تعریف نقش‌ها و قوانین در Power BI Desktop

شما می‌توانید در Power BI Desktop نقش‌ها و قوانین (roles and rules) را تعریف کنید. زمانی که گزارش طراحی شده را منتشر میکنید ، آن نقش های تعریف شده نیز همراه گزارش منتشر میشوند.

برای تعریف نقش‌های امنیتی این گام‌ها را دنبال کنید.

2. داده‌ها را وارد گزارش Power BI Desktop خود کنید (import) یا  بصورت   DirectQuery به منبع اطلاعاتی متصل شوید.
3. از تب modeling قسمت Manage roles را انتخاب کنید.

3. Create را انتخاب کنید.
   
   
   
4. برای نقش role مورد نظر یک نام انتخاب کنید.
5. جدولی که می‌خواهید قانون DAX بر آن اعمال شود را انتخاب کنید.
6. عبارات DAX را وارد کنید. این عبارت باید در آخر صحیح یا غلط باشد. برای مثال: [ENTITY ID] = “VALUE”
   
   

نکته

می‌توانید در این عبارت از تابع  username() استفاده کنید. مراقب باشید که username() درPower BI Desktop دارای فرمت Domain\username است. در Service Power BI و Power BI Report Server دارای فرمت User Principal Name (UPN) است. همچنین می‌توانید از userprincipalname() که همیشه کاربر را به فرمت نام کاربری اصلی usernme@contoso.com بازمی‌گرداند استفاده کنید

7. پس از اینکه عبارت DAX را ساختید می‌توانید برای تایید عبارت تیک موجود در بالای کادر عبارت را بزنید.
   

نکته: در این کادر میتونید از کاما برای جداکردن فیلرهای مختلف استفاده کنید

   ۸٫ Save را انتخاب کنید.

شما نمی‌توانید با استفاده از Power BI Desktop برای کاربران نقش برگزینید.
 باید ارتباط بین نقش و کاربران را در Power BI Service یا Power BI Report Server انجام دهید.
می‌توانید با DAX و استفاده ازusername()  یا userprincipalname() امنیت پویا (Dynamic Security) را در Power BI Desktop ایجاد و روابط مناسب را تنظیم کنید.

Bidirectional cross-filtering

RLS به صورت پیش‌فرض فارغ از اینکه روابط (Relationships) یک‌جهتی یا دو‌جهتی هستند، برای فیلتر کردن از فیلترهای تک‌جهتی استفاده می‌کند. با انتخاب رابطه‌ی مورد نظر و علامت زدن تیک گزینه‌ی “اعمال فیلتر امنیتی در هر دو جهت” در کادر انتخابی، می‌توانید از طریق RLS به صورت دستی Apply security filter in both directions  را فعال کنید.


همچنین در زمانی که در سطح سرور RLS پویا یا همان dynamic row-level security  را اجرا می‌کنید باید به بررسی این کادر بپردازید و ببینید که RLS بر اساس نام کاربری تنظیم شده است یا ID ورودی.
برای اطلاعات بیشتر لینکهای زیر را مطالعه کنید

 Bidirectional cross-filtering using DirectQuery in Power BI Desktop 
Securing the Tabular BI Semantic Model 

تست نقش‌ها در Power BI Desktop

پس از اینکه نقش‌های خود را ایجاد کردید، نتایج را در Power BI Desktop تست کنید.

1. گزینه‌ی view as roles را انتخاب کنید.
   

در بخش view as roles، نقش‌هایی که ایجاد کرده‌اید را مشاهده می‌کنید.

2. نقشی که ایجاد کرده‌اید را انتخاب کنید و سپس ok را بزنید تا نقش مورد نظر اعمال شود. گزارش‌ سبب می شود تا داده های مربوط به آن نقش ارائه شود.
   
