Direct Lake는 Microsoft Fabric 작업 영역에 저장된 Power BI 의미 체계 모델의 테이블 스토리지 모드 옵션입니다. OneLake에 저장된 델타 테이블(모든 분석 데이터에 대한 단일 저장소)에서 메모리로 빠르게 로드할 수 있는 대량의 데이터에 최적화되어 있습니다. 메모리에 로드되면 의미 체계 모델을 통해 고성능 대화형 분석을 수행할 수 있습니다.
Direct Lake는 특히 전체 데이터 볼륨을 가져오기 모델로 복제하는 것이 어렵거나 불가능한 경우 델타 테이블을 사용하여 대형 패브릭 레이크하우스, 웨어하우스 및 기타 원본에 연결하는 의미 체계 모델에 적합합니다. Direct Lake 쿼리는 가져오기 모드와 마찬가지로 VertiPaq 쿼리 엔진에서 처리되는 반면 DirectQuery는 쿼리를 기본 데이터 원본에 페더레이션합니다. 즉, 가져오기 모드와 같은 Direct Lake 쿼리는 일반적으로 DirectQuery보다 우수합니다.
그러나 Direct Lake는 중요한 방식으로 가져오기 모드와 다릅니다. Direct Lake 의미 체계 모델에 대한 새로 고침 작업은 개념적으로 가져오기 의미 체계 모델에 대한 새로 고침 작업과 다릅니다. 가져오기 모드는 데이터를 복제하고 의미 체계 모델에 대해 캐시된 데이터의 전체 복사본을 만드는 반면 Direct Lake 새로 고침은 완료하는 데 몇 초 정도 걸릴 수 있는 메타데이터( 프레이밍이라고도 함)만 복사합니다. Direct Lake 새로 고침은 최신 버전의 Delta 테이블의 메타데이터를 분석하고 OneLake의 최신 파일을 참조하도록 업데이트되는 저렴한 작업입니다. 반면 가져오기 새로 고침의 경우 상당한 시간이 소요되고 상당한 데이터 원본 및 용량 리소스(메모리 및 CPU)를 사용할 수 있는 데이터 복사본이 생성됩니다. Direct Lake는 데이터 준비를 OneLake로 이동하고 이 과정에서 Spark 작업, T-SQL DML 문, 데이터 흐름, 파이프라인 등을 비롯한 데이터 준비에 대한 전체 패브릭 기술을 사용합니다.
Direct Lake 스토리지 모드는 다음과 같은 주요 이점을 제공합니다.
- 가져오기 모드와 마찬가지로 Direct Lake 쿼리는 VertiPaq 엔진에서 처리되므로 데이터 새로 고침 주기의 관리 오버헤드 없이 가져오기 모드와 비슷한 쿼리 성능을 제공하여 전체 데이터 볼륨을 로드합니다.
- 기존의 패브릭 투자를 최대한 활용하여 델타 테이블과 대형 레이크하우스, 창고 및 기타 패브릭 소스를 원활하게 통합합니다. 예를 들어 Direct Lake는 medallion Lakehouse 아키텍처의 골드 분석 계층에 이상적인 선택입니다.
- 쿼리에 응답하는 데 필요한 데이터만 메모리에 로드되므로 분석된 데이터 볼륨이 용량의 최대 메모리 제한을 초과할 수 있으므로 ROI(투자 수익률)를 최대화합니다.
- 의미 체계 모델을 원본과 빠르고 자동으로 동기화하여 데이터 대기 시간을 최소화하여 새로 고침 일정 없이 비즈니스 사용자가 새 데이터를 사용할 수 있도록 합니다.
Direct Lake 스토리지 모드는 언제 사용해야 하나요?
Direct Lake 스토리지 모드의 기본 사용 사례는 일반적으로 레이크 중심 아키텍처를 사용하는 IT 기반 분석 프로젝트에 사용됩니다. 이러한 시나리오에서는 OneLake에서 대량의 데이터를 누적하거나 누적할 것으로 예상합니다. 이 사용 사례에서는 해당 데이터를 메모리로 빠르게 로드하고, 빈번하고 빠른 새로 고침 작업, 용량 리소스의 효율적인 사용 및 빠른 쿼리 성능을 모두 중요합니다.
