ตนเองคืออะไรใน Python: ตัวอย่างในโลกแห่งความเป็นจริง
ตนเองคืออะไรใน Python: ตัวอย่างในโลกแห่งความเป็นจริง
บทช่วยสอนนี้จะหารือเกี่ยวกับการทำให้เป็นจริงสำหรับแคชข้อมูลใน DAX Studio โพสต์นี้จะแสดงให้เห็นว่ามันส่งผลต่อการคำนวณของคุณอย่างไรในขณะที่สร้างผลลัพธ์ด้วยแบบสอบถามของคุณ คุณจะได้เรียนรู้ว่าการทำให้เป็นรูปธรรมใดดีกว่าเพื่อเพิ่มประสิทธิภาพการทำงานของ DAX ให้สูงสุด
แนวคิดของการทำให้เป็นจริงมีสองแนวคิด: การทำให้เป็นรูปธรรมในตอนต้นและการทำให้เป็นรูปธรรมในตอนปลาย
สารบัญ
การสร้างรูปธรรมในช่วงต้น
การทำให้เป็นรูปธรรมในช่วงต้นคือเมื่อจำนวนแถวที่เป็นรูปธรรมมากกว่าจำนวนแถวที่จำเป็นสำหรับเอาต์พุต
หากผลลัพธ์ของคุณเป็นตารางตามปีปฏิทินและคุณมีข้อมูลห้าปี ไม่จำเป็นต้องมีแถวที่เป็นรูปธรรมจำนวนมาก วิธีปฏิบัติที่ดีที่สุดคือการมีจำนวนแถวที่เป็นรูปธรรมเท่ากับจำนวนแถวที่ต้องการ อย่างไรก็ตาม อาจไม่เป็นเช่นนั้นเสมอไป เนื่องจากขึ้นอยู่กับความซับซ้อนของDAXและการตั้งค่าข้อมูล ของคุณ
โปรดจำไว้เสมอว่าข้อมูลประกอบด้วยคอลัมน์ ดังนั้นเมื่อกลไกจัดการสูตรจำเป็นต้องทำงานในตาราง คอลัมน์จะถูกนำกลับมารวมกันในรูปแบบตาราง ซึ่งก็คือการทำให้เป็นจริง ในแนวคิด Materialization ในยุคแรกๆ เอ็นจิ้นการจัดเก็บจะส่งแคชข้อมูลไปยังกลไกจัดการสูตร จากนั้นกลไกจัดการสูตรจะทำงานบนแคชนั้นและดำเนินกระบวนการที่ซับซ้อน
การทำให้เป็นรูปธรรมในช่วงต้นอาจเกิดจากการรวมที่ซับซ้อนหรือความสัมพันธ์แบบกลุ่มต่อกลุ่มในแบบจำลองข้อมูลของคุณ นอกจากนี้ยังอาจเกิดจากการมีตัวกรองหรือตัววนซ้ำที่ซับซ้อน
ไม่ผิดที่จะมีมาตรการที่ซับซ้อน คุณเพียงแค่ต้องตั้งค่าให้ถูกต้องเพื่อใช้ประโยชน์จากเครื่องมือจัดเก็บข้อมูลให้ได้มากที่สุด
การทำให้เป็นรูปเป็นร่างล่าช้า
การทำให้เป็นรูปธรรมล่าช้าคือเมื่อคุณมีจำนวนแถวที่เป็นรูปธรรมเท่ากับหรือใกล้เคียงกับจำนวนแถวที่จำเป็นสำหรับเอาต์พุตของคุณ
เอ็นจิ้นการจัดเก็บทำงานเกือบทั้งหมดโดยไม่เหลืออะไรเลยสำหรับเอ็นจิ้นสูตร ทำให้การคำนวณทั้งหมดเร็วขึ้น
นี่คือตัวอย่างข้อความค้นหาของการทำให้เป็นรูปธรรมในช่วงต้นและปลาย:
ก่อนที่คุณจะเรียกใช้แบบสอบถามเหล่านี้ ตรวจสอบให้แน่ใจว่าได้ล้างแคชแล้ว สิ่งนี้จะทำให้การสืบค้นของคุณทำงานกับแคชเย็น หากคุณเรียกใช้ DAX โดยไม่ล้างแคช คุณจะได้ผลลัพธ์ดังนี้:
เวลาดำเนินการทั้งหมดเพียง 1,861 มิลลิวินาที เนื่องจากใช้แคชไปแล้ว ดังนั้นควรล้างแคชของคุณก่อนที่จะเรียกใช้แบบสอบถาม
หากคุณเรียกใช้คิวรี Materialization ในช่วงเริ่มต้น คุณจะเห็นว่าเวลาทั้งหมดที่ใช้คือ 9485 มิลลิวินาที มันสร้างแคชข้อมูลหนึ่งแคชและเอาต์พุตหนึ่งแถว แต่ส่งคืน 25 ล้านแถว
คุณไม่จำเป็นต้องทำให้เป็นจริง 25 ล้านแถวเพื่อให้ได้ผลลัพธ์แบบหนึ่งแถว เนื่องจากต้องใช้เวลาและทำให้ประสิทธิภาพของ DAX ช้าลง
หากคุณเรียกใช้คิวรี Materialization ล่าช้า คุณจะเห็นว่าการคำนวณทั้งหมดใช้เวลาเพียง 1340 มิลลิวินาทีเท่านั้น นอกจากนี้ยังสร้างแคชข้อมูล 2 แคช โดยแต่ละแถวส่งคืน 5,003 แถว
