VertiPaq Analyzer i DAX Studio | LuckyTemplates handledning

Denna handledning kommer att visa upp VertiPaq Analyzer Metrics ioch hur det hjälper till att optimera dina DAX-koder. Varje mätvärde kommer att diskuteras så att du förstår hur var och en kan bidra till att förbättra prestandan för dina koder.

Detta är VertiPaq Analyzer Metrics.

Innehållsförteckning

• Fliken Tabeller i VertiPaq Analyzer
  • Kolumner för datastorlek
• Inuti FactSales-tabellen
• Fliken Kolumner i VertiPaq Analyzer
• Slutsats

Fliken Tabeller i VertiPaq Analyzer

Det första måttet är fliken Tabeller eller den övergripande tabellvyn. På den här fliken kan du se  kolumnen Kardinalitet . Det hänvisar till antalet unika värden i en tabell. Det är den viktigaste kolumnen i din datamodell och.

Om du tittar på DimCustomer- tabellen finns det 20 unika värden. Det betyder att det finns 20 separata kunder med icke-repeterande värden.

Detta är ett exempel på en DAX-fråga.

Den använder funktion för att räkna raderna i olika tabeller. Antalet rader motsvarar den kardinalitet som produceras i tabellen.

Kolumner för datastorlek

Nästa kolumn efter Cardinality  kallas Tabell . Den visar hur mycket minne tabellen tar upp. Ju större datastorlek, desto mer uppmärksamhet behöver den. Kolumnen Kolumnstorlek  är summan av kolumnerna Data , Ordbok och Hierarkistorlek .

Kolumnerna Data , Dictionary och Hierarkistorlek visar den totala storleken på komprimerad data, ordbokskodade kolumner respektive automatiskt genererade hierarkikolumner.

Nästa är kolumnen Kodning  som visar vilken typ av kodning som används. Värde-  och Hash  -kodning  förekommer i alla tabeller, det är därför resultatet visar "Många".

Brott mot referensintegritet kommer också att visas i kolumnen RI Violations . Överträdelser inträffar när ett värde finns i faktatabellen men inte finns i dimensionstabellen .

Kolumnen Användarhierarkistorlek visar  storleken på användardefinierade hierarkier. Storleken på relationen baserat på många sidan av en en-till-många-inställning kommer också att visas i kolumnen Relationsstorlek .

Därefter har du %DB- kolumnerna. Den här kolumnen visar hur mycket en tabell tar upp i procent av den totala storleken på alla tabeller.

I exemplet kan du se att DimCustomer- tabellen tar upp nästan 66% av den totala tabellstorleken. Procentandelen av din databas till din faktatabell  bör vara större än dimensionstabellerna  .

Det här är procentsatserna:

Eftersom det här exemplet inte har mycket data kan kolumnerna Segment  och Partitioner  inte användas. det kommer bara att vara tillämpligt med större bord.

Den sista kolumnen på fliken heter Kolumner . Den visar helt enkelt antalet kolumner som finns i en tabell. Kolumnerna Datatyp och % Tabell är inte tillämpliga på den övergripande tabellvyn .

Inuti FactSales-tabellen

Det här är tabellen för övergripande faktaförsäljning.

Varje kolumn i tabellen har sin egen information. Den övergripande tabellnivån har till exempel olika kolumner som kardinalitet , kolumnstorlek osv.

I exemplet kommer du att märka att SalesKeys kardinalitet är lika med tabellens kardinalitet. Det beror på att  SalesKey inte har några återkommande värden och är ett unikt värde.

Kolumnen Kolumnstorlek är lika viktig som tabellnivån. Den visar summan av kolumnerna Data , Dictionary och Hierarkistorlek .

Du kan också se att kodningsmetoden som används är Hash Encoding , som skapar en distinkt lista med värden.

Om du tittar på raden Kvantitet ser du att den använder metoden Hash Encoding även om datatypen är ett heltal.

Anledningen till detta är att SQL Server Analysis Services har satt upp en metod för att bestämma den bästa komprimeringsmetoden.

Kolumnen % Tabell visar kolumnen som en procentandel av den totala tabellstorleken. I exemplet har SalesKey den största storleken på tabellen, vilket är vettigt eftersom det har den högsta kardinaliteten och kolumnstorleken.

På samma sätt visar kolumnen % Databas  procentandelen av antingen en tabell eller kolumn i en tabell som en procentandel av hela databasen.

Du kommer att se att FactSales- tabellen är 46,8 % av den totala storleken på datamodellen. Kolumnen SalesKey i FactSales- tabellen tar upp 15 % av den totala databasstorleken.

Eftersom det här exemplet bara har en liten mängd data kommer du bara att ha ett segment och en partition. Detsamma gäller kolumnen Kolumner . Antalet kolumner kommer alltid att vara en i kolumnvyn.

Fliken Kolumner i VertiPaq Analyzer

Fliken Kolumner  har ett enklare format för att visa data. Den ger mer detaljerad information än fliken Tabeller .

Du kommer att märka att den har liknande kolumner som fliken Tabeller  .

På fliken Kolumner kan du sortera vilken som helst av kolumnerna. I det här exemplet är det sorterat efter Cardinality som betecknas med en liten triangel. Kolumnen Rader  visar hur många rader som finns i en tabell.

Du kan se att FactSales-SalesKey  har 15 000 rader och kardinalitet. Alla primärnycklar har rader som är lika med deras motsvarande kardinalitet.

Om antalet rader inte är lika med antalet kardinaliteter kommer tabellen att ha upprepade värden.

Om du tittar på FactSales-CustomerKey kommer du att märka att den har en kardinalitet på 801 och en kolumnstorlek på nästan 1,1 miljoner.

Det betyder att den behöver optimeras och komprimeras. För att optimera det, gå till LuckyTemplates-filen och öppna DimCustomer-  tabellen.

Kolumnen CustomerKey är en strängtyp av data. Du kan se att värdena börjar med C och sedan följs av en siffra. Klicka på Ersätt värden för att ändra värdena i kolumnen.

Hitta värdet C och ändra det till tomt. Ändra sedan datatypen till Helnummer.

Gör samma sak för kolumnen CustomerKey  i faktatabellen  . Klicka på Apply och gå tillbaka till DAX Studio. Klicka sedan på Visa mätvärden för att ladda om DAX och sortera den sedan efter kardinalitet.

Kolumnstorleken är nu reducerad till 46 372 från 1,1 miljoner. Om du tittar på tabellvyn ser du att kolumnstorleken också har sjunkit till 46 372.

Om du gör samma sak med SalesPersonKey som har en kolumnstorlek på nästan 1,1 miljoner kan du minska den till 5 540.

Om du ändrar sträng- eller texttypvärden till heltalstyp kan du optimera din DAX så att den presterar bättre.

Slutsats

DAX-optimering startar i DAX Studio med hjälp av VertiPaq Analyzer. I analysmätvärdena ser du hur tabeller och kolumner fungerar och avgör vilken enhet som behöver optimeras och förbättras mer.

Om du vill ta reda på vilken del av koden som bromsar kodens prestanda, använd VertiPaq Analyzer. Det kommer säkert att göra din DAX bättre.

Nickligh