   
3. همچنین می توانید other user را انتخاب کنید و یک کاربر مشخص را برگزینید. بهترین راه این است که نام اصلی کاربری (UPN) را ارائه دهید چراکه Service Power BI و Power BI Report Server از این نام کاربری استفاده می‌کنند.
   
   
   
4. Ok را انتخاب کنید تا گزارش بر اساس آنچه کاربر قادر به مشاهده‌ی آن است تطبیق پیدا کند.

بخش other user در Power BI Desktop، تنها در صورتی که بر اساس عبارات DAX خود از dynamic security  استفاده کنید نتایج متفاوتی را نمایش می‌دهد.

اختصاص کاربر به نقش 

بعد از اینکه گزارش طراحی شده را در Power BI Rerpot Server قرار دادید میتوانید مدیریت کاربران و نقش ها را انجام دهید
فقط کاربری که دارای دسترسی از نوع Publisher یا Content Manager میتواند نقش ها و کاربران را مدیریت کنید.
اگر داخل PowerBI Desktop برای گزارش نقشی تعریف نکرده باشید, در Report Server نمیتوانید Role تعریف کنید یا کاربرانی به نقش ها اختصاص دهید

برای مدیریت امنیت در مدل داده‌ی خود باید یه صورت زیر عمل کنید.

1. بر روی گزارش , گوشه سمت راست بالا , منوی سه نقطه (…) را انتخاب کنید.
2. گزینه‌ی Manage > Row-level security را انتخاب کنید.
   

این کار باعث می‌شود تا به صفحه‌ی RLS وارد شوید و بتوانید اعضا را به نقش‌هایی که در Power BI Desktop ایجاد کرده‌اید , اضافه کنید.

شما تنها در Power BI Desktop می‌توانید نقش‌ها را ایجاد و سازماندهی کنید و اختصاص کاربر به نقش ها در Rerpot Server انجام میشود.

۳٫ بر روی اضافه کردن کاربر به نقش بر روی دکمه Add Member کلیک کنید

۴٫نام کاربر یا گروه کاربری را با فرمت DOMAIN\user بنویسید و بعد تعیین کنید که این کاربر یا گروه کاربری چه نقش هایی میتواند داشته باشد.
دقت کنید که کاربر یا گروه کاربری باید در ویندوز سرور و یا دامینی که سرور در آن قرار دارد از قبل تعریف شده باشند

۶٫ بر روی دکمه OK کلیک کنید تا تغییرات ذخیره شوند

شما همچنین می‌توانید بر حسب عددی که در کنار نوع نقش در کنار Members قرار دارد، ببینید که چند نفر در نقشی که ایجاد کرده‌اید موجود اند.

۷٫ برای حذف اعضا میتوانید آن را انتخاب کنید و دکمه Delete را کلیک کنید

استفاده از تابع زبان DAX بنام  username یا userprincipalname

 شما می‌توانید از این توابع در تعریف عبارات فیلتر هنگام تعریف نقش role در  Power BI Desktop استفاده کنید. زمانی که گزارش خود را بر روی Power BI Rerpot Server منتشر میکنید , از این توابع برای شناسایی کاربری که در حال مشاهده گزارش هست استفاده میشود تا در صورت نیاز طبق نقشهایی که برای آن کاربر تعیین شده است , اطلاعات را ببیند.
مثلا اگر کاربر شعبه شیراز در حال مشاهده گزارش بود, فقط اطلاعات فروش شعبه شیراز را ببیند و نه شعبات دیگر را

در  Power BI Desktop تابع ()  username , نام کاربر را با فرمت DOMAIN\user و تابع userprincipalname  نام کاربر را با فرمت ایمیلی مثلا user@cntoso.com برمیگرداند.

در Power BI Rerpot Server  هر دو تابع  نام کاربری را بصورت (UPN) که شبیه به آدرس ایمیل به نظر می‌رسد.برمیگرداند. البته حتما این مورد را در عمل چک کنید چون ممکن است مشابه Power BI Desktop  هر تابع, نام کاربری را در قالب متفاوتی برگرداند.

