DifícilVárias respostas

Questão de prática de PL-300

Quais TRÊS ações podem ajudar a otimizar o desempenho de um relatório do Power BI? (Selecione TRÊS.)

Escolha todas as respostas corretas.

Respostas corretas

  • BReduzir o número de visuais em uma única página.
  • DUsar agregações na fonte de dados (por exemplo, pré-resumir tabelas).
  • EDesativar o destaque cruzado e a filtragem cruzada onde não forem necessários.

Explicação

A opção B está correta porque cada visual em uma página de relatório emite suas próprias consultas DAX contra o conjunto de dados, portanto, reduzir o número de visuais por página diminui o número de consultas concorrentes e a carga de trabalho de renderização, melhorando a responsividade do relatório. A opção D está correta porque pré-resumir dados na origem (por exemplo, usando SQL GROUP BY, exibições ou agregação do Power Query) reduz o volume de dados carregados no modelo e permite que o mecanismo examine tabelas menores, o que acelera a atualização e a execução de consultas. A opção E está correta porque o destaque cruzado e a filtragem cruzada forçam o Power BI a consultar e renderizar novamente cada visual afetado sempre que uma seleção é feita; desativá-los onde a interatividade não é necessária evita essa sobrecarga de consultas em cascata. A opção A não é apropriada porque as colunas calculadas são computadas no momento da atualização, armazenadas no modelo e consomem memória, enquanto as medidas são avaliadas no momento da consulta e são a abordagem recomendada para agregações complexas. A opção C não é apropriada porque importar todas as colunas incha o modelo, aumenta o uso de memória e torna a atualização e as consultas mais lentas; a melhor prática é importar apenas as colunas realmente necessárias.

Por que cada alternativa está certa ou errada

A

Incorreta

Usar colunas calculadas em vez de medidas para agregações complexas.

As colunas calculadas são avaliadas durante a atualização dos dados e armazenadas na memória, consumindo RAM para cada linha, enquanto as medidas são computadas no momento da consulta apenas para as agregações exibidas. Para agregações complexas, as medidas evitam a materialização de valores intermediários desnecessários, reduzindo a pressão de memória e a sobrecarga de atualização. Esta opção é tentadora porque as colunas calculadas são frequentemente usadas para categorização em nível de linha ou pesquisas estáticas, onde a pré-computação é genuinamente benéfica.

B

Correta

Reduzir o número de visuais em uma única página.

Cada visual em uma página do Power BI emite sua própria consulta DAX quando a página é carregada. Renderizar muitos visuais simultaneamente consume CPU, GPU e memória, e também requer filtros de interação entre visuais. Reduzir o número de visuais por página diminui o número de consultas paralelas e a carga de trabalho de renderização, melhorando o carregamento da página e a responsividade da interação. Esta é uma otimização clássica em nível de relatório habilitada por melhor layout e navegação.

C

Incorreta

Importar todas as colunas das tabelas de origem para evitar dados ausentes.

Importar todas as colunas das tabelas de origem infla o modelo de dados VertiPaq com colunas desnecessárias, aumentando a pegada de armazenamento, o tempo de atualização e o uso de memória. Isso não garante a integridade dos dados; dados ausentes são um problema de qualidade de dados que persiste independentemente da seleção do esquema. Em vez disso, você deve importar apenas as colunas que são usadas em relatórios, medidas ou cálculos, reduzindo assim a sobrecarga de compactação de dicionário e acelerando a atualização e a consulta.

D

Correta

Usar agregações na fonte de dados (por exemplo, pré-resumir tabelas).

Pré-resumir tabelas na fonte de dados, como pré-resumir vendas diárias em totais mensais, reduz o número de linhas e a cardinalidade das principais colunas no modelo. Menos linhas significam dicionários menores e varreduras mais rápidas no VertiPaq, além de consultas DAX mais simples porque as agregações já estão computadas. Isso complementa, mas não substitui, o projeto adequado de esquema em estreita (star schema) e pode cortar drasticamente os tempos de resposta de consultas para relatórios de resumo de alto nível.

E

Correta

Desativar o destaque cruzado e a filtragem cruzada onde não forem necessários.

O comportamento de interação de cada visual (filtragem cruzada e destaque cruzado) cria propagação de filtro interna que pode disparar avaliação DAX adicional entre os visuais. Quando um usuário clica em um ponto de dados, o Power BI deve propagar a seleção para todos os outros visuais, o que representa trabalho extra. Desativar essas interações onde não são necessárias reduz a complexidade do contexto de filtro e evita novas consultas desnecessárias, especialmente em painéis com muitos gráficos; este é um ajuste em nível de interface que complementa a otimização em nível de modelo.

Para se aprofundar

A otimização do desempenho de relatórios do Power BI abrange três camadas: o modelo de dados, o mecanismo de consulta e a camada visual. No modelo, reduzir a contagem de linhas por meio de agregações no nível da origem e remover colunas não utilizadas encolhe diretamente o armazenamento colunar do VertiPaq, pois as colunas são compactadas como dicionários independentes e a redução de valores distintos ou números de linhas diminui a memória e acelera as varreduras. Na camada de consulta, as medidas são avaliadas apenas no momento da consulta, enquanto as colunas calculadas são avaliadas na atualização e armazenadas linha por linha — portanto, as medidas são quase sempre preferidas para agregações para evitar a materialização de dados redundantes. Na camada visual, cada visual emite sua própria consulta DAX; assim, reduzir o número de visuais em uma página e desativar o destaque/filtragem cruzada desnecessários limita o número de avaliações separadas e contextos de filtro que devem ser resolvidos. Um detalhe frequentemente esquecido é que as agregações devem se alinhar com a granularidade do nível de detalhamento do relatório: um agregado muito grosso perde a capacidade de drill-down, e muitas tabelas agregadas podem inflar o modelo. Projetos do mundo real frequentemente falham em usar o Analisador de Desempenho (Performance Analyzer) para detectar quais visuais gastam mais tempo; modelos otimizados ainda são renderizados lentamente se dezenas de medidas complexas forem calculadas em um único bloco. Compreender que a otimização é um compromisso em camadas entre latência, memória e precisão evita o erro comum de adicionar arbitrariamente medidas ou visuais.

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.