Kommentar
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Direct Lake är ett power BI-lagringsalternativ för semantikmodelltabeller som är tillgängligt i Microsoft Fabric. Den är optimerad för att stora mängder data snabbt ska läsas in i minnet från deltatabeller som är tillgängliga i OneLake – det enda arkivet för alla analysdata. När den har lästs in i minnet möjliggör den semantiska modellen interaktiva analyser med höga prestanda.
Direct Lake är perfekt för semantiska modeller som ansluter till stora Fabric-lakehouses, lager och andra Fabric-datakällor med deltatabeller. Direct Lake är särskilt användbart när det är svårt eller omöjligt att replikera hela datavolymen till en importtabell. Direct Lake- och importfrågor bearbetas av VertiPaq-frågemotorn, medan DirectQuery federerar frågor till den underliggande datakällan. Direct Lake- och importfrågor överträffar normalt DirectQuery-frågor vid inläsning och interaktion med visuella objekt i rapporter.
En Direct Lake skiljer sig dock från ett importläge på ett viktigt sätt: en uppdateringsåtgärd för en Direct Lake-semantisk modell skiljer sig konceptuellt från en uppdateringsåtgärd för en importsemantisk modell. Importläget replikerar data och skapar en hel cachelagrad kopia av data för den semantiska modellen, medan en Direct Lake-uppdatering endast kopierar metadata (kallas inramning, som beskrivs senare i den här artikeln), vilket kan ta några sekunder att slutföra. Direct Lake-uppdateringen är en lågkostnadsåtgärd som analyserar metadata för den senaste versionen av Delta-tabellerna och uppdateras för att referera till de senaste filerna i OneLake. För en importuppdatering skapas däremot en kopia av data, vilket kan ta lång tid och förbruka betydande datakäll- och kapacitetsresurser (minne och CPU). Direct Lake flyttar dataförberedelser till OneLake och använder därmed hela bredden av Fabric-tekniker för dataförberedelser, inklusive Spark-jobb, T-SQL DML-instruktioner, dataflöden, pipelines med mera.
Direct Lake-lagringsläget erbjuder följande viktiga fördelar:
- I likhet med importläget bearbetas Direct Lake-frågor av VertiPaq-motorn och ger därmed frågeprestanda som är jämförbara med importläget utan hanteringskostnaderna för datauppdateringscykler för att läsa in hela datavolymen.
- Använder befintliga Fabric-investeringar genom att sömlöst integrera med stora lakehouses, datamagasin och andra Fabric-källor med Delta-tabeller. Direct Lake är till exempel ett idealiskt val för guldanalyslagret i medallion lakehouse-arkitekturen.
- Maximerar avkastningen på investeringen (ROI) eftersom analyserade datavolymer kan överskrida kapacitetens maximala minnesgränser, eftersom endast de data som behövs för att besvara en fråga läses in i minnet.
- Minimerar datafördröjningar genom att snabbt och automatiskt synkronisera en semantisk modell med dess källor, vilket gör nya data tillgängliga för företagsanvändare utan uppdateringsscheman.
Tips
Direct Lake-prestanda beror på väljusterade Delta-tabeller. Omfattande vägledning om hur du optimerar tabeller för Direct Lake-förbrukning, inklusive rekommendationer för V-order och radgrupper, finns i Underhåll och optimering av tabeller mellan arbetsbelastningar.
När ska du använda Direct Lake-lagringsläge?
Det primära användningsfallet för Direct Lake-lagringsläge är vanligtvis för IT-drivna analysprojekt som använder sjöcentrerade arkitekturer. I sådana scenarier har eller förväntar du dig att ackumulera stora mängder data i OneLake. Snabb inläsning av dessa data i minnet, frekventa och snabba uppdateringsåtgärder, effektiv användning av kapacitetsresurser och snabba frågeprestanda är alla viktiga för det här användningsfallet.
Notera
Import- och DirectQuery-tabeller i semantiska modeller är fortfarande relevanta i Fabric, och de är det rätta valet av semantisk modell för vissa scenarier. Till exempel fungerar importlagringsläget ofta bra för en självbetjäningsanalytiker som behöver friheten och flexibiliteten att agera snabbt och utan beroende av IT för att lägga till nya dataelement.
En semantisk modell med importtabeller och Direct Lake-tabeller ger flexibilitet med skalning som behövs även för många BI-scenarier.
