Power BI

VertiPaq Storage Engine บนสภาพแวดล้อมแบบมัลติเธรด

ในบทช่วยสอนนี้ คุณจะได้เรียนรู้เกี่ยวกับการแบ่งส่วนใน VertiPaq Storage Engine คุณจะเข้าใจว่ามันทำงานอย่างไรและมีผลอย่างไรกับข้อมูลของคุณ

ในบทช่วยสอนนี้ คุณจะได้เรียนรู้เกี่ยวกับการแบ่งส่วนในเครื่องมือจัดเก็บข้อมูล VertiPaq

การแบ่งกลุ่มช่วยให้คุณลดประสิทธิภาพการทำงานที่อาจส่งผลกระทบต่อรายงานของคุณ และสร้างผลลัพธ์ได้อย่างรวดเร็ว บทช่วยสอนนี้จะช่วยให้คุณเข้าใจวิธีการทำงานและช่วยให้การคำนวณ DAX ของคุณ ทำงานได้ดี

VertiPaq ยังมีความสามารถในการทำงานในสภาพแวดล้อมแบบมัลติเธรดผ่านการแบ่งส่วน 

สารบัญ

การแบ่งกลุ่มใน VertiPaq Storage Engine

การแบ่งกลุ่มจะนำตารางขนาดใหญ่ของคุณมาแบ่งออกเป็นส่วนย่อยๆ ทุกเซกเมนต์ต้องมีอย่างน้อย 1 ล้านแถว

เมื่อคุณทำเช่นนี้ VertiPaq จะสแกนบล็อกตารางของคุณทีละรายการ

การบีบอัดเกิดขึ้นต่อส่วน ทำให้การทำงานเร็วขึ้นและราบรื่นขึ้น

VertiPaq  สามารถใช้ได้มากกว่าหนึ่งคอร์ต่อเซ็กเมนต์ซึ่งแตกต่างจากเครื่องมือสูตรที่ใช้เพียงเธรดเดียวในแต่ละครั้ง

การแบ่ง���ลุ่มทำงานในสี่ขั้นตอน:

VertiPaq Storage Engine บนสภาพแวดล้อมแบบมัลติเธรด

หากคุณมีตารางข้อเท็จจริงสี่ล้านแถว VertiPaq จะแบ่งตารางข้อมูลออกเป็นสี่ส่วน 1 ล้านตาราง โดยจะบีบอัดส่วนที่ 1 และในขณะเดียวกันก็จะอ่านและเข้ารหัสส่วนที่ 2 กระบวนการนี้แสดงตัวอย่างที่สมบูรณ์แบบของสภาพแวดล้อมแบบมัลติเธรดภายใน VertiPaq ขั้นตอนสุดท้ายสร้างคอลัมน์จากการคำนวณและความสัมพันธ์

คุณต้องจำไว้ว่าคอลัมน์จากการคำนวณจะถูกบีบอัด โดยจะสร้างขึ้นหลังจากที่ส่วนอื่นๆ ถูกบีบอัด

นี่คือตัวอย่างของการแบ่งส่วนฐานข้อมูล:

VertiPaq Storage Engine บนสภาพแวดล้อมแบบมัลติเธรด

มี ตาราง FactSales  ที่มี 3.4 ล้านแถว

เนื่องจากมีค่าเริ่มต้น 1 ล้านแถวต่อเซ็กเมนต์ คุณจะได้รับ 1 ล้านแถวสามแถวและ 1 แถวสำหรับค่าที่เหลือ ตอนนี้คุณมีทั้งหมด 4 กลุ่ม

หากคุณมีกลุ่มมากเกินไป ประสิทธิภาพของ DAX ของคุณจะช้าลง ดังนั้นจึงเป็นการดีที่สุดที่จะมีกลุ่มที่ใหญ่ขึ้น

บทสรุป

การแบ่งกลุ่มในเครื่องมือจัดเก็บข้อมูล VertiPaq ช่วยปรับปรุง DAX ของคุณ หากคุณมีปัญหาด้านประสิทธิภาพกับ DAX อาจเป็นเพราะวิธีการแบ่งกลุ่มข้อมูลของคุณ

การทำความเข้าใจว่าการแบ่งกลุ่มทำงานอย่างไรในรายงานของคุณจะช่วยให้คุณมีความคิดที่ดีขึ้นเกี่ยวกับวิธีการเพิ่มและใช้ข้อมูลของคุณเพื่อให้ได้ผลลัพธ์ที่คาดหวัง


เทคนิคการแบ่งส่วนลูกค้าโดยใช้แบบจำลองข้อมูล – LuckyTemplates & DAX
Budgeting การแบ่งส่วนประสิทธิภาพโดยใช้ DAX ใน LuckyTemplates
เทคนิคการแบ่งส่วนข้อมูลตามการวัดใดๆ – DAX ขั้นสูง








More in Power BI