Power Query Optimization: Redusere desimaltall

I denne opplæringen lærer du en optimaliseringsteknikk for å redusere RAM-bruken. Nærmere bestemt vil du lære hvordan du reduserer tallene som er lagret etter en desimal . Dette er nyttig hvis du har å gjøre med kolonner som er lagret i et desimaltallformat.

I dette eksemplet kan du se at nettoprisen bruker 11 MB RAM, mens totalkostnaden, enhetskostnaden og enhetsprisen bruker 8 MB hver.

Når du går til og klikker på filteralternativet i Nettopris-kolonnen, kan du se at kolonnen lagrer verdier på opptil tre desimaler.

Dette kan forårsake en . Hvis flere sifre er lagret som desimaltall, vil ordboken inneholde flere unike verdier. Dette vil få VertiPaq til å lage en enorm lagringsstruktur for ordboken.

Det anbefales derfor å optimalisere disse kolonnene.

Innholdsfortegnelse

• Power Query-optimalisering for kolonner
  • Sjekk RAM-bruk
• Konklusjon

Power Query-optimalisering for kolonner

Ideelt sett vil du lagre verdier opp til to desimaler. Høyreklikk på kolonnen du ønsker å optimalisere. Klikk Transformer > Rund > Rund .

Sett deretter desimaltallet til 2 og klikk OK.

En rask måte å transformere alle kolonnene på én gang er ved å markere dem og deretter følge de samme trinnene.

Dette bruker desimaltallformatet på alle kolonnene ved å bruke ett enkelt trinn. Når du er ferdig, lagre arbeidet ditt.

Sjekk RAM-bruk

For å sjekke hvor mye RAM som ble redusert, åpne . Gå til fanen Avansert og klikk på Vis beregninger .

Ved å sammenligne originalen med de optimaliserte kolonnene, kan du se reduksjoner i kolonnestørrelsen og ordbokstørrelsen.

For dette eksemplet ser det ut til at forskjellen i kilobyte ikke utgjør en god reduksjon i RAM-plass. Men hvis du har å gjøre med mer distinkte verdier som tall med syv desimaler, vil besparelsene i RAM være store.

Du kan også legge merke til at for Enhetspris-kolonnen endres ikke kardinaliteten, men det er en betydelig reduksjon i kolonnestørrelsen.

Når du eller i en kolonne, introduserer du en ny sorteringsrekkefølge i Analysis Services. Dette kan enten øke eller redusere størrelsen på datamodellen.

Selv om antallet distinkte verdier ikke endret seg, kan Analysis Services ha funnet en bedre sorteringsrekkefølge som reduserte størrelsen på kolonnen.

Denne optimaliseringsteknikken er spesielt nyttig hvis du lagrer en dato/klokkeslett-kolonne. Dette kan være lagring av verdier opptil millisekund.

Når du reduserer kardinaliteten til hver verdi til et sekund, reduserer dette de unike verdiene i ordboken.

Konklusjon

Hvis du jobber med en tabellmodell, fokuser på å redusere kardinaliteten til en kolonne.

Kardinaliteten er den avgjørende faktoren for hvor mye RAM datamodellen vil forbruke. Den forteller deg også hvor mye tid det vil ta å skanne en bestemt kolonne når du kjører koden.

Optimalisering av DAX-søkene dine er avgjørende for å opprettholde en god LuckyTemplates-rapport. Ikke bare sikrer det at arbeidet ditt fungerer godt, men det reduserer også belastningen på maskinen din.