Dessutom skriver OneLake-integreringen automatiskt data för tabeller i importlagringsläge till Delta-tabeller i OneLake utan att det krävs någon migrationsinsats. Detta gör att du kan dra nytta av många av de fördelar som Fabric erbjuder för användare av importerade semantiska modeller, såsom integrering med datalager via genvägar, SQL-frågor, notebooks och mer. Vi rekommenderar det här alternativet som ett snabbt sätt att dra nytta av fördelarna med Fabric utan att nödvändigtvis eller omedelbart göra om ditt befintliga informationslager och/eller analyssystem.
Direct Lake är beroende av att dataförberedelser utförs i datasjön. Dataförberedelser kan göras med hjälp av olika verktyg, till exempel Spark-jobb för Fabric lakehouses, T-SQL DML-satser för Fabric warehouses, dataflöden, pipelines och andra. Detta hjälper till att säkerställa att logiken för dataförberedelse utförs uppströms i arkitekturen för att maximera återanvändning. Men om den semantiska modellförfattaren inte har möjlighet att ändra källobjektet, till exempel om en självbetjäningsanalytiker inte har skrivbehörighet på ett lakehouse som hanteras av IT, kan det vara ett bra val att utöka modellen med tabeller för importlagringsläge, eftersom importläget stöder förberedelse av data med hjälp av Power Query. som definieras som en del av semantisk modell.
Tänk på din aktuella Fabric-kapacitetslicens och Fabric-kapacitetsbegränsningar när du överväger Direct Lake-lagringsläge. Ta också hänsyn till överväganden och begränsningar, som beskrivs senare i den här artikeln.
Tips
Vi rekommenderar att du skapar en prototyp – eller konceptbevis (POC) – för att avgöra om en Direct Lake-semantisk modell är rätt lösning och för att minska risken.
Viktiga begrepp och terminologi
Den här artikeln förutsätter att du är bekant med följande begrepp:
- Användare läser in och interagerar med visuella objekt i Power BI-rapporter som genererar DAX-frågor till den semantiska modellen.
-
Lagringsläge: Den semantiska modellen bearbetar DAX-frågorna på olika sätt beroende på vilket tabelllagringsläge som används. Till exempel:
- Import- och Direct Lake-lagringslägen använder VertiPaq-motorn för att bearbeta DAX-frågor och returnera resultat till Power BI-rapporten och användaren.
- DirectQuery översätter DAX-frågor till frågesyntaxen för datakällan, till exempel en SQL-fråga, och kör dem på den underliggande källdatabasen. Dessa källdatabaser är vanligtvis inte optimerade för tung frågebelastning som kommer från rapporter och aggregerade frågor som behövs av de visuella objekten, och kan resultera i långsammare prestanda jämfört med import- och Direct Lake-lägen.
Lagringsläge är en egenskap för en tabell i semantikmodellen. När en semantisk modell innehåller tabeller med olika lagringslägen kallas den för en sammansatt modell. Mer information om lagringslägen finns i Semantiska modelllägen i Power BI-tjänsten.
Direct Lake-tabelllagringsläget har två alternativ:
Direct Lake på OneLake kan använda data från en eller flera Fabric-datakällor med deltatabeller. Direct Lake på OneLake återgår inte till DirectQuery-läge via SQL-analysslutpunkten för datakällan. Semantiska modeller med Direct Lake på OneLake-tabeller kan också ha importtabeller som lagts till från andra datakällor.
Direct Lake i SQL kan använda data från en enda Fabric-datakälla med deltatabeller. SQL-analysslutpunkten används för identifierings- och behörighetskontroller för deltatabell och SQL-vy. Direct Lake på SQL-slutpunkter återgår till DirectQuery-tabelllagringsläge när de inte kan läsa in data direkt från en deltatabell, till exempel när datakällan är en SQL-vy eller när informationslagret använder SQL-baserad detaljerad åtkomstkontroll. Egenskapen för semantisk modell, Direct Lake-beteende, styr fallback-beteendet.