محدودیت‌ها

در قسمت زیر محدودیت‌های فعلی RLS در مدل ابری آمده است.

• اگر اخیرا در سرویس Power BI نقش‌ها و قوانینی را تعریف کرده‌اید باید بار دیگر در Power BI Desktop آن‌ها را تعریف کنید.
• شما تنها می‌توانید RLS را مجموعه داده‌هایی که در Power BI Dektop ساخته شده‌اند تعریف کنید. اگر می‌خواهید RLS را برای مجوعه داده‌هایی که در Excel ساخته شده‌اند فعال کنید، باید ابتدا فایل‌های خود را به فایل‌های Power BI Desktop(PBIX) تبدیل کنید.
• تنها ارتباطات Import و DirectQuery پشتیبانی می‌شوند. ارتباطات زنده Live Connection برایanalysis services با مدل on-premeises مدیریت می‌شود.

پرسش‌های متدوال (FAQ)

پرسش: آیا می‌توانم این نقش‌ها را برای منبع داده‌ی Analysis Service ایجاد کنم؟

پاسخ: اگر داده‌ها را به Power BI Desktop بصورت import وارد کنید، می توانید. اگر از  Live Connection استفاده می‌کنید، قادر به ایجاد RLS در Power BI نیستید.
اگر منبع اطلاعاتی شما در SSAS (tabular – multidimensional) قرار دارد و  بصورت live connections متصل میشوید باید در همان SSAS و در قسمت role نقشها و کاربران هر نقش را تعریف و تعیین کنید .

پرسش: آیا می‌توانم برای محدود کردن ستون‌ها یا بررسی دسترسی کاربران از RLS استفاده کنم؟

پاسخ: خیر، اگر یک کاربر به یک ردیف از داده دسترسی داشته باشد، می‌تواند تمام ستون‌ها و داده‌های آن ردیف را مشاهده کند.

پرسش: آیا RLS به من امکان پنهان کردن داده‌ها را می‌دهد و از طرفی دسترسی به خلاصه‌ی نمایشی داده‌ها را مقدور می‌کند؟

پاسخ: خیر، وقتی کاربر به اطلاعات رکوردهایی دسترسی داشته باشه هم میتواند جزئیات را ببیند و هم نتایج خلاصه شده آن اطلاعات را .

 
پرسش : آیا میتوانم نقش جدید در Power BI Desktop به گزارش اضافه کنم در حالی که این گزارش قبلا منتشر شده است و دارای نقش و کاربران اختصاص داده شده باشد؟

پاسخ : بله میتوانید

با این روش شما عملکرد کامل Power BI را دریافت می کنید .شما می توانید یا استفاده از Power Query داده ها از چند منبع را با هم ترکیب کنید و یا با استفاده از DAX عبارات و تصاویر پیشرفته هوشمند به زمان بسازید.

در این روش ، هیچ محدودیت عملکردی در Power BI وجود نخواهد داشت . شما می توانید از تمام اجزاء استفاده کنید.

محدودیت حجم

در این روش ، شما محدودیت حجم در مدل خواهید داشت. مدل Power BI شما (یا بیاید به آن فایل بگوییم) نمیتواند بیشتر از ۱ گیگابایت باشد. شما معمولا تا ۱۰ گیگابایت حجم در حساب خود خواهید داشت ، اما هر فایل باید تا حجم ۱ گیگابایت باشد. یک استثنا برای این وجود دارد : Power BI Premium به شما اجازه می دهد مدل با حجم ۵۰ گیگابایت در وب سایت Power BI بارگزاری کنید. بدون پریمیموم حداکثر سایز فایل که میتوانید داشته باشید ۱ گیگابایت است. اما یادتان باشد فایل ۱ گیگابایتی Power BI برابر ۱ گیگابایت داده در منبع نیست . (همان طور که در بخش موتور فشرده سازی گفته شد).

