Skip to main content
cancel
Showing results for 
Search instead for 
Did you mean: 

The Power BI DataViz World Championships are on! With four chances to enter, you could win a spot in the LIVE Grand Finale in Las Vegas. Show off your skills.

Reply
Syndicate_Admin
Administrator
Administrator

Prácticas recomendadas de arquitectura de modelos semánticos

Hola, chicos

Me uní a un equipo que es muy pesado en SQL.

Básicamente, tienen una consulta SQL que se ejecuta en un procedimiento almacenado construyendo una tabla en el formato o la estructura necesaria.

A continuación, PowerBi usa esta tabla como origen

Si hay 50 informes, se crea una tabla para cada uno. Utilizando los mismos datos presentados de manera diferente.

Creo que esto se debió a que las habilidades del DAX eran limitadas en ese momento.

Otra razón fue que la puerta de enlace fallaba al actualizar 50 modelos de la misma fuente.

Mi idea es tener 1 modelo semántico con los datos y todos los informes que usan ese modelo y cualquier cambio de presentación realizado con DAX.

¿Hay pros y contras?

PROS

Solo 1 modelo para actualizar quitando presión de la puerta de enlace

menos deuda técnica.

CONTRAS

¿Rendimiento obstaculizado por 50 informes/usuarios que acceden al mismo modelo semántico a la vez?

¿Alguna otra sugerencia?

Bien

Ian

3 REPLIES 3
Syndicate_Admin
Administrator
Administrator

Hola @IanCockcroft

Creo que la mejor manera de hacerlo es consolidar todo en un solo modelo semántico. De este modo, todos los informes se pueden extraer de los mismos datos y los cambios de formato se pueden realizar con DAX. Ayudará a reducir la repetición y ahorrará mucho tiempo a largo plazo, ya que no necesitará tablas separadas para cada informe. También facilita la actualización de cosas en el futuro, y trabajará con una fuente central de verdad.

Desde el punto de vista del rendimiento, tener un solo modelo para actualizar es mucho mejor que actualizar modelos semánticos separados para cada informe, ya que ahorrará mucho tiempo. Quitará la presión de la puerta de enlace y reducirá la posibilidad de errores de actualización, ya que solo se trata de un modelo en lugar de 50. Además, DAX nos da más flexibilidad en comparación con SQL, especialmente para cálculos y transformaciones, por lo que puede manejar eso directamente en Power BI sin necesidad de depender tanto de SQL.

Sin embargo, asegúrese de que el tamaño y la complejidad del modelo. Si el conjunto de datos crece demasiado o si tiene un montón de personas que visitan los informes a la vez, podría causar algunas ralentizaciones. En ese caso, es posible que deba pensar en agregar datos u organizarlos mejor para evitar sobrecargar el sistema.

Optar por un modelo semántico unificado y realizar las transformaciones en DAX es la mejor ruta. Le facilitará la vida en términos de mantenimiento, ayudará al rendimiento y hará que las actualizaciones de informes sean más sencillas.

Para configurar esto, simplemente puede seguir los pasos a continuación:

Paso 1: Crear un modelo semántico unificado –

  • Obtenga datos/tablas de SQL según el escenario requerido.
  • Realice la limpieza/masaje de datos (transformación) en Power Query.
  • Cree el modelado de datos en la vista de modelo.
  • Agregue las tablas calculadas, las columnas calculadas y las medidas necesarias

    Paso 2: Una vez, ETL se realiza en el modelo semántico. Puede publicarlo en el servicio Power BI.

    Paso 3: Crear informes sobre él

    • Cree un informe en blanco, haga clic en obtener datos y elija modelo semántico/conjunto de datos de Power BI para obtener las tablas/modelo/elementos definidos (tablas calculadas, columnas calculadas y medidas) del modelo semántico implementado.
    • Después de crear el informe y agregar los objetos visuales necesarios, puede publicarlo en el servicio Power BI

      NOTA: Solo necesita actualizar el modelo semántico y todos los informes que se creen sobre él se actualizarán automáticamente.

      Para obtener un mejor rendimiento, puede ingerir los datos SQL en un flujo de datos de Power BI (también, podemos decir consulta de energía en línea) capturar las tablas transformadas directamente en el modelo semántico. Ahora, solo necesita agregar la parte de modelado de datos, crear columnas/medidas calculadas según el escenario requerido.

      Y luego otros procesos serán los mismos después de implementar el modelo semántico en el servicio Power BI.

      NOTA: En este caso, primero debe actualizar el flujo de datos y, a continuación, el modelo semántico.

      Saludos
      Mentes de rayos
      http://www.rayminds.com
      https://www.linkedin.com/company/rayminds/

      Si esta publicación ayuda, considere Acéptalo como la solución para ayudar a los demás miembros a encontrarlo más rápidamente.

Syndicate_Admin
Administrator
Administrator

Hola @IanCockcroft.

Esta es mi opinión:

Ventajas: Tener un modelo semántico significa menos mantenimiento, menos errores de actualización y una única fuente de verdad para todos los informes. También elimina la carga de la puerta de enlace, ya que solo es necesario actualizar un modelo, lo que mejora la confiabilidad (también el uso de DAX en lugar de SQL para el modelado de datos proporciona más flexibilidad)

Contras: Con muchos usuarios e informes que extraen datos del mismo modelo, el rendimiento puede ralentizarse, especialmente durante un uso intensivo. Dado que el equipo tiene un gran número de SQL en todo momento, el aprendizaje de DAX puede ser un desafío que requiera capacitación. En algunos casos, tener algunos modelos más pequeños para informes específicos podría ayudar a que las cosas funcionen sin problemas.

Si el rendimiento se convierte en un problema con un solo modelo, considere un modelo principal para los datos comunes.

Syndicate_Admin
Administrator
Administrator

Hola @IanCockcroft , si sus tablas están preconstruidas en SQL y lo único que necesita hacer es una simple selección, esto no debería sobrecargar la puerta de enlace. Sin embargo, tratar de agregar no es una mala idea, especialmente si en cada informe necesita reconstruir el mismo DAX, etc.

Realmente depende de lo complejo que sea el modelo semántico, así como de su tamaño.

Recuerda que con Power BI Pro tienes 1GB para el Modelo Semántico, 10GB con Power BI Premium.

Helpful resources

Announcements
Las Vegas 2025

Join us at the Microsoft Fabric Community Conference

March 31 - April 2, 2025, in Las Vegas, Nevada. Use code MSCUST for a $150 discount!

Feb2025 Sticker Challenge

Join our Community Sticker Challenge 2025

If you love stickers, then you will definitely want to check out our Community Sticker Challenge!

Top Solution Authors