메모
의미 체계 모델의 가져오기 및 DirectQuery 테이블은 패브릭에서 여전히 관련이 있으며 일부 시나리오에 적합한 의미 체계 모델 선택입니다. 예를 들어 스토리지 가져오기 모드는 신속하게 작업할 수 있는 자유와 민첩성이 필요하고 IT에 의존하지 않고 새 데이터 요소를 추가해야 하는 셀프 서비스 분석가에게 잘 작동하는 경우가 많습니다.
가져오기 테이블과 Direct Lake 테이블을 사용하는 의미 체계 모델은 많은 BI 시나리오에도 필요한 확장성을 제공합니다.
또한 OneLake 통합 은 마이그레이션 노력 없이 스토리지 가져오기 모드의 테이블에 대한 데이터를 OneLake의 델타 테이블에 자동으로 기록하므로 바로 가기, SQL 쿼리, Notebook 등을 통해 레이크하우스와 통합하는 등 의미 체계 모델 사용자를 가져오기에 사용할 수 있는 Fabric의 많은 이점을 실현할 수 있습니다. 기존 데이터 웨어하우스 및/또는 분석 시스템을 반드시 또는 즉시 다시 설계하지 않고도 Fabric의 이점을 얻을 수 있는 빠른 방법으로 이 옵션을 사용하는 것이 좋습니다.
Direct Lake는 데이터 레이크에서 수행되는 데이터 준비에 따라 달라집니다. 데이터 준비는 패브릭 레이크하우스용 Spark 작업, 패브릭 웨어하우스용 T-SQL DML 문, 데이터 흐름, 파이프라인 등과 같은 다양한 도구를 사용하여 수행할 수 있으며, 이를 통해 아키텍처에서 데이터 준비 논리가 업스트림으로 수행되어 재사용성을 극대화할 수 있습니다. 그러나 의미 체계 모델 작성자가 원본 항목을 수정할 수 없는 경우(예: 셀프 서비스 분석가가 IT에서 관리하는 레이크하우스에 대한 쓰기 권한이 없는 경우) 가져오기 모드가 파워 쿼리를 사용하여 데이터 준비를 지원하므로 스토리지 모드 테이블 가져오기를 사용하여 모델을 보강하는 것이 좋습니다. 의미 체계 모델의 일부로 정의됩니다.
Direct Lake 스토리지 모드를 검토할 때, 현재 패브릭 용량 라이선스와 패브릭 용량 가드레일을 반드시 고려해야 합니다. 또한 이 문서의 뒷부분에서 설명하는 고려 사항 및 제한 사항을 고려합니다.
팁
Direct Lake 의미 체계 모델이 올바른 솔루션인지 여부를 확인하고 위험을 완화하기 위해 프로토타입또는 POC(개념 증명)를 생성하는 것이 좋습니다.
주요 개념 및 용어
이 가이드에서는 다음과 같은 개념에 익숙하다고 가정합니다.
- 사용자는 의미 체계 모델에 대한 DAX 쿼리를 생성하는 Power BI 보고서의 시각적 개체와 상호 작용합니다.
-
스토리지 모드: 의미 체계 모델은 사용된 테이블 스토리지 모드에 따라 DAX 쿼리를 다르게 처리합니다. 예를 들어:
- 가져오기 및 Direct Lake 스토리지 모드는 VertiPaq 엔진을 사용하여 DAX 쿼리를 처리하고 결과를 Power BI 보고서 및 사용자에게 반환합니다.
- 반면 DirectQuery는 DAX 쿼리를 데이터 원본의 쿼리 구문(일반적으로 SQL의 한 형태)으로 변환하고 기본 데이터베이스에 페더레이션합니다. 원본 데이터베이스 쿼리 프로세서는 종종 BI 스타일, 집계된 쿼리에 맞춰지지 않으므로 가져오기 및 Direct Lake 모드에 비해 성능이 저하되고 사용자 대화형 작업이 감소합니다.
스토리지 모드는 의미 체계 모델에서 테이블의 속성입니다. 의미 체계 모델에 다른 스토리지 모드가 있는 테이블이 포함된 경우 복합 모델이라고 합니다. 스토리지 모드에 대한 자세한 내용은 Power BI 서비스의 의미 체계 모델 모드를 참조하세요.
Direct Lake 모드 는 두 가지 액세스 방법을 사용할 수 있습니다.