این سریع ترین روش است

این روش اتصال سریع ترین گزینه ممکن است .

داده ها در حافظه سرور بارگذاری می شوند ، و گزارش های Query از داده های بارگزاری شده در حافظه ارزیابی می شود. هیچگونه کندی یا تاخیر زمانی در این روش وجود ندارد (تا زمانی که مدل Power BI خود را بدون مشکل اجرائی طراحی کنید).

منبع:

https://radacad.com/directquery-live-connection-or-import-data-tough-decision

در آینده در یک پست درباره موتور فشرده سازی با جزئیات توضیح خواهم داد.

خلاصه این قسمت : Power BI داده ها را فشرده ذخیره می کند. حجم داده ها در Power BI می تواند بسیار کمتر از حجم داده ها در منبع باشد.

منبع:

https://radacad.com/directquery-live-connection-or-import-data-tough-decision

اگر شما ۱ میلیون سطر در جدول منبع داشته باشید ، و بدون هیچ فیلترینگ در Power BI بار گزاری کنید ، شما با همان مقدار سطرهای داده در Power BI مواجه خواهید شد . اگر شما یک مرکز داده با ۱۰۰۰ جدول داشته ، اما تنها ۱۰ عدد از آن جدول ها را در Power BI بارگزاری کنید ، در این صورت مصرف حافظه همان ۱۰ جدول را خواهید داشت. نتیجه این است که شما به همان مقدار داده که در Power BI بارگزاری می کنید فضای دیسک و حافظه مصرف می کنید.

منبع:

https://radacad.com/directquery-live-connection-or-import-data-tough-decision

سه روش اصلی Power BI برای اتصال به منابع داده :

Power BI، از روش های مختلف برای اتصال داده ها پشتیبانی می کند، به همین دلیل انتخاب روش درست همیشه انتخاب سختی است. شما درباره ی کوعری مستقیم DirectQuery، اتصال زنده (Live Connection) و وارد کردن داده ها (Import Data) شنیده اید. معنی این سه چیز واقعا چیست؟ و در چه موقعیتی باید یکی از آن ها را به جای موارد دیگر انتخاب کنید؟ کدام ‌یک سریع تر است؟ کدام‌یک انعطاف پذیر تر است؟ آیا DirectQuery و Live Connection در واقع یک چیز هستند؟ یا دو روش مجزا؟ و خیلی سوال های دیگر.
همیشه در دوره های آموزشی، بحث های کنفرانس و پست های بلاگ، سوال های زیادی مثل این ها مطرح می شوند. در این فصل جواب تمام سوال های بالا رو می گیرید. این فصل به شما کمک می کند بتوانید روش اتصال داده ها و معماری درست برای Power BI Solution را انتخاب کنید.

چرا این یک تصمیم گیری سخت است؟

اگر Power BI تنها یک روش برای اتصال به منبع داده ها می داشت، در آن صورت همه چیز آسان بود. شما هیچ وقت به انتخاب بین روش ها و پیدا کردن روش درست برای خودتان احتیاج پیدا نمی کردید؛ اما Power BI از سه روش مختلف برای اتصال به داده ها پشتیبانی می کند:
DirectQuery، Live Connection و import data (بعضی ها به آن به روز رسانی برنامه ریزی شده یا scheduled Refresh می گویند).
خیلی از شما ممکن است هنوز فکر کنید که DirectQuery و Live Connection یکسانند، اما آن ها متفاوت هستند. در ادامه ی این فصل تفاوت بین آن ها را متوجه خواهید شد. هر روش معایب و مزایایی دارد. بسته به سناریویی که از Power BI برای آن استفاده می کنید ممکن است یک روش را به روش های دیگر ترجیح دهید. در روند اجرا، تغیر روشی به روشی دیگر، پس از مدتی می تواند عملیات وقت گیری باشد؛ بنابراین انتخاب روش مناسب از ابتدا بهترین کار است.