Jämförelse av lagringslägen
I följande tabell jämförs Direct Lake-lagringsläget med lagringslägena Import och DirectQuery.
| Förmåga | Direct Lake på OneLake | Direct Lake på SQL-slutpunkter | Importera | DirectQuery |
|---|---|---|---|---|
| Klientinställning | Aktivera klientinställningen Användaren kan skapa Direct Lake på OneLake-semantiska modeller (förhandsversion) i administratörsportalen. | Aktiverad för alla klienter. | Aktiverad för alla klienter. | Aktiverad för alla klienter. |
| Licensiering | Endast prenumeration på fabric-kapacitet (SKU:er) | Endast prenumeration på fabric-kapacitet (SKU:er) | Alla Fabric- eller Power BI-licenser (inklusive kostnadsfria Microsoft Fabric-licenser) | Alla Fabric- eller Power BI-licenser (inklusive kostnadsfria Microsoft Fabric-licenser) |
| Datakälla | Tabeller för alla Infrastrukturdatakällor som backas upp av Delta-tabeller | Endast tabeller eller vyer från lakehouse eller lager | Vilken som helst anslutning | Vilken som helst anslutning som stöder DirectQuery-läge |
| Ansluta till SQL Analytics-slutpunktsvyer | Nej | Ja – men återgår automatiskt till DirectQuery-läge | Ja | Ja |
| Sammansatta modeller | Ja – kan kombineras med import av lagringslägestabeller i Power BI-webbmodellering och DirectQuery-tabeller med XMLA-verktyg. | Nr 1 | Ja – kan kombineras med tabellerna DirectQuery, Dual och lagringsläget Direct Lake | Ja – kan kombineras med tabeller för import, dubbla och Direct Lake-lagringsläge |
| Enkel inloggning (SSO) | Ja | Ja | Ej tillämpligt | Ja |
| Beräknade tabeller | Ja – men beräkningar kan inte referera till kolumner med tabeller i Direct Lake-läge. | Nej – förutom beräkningsgrupper, konsekvensparametrar och fältparametrar som implicit skapar beräknade tabeller | Ja | Nej – beräknade tabeller använder importlagringsläge även när de refererar till andra tabeller i DirectQuery-läge |
| Beräknade kolumner | Nej | Nej | Ja | Ja |
| Hybridtabeller | Nej | Nej | Ja | Ja |
| Partitioner av modelltabeller | Nej – partitionering kan dock göras på deltatabellnivå | Nej – partitionering kan dock göras på deltatabellnivå | Ja – antingen skapas automatiskt genom inkrementell uppdatering eller skapas manuellt med hjälp av XMLA-slutpunkten | Nej |
| Användardefinierade sammansättningar | Nej | Nej | Ja – Import av aggregeringstabeller på DirectQuery-tabeller stöds | Ja |
| Säkerhet på slutpunktsobjektnivå för SQL-analys eller säkerhet på kolumnnivå | Nej | Ja – men kan generera fel när behörighet nekas | Ja – men måste duplicera behörigheter med objektnivåsäkerhet i den semantiska modellen | Ja – men frågor kan generera fel när behörighet nekas |
| Säkerhet på radnivå för SQL-analysslutpunkt (RLS) | Nej | Ja – men frågorna återgår till DirectQuery-läge | Ja – men måste duplicera behörigheter med semantisk modell RLS | Ja |
| Säkerhet på radnivå för semantisk modell (RLS) | Ja – men vi rekommenderar starkt att du använder en fast identitetsmolnanslutning | Ja – men vi rekommenderar starkt att du använder en fast identitetsmolnanslutning | Ja | Ja |
| Säkerhet på semantisk modell på objektnivå (OLS) | Ja | Ja | Ja | Ja |
| Stora datavolymer utan uppdateringskrav | Ja | Ja | Nej | Ja |
| Minska datafördröjningen | Ja – när automatiska uppdateringar är aktiverade eller programmatisk omramning | Ja – när automatiska uppdateringar är aktiverade eller programmatisk omramning | Nej | Ja |
| Power BI Inbäddad | Ja 2 | Ja 2 | Ja | Ja |
1 När du använder Direct Lake på SQL-slutpunkter kan du inte kombinera Direct Lake-lagringslägestabeller med DirectQuery- eller dubbla lagringslägestabeller i samma semantiska modell. Du kan dock använda Power BI Desktop för att skapa en sammansatt modell på en Direct Lake-semantisk modell och sedan utöka den med nya tabeller (med hjälp av Import, DirectQuery eller Dubbla lagringslägen) eller beräkningar. Mer information finns i Skapa en sammansatt modell på en semantisk modell.
2 Kräver en V2-inbäddningstoken. Om du använder en service principal måste du använda en fast identitetsmolnanslutning.
Mer information om hur Direct Lake fungerar, inklusive kolumninläsning (transkodning), inramning, automatiska uppdateringar och DirectQuery-återställning finns i Så här fungerar Direct Lake.