- OneLake의 Direct Lake 는 SQL 엔드포인트에 의존하지 않으며 델타 테이블과 함께 패브릭 데이터 원본의 데이터를 사용할 수 있습니다. OneLake의 Direct Lake는 DirectQuery 모드로 대체되지 않습니다.
메모
OneLake의 Direct Lake는 현재 공개 미리 보기로 제공됩니다.
- SQL 엔드포인트의 Direct Lake는 델타 테이블 검색 및 권한 검사를 위해 패브릭 레이크하우스 또는 웨어하우스의 SQL 엔드포인트를 사용합니다. 데이터 원본이 SQL 뷰이거나 웨어하우스에서 SQL 기반 RLS(행 수준 보안)를 사용하는 경우와 같이 델타 테이블에서 직접 데이터를 로드할 수 없는 경우 SQL 엔드포인트의 Direct Lake는 DirectQuery 모드로 대체됩니다. SQL 엔드포인트의 Direct Lake는 일반적으로 사용 가능하며 프로덕션에서 완벽하게 지원됩니다.
스토리지 모드 비교
다음 표에서는 Direct Lake 스토리지 모드와 Import 및 DirectQuery 스토리지 모드를 비교합니다.
| 능력 | OneLake의 Direct Lake | SQL 엔드포인트에서의 Direct Lake | 수입 | 다이렉트쿼리 |
|---|---|---|---|---|
| 라이센스 | SKU(패브릭 용량 구독)만 | SKU(패브릭 용량 구독)만 | 모든 패브릭 또는 Power BI 라이선스(Microsoft Fabric 무료 라이선스 포함) | 모든 패브릭 또는 Power BI 라이선스(Microsoft Fabric 무료 라이선스 포함) |
| 데이터 원본 | 델타 테이블로 지원받는 패브릭 데이터 원본의 테이블 | 레이크하우스 또는 웨어하우스 테이블(또는 뷰)만 | 모든 커넥터 | DirectQuery 모드를 지원하는 모든 커넥터 |
| SQL 분석 엔드포인트 뷰에 연결 | 아니요 | 예 – 하지만 자동으로 DirectQuery 모드로 대체됩니다. | 예 | 예 |
| 복합 모델 | 예 - Power BI 웹 모델링의 스토리지 모드 가져오기 테이블과 XMLA 도구를 사용하여 DirectQuery 테이블을 결합할 수 있습니다. | 1 없음 | 예 – DirectQuery, 이중 및 Direct Lake 스토리지 모드 테이블과 결합할 수 있습니다. | 예 – 가져오기, 이중 및 Direct Lake 스토리지 모드 테이블과 결합할 수 있습니다. |
| 싱글 사인온(SSO) | 예 | 예 | 해당 없음 | 예 |
| 계산 테이블 | 예 – 하지만 계산은 Direct Lake 모드의 테이블 열을 참조할 수 없습니다. | 아니요 - 계산 그룹, what-if 매개 변수, 계산 테이블을 암시적으로 만드는 필드 매개 변수 제외 | 예 | 아니요 – 계산된 테이블은 DirectQuery 모드에서 다른 테이블을 참조하는 경우에도 스토리지 가져오기 모드를 사용합니다. |
| 계산된 열 | 아니요 | 아니요 | 예 | 예 |
| 하이브리드 테이블 | 아니요 | 아니요 | 예 | 예 |
| 모델 테이블의 파티션 | 아니요 – 그러나 델타 테이블 수준에서 분할을 수행할 수 있습니다. | 아니요 – 그러나 델타 테이블 수준에서 분할을 수행할 수 있습니다. | 예 – 증분 새로 고침에 의해 자동으로 생성되거나, XMLA 엔드포인트를 사용하여 수동으로 만들어진 | 아니요 |
| 사용자 정의 집계 | 아니요 | 아니요 | 예 – DirectQuery 테이블의 집계 테이블 가져오기가 지원됩니다. | 예 |
| SQL 분석 엔드포인트 개체 수준 보안 또는 열 수준 보안 | 아니요 | 예 – 하지만 사용 권한이 거부되면 오류가 발생할 수 있습니다. | 예 – 하지만 의미 체계 모델 개체 수준 보안을 사용하여 사용 권한을 복제해야 합니다. | 예 – 하지만 권한이 거부되면 쿼리에서 오류가 발생할 수 있습니다. |
