FácilMúltipla escolha

Questão de prática de PL-300

Você está carregando dados de um banco de dados do SQL Server para o Power BI. Você percebe que a importação leva muito tempo porque a tabela de origem contém muitas linhas. Você precisa apenas de um subconjunto de linhas com base em um filtro de data. O que você deve fazer para melhorar o desempenho?

Escolha a melhor resposta.

Resposta correta

  • BUsar uma consulta SQL com uma cláusula WHERE no Power Query Editor.

Explicação

O uso de uma consulta SQL com uma cláusula WHERE no Power Query Editor envia o filtro de data para o banco de dados do SQL Server, reduzindo a quantidade de dados transferidos pela rede e importados para o Power BI. Essa técnica de query folding aproveita a indexação e o poder de processamento do mecanismo de banco de dados, o que é muito mais eficiente do que filtrar após a importação. Ao recuperar apenas as linhas necessárias antecipadamente, você minimiza tanto a latência de rede quanto o consumo de memória no Power BI.

Por que cada alternativa está certa ou errada

A

Incorreta

Remover colunas desnecessárias no Power Query.

Remover colunas desnecessárias no Power Query estreita a tabela eliminando atributos desnecessários, o que reduz a pegada de memória e a transferência de rede por linha. No entanto, isso não faz nada para reduzir o número de linhas importadas do SQL Server, portanto, se o gargalo for o alto volume de linhas, todo o conjunto de transações ainda trafega pela rede e aterrissa no modelo de dados. A poda de colunas é complementar à filtragem de linhas, não um substituto para enviar uma cláusula WHERE para a origem.

B

Correta

Usar uma consulta SQL com uma cláusula WHERE no Power Query Editor.

Escrever uma consulta SQL com uma cláusula WHERE diretamente no Power Query Editor é a abordagem mais eficiente porque implementa o query folding — o SQL Server executa o filtro e retorna apenas as linhas que satisfazem o predicado. Isso minimiza a transferência de dados, evita carregar linhas irrelevantes na memória do Power Query e acelera tanto a carga inicial quanto as atualizações subsequentes. Quando a origem é um banco de dados relacional, uma consulta SQL nativa com um conjunto de resultados filtrados é uma boa prática para redução em nível de linha na origem.

C

Incorreta

Carregar todos os dados e depois aplicar um filtro no Power BI.

Carregar todos os dados e depois aplicar um filtro no Power BI significa que o Power Query primeiro puxa cada linha do SQL Server, as expande na memória e, em seguida, descarta os registros não correspondentes durante o carregamento ou dentro de um filtro em nível de visual. Isso consome desnecessariamente largura de banda de rede, desacelera a carga inicial e pode esgotar a memória em tabelas grandes. Ao contrário do query folding, ele posterga a filtragem para um estágio posterior, de modo que o banco de dados não se beneficia de predicados que poderiam reduzir o conjunto de dados precocemente.

D

Incorreta

Habilitar a atualização incremental no conjunto de dados.

A atualização incremental é uma estratégia de gerenciamento de dados datados que usa os parâmetros RangeStart e RangeEnd para particionar uma tabela, mas foi projetada para cenários de atualização agendada onde apenas linhas novas ou alteradas são carregadas em atualizações subsequentes. Ela não otimiza a carga inicial completa — de fato, a primeira atualização normalmente carrega todo o conjunto de dados no modelo. Sem um filtro correspondente em uma consulta ou etapa do Power Query, habilitar a atualização incremental isoladamente não reduz a contagem de linhas transferidas durante a importação inicial de dados do SQL Server.

Para se aprofundar

Esta questão testa o conceito central de query folding e o princípio de empurrar as transformações o mais upstream possível, especialmente para origens relacionais como o SQL Server. O query folding ocorre quando o Power Query traduz etapas M em uma única instrução SQL que o banco de dados executa, permitindo que o mecanismo aproveite os índices e retorne apenas as linhas e colunas necessárias. O erro mais comum é assumir que a remoção de colunas ou a filtragem pós-carregamento no Power BI é equivalente à filtragem no lado da origem; embora reduzam o tamanho do modelo, elas não diminuem o custo de E/S de extração de linhas. A atualização incremental é frequentemente confundida com a otimização de carga inicial, mas é uma técnica de particionamento de atualização que requer uma coluna de data e só é eficaz após a primeira carga de linha de base. Em cenários do mundo real, uma cláusula WHERE em uma consulta SQL nativa ou uma etapa do Power Query que suporte dobramento (como Filtrar linhas) é a melhor maneira de minimizar a transferência de dados de tabelas grandes. Uma sutileza é que o uso de uma consulta SQL nativa pode impedir o dobramento adicional de etapas subsequentes, por isso é frequentemente recomendado usar um filtro básico do Power Query em vez de uma string SQL integrada para fins de manutenção e desempenho. Compreender onde e quando os dados são reduzidos é essencial para cenários de certificação PL-300 que envolvem otimização de desempenho e estratégias de carregamento de dados.

Sobre estas questões de prática

Esta é uma das questões de prática originais de PL-300 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.