Mer information om behörigheter, autentisering, OLS/RLS och regelalternativ för dataåtkomst finns i Integrera Direct Lake-säkerhet.
Kapacitetskrav för nätverksvävnad
Direct Lake-semantiska modeller kräver en Fabric-kapacitetslicens. Det finns också kapacitetsskydd och begränsningar som gäller för din Fabric-kapacitetsprenumeration (SKU), som visas i följande tabell.
Viktig
Den första kolumnen i följande tabell innehåller även Power BI Premium-kapacitetsprenumerationer (P SKU:er). Microsoft konsoliderar köpalternativ och drar tillbaka Power BI Premium per kapacitet-SKU:er. Nya och befintliga kunder bör överväga att köpa Fabric-kapacitetsprenumerationer (F SKU:er) i stället.
Mer information finns i Viktig uppdatering som kommer till Power BI Premium-licensiering och Power BI Premium.
| Tyg-SKU | Parquet-filer per tabell | Radgrupper per tabell | Rader per tabell (miljoner) | Maximal modellstorlek i disken/OneLake (GB) | Maximalt minne (GB) 1 |
|---|---|---|---|---|---|
| F2 | 1 000 | 1 000 | 300 | 10 | 3 |
| F4 | 1 000 | 1 000 | 300 | 10 | 3 |
| F8 | 1 000 | 1 000 | 300 | 10 | 3 |
| F16 | 1 000 | 1 000 | 300 | 20 | 5 |
| F32 | 1 000 | 1 000 | 300 | 40 | 10 |
| F64/FT1/P1 | 5 000 | 5 000 | 1,500 | Obegränsad | 25 |
| F128/P2 | 5 000 | 5 000 | 3 000 | Obegränsad | 50 |
| F256/P3 | 5 000 | 5 000 | 6 000 | Obegränsad | 100 |
| F512/P4 | 10 000 | 10 000 | 12 000 | Obegränsad | 200 |
| F1024/P5 | 10 000 | 10 000 | 24,000 | Obegränsad | 400 |
| F2048 | 10 000 | 10 000 | 24,000 | Obegränsad | 400 |
1 För Direct Lake-semantiska modeller representerar Max minne den övre minnesresursgränsen för hur mycket data som kan sökas i. Därför är det inte ett skyddsräcke eftersom överskridandet inte resulterar i en återställning till DirectQuery-läge. Det kan dock ha en prestandapåverkan om mängden data är tillräckligt stor för att orsaka överdriven växling in och ut ur modelldata från OneLake-data.
Om den överskrids leder maxmodellstorleken på disken/OneLake till att alla frågor till den semantiska modellen återgår till DirectQuery-läget. Alla andra skyddsräcken som visas i tabellen utvärderas per fråga. Därför är det viktigt att du optimerar deltatabellerna och semantikmodellen för Direct Lake för att undvika att behöva skala upp till en högre Fabric-SKU i onödan.
Dessutom gäller kapacitetsenhet och maximalt minne per frågegräns för Direct Lake-semantiska modeller. Mer information finns i Kapaciteter och SKU:er.
Överväganden och begränsningar
Direct Lake-semantiska modeller innehåller vissa överväganden och begränsningar.
Notera
Möjligheterna och funktionerna hos Direct Lake semantiska modeller utvecklas snabbt. Kontrollera regelbundet för att granska den senaste listan över överväganden och begränsningar.
Direct Lake på OneLake-tabelllagringsläget är i offentlig förhandsversion. Aktivera klientinställningen Användaren kan skapa Direct Lake på OneLake-semantiska modeller (förhandsversion) i administratörsportalen för att skapa semantiska modeller med Direct Lake på OneLake-tabeller.