انتخاب روش مناسب یک قدم مهم برای معماری Power BI Solution است که معمولاً در مراحل اولیه قبل از شروع اجرا باید انتخاب کنید.

در این فصل جواب تمام سوالات زیر و چیستی روش ها را نیز شرح خواهیم داد.

•  Import Data / scheduled Refresh چیست؟
• DirectQuery چیست؟
• Live Connection چیست؟
• تفاوت بین Live Connection و DirectQuery چیست؟
• نقاط قوت و ضعف هر روش.
• کدام روش بهترین و سریع ترین اجرا را دارد؟
• کدام روش انعطاف پذیری بیشتری دارد؟
• کدام روش مقیاس پذیرتر است؟
• سناریوهای معماری برای استفاده از هر روش چیست؟
• نقش دروازه (getaway role) چیست؟

بررسی روش Import Data یا Schedule Refresh

با این روش اطلاعات داخل Power BI بارگزاری Load میشوند و این یعنی مصرف RAM و HDD برای نگهداری این اطلاعات.
تا زمانی که با Power BI Desktop در حال طراحی گزارش هستید و از این روش استفاده میکنید , از RAM و HDD کامپیوتر شما برای نگهداری اطلاعات مصرف میشود و زمانی که گزارش را بر روی سرور منتشر کردید , از منابع RAM و HDD سرور برای بارگزاری اطلاعات استفاده میشود.

اگر بانک اطلاعاتی شامل ۱۰۰ جدول باشد اما فقط ۱۰ تای آن را import کنید , فقط به اندازه همان ۱۰ جدول از ram و hdd فضا گرفته میشود و نه ۱۰۰ جدول.
در اصل به همان اندازه که اطلاعات وارد power bi میکنید (import) , از ram و hdd مصرف میشود.

موتور فشرده سازی اطلاعات xVelocity

در روش import اولین چیزی که به ذهنتان میرسد این است که اگر اطلاعات یک دیتابیس ۱۰۰ گیگابایتی را وارد power bi کنید , باید سایز فایل power bi هم ۱۰۰ گیگ شود. اما این اشتباه است!
power bi از یک موتور فشرده سازی اطلاعات بنام xVelocity استفاده میکند که مبتنی بر تکنولوژی Column store in-memory میباشد.
شاید اگر شما اطلاعات یک فایل اکسل ۱ گیگابایتی را وارد power bi کنید , فایل power bi شما ۱۰ مگابایت شود ! و این بخاطر فشرده سازی اطلاعات توسط xVelocity است.
البته فشرده سازی نرخ ثابتی ندارد مثلا همیشه ۱۰ برابر فشرده نمیکند و میزان فشرده سازی به عوامل مختلفی مانند نوع داده ای ستونها , میزان تنوع داده های داخل ستون دارد.

بطور خلاصه میتوان گفت در روش import data اطلاعات داخل power bi بارگزاری و فشرده میشوند .

مزایا و معایب روش Import data

مزایا
– در این روش میتوانید از تمام امکانات و بخش های Power BI Desktop بدون هیچ محدودیت استفاده کنید.
– میتوانید اطلاعات از منابع مختلفی با هم بخوانید مثلا بخشی از اطلاعات را از فایل اکسل بخوانید و بخشی دیگر را از وب سرویس یا فایل متنی وارد power bi کنید.
– میتوانید با power query اطلاعات را دستکاری کنید تا فرمت و قالب مدنظرتان را داشته باشند.
– میتوانید به کمک زبان DAX , انواع میژر , ستون محاسباتی و جدول محاسباتی بسازید.
– import اطلاعات, سریعترین روش هست چرا که تمام اطلاعات داخل RAM بارگزاری میشود و تمام محاسبات در سریعترین زمان ممکن انجام میشود

