAX Studio.

Violações de RI de um modelo de dados no LuckyTemplates

A guia Column do VertiPaq Analyzer permite visualizar seus dados em um formato de tabela-coluna.

Ele permite classificar por colunas, facilitando a identificação de qual coluna em todo o conjunto de dados consome mais RAM.

A guia Relacionamentos permite visualizar a causa raiz das violações de RI .

Se o seu código DAX contiver uma violação de RI, o VertiPaq Analyzer colocará um número 1 com uma fonte vermelha na seção de violações de RI. No entanto, se você expandir a tabela com a violação, não poderá ver o que está causando isso.

Essas informações podem ser encontradas na guia Relacionamentos.

Neste exemplo, a tabela Sales mostra que há 2.183 chaves ausentes entre a chave do produto da tabela Sales e a chave do produto da tabela Product. Isso resulta em 10 milhões de linhas inválidas na tabela Sales e 153 violações de amostra.

A página Relacionamentos no VertiPaq Analyzer permite identificar as chaves ausentes entre a tabela Fatos e a tabela Dimensão.

Você também pode verificar novamente essas informações usando o DAX.

Quando você executa o código, os resultados realmente mostram que 10 milhões de linhas têm valores de chave de produto em branco.

Guia Resumo no VertiPaq Analyzer

A guia Resumo mostra as informações gerais básicas de seu modelo de dados.

O Tamanho Total mostra a quantidade total de RAM que o modelo de dados está consumindo. A data de análise refere-se à última vez que você clicou na opção Exibir métricas no DAX Studio.

A compatibilidade refere-se à versão do Analysis Services usada no arquivo atual. Por fim, o servidor mostra o número da porta do host local usado pelo Analysis Services para se conectar ao DAX Studio.

Conclusão

O analisador VertiPaq é uma ferramenta de desempenho e análise incluída no Microsoft LuckyTemplates. Ele permite que você analise o modelo de dados de um relatório ou conjunto de dados do LuckyTemplates para entender como os dados são estruturados e como estão sendo usados.

O analisador VertiPaq fornece várias métricas que podem ajudá-lo a entender o desempenho e a eficiência do seu modelo de dados. Ao analisar essas métricas, você pode identificar possíveis problemas com seu modelo de dados, como tabelas grandes, baixa densidade de dados ou tipos de dados ineficientes, e tomar medidas para otimizar o modelo para um melhor desempenho.

Tudo de bom,