| SQL 분석 엔드포인트 행 레벨 보안 (RLS) | 아니요 | 예 – 하지만 쿼리는 DirectQuery 모드로 대체됩니다. | 예 – 하지만 의미 체계 모델 RLS를 사용하여 사용 권한을 복제해야 합니다. | 예 |
| 의미 체계 모델 행 수준 보안(RLS) | 예 – 하지만 고정 ID 클라우드 연결을 사용하는 것이 강력히 권장됩니다. | 예 – 하지만 고정 ID 클라우드 연결을 사용하는 것이 강력히 권장됩니다. | 예 | 예 |
| 의미 체계 모델 OLS(개체 수준 보안) | 예 | 예 | 예 | 예 |
| 새로 고침 요구 사항이 없는 대규모 데이터 볼륨 | 예 | 예 | 아니요 | 예 |
| 데이터 대기 시간 감소 | 예 – 자동 업데이트를 사용하도록 설정하거나 프로그래밍 방식으로 재구성하는 경우 | 예 – 자동 업데이트를 사용하도록 설정하거나 프로그래밍 방식으로 재구성하는 경우 | 아니요 | 예 |
| Power BI 임베디드 | 예 2 | 예 2 | 예 | 예 |
1 SQL 엔드포인트에서 Direct Lake를 사용하는 경우 Direct Lake 스토리지 모드 테이블을 동일한 의미 체계 모델의 DirectQuery 또는 이중 스토리지 모드 테이블과 결합할 수 없습니다. 그러나 Power BI Desktop을 사용하여 Direct Lake 의미 체계 모델에서 복합 모델을 만든 다음 새 테이블(가져오기, DirectQuery 또는 이중 스토리지 모드 사용) 또는 계산으로 확장할 수 있습니다. 자세한 내용은 의미 체계 모델 에 기반하여 복합 모델을 빌드하는 방법을 참조하세요.
2 V2 포함 토큰이 필요합니다. 서비스 주체를 사용하는 경우 고정 ID 클라우드 연결을 사용해야 합니다.
Direct Lake 작동 방식
일반적으로 Direct Lake 시맨틱 모델로 전송되는 쿼리는 델타 테이블에서 공급되는 열의 인-메모리 캐시에서 처리됩니다. 델타 테이블의 기본 스토리지는 OneLake에 있는 하나 이상의 Parquet 파일입니다. Parquet 파일은 행이 아닌 열별로 데이터를 구성합니다. 의미 체계 모델은 쿼리에 필요한 대로 델타 테이블에서 메모리로 전체 열을 로드합니다.
OneLake의 Direct Lake는 SQL 엔드포인트와 결합되지 않으므로 OneLake 보안 및 보다 효율적인 DAX 쿼리 계획과 같은 OneLake 기능과의 긴밀한 통합을 제공합니다. 예를 들어 SQL 기반 보안을 확인할 필요가 없기 때문입니다. DirectQuery 대체는 OneLake의 Direct Lake에서 지원되지 않습니다.
SQL 엔드포인트에서 Direct Lake를 사용하는 경우 DAX 쿼리는 DirectQuery 모드로 원활하게 전환하는 DirectQuery 대체를 사용할 수 있습니다. DirectQuery 대체는 lakehouse의 SQL 분석 엔드포인트 또는 웨어하우스에서 데이터를 직접 검색합니다. SQL 엔드포인트에서 SQL 기반 보안이 감지될 때 폴백이 발생합니다. 이 경우 DirectQuery 작업은 SQL 분석 엔드포인트에 쿼리를 보냅니다. 대체 작업으로 인해 쿼리 성능이 저하될 수 있습니다.
다음 섹션에서는 열 로드, 프레이밍, 자동 업데이트 및 DirectQuery 대체를 비롯한 Direct Lake 개념 및 기능에 대해 설명합니다.
열 로드(코드 변환)
Direct Lake 의미 체계 모델은 열을 처음으로 쿼리할 때 OneLake의 데이터만 로드합니다. OneLake에서 주문형 데이터를 로드하는 프로세스를 코드 변환이라고 합니다.
