Výkon
9 článků na téma Výkon: benchmarky, vnitřnosti a workaroundy pro Microsoft data stack.
- 09Kolik stojí Direct Lake v Microsoft Fabric?
Spotřeba CU Direct Lake proti Importu, měřeno v devíti replikacích na F64 a F2. Kam mizí úspora z refreshe a jaký overhead na Lakehouse nevidíš.
- 08Direct Lake pod kapotou: Transcoding, Framing, Residency, a Eviction
Jak Direct Lake ve Fabricu doopravdy funguje: framing, transcoding, residency sloupců a eviction, včetně naměřené spotřeby CU u každého z nich.
- 07Fabric Dataflow Gen2 Partitioned Compute: Nastavení a Benchmark
Zjisti, jak v Dataflow Gen2 nastavit Partitioned Compute pro paralelní zpracování. Mrkni na návod a reálné výsledky mého benchmarku v Microsoft Fabric.
- 06Automatická údržba delta tabulek ve Fabric Lakehouse (bez PySparku)
Ponoř se do fungování Delta tabulek & údržba, transakčních logů a rozložení úložiště. Ovládni údržbu, VACUUM a Z-Order pomocí Pythonu (delta-rs) v Microsoft Fabric.
- 05Rychlejší způsob načítání souborů ze SharePointu v Power BI
Optimalizace načítání dat ze SharePointu do Power BI. Porovnání výkonu konektorů a implementace vlastní strategie přes REST API pro rychlejší refresh datasetu.
- 04Jak zrychlit pomalý SharePoint List Refresh v Power BI
Zrychli načítání SharePoint seznamu v Power BI. Oprav chybu 500 a využij vlastní M skript, který zkrátí refresh z minut na pouhé sekundy.
- 03Proč je List.Contains v Power Query pomalý? Rychlejší Lookup Alternativy
Proč je List.Contains na velkých seznamech pomalý, kolik ve skutečnosti pomůže buffering a proč ho join nebo Record.FieldOrDefault porazí.
- 02Jak Power Query (M) vyhodnocuje dotazy a proč je výkon někdy nekonzistentní
Lazy versus eager vyhodnocování v jazyce M, co doopravdy mění buffering a proč ti stejný dotaz vrátí pokaždé jiná čísla.
- 01Už žádné spamování CALCULATE: Iterace přes kategorie v DAXu
Iterace v DAXu pomocí SUMX a AVERAGEX ti umožní nahradit opakované CALCULATE. Nauč se čistě řešit výpočty napříč kategoriemi v Power BI.
