Bonnes réponses
- CLa politique d'actualisation doit tenir compte des fenêtres de maintenance du data warehouse
- DLa table doit être partitionnée dans le modèle Power BI
- ELa table source doit inclure une colonne de date ou datetime pour le filtrage
Explication
L'option C est correcte car une politique d'actualisation incrémentielle doit être planifiée de sorte que ses fenêtres d'actualisation ne coïncident pas avec les fenêtres de maintenance du data warehouse, la source devant être disponible et cohérente lorsque Power BI l'interroge pour obtenir des partitions nouvelles ou modifiées. L'option D est correcte car l'actualisation incrémentielle fonctionne en partitionnant la table dans le modèle Power BI (généralement à l'aide de paramètres RangeStart et RangeEnd sur une colonne de date), de sorte que seules les partitions les plus récentes sont actualisées tandis que les partitions historiques sont conservées. L'option E est correcte car l'actualisation incrémentielle nécessite une colonne de date ou datetime dans la table source pour filtrer et définir les limites des partitions ; sans elle, Power BI ne peut pas déterminer quelles lignes appartiennent à quelle partition et toute la table devrait être rechargée. L'option A n'est pas requise, car l'actualisation incrémentielle est prise en charge pour le mode Import (et DirectQuery n'est pas un prérequis). L'option B n'est pas requise, la source pouvant être une base de données sur site accessible via un data gateway, et non uniquement une base de données cloud.
Pour aller plus loin
L'actualisation incrémentielle dans Power BI est fondamentalement une stratégie de partitionnement combinée à une extraction de données paramétrée. Le moteur utilise deux paramètres Power Query, RangeStart et RangeEnd, ainsi que la colonne de date sélectionnée pour filtrer les données source de chaque partition. Une idée reçue fréquente est que l'actualisation incrémentielle accélère automatiquement toute actualisation ; en réalité, elle n'aide que lorsque la source prend en charge le query folding afin que le filtrage soit renvoyé à la base de données. Si le query folding échoue, Power BI peut charger toute la table en mémoire uniquement pour filtrer localement, ce qui annule le gain de performance. De plus, bien que l'actualisation incrémentielle crée des partitions dans le dataset, vous ne les gérez pas manuellement comme vous leisseriez dans un data warehouse traditionnel : la politique gère la création des partitions, mais vous devez tout de même surveiller la durée des actualisations et les volumes de données. Une autre subtilité est que les partitions historiques ne sont jamais entièrement remplacées par défaut ; vous devez définir une fenêtre glissante et choisir d'actualiser uniquement la période la plus récente, ce qui signifie que les modifications apportées aux anciennes données source nécessitent une actualisation complète de ces partitions spécifiques. Enfin, la fonctionnalité est exclusive au mode Import et fonctionne avec un large éventail de sources, y compris sur site via une gateway, ce qui contredit les hypothèses selon lesquelles le stockage cloud ou DirectQuery sont obligatoires.
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.