의미 체계 모델이 DAX(또는 다차원 식-MDX) 쿼리를 받으면 먼저 쿼리 결과를 생성하는 데 필요한 열을 결정합니다. 쿼리에서 직접 사용하는 열뿐만 아니라 관계와 측정값에 필요한 열도 포함되어야 합니다. 일반적으로 쿼리 결과를 생성하는 데 필요한 열 수는 의미 체계 모델에 정의된 열 수보다 훨씬 작습니다.
필요한 열을 이해하면 의미 체계 모델은 메모리에 이미 있는 열을 결정합니다. 쿼리에 필요한 열이 메모리에 없는 경우 의미 체계 모델은 OneLake에서 해당 열에 대한 모든 데이터를 로드합니다. 열 데이터 로드는 일반적으로 빠른 작업이지만 열에 저장된 데이터의 카디널리티와 같은 요인에 따라 달라질 수 있습니다.
그런 다음 메모리에 로드된 열은 메모리에 상주합니다. 상주 열만 포함하는 향후 쿼리는 더 이상 열을 메모리에 로드할 필요가 없습니다.
열은 메모리에서 제거될 이유가 발생하기 전까지 메모리에 상주합니다. 열이 제거될 수 있는 이유는 다음과 같습니다.
- 모델 또는 테이블이 원본에서 델타 테이블 업데이트 후 새로 고쳐집니다(다음 섹션의 프레이밍 참조).
- 일정 시간 동안 열을 사용한 쿼리가 없습니다.
- 다른 동시 작업으로 인한 용량의 메모리 압력을 비롯한 기타 메모리 관리 이유
Fabric SKU를 선택하면 용량의 각 Direct Lake 의미 체계 모델에 사용 가능한 최대 메모리가 결정됩니다. 리소스 보호책 및 최대 메모리 제한에 대한 자세한 내용은 이 문서의 뒷부분에 있는 패브릭 용량 요구 사항을 참조하세요.
프레임
프레이밍 모델 소유자는 의미 체계 모델에 로드되는 데이터를 특정 시점으로 제어할 수 있습니다. 프레이밍은 의미 체계 모델의 새로 고침에 의해 트리거되는 Direct Lake 작업이며, 대부분의 경우 완료하는 데 몇 초밖에 걸리지 않습니다. 의미 체계 모델이 최신 버전의 Delta Lake 테이블의 메타데이터를 분석하고 OneLake의 최신 Parquet 파일을 참조하도록 업데이트되는 저비용 작업이기 때문입니다.
프레이밍이 발생하면 기본 데이터가 변경되고 새로 고침 시점이 향후 모든 코드 변환 이벤트에 대한 새 기준이 되는 경우 상주 테이블 열 세그먼트 및 사전이 메모리에서 제거될 수 있습니다. 이 시점부터 Direct Lake 쿼리는 가장 최근의 프레이밍 작업 시간 기준으로 델타 테이블의 데이터만 고려합니다. 이러한 이유로 Direct Lake 테이블은 가장 최근의 성공적인 프레이밍 작업 지점에서 델타 테이블의 상태에 따라 데이터를 반환하도록 쿼리됩니다. 이 시간이 반드시 델타 테이블의 최신 상태가 아닐 수 있습니다.
의미 체계 모델은 프레이밍 중에 각 델타 테이블의 델타 로그를 분석하여 영향을 받는 열 세그먼트만 삭제하고 코드 변환 중에 새로 추가된 데이터를 다시 로드합니다. 중요한 최적화는 증분 프레이밍이 적용되고 새 값이 기존 사전에 추가될 때 일반적으로 사전이 삭제되지 않는다는 것입니다. 이러한 증분 프레이밍 접근 방식은 다시 로드 부담을 줄이고 쿼리 성능에 도움이 됩니다. 이상적인 경우 델타 테이블이 업데이트를 받지 못한 경우 메모리에 이미 상주하는 열에는 다시 로드가 필요하지 않으며, 증분 프레이밍을 사용하면 기본적으로 의미 체계 모델이 기존 메모리 내 데이터의 상당 부분을 업데이트할 수 있기 때문에 프레이밍 후 쿼리의 성능 영향이 훨씬 적습니다.
메모
델타 테이블에 parquet 파일이 10,000개 이상 있는 경우와 같이 델타 테이블이 패브릭 용량 가드레일을 초과하는 경우 프레이밍이 실패할 수 있습니다. 리소스 가드레일에 대한 자세한 내용은 이 문서의 뒷부분에 있는 패브릭 용량 요구 사항을 참조하세요.
