FacileChoix unique

Question d'entraînement PL-300

Vous chargez des données d'une base de données SQL Server vers Power BI. Vous remarquez que l'importation prend beaucoup de temps car la table source contient de nombreuses lignes. Vous avez uniquement besoin d'un sous-ensemble de lignes basé sur un filtre de date. Que devez-vous faire pour améliorer les performances ?

Choisissez la meilleure réponse.

Bonne réponse

  • BUtiliser une requête SQL avec une clause WHERE dans l'éditeur Power Query.

Explication

L'utilisation d'une requête SQL avec une clause WHERE dans l'éditeur Power Query délégue le filtre de date au niveau de la base de données SQL Server, ce qui réduit la quantité de données transférées sur le réseau et importées dans Power BI. Cette technique de query folding exploite l'indexation et la puissance de traitement du moteur de base de données, ce qui est beaucoup plus efficace qu'un filtrage après l'importation. En récupérant uniquement les lignes nécessaires dès le départ, vous minimisez à la fois la latence réseau et la consommation de mémoire dans Power BI.

Pourquoi chaque option est juste ou fausse

A

Fausse

Supprimer les colonnes inutiles dans Power Query.

La suppression des colonnes inutiles dans Power Query affine la table en éliminant les attributs superflus, ce qui réduit l'empreinte mémoire et le transfert réseau par ligne. Cependant, cela ne réduit en rien le nombre de lignes importées de SQL Server. Par conséquent, si le goulot d'étranglement est un volume de lignes élevé, l'ensemble des transactions traverse toujours le réseau et atterrit dans le modèle de données. L'élagage des colonnes est complémentaire au filtrage des lignes, et non un substitut au renvoi d'une clause WHERE vers la source.

B

Juste

Utiliser une requête SQL avec une clause WHERE dans l'éditeur Power Query.

Écrire une requête SQL avec une clause WHERE directement dans l'éditeur Power Query est l'approche la plus efficace car elle met en œuvre le query folding : SQL Server exécute le filtre et renvoie uniquement les lignes qui satisfont au prédicat. Cela minimise le transfert de données, évite de charger des lignes non pertinentes dans la mémoire de Power Query et accélère à la fois le chargement initial et les actualisations ultérieures. Lorsque la source est une base de données relationnelle, une requête SQL native avec un jeu de résultats filtré est une bonne pratique pour la réduction au niveau des lignes à la source.

C

Fausse

Charger toutes les données, puis appliquer un filtre dans Power BI.

Charger toutes les données puis appliquer un filtre dans Power BI signifie que Power Query extrait d'abord chaque ligne de SQL Server, les développe en mémoire, puis rejette les enregistrements non correspondants pendant le chargement ou dans un filtre au niveau visuel. Cela consomme inutilement de la bande passante réseau, ralentit le chargement initial et peut saturer la mémoire sur les grandes tables. Contrairement au query folding, cela reporte le filtrage à une étape ultérieure, de sorte que la base de données ne bénéficie pas des prédicats susceptibles de réduire le jeu de données en amont.

D

Fausse

Activer l'actualisation incrémentielle sur le jeu de données.

L'actualisation incrémentielle est une stratégie de gestion des données datées qui utilise les paramètres RangeStart et RangeEnd pour partitionner une table, mais elle est conçue pour des scénarios d'actualisation planifiée où seules les lignes nouvelles ou modifiées sont chargées lors des actualisations ultérieures. Elle n'optimise pas le chargement initial complet ; en fait, la première actualisation charge généralement l'ensemble du jeu de données dans le modèle. Sans filtre correspondant dans une requête ou une étape Power Query, l'activation de la seule actualisation incrémentielle ne réduit pas le nombre de lignes transférées lors de l'importation initiale des données depuis SQL Server.

Pour aller plus loin

Cette question teste le concept fondamental du query folding et le principe consistant à repousser les transformations le plus en amont possible, en particulier pour les sources relationnelles telles que SQL Server. Le query folding se produit lorsque Power Query traduit les étapes M en une seule instruction SQL exécutée par la base de données, permettant au moteur d'exploiter les index et de renvoyer uniquement les lignes et colonnes requises. L'erreur la plus courante est de supposer que la suppression de colonnes ou le filtrage post-chargement dans Power BI équivaut à un filtrage côté source ; bien que cela réduise la taille du modèle, cela ne diminue pas le coût d'E/S de l'extraction des lignes. L'actualisation incrémentielle est souvent confondue avec l'optimisation du chargement initial, mais il s'agit d'une technique de partitionnement d'actualisation qui nécessite une colonne de date et n'est efficace qu'après le premier chargement de référence. Dans des scénarios réels, une clause WHERE dans une requête SQL native ou une étape Power Query prenant en charge le repli (comme Filtrer les lignes) est le meilleur moyen de minimiser le transfert de données à partir de grandes tables. Une subtilité est que l'utilisation d'une requête SQL native peut empêcher un repli ultérieur des étapes suivantes, il est donc souvent recommandé d'utiliser un filtre Power Query de base plutôt qu'une chaîne SQL tout-en-un pour la maintenabilité et les performances. Comprendre où et quand les données sont réduites est essentiel pour les scénarios de certification PL-300 impliquant l'optimisation des performances et les stratégies de chargement de données.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement PL-300 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.