معایب :
محدودیت حجم فایل, بزرگترین ایراد این روش این هست.
در این روش حجم نهایی دیتا مدل یا همان فایل power bi بایستی ۱ گیگابایت باشد. البته دقت کنید که این ۱ گیگ بعد از فشرده سازی اطلاعات هست و شاید حجم اطلاعات در منابع اطلاعاتی هنگام import بیشتر از چند گیگ باشد.
اگر در power bi service اکانت دارید به شما ۱۰ گیگ فضای رایگان داده شده است که میتوانید ۱۰ فایل power bi با حجم حداکثر ۱ گیگ در آن آپلود کنید.
البته اگر اکانت premium داشته باشید این میزان بیشتر از ۱۰ گیگابایت خواهد بود.
اگر از power bi report server استفاده میکند فضای سرور بستگی به سخت افزار آن دارد اما همچنان سایز فایل power bi باید حداکثر ۱گیگابایت باشد.

اگر از چند منبع متفاوت اطلاعات را میخوانید , یا منبع اطلاعاتی شما فایلهای اکسل هستند و یا حجم اطلاعاتتان کم هست (در حد چند گیگ ) , روش import را انتخاب کنید

بررسی روش DirectQuery

در این روش power bi بطور مستقیم به منبع داده ای متصل میشود و مانند روش قبلی اطلاعات داخل power bi بارگزاری نمیشوند.
در این روش Power bi بیشتر نقش بصری سازی visualization را دارد و هر وقت نیازی به اطلاعات داشت , به منبع اطلاعاتی وصل میشود , اطلاعات را میخواند و نمایش میدهد.
برای همین در این روش سایز فایل power bi بسیار ناچیز است.
منابع اطلاعاتی که بصورت direct query میتوان به آنها متصل شد:

• SQL Server
• Oracle Database (version 12 and above)
• Amazon Redshift
• Azure HDInsight Spark (Beta)
• Azure SQL Database
• Azure SQL Data Warehouse
• IBM Netezza (Beta)
• Impala (version 2.x)
• SAP Business Warehouse (Beta)
• SAP HANA
• Snowflake
• Spark (Beta) (version 0.9 and above)
• Teradata Database

برای اطلاعات بیشتر در مورد انواع منابع اطلاعاتی و روشهای اتصال به آنها حتما به لینک
https://docs.microsoft.com/en-us/power-bi/power-bi-data-sources
مراجعه کنید.

مزایا و معایب روش Direct Query :

۱- مقیاس پذیری “مزیت اصلی” :
– این روش محدودیت سایز ندارد چرا که واقعا هیچ دیتایی در Power BI بارگزاری نمیشود. برای همین هرگز با مشکل محدودیت سایز مواجه نمی‌شوید. به کمک این روش میتوانید به منابع اطلاعاتی مانند SQL Server , Oracle و … با سایزی در حد چند پتابایت متصل شوید. ( ۱ پتابایت, ۱۰۰۰ ترابایت میشود)

۲- محدودیت در عملکرد :
در این روش به نسبت مدل import کمتر از امکانات power query میتوانید استفاده کنید.
در این روش فقط دو نوار Report View و Model View فعال هستند و نوار Data View مشاهده نمیشود.
در نوارد Model View میتوانید در صورت لزوم رابطه بین موجودیتها و جداول را تغییر دهید.

اگر منبع اطلاعاتی که میخواهید به آن متصل شوید از روش Direct Query پشتیبانی نکند, صفحه ای نمایش داده میشود که بتوانید به مدل اتصال Import تغییر روش دهید.

۳- محدودیت در زبان DAX:
در این روش نمیتوانید از انواع عبارتهای DAX استفاده کنید . مثلا توابع کار با تاریخ
Time Intelligence functions are not supported
Calculated Table are not supported

با این حال در این روش تمام امکانات Visualization بدون محدودیت در دسترس هستند.