다음 다이어그램에서는 Direct Lake 프레이밍 작업의 작동 방식을 보여 줍니다.
다이어그램은 다음과 같은 프로세스 및 기능을 보여 줍니다.
코드 변환 작업이 수행될 때 델타 테이블의 최신 상태를 나타내는 데이터를 항상 사용하는 것이 바람직하지는 않습니다. 프레이밍은 델타 테이블의 데이터가 일시적인 환경에서 일관된 쿼리 결과를 제공하는 데 도움이 될 수 있습니다. 데이터는 장기 실행 ETL(추출, 변환 및 로드) 프로세스가 발생하는 경우와 같은 여러 가지 이유로 일시적일 수 있습니다.
Direct Lake 의미 체계 모델에 대한 새로 고침은 수동으로, 자동으로 또는 프로그래밍 방식으로 수행할 수 있습니다. 자세한 내용은 Direct Lake 의미 체계 모델을 새로 고침함을 참조하세요.
자동 업데이트
Direct Lake 테이블을 자동으로 업데이트하는 의미 체계 모델 수준 설정이 있습니다. 기본적으로 사용하도록 설정됩니다. OneLake의 데이터 변경 내용이 Direct Lake 의미 체계 모델에 자동으로 반영되도록 합니다. 이전 섹션에서 설명한 프레이밍을 통해 데이터 변경 내용을 제어하려는 경우 자동 업데이트를 사용하지 않도록 설정해야 합니다. 자세한 내용은 Direct Lake 의미 체계 모델 관리 를 참조하세요..
팁
Power BI 보고서에서 자동 페이지 새로 고침 설정할 수 있습니다. 보고서가 Direct Lake 의미 체계 모델(또는 다른 유형의 의미 체계 모델)에 연결되도록 특정 보고서 페이지를 자동으로 새로 고치는 기능입니다.
DirectQuery 폴백
SQL 엔드포인트에서 Direct Lake를 사용하는 경우 Direct Lake 의미 체계 모델로 전송된 쿼리는 DirectQuery 모드 로 대체되어 테이블이 더 이상 Direct Lake 모드에서 작동하지 않을 수 있습니다. 레이크하우스 또는 웨어하우스의 SQL 분석 엔드포인트에서 직접 데이터를 검색합니다. 이러한 쿼리는 마지막 프레이밍 작업의 시점으로 제한되지 않으므로 항상 최신 데이터를 반환합니다.
DirectQuery 대체가 발생하면 쿼리는 더 이상 Direct Lake 모드를 사용하지 않습니다. 의미 체계 모델이 SQL 분석 엔드포인트의 뷰 또는 RLS(행 수준 보안)를 적용하는 SQL 분석 엔드포인트의 테이블을 쿼리할 때 쿼리는 Direct Lake 모드를 활용할 수 없습니다. 또한 델타 테이블이 용량의 가드레일을 초과하는 경우 쿼리는 Direct Lake 모드를 활용할 수 없습니다.
중요하다
가능하면 DirectQuery 대체를 방지하기 위해 항상 솔루션을 디자인하거나 용량 크기를 조정해야 합니다. 쿼리 성능이 저하될 수 있기 때문입니다.
DirectLakeBehavior 속성을 설정하여 Direct Lake 의미 체계 모델의 대체를 제어할 수 있습니다. 이 설정은 SQL 엔드포인트의 Direct Lake에만 적용됩니다. OneLake의 Direct Lake는 DirectQuery 대체를 지원하지 않습니다. 자세한 내용은 Direct Lake 동작 속성설정을 참조하세요.
데이터 보안 및 액세스 권한
기본적으로 Direct Lake는 SSO(Single Sign-On)를 사용합니다. 즉, 의미 체계 모델(종종 보고서 사용자)을 쿼리하는 ID는 데이터에 액세스할 수 있는 권한을 부여받아야 합니다. 또는 Direct Lake 모델을 SCC(공유 가능한 클라우드 연결)에 바인딩하여 고정 ID를 제공하고 SSO를 사용하지 않도록 설정할 수 있습니다. 이 경우 고정 ID만 원본의 데이터에 대한 읽기 액세스 권한이 필요합니다.
