Por que a atualização do Power BI fica lenta?
Entenda como query folding, etapas de transformação, volume importado e cardinalidade orientam o diagnóstico de atualizações lentas.
A atualização do Power BI pode ficar lenta quando as transformações não são processadas pela fonte, quando linhas e colunas desnecessárias entram no modelo ou quando são carregadas colunas com muitos valores distintos. Esses fatores aumentam o trabalho realizado antes de os dados ficarem disponíveis para o relatório. O Diagnóstico de Consulta ajuda a investigar esse processo e a localizar etapas que merecem análise específica.[1, 2]
As fontes disponíveis não estabelecem um tempo ideal de atualização nem um limite universal de cardinalidade. Por isso, a investigação deve comparar etapas e decisões de carregamento no contexto do conjunto de dados, sem transformar recomendações gerais em garantias de desempenho.
Onde investigar primeiro
A análise pode ser organizada em três perguntas. A primeira é onde as transformações estão sendo executadas. A segunda é quanto conteúdo está sendo importado. A terceira é quantos valores distintos existem nas colunas mantidas no modelo. Query folding, redução de volume e cardinalidade correspondem diretamente a essas três frentes.[2]
Essa separação evita tratar toda lentidão como um único problema. Uma atualização pode envolver transformações que a fonte consegue processar, mas também pode carregar dados além do necessário ou incluir colunas que comprimem pouco. As evidências fornecidas sustentam a investigação desses fatores, mas não permitem atribuir a lentidão a um deles sem diagnóstico.[1, 2]
Query folding e o local das transformações
Query folding é o envio de transformações para que sejam processadas na própria fonte de dados. Quando a fonte oferece suporte, essa delegação pode melhorar significativamente o desempenho.[2]
O ponto central não é apenas saber quantas etapas existem, mas verificar se o trabalho pode ser transferido para a origem. A fonte permitida condiciona o benefício ao suporte oferecido pelo sistema de origem, portanto não é possível afirmar que toda consulta ou transformação será dobrada.[2]
Também não se deve concluir que a ausência de folding explica, sozinha, qualquer atualização lenta. O Diagnóstico de Consulta pode ser usado para examinar possíveis anomalias de query folding e investigar o desempenho durante a atualização.[1] A formulação é importante: o diagnóstico fornece evidência para a análise, enquanto uma suspeita isolada não demonstra a causa.
Como diagnosticar etapas lentas
O Diagnóstico de Consulta pode registrar a operação completa ou examinar somente uma etapa específica. A orientação disponível indica que o usuário pode conectar-se à fonte, preferencialmente realizar as transformações e então escolher entre esses dois níveis de observação.[1]
Uma sequência coerente de investigação é:
- Registrar a operação completa para observar o comportamento geral da atualização.[1]
- Identificar a etapa que merece inspeção mais restrita, sem presumir previamente que ela é a causa.[1]
- Executar o diagnóstico dessa etapa específica e verificar se existe alguma anomalia relacionada a query folding.[1]
- Comparar o resultado com o volume realmente necessário de linhas e colunas, além da presença de colunas com alta quantidade de valores distintos.[2]
Esse procedimento combina duas evidências diferentes: o diagnóstico mostra onde investigar a operação, enquanto as recomendações de modelagem indicam quais decisões de carregamento podem aumentar o trabalho de atualização.[1, 2]
Redução seletiva de linhas e colunas
A recomendação é importar somente as linhas e colunas necessárias ao relatório.[2] A redução precisa ser seletiva, pois remover dados indiscriminadamente pode eliminar informações exigidas pelo resultado pretendido.
Antes do carregamento, vale revisar cada campo e cada grupo de registros com perguntas objetivas: a coluna será usada na análise, nos relacionamentos ou em alguma transformação necessária? As linhas fora do recorte do relatório precisam fazer parte do modelo? Essas perguntas aplicam a recomendação de limitar a importação, mas as fontes não fornecem uma regra automática para decidir o que é necessário em todos os projetos.[2]
Exemplo compacto
Considere uma consulta ilustrativa com muitas colunas, embora o relatório utilize apenas data, categoria e valor. A decisão coerente com a fonte é manter somente os campos necessários e restringir as linhas ao recorte efetivamente usado pelo relatório.[2] Depois da alteração, o Diagnóstico de Consulta pode ser executado novamente para comparar a operação completa ou a etapa modificada.[1] Se a fonte oferecer suporte a query folding, transformações enviadas para ela podem obter benefício de desempenho, mas a evidência não garante esse resultado para qualquer conector ou etapa.[2]
Cardinalidade e compressão do modelo
Neste contexto, cardinalidade corresponde à quantidade de valores distintos de uma coluna. Colunas com quantidade muito alta de valores distintos comprimem pouco e devem ser evitadas quando não forem necessárias ao relatório.[2]
A decisão não é simplesmente apagar valores distintos. O exame deve ocorrer no nível da coluna: primeiro se verifica se ela precisa ser carregada e, somente então, considera-se o impacto de sua cardinalidade. A fonte sustenta a exclusão de colunas desnecessárias e a cautela com colunas de alta cardinalidade, mas não fornece um número a partir do qual uma coluna deva ser obrigatoriamente removida.[2]
Assim, a investigação anterior ao relatório reúne três decisões complementares: observar se transformações estão sendo enviadas à fonte, diagnosticar a operação ou uma etapa isolada e limitar linhas, colunas e alta cardinalidade ao que o modelo realmente necessita.[1, 2]
Este recorte aprofunda uma dúvida operacional de desempenho sem substituir a sequência prática da formação: conteúdo relacionado do curso.
Fontes consultadas
Obras e aulas usadas na redação deste guia. Os números no texto levam a elas.
- HYMAN, Jack A. Microsoft Power BI For Dummies. Capítulo 8, marcador
- KNIGHT, Devin; OSTROWSKY, Erin; PEARSON, Mitchell. Microsoft Power BI Quick Start Guide: The ultimate beginner's guide to data modeling, visualization, digital storytelling, and more. 3rd Edition.