۴- اتصال کند Slow Connection
بزرگترین ایراد این روش کندی اتصال به منبع داده نسبت به روش import است.
در این روش هر ویژوال ابتدا یک کوئری به سمت منبع اطلاعاتی ارسال میکند و دیتایی که در جواب میگیرد را بصورت گرافیکی نمایش میدهد.
از آنجایی که در یک صفحه چندین Visual وجود دارد و هر کدام در حال ارسال کوئری و دریافت اطلاعات هستند حتما بایستی اقداماتی برای افزایش کارایی در این روش انجام دهید.
Performance Considering is a MUST DO in the data source for this model

یک مثال از افزیش کارایی Performance

در اینجا یک کوئری بر روی جدولی با ۴۸ میلیون رکورد که از ایندکس معمولی normal index   استفاده میکند, اجرا شده است و میبینید که ۴ دقیقه زمان برد.



حالا اگر بر روی همین جدول Clustered Column Store index را ایجاد کنیم و دوباره همان کوئری را اجرا کنیم زمان اجرا تقریبا صفر میشود.


برای افزایش کارایی دیتابیس Performance tuning  , کتابها و فایلهای آموزشی زیادی وجود دارد که اگر میخواهید از روش Direct Query استفاده کنید حتما باید مطالعه بفرمایید.
توجه داشته باشید که روشهای افزایش کارایی در هر نوع دیتابیس مانند SQL Server, Oracle و .. با یکدیگر متفاوت هستند.

روش اتصال Composite Model

در نسخه های جدید Power BI Desktop بجز نسخه RS این امکان وجود دارد که همزمان به دوصورت Direct Query و Import به منابع داده ای متصل شوید که به این روش  Composite Model میگویند .
برای آشنایی بیشتر لطفا این لینک را مطالعه بفرمایید
https://radacad.com/composite-model-directquery-and-import-data-
combined-evolution-begins-in-power-bi

بررسی روش اتصال زنده Live Connection

این روش خیلی شبیه مدل Direct Query هست یعنی اطلاعات داخل Power BI بارگزاری نمیشوند و هر بار کوئری به سمت منبع اطلاعاتی ارسال و اطلاعات دریافتی در ویژوال نمایش داده میشود.
اما این روش فقط برای سه منبع زیر قابل استفاده است:

• SQL Server Analysis Services (SSAS) Tabular
• SQL Server Analysis Services (SSAS) Multi-Dimensional
• Power BI Service

هنگام اتصال Live Connection با Power BI فقط میتوانید عملیات Visualization را انجام دهید و عملیات Data Modeling مانند ساخت هایراکی یا مدیریت رابطه ها بایستی در سمت منبع اطلاعاتی انجام شود .

مزایا و معایب مهم روش Live Connection

۱- Big Size Model with OLAP or Tabular Engine
در این روش هم مانند مدل Direct Query , محدودیت سایز وجود ندارد
اگر منبع اطلاعاتی SSAS Tabular باشد میتوانید از زبان DAX و اگر منبع اطلاعاتی Multi-Dimensional باشد میتوانید از زبان MDX استفاده کنید.
به کمک زبان DAX یا MDX میتوانید تمام محاسبات یا مدلسازی های موردنیاز را انجام دهید.

مزیت Live Connection نسبت به Direct Query

در روش Live Connection میتوانید از زبان DAX یا MDX برای برخی تحلیلهای پیچیده استفاده کنید که در روش Direct Query قابل استفاده نیستند.
انجام برخی تحلیل ها با زبان TSQL گاهی نشدنی یا خیلی زمانبر است درحالی که همان تحلیلها به زبان DAX یا MDX براحتی پیاده سازی میشود.

۲-No Power Query. Just Visualization
بزگترین ایراد این روش این است که اصلا از Power Query نمیتوانید استفاده کنید و فقط نوار Report View برای مصورسازی Visualization در دسترس است.