패브릭 항목 사용 권한
Direct Lake는 계층화된 보안 모델을 적용합니다. 모든 쿼리에 대한 효과적인 권한 부여는 패브릭 항목 권한(작업 영역 및 의미 체계 모델 액세스) 및 원본 수준 권한 및 모델이 인증을 위해 구성된 방법(SSO 또는 고정 ID SCC)에 따라 달라집니다.
운영 지침:
- 인증 모드는 개별 SSO(사용자 ID) 또는 단일 서비스 ID(고정 ID SCC)를 사용하여 쿼리를 실행할지 여부를 결정합니다.
- 사용자별 권한 부여가 필요한 대화형 시나리오에는 SSO를 사용합니다.
- 단일 서비스 계정에 원본 수준 액세스가 지정된 포함형 또는 읽기 전용 소비자 시나리오에는 고정된 신원 SCC를 사용합니다.
- 원본 및 작업 영역 수준에서 최소 권한 원칙을 적용합니다.
- 프로덕션 배포 전에 두 인증 모드( 특히 SQL 기반 RLS 및 DirectQuery 대체를 트리거할 수 있는 모든 경우)에 대한 동작을 테스트하고 유효성을 검사합니다.
자세한 내용은 Direct Lake 보안 통합을 참조하세요.
의미 체계 모델 권한
패브릭 항목 권한 외에도 Direct Lake 의미 체계 모델을 사용하거나 관리할 수 있도록 사용자에게 사용 권한을 부여해야 합니다. 즉, 보고서 소비자는 읽기 권한이 필요하며 보고서 작성자는 추가 빌드 권한이 필요합니다. 의미 체계 모델 권한은 작업 영역 역할을 사용하여 직접 할당하거나 암시적으로 획득할 수 있습니다. 의미 체계 모델 설정(새로 고침 및 기타 구성)을 관리하려면 의미 체계 모델의 소유자여야 합니다.
사용 권한 요구 사항
시나리오 및 권한 요구 사항은 Direct Lake 사용자를 참조하세요.
중요하다
의미 체계 모델 및 보고서를 프로덕션으로 릴리스하기 전에 항상 사용 권한을 철저히 테스트해야 합니다.
자세한 내용은 의미 체계 모델 사용 권한참조하세요.
패브릭 용량 요구 사항
Direct Lake 의미 체계 모델에는 Fabric 용량 라이선스을 필요로 합니다. 또한 다음 표와 같이 SKU(Fabric 용량 구독)에 적용되는 용량 보호책 및 제한 사항이 있습니다.
중요하다
다음 표의 첫 번째 열에는 P SKU(Power BI Premium 용량 구독)도 포함됩니다. Microsoft는 구매 옵션을 통합하고 용량 SKU당 Power BI Premium을 사용 중지합니다. 신규 및 기존 고객은 F SKU(패브릭 용량 구독)를 대신 구매하는 것을 고려해야 합니다.
더 많은 정보를 원하시면 Power BI Premium 라이선싱에 중요한 업데이트가 예정됨 및 Power BI Premium을 참조하세요.
| 직물 SKU | 테이블당 Parquet 파일 | 테이블당 행 그룹 | 테이블당 행 수(수백만) | 디스크 및 OneLake에서의 최대 모델 크기(GB) | 최대 메모리(GB) 1 |
|---|---|---|---|---|---|
| F2 (키보드 기능 키 F2) | 1,000 | 1,000 | 300 | 10 | 3 |
| F4 | 1,000 | 1,000 | 300 | 10 | 3 |
| F8 | 1,000 | 1,000 | 300 | 10 | 3 |
| F16 | 1,000 | 1,000 | 300 | 20 | 5 |
| F32 | 1,000 | 1,000 | 300 | 40 | 10 |
| F64/FT1/P1 | 5,000 | 5,000 | 1,500 | 무제한 | 이십오 (25) |
| F128/P2 | 5,000 | 5,000 | 3,000 | 무제한 | 50 |
| F256/P3 | 5,000 | 5,000 | 6,000 | 무제한 | 100 |
| F512/P4 | 1만 | 1만 | 12,000 | 무제한 | 200 |
| F1024/P5 | 1만 | 1만 | 24,000 | 무제한 | 400 |
| F2048 | 1만 | 1만 | 24,000 | 무제한 | 400 |
1 Direct Lake 의미 체계 모델의 경우 최대 메모리 페이징할 수 있는 데이터의 양에 대한 상한 메모리 리소스 제한을 나타냅니다. 따라서 이를 초과해도 DirectQuery 모드로 대체되지 않으므로 가드레일이 아닙니다. 그러나 데이터 양이 너무 커서 OneLake 데이터의 모델 데이터 내/외부 페이징이 과도하게 발생하는 경우 성능에 영향을 줄 수 있습니다.
