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.
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.