۴- Report Level Measures

فقط اگر بصورت Live Connection به SSAS Tabular متصل شوید , میتوانید به زبان Dax, سنجه آماری یا Measure در سطح گزارش یا همان داخل Power BI Desktop بسازید.
البته توصیه میشود انواع محاسبات DAX را در منبع اطلاعاتی SSAS Tabular پیاده سازی کنید و از Power BI جهت بصری سازی Visualization استفاده کنید و فقط زمانی از این امکان استفاده کنید که دسترسی به SSAS Tabular را ندارید.
فعلا تا هنگام نوشتن این پست امکان اضافه کردن Calculated Memberبرای SSAS Multi-Dimensional وجود ندارد.

بررسی اجمالی روش Import Data or Schedule Refresh

مزایا :

• سریعترین روش برای اتصال
• استفاده کامل از تمام امکانات Power BI
• ترکیب اطلاعات از منابع مختلف داده ای
• استفاده کامل از عبارات و انواع محاسبات DAX
• امکان استفاده کامل از Power Query

معایب :

• محدودیت سایز ۱ گیگابایت برای فایل گزارش Power BI
  
  

بررسی اجمالی روش Direct Query

مزایا:

• بدون محدودیت سایز . No size limitation

معایب :

• سرعت اتصال کند در صورت عدم رعایت اصول Performance Tuning در منبع اطلاعاتی
• عملکرد محدود Power Query
• استفاده محدود از زبان DAX

بررسی اجمالی روش Live Connection

مزایا :

• Large Scale data sources supported. No size limitation as far as SSAS Supports.
• Report Level Measures
• امکان استفاده از زبانهای تحلیل MDX or DAX 

معایب :

• عدم امکان استفاده از Power Qury
• فقط به یک منبع اطلاعاتی میتوان متصل شد
• سرعت اتصال کند در صورت عدم رعایت اصول Performance Tuning در منبع اطلاعاتی

 در Relationship  view، می توانید یک بلوک را ببینید که جدول و ستون های آن و خطوط بین آنها برای نشان دادن روابط را نشان می دهد.

 افزودن و حذف روابط ساده است.  برای حذف یک رابطه، روی آن راست کلیک کرده وDelete  را انتخاب کنید.  برای ایجاد یک رابطه، فیلد هایی را که می خواهید بین جداول پیوند دهید را انتخاب و رها کنید. (مثل عکس)

 برای مخفی کردن یک جدول یا ستون جداگانه در گزارش خود، در Relationship  view روی آن راست کلیک کرده و Hide in Report view یا «حالت مخفی در نمای گزارش» را انتخاب کنید.

 برای مشاهده دقیق تر روابط داده های خود، Manage Relationships یا مدیریت ارتباطات را در Home انتخاب کنید.  این کار باعث باز شدن پنجره Manage Relationships می شود که روابط را به جای یک نمودار تصویری به عنوان یک لیست نمایش می دهد.  از اینجا می توانید Autodetect را برای پیدا کردن روابط داده های جدید یا به روز شده انتخاب کنید. برای ویرایش رابطه ها می توانید Edit را انتخاب کنید. در اینجا می توانید گزینه های پیشرفته یا cardinality  و cross filter یا فیلتر متقابل را برای تنظیم  روابط پیدا کنید.

 گزینه های  cardinality، یک به چند (many to one) و یک به یک (one to one) هستند.  یک به چند ماهیت ارتباط بعدی است،مثلا تطبیق یک جدول فروش با چندین ردیف برای هر محصول با یک جدول از لیست محصولات در سطر منحصر به فرد خود. بک به یک اغلب برای ارتباط یکپارچه جداول مرجع استفاده می شود.

 به طور پیشفرض، روابط در هر دو جهت cross filter می شود.  Cross filter کردن در یک جهت برخی از قابلیت های مدل سازی در رابطه را محدود می کند.

 تنظیم روابط دقیق بین داده ها به شما این امکان را می دهد تا محاسبات پیچیده ای را بین عناصر مختلف داده ای ایجاد کنید.

منبع:

https://docs.microsoft.com/en-us/power-bi/guided-learning/modeling?tutorial-step=2