Power Query Optimization: Minska decimaltal

I den här handledningen lär du dig en optimeringsteknik för att minska RAM-användningen. Specifikt kommer du att lära dig hur du minskar siffrorna som lagras efter en decimal . Detta är användbart om du har att göra med kolumner lagrade i ett decimaltalsformat.

I det här exemplet kan du se att nettopriset förbrukar 11 MB RAM medan totalkostnaden, enhetskostnaden och enhetspriset förbrukar 8 MB vardera.

När du går till och klickar på filteralternativet i kolumnen Nettopris kan du se att kolumnen lagrar värden på upp till tre decimaler.

Detta kan orsaka en . Om flera siffror lagras som decimalnummer kommer ordboken att innehålla fler unika värden. Detta kommer att få VertiPaq att skapa en enorm lagringsstruktur för ordboken.

Det rekommenderas därför att optimera dessa kolumner.

Innehållsförteckning

• Power Query optimering för kolumner
  • Kontrollera RAM-användning
• Slutsats

Power Query optimering för kolumner

Helst vill du lagra värden upp till två decimaler. Högerklicka på den kolumn du vill optimera. Klicka på Transformera > Runda > Runda .

Ställ sedan in decimaltal till 2 och klicka på Okej.

Ett snabbt sätt att omvandla alla kolumner på en gång är att markera dem och sedan följa samma steg.

Detta tillämpar decimaltalsformatet på alla kolumner med ett enda steg. När du är klar sparar du ditt arbete.

Kontrollera RAM-användning

För att kontrollera hur mycket RAM-minne som minskats, öppna . Gå till fliken Avancerat och klicka på Visa mätvärden .

Genom att jämföra originalet med de optimerade kolumnerna kan du se minskningar av kolumnstorlek och ordbokstorlek.

För det här exemplet verkar det som om skillnaden i kilobyte inte motsvarar en bra minskning av RAM-utrymmet. Men om du har att göra med mer distinkta värden som siffror med sju decimaler, skulle besparingarna i RAM vara stora.

Du kan också lägga märke till att för kolumnen Enhetspris ändras inte kardinaliteten men det finns en betydande minskning av kolumnstorleken.

När du eller i en kolumn introducerar du en ny sorteringsordning i Analysis Services. Detta kan antingen öka eller minska storleken på datamodellen.

Även om antalet distinkta värden inte ändrades, kan Analysis Services ha hittat en bättre sorteringsordning som minskade storleken på kolumnen.

Denna optimeringsteknik är särskilt användbar om du lagrar en kolumn Datum/tid. Detta kan vara att lagra värden upp till millisekunden.

När du minskar kardinaliteten för varje värde till en sekund, minskar detta de unika värdena i ordboken.

Slutsats

Om du arbetar med en tabellmodell, fokusera på att minska kardinaliteten i en kolumn.

Kardinaliteten är den avgörande faktorn för hur mycket RAM-minne som datamodellen kommer att förbruka. Den berättar också hur lång tid det tar att skanna en viss kolumn när du kör din kod.

Att optimera dina DAX-frågor är avgörande för att upprätthålla en bra LuckyTemplates-rapport. Det säkerställer inte bara att ditt arbete fungerar bra, det minskar också belastningen på din maskin.