| Övervägande/begränsning | Direct Lake på OneLake | Direct Lake på SQL (analysslutpunkt) |
|---|---|---|
| När SQL-analysslutpunkten tillämpar säkerhet på radnivå bearbetas DAX-frågor på olika sätt beroende på vilken typ av Direct Lake-läge som används. När Direct Lake på OneLake används kommer frågor att lyckas och SQL-baserad RLS tillämpas inte. Direct Lake på OneLake kräver att användaren har åtkomst till filerna i OneLake, som inte observerar SQL-baserade RLS. |
Frågeoperationer kommer att lyckas. | Ja, såvida inte återställningen är inaktiverad i vilket fall frågor misslyckas. |
| Om en tabell i semantikmodellen baseras på en (icke-materialiserad) SQL-vy bearbetas DAX-frågor på olika sätt beroende på vilken typ av Direct Lake-läge som används. Direct Lake på SQL-slutpunkter kommer att återgå till DirectQuery i det här fallet. Det finns inte stöd för att skapa en Direct Lake på OneLake-tabell baserat på en icke-materialiserad SQL-vy. Du kan istället använda en materialiserad lakehouse-vy eftersom Delta-tabeller är skapade. Du kan också använda ett annat lagringsläge, till exempel Import eller DirectLake för tabeller baserade på icke-materialiserade SQL-vyer. |
Ej tillämpligt | Ja, såvida inte återställningen är inaktiverad i vilket fall frågor misslyckas. |
| Sammansatt modellering, vilket innebär att Semantiska modelltabeller i Direct Lake kan blandas med tabeller i andra lagringslägen, till exempel Import, DirectQuery eller Dual (förutom specialfall, inklusive beräkningsgrupper, konsekvensparametrar och fältparametrar). | Understödd | Stöds inte |
| Beräknade kolumner och beräknade tabeller som refererar till kolumner eller tabeller i Direct Lake-lagringsläge. Beräkningsgrupper, konsekvensparametrar och fältparametrar som implicit skapar beräknade tabeller och beräknade tabeller som inte refererar till Direct Lake-kolumner eller -tabeller stöds i alla scenarier. | Stöds inte | Stöds inte |
| Direct Lake-lagringslägestabeller stöder inte komplexa deltatabellkolumntyper. Binära och GUID-semantiska typer stöds inte heller. Du måste konvertera dessa datatyper till strängar eller andra datatyper som stöds. | Stöds inte | Stöds inte |
| Tabellrelationer kräver att datatyperna för relaterade kolumner matchar. | Ja | Ja |
| Kolumner på en sida med relationer måste innehålla unika värden. Förfrågningar misslyckas om dubblettvärden upptäcks i en kolumn på ena sidan. | Ja | Ja |
| Automatisk datum-/tidsinformation i Power BI Desktop för att skapa relationer med endast datumdelen av en datetime-kolumn. Obs! Det finns stöd för att markera din egen datumtabell som en datumtabell och skapa relationer med datumkolumner. | Understödd | Stöds inte |
| Längden på strängkolumnvärden är begränsad till 32 764 Unicode-tecken. | Ja | Ja |
| Icke-numeriska flyttalsvärden, till exempel NaN (inte ett tal), stöds inte. | Ja | Ja |
| Publicera på webben från Power BI stöds endast med hjälp av ett tjänsthuvud när du använder en fast identitet för Direct Lake-semantikmodellen. | Ja | Ja |
| I webbmodelleringsupplevelsen är valideringen begränsad för Direct Lake-semantiska modeller. Användarval antas vara korrekta och inga frågor utfärdas för att verifiera kardinalitet eller korsfilterval för relationer, eller för den valda datumkolumnen i en markerad datumtabell. | Ja | Ja |
| På fabric-portalen visar fliken Direct Lake i uppdateringshistoriken Direct Lake-relaterade uppdateringsfel. Lyckade uppdateringsåtgärder listas vanligtvis inte om inte uppdateringsstatusen ändras, till exempel från ingen tidigare körning eller uppdateringsfel till uppdatering lyckad eller uppdatering lyckad med varning. | Ja | Ja |
| Din Fabric SKU avgör det maximala tillgängliga minnet per Direct Lake-semantisk modell för kapaciteten. När gränsen överskrids kan frågor till den semantiska modellen vara långsammare på grund av att stora mängder data behöver läsas in och ut ur modellen. | Ja | Ja |
| Det går inte att skapa en Direct Lake-semantisk modell på en arbetsyta som finns i en annan region i datakällans arbetsyta. Om Lakehouse till exempel finns i västra centrala USA, kan du bara skapa semantiska modeller från detta Lakehouse i samma region. För att ta reda på vilken region du befinner dig i, se hitta din Fabric basregion. | Ja | Ja En lösning är att skapa ett sjöhus i den andra regionens arbetsyta och genväg till tabellerna innan du skapar semantikmodellen. |