หากคุณดูแผนการค้นหาจริง คุณจะเห็น 5,000 แถว มีจำนวนแถวไม่เท่ากัน บางครั้งผลลัพธ์ของเวลาเซิร์ฟเวอร์จะมีความคลาดเคลื่อนเล็กน้อยกับจำนวนแถวที่ถูกต้องในแผนการสืบค้น
จากการทำงานบนแคชข้อมูลหนึ่งแคชที่มี 25 ล้านแถว ตอนนี้คุณมีแคชข้อมูลสองแคชที่มี 5003 แถว นั่นเป็นเหตุผลที่การทำงานกับ Materialization ในภายหลังได้ผลลัพธ์ที่เร็วกว่าการทำ Materialization ในช่วงต้น
ภายในแบบสอบถาม Materialization แต่ละรายการ
เพียงแค่ดูที่ข้อความค้นหา คุณจะเห็นแล้วว่าการทำให้เป็นวัสดุในภายหลังนั้นเร็วกว่า คิวรี Materialization ช่วงต้นจะนับแถวของตารางสรุป
ตารางที่สรุปและเป็นรูปธรรมนั้นใหญ่กว่าการทำของในตาราง ซึ่งเป็นสิ่งที่คิวรีการทำให้เป็นวัสดุล่าช้ากำลังทำอยู่
หากข้อความค้นหาของคุณทำงานช้า ให้เริ่มด้วยการดูจำนวนแถวที่ถูกดึงในข้อความค้นหาของคุณ และจำนวนแถวที่จำเป็นสำหรับผลลัพธ์ คุณยังสามารถไปที่ Logical Query Plan และติดตามโฟลว์ของงานที่เกิดขึ้นภายในการคำนวณ
DAX Studio คืออะไรใน LuckyTemplates Desktop
บทช่วยสอน DAX: บริบท & เครื่องมือ
วัดการคำนวณใน LuckyTemplates: เคล็ดลับและเทคนิคการเพิ่มประสิทธิภาพ
บทสรุป
Materialization เกิดขึ้นเมื่อข้อความค้นหาของคุณดึงคอลัมน์หรือแถวจากแบบจำลองข้อมูลของคุณ กระบวนการนี้เกิดขึ้นตามธรรมชาติเมื่อเครื่องมือของคุณได้รับข้อมูลจากแบบจำลองข้อมูลของคุณ เพื่อจัดเตรียมผลลัพธ์สำหรับการสืบค้นของคุณ
อย่างไรก็ตาม ปัญหาอาจเกิดขึ้นหาก DAX ของคุณดึงแถวมากเกินไปกว่าที่จำเป็นสำหรับผลลัพธ์ ปัญหานี้สามารถแก้ไขได้โดยการทำให้ DAX ของคุณง่ายขึ้นเพื่อดำเนินกระบวนการเฉพาะ
ตนเองคืออะไรใน Python: ตัวอย่างในโลกแห่งความเป็นจริง
คุณจะได้เรียนรู้วิธีการบันทึกและโหลดวัตถุจากไฟล์ .rds ใน R บล็อกนี้จะครอบคลุมถึงวิธีการนำเข้าวัตถุจาก R ไปยัง LuckyTemplates
ในบทช่วยสอนภาษาการเข้ารหัส DAX นี้ เรียนรู้วิธีใช้ฟังก์ชัน GENERATE และวิธีเปลี่ยนชื่อหน่วยวัดแบบไดนามิก
บทช่วยสอนนี้จะครอบคลุมถึงวิธีการใช้เทคนิค Multi Threaded Dynamic Visuals เพื่อสร้างข้อมูลเชิงลึกจากการแสดงข้อมูลแบบไดนามิกในรายงานของคุณ
ในบทความนี้ ฉันจะเรียกใช้ผ่านบริบทตัวกรอง บริบทตัวกรองเป็นหนึ่งในหัวข้อหลักที่ผู้ใช้ LuckyTemplates ควรเรียนรู้ในขั้นต้น
ฉันต้องการแสดงให้เห็นว่าบริการออนไลน์ของ LuckyTemplates Apps สามารถช่วยในการจัดการรายงานและข้อมูลเชิงลึกต่างๆ ที่สร้างจากแหล่งข้อมูลต่างๆ ได้อย่างไร
เรียนรู้วิธีคำนวณการเปลี่ยนแปลงอัตรากำไรของคุณโดยใช้เทคนิคต่างๆ เช่น การแยกสาขาและการรวมสูตร DAX ใน LuckyTemplates
บทช่วยสอนนี้จะหารือเกี่ยวกับแนวคิดของการทำให้แคชข้อมูลเป็นรูปธรรมและวิธีที่สิ่งเหล่านี้ส่งผลต่อประสิทธิภาพของ DAX ในการให้ผลลัพธ์
หากคุณยังคงใช้ Excel อยู่จนถึงตอนนี้ นี่เป็นเวลาที่ดีที่สุดในการเริ่มใช้ LuckyTemplates สำหรับความต้องการในการรายงานทางธุรกิจของคุณ
เกตเวย์ LuckyTemplates คืออะไร ทั้งหมดที่คุณต้องการรู้