Denne vejledning vil handle om DAX-forespørgselsstrukturen og de to motorer inde i DAX Studio. Du vil se processen bag, hvordan dine DAX-formler giver resultater. Du vil også lære, hvordan hver motor fungerer i din beregning.
Der er to motorer, der er ansvarlige for at producere data: formelmotoren og VertiPaq-lagringsmotoren .
Indholdsfortegnelse
DAX-forespørgselsstrukturen
Denne vejledning viser en dybdegående DAX-forespørgselsstruktur om, hvordan DAX fungerer bag din rapport.
Hvert mål, du opretter, er en forespørgsel. Det fungerer på et sæt data og returnerer et svar. Forespørgslen taler derefter til SQL Server Analysis Services. Det er en tilpasset version til LuckyTemplates, der kører i baggrunden.
Når du har skrevet din forespørgsel, sendes den til formelmotoren. Den besvarer alle DAX, men ikke så effektiv som lagermotoren.
Når formelmotoren modtager forespørgslen, beder den VertiPaq-lagringsmaskinen om data at arbejde på. Derefter får lagermotoren data fra den komprimerede datacache.
VertiPaq er effektiv, fordi den virker på komprimerede kolonner. Den kan beregne mange rækker inden for millisekunder.
I slutningen af diagrammet kan du se datakilden. Denne transaktion finder kun sted, når du foretager en dataopdatering.
En anden ting, du skal lære, er, at simple forespørgsler kan besvares af storage-motoren. Ellers sender den datacachen tilbage til formelmotoren for at beregne et svar.
Når den sender disse data tilbage til formelmotoren, er de ikke længere komprimeret. Den bruger de fulde kolonner i hukommelsen.
Så efter at formelmotoren har fået dataene tilbage, beregner og udfylder den et svar på DAX-forespørgslen.
Motorerne i DAX-forespørgselsstrukturen
Det er vigtigt at kende forskellen mellem formelmotoren og lagermotoren. Hver af dem er designet til forskellige formål, så du kan anvende din DAX-viden og få hurtige og præcise forespørgsler. Dette er forskellene mellem de to motorer:
Ikonet for hver motor repræsenterer, hvor hurtig deres ydeevne er. Lagermotoren er hurtigere end formelmotoren, fordi den håndterer simple anmodninger. Hvis din DAX-forespørgsel er enkel og kræver en , , eller, kan lagringsmotoren klare det hele af sig selv.
På den anden side kan formelmotoren håndtere komplekse DAX-funktioner. Husk, at jo mere kompleks din forespørgsel er, jo flere formelmotorer har du i dine udtryk.
De data, der bruges af de to motorer, er også forskellige. Formelmotoren bruger ukomprimeret datacache fra lagermotoren, som optager meget hukommelse og tid, mens lagermotoren bruger komprimerede data .
Lagermotoren er hurtig, fordi den bruger mere end én kerne ad gangen. Det betyder, at det er en flertrådet motor. Hvis dine tabeller har segmenter, scanner den dem afhængigt af hvor mange kerner du har. Formelmotoren kan dog kun lave én kerne ad gangen.
En anden stor egenskab ved lagermotoren er, at når dine mål producerer et svar, gemmer den svaret i hukommelsen i modsætning til formelmotoren. Hvis det samme spørgsmål stilles, giver det dig et svar uden at køre en fuld beregning.
Lagermotoren er optimeret til hastighed, mens formelmotoren er optimeret til kompleksitet.
Bag DAX-beregningen
Den eneste metode til at kende processen bag din DAX's ydeevne er gennem DAX Studio. Dette er en eksempelfil i DAX Studio.
Hvis du trykker på F5 og kører det, får du resultater.
For at vide, hvad der sker med de to motorer bag beregningen, skal du aktivere Server Timings og Query Plan. Kør derefter DAX igen.
Når du er færdig, skal du gå til fanen Server Timings.
Du kan se den samlede udførelsestid for forespørgslen, formelmotoren og lagermotoren. Du kan også se, hvor mange lagermotorer, der blev kørt. Formelmotoren køres af 83,3 % af hele forespørgslen, mens storagemotoren kun tager 16,7 %.
Hvis du går til fanen Forespørgselsplan, vil du se fysisk forespørgsel og logiske forespørgselsplaner. Disse er begge formelforespørgsler om, hvad formelmotoren laver.
Konklusion
Både formel- og lagermotorerne spiller en stor rolle i at generere resultater fra din DAX-kode. De er de vigtigste dele i DAX-forespørgselsstrukturen.
Jeg håber, du har lært, hvordan disse motorer fungerer bag ydeevnen af din DAX, og hvordan de kan påvirke din rapport.
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Find ud af, hvorfor det er vigtigt at have en dedikeret datotabel i LuckyTemplates, og lær den hurtigste og mest effektive måde at gøre det på.
Denne korte vejledning fremhæver LuckyTemplates mobilrapporteringsfunktion. Jeg vil vise dig, hvordan du kan udvikle rapporter effektivt til mobilenheder.
I denne LuckyTemplates Showcase gennemgår vi rapporter, der viser professionel serviceanalyse fra et firma, der har flere kontrakter og kundeengagementer.
Gå gennem de vigtigste opdateringer til Power Apps og Power Automate og deres fordele og implikationer for Microsoft Power Platform.
Opdag nogle almindelige SQL-funktioner, som vi kan bruge, såsom streng, dato og nogle avancerede funktioner til at behandle eller manipulere data.
I denne tutorial lærer du, hvordan du opretter din perfekte LuckyTemplates-skabelon, der er konfigureret til dine behov og præferencer.
I denne blog vil vi demonstrere, hvordan man lagdelte feltparametre med små multipler for at skabe utrolig nyttig indsigt og visuals.
I denne blog vil du lære, hvordan du bruger LuckyTemplates rangerings- og brugerdefinerede grupperingsfunktioner til at segmentere et eksempeldata og rangordne det efter kriterier.
I denne tutorial vil jeg dække en specifik teknik omkring, hvordan du kun viser Kumulativ Total op til en bestemt dato i dine visuals i LuckyTemplates.