| Inbäddning av rapporter kräver en V2-inbäddningstoken . | Ja | Ja |
| Tjänstehuvudprofiler för autentisering. | Stöds inte | Stöds inte |
| Power BI Direct Lake-semantiska modeller kan skapas och efterfrågas av tjänstprincipaler, och medlemskap i visningsrollen med tjänstprincipaler stöds. Dock stöder de standard Direct Lake-semantiska modellerna på lakehouse/warehouse inte detta scenario. | Ja | Ja |
| Genvägar i ett sjöhus kan användas som datakällor för semantiska modelltabeller. | Stöds inte under offentlig förhandsversion | Understödd |
| Skapa Direct Lake-modeller på personliga arbetsytor (Min arbetsyta). | Stöds inte | Stöds inte |
| Distributionspipelineregler för att koppla om datakällan. | Stöds inte direkt – kan skapa ett parameteruttryck som ska användas i anslutningssträngen. | Understödd |
| Lägga till flera tabeller från samma datakällatabell. | Stöds inte i Power BI Desktop eller webbmodellering. Det går att lägga till flera tabeller från samma datakällatabell med hjälp av XMLA-baserade externa verktyg. Om du använder Redigera tabeller i Power BI-verktyg och uppdateringar resulterar det i ett fel med flera tabeller från samma datakällatabell i semantikmodellen. | Stöds inte i Power BI Desktop eller webbmodellering. Det går att lägga till flera tabeller från samma datakällatabell med hjälp av XMLA-baserade externa verktyg. Om du använder Redigera tabeller i Power BI-verktyg och uppdateringar resulterar det i ett fel med flera tabeller från samma datakällatabell i semantikmodellen. |
| Direct Lake-tabeller som skapats med hjälp av XMLA-program är ursprungligen i ett obearbetat tillstånd tills programmet skickar ett uppdateringskommando. Se till att uppdatera modellen för att bearbeta dess tabeller när du skapar en ny semantisk modell. | Frågor som rör obearbetade tabeller returnerar ett fel. | Frågor som rör obearbetade tabeller återgår till DirectQuery-läge, såvida inte återställning är inaktiverat i vilket fall frågor misslyckas. |
XMLA-kompatibla verktyg måste ha stöd compatibilityLevel för 1604 eller senare för att fungera med Direct Lake-semantiska modeller och exponera Direct Lake-specifika metadata. |
Ja | Ja |
Analysera i Excel-pivottabeller (och andra MDX-klienter) har samma begränsningar som DirectQuery med Direct Lake-tabeller i semantikmodellen. MDX-instruktioner som är sessionsbaserade, till exempel namngivna uppsättningar, beräknade medlemmar, standardmedlemmar osv., stöds inte. MDX-instruktioner med frågeomfattning, till exempel "WITH"-satsen, stöds. Användardefinierade hierarkier för Direct Lake-tabeller stöds inte. Användardefinierade hierarkier för importtabeller stöds även med Direct Lake-tabeller i den semantiska modellen.
Power BI Desktop kan liveredigera en semantisk modell med Direct Lake-tabeller och importtabeller. Beräkningsgrupper, konsekvensparametrar och fältparametrar som implicit skapar beräknade tabeller och beräknade tabeller som inte refererar till Direct Lake-kolumner eller -tabeller kan också inkluderas.
Power BI-webbmodellering kan öppna alla semantiska modeller, inklusive Direct Lake-tabeller med andra tabeller i lagringsläge.
DAX-frågevyn när du redigerar live eller är liveansluten, och skriva DAX-frågor på webben stöds för Direct Lake på SQL, Direct Lake på OneLake och äkta sammansatta (Direct Lake på OneLake + import från alla datakällor) semantiska modeller.
TMDL-vyn stöds vid liveredigering i Power BI Desktop.
Att skapa rapporter med en live-anslutning stöds för alla semantiska modeller, när rapportförfattaren har minst byggåtkomst.
Direct Lake i uttrycket för SQL-anslutning i den semantiska modellen måste referera till SQL-analysslutpunkten med GUID och inte med det användarvänliga namnet för att möjliggöra användning av Redigera tabeller och uppdatera-operationer i Power BI Desktop och Power BI-webbmodellering. Anslutningsuttrycket kan uppdateras i TMDL-vyn eller XMLA-baserade externa verktyg. GUID är tillgängligt i URL:en när du visar SQL-analysslutpunkten i webbläsaren.