초과하면, 최대 모델 크기가 디스크/OneLake에 영향을 줘서 의미 체계 모델에 대한 모든 쿼리가 DirectQuery 모드로 전환됩니다. 테이블에 표시되는 다른 모든 가드레일은 쿼리당 평가됩니다. 따라서 더 높은 패브릭 SKU로 불필요하게 확장할 필요가 없도록 델타 테이블 및 Direct Lake 의미 체계 모델을 최적화하는 것이 중요합니다.
또한 용량 단위 및 쿼리당 최대 메모리 제한 이 Direct Lake 의미 체계 모델에 적용됩니다. 자세한 내용은 용량 및 SKU참조하세요.
고려 사항 및 제한 사항
Direct Lake 의미 체계 모델은 몇 가지 고려 사항 및 제한 사항을 제공합니다.
메모
Direct Lake 의미 체계 모델의 기능과 기능은 빠르게 진화하고 있습니다. 정기적으로 다시 확인하여 최신 고려 사항 및 제한 사항 목록을 검토해야 합니다.
| 고려 사항/제한 사항 | OneLake의 Direct Lake | Direct Lake on SQL(분석용 엔드포인트) |
|---|---|---|
| SQL 분석 엔드포인트가 행 수준 보안을 적용하는 경우 DAX 쿼리는 사용하는 Direct Lake 모드의 유형에 따라 다르게 처리됩니다. OneLake의 Direct Lake를 사용하면 쿼리가 성공하고 SQL 기반 RLS가 적용되지 않습니다. OneLake의 Direct Lake를 사용하려면 사용자가 SQL 기반 RLS를 관찰하지 않는 OneLake의 파일에 액세스할 수 있어야 합니다. |
쿼리가 성공할 것입니다. | 예, 대체를 사용하지 않도록 설정하지 않으면 쿼리가 실패합니다. |
| 의미 체계 모델의 테이블이 (구체화되지 않은) SQL 뷰를 기반으로 하는 경우 DAX 쿼리는 사용하는 Direct Lake 모드의 유형에 따라 다르게 처리됩니다. 이 경우 SQL 엔드포인트의 Direct Lake가 DirectQuery로 대체됩니다. 구체화되지 않은 SQL 뷰를 기반으로 OneLake 테이블에 Direct Lake를 만드는 것은 지원되지 않습니다. 델타 테이블이 만들어지므로 레이크하우스 구체화된 뷰를 대신 사용할 수 있습니다. 구체화되지 않은 SQL 뷰를 기반으로 하는 테이블에는 가져오기 또는 *DirectLake*와 같은 다른 스토리지 모드를 사용할 수도 있습니다. |
해당 없음 | 예, 대체를 사용하지 않도록 설정하지 않으면 쿼리가 실패합니다. |
| 복합 모델링- 즉, Direct Lake 의미 체계 모델 테이블은 가져오기, DirectQuery 또는 이중과 같은 다른 스토리지 모드의 테이블과 혼합될 수 있습니다( 계산 그룹, what-if 매개 변수 및 필드 매개 변수를 포함한 특수한 경우 제외). | 지원됨 | 지원되지 않음 |
| Direct Lake 스토리지 모드에서 열 또는 테이블을 참조하는 계산 열 및 계산 테이블입니다. 계산 그룹, what-if 매개 변수 및 계산 테이블을 암시적으로 만드는 필드 매개 변수 및 Direct Lake 열 또는 테이블을 참조하지 않는 계산 테이블은 모든 시나리오에서 지원됩니다. | 지원되지 않음 | 지원되지 않음 |
| Direct Lake 스토리지 모드 테이블은 복잡한 델타 테이블 열 형식을 지원하지 않습니다. 이진 및 GUID 의미 체계 형식도 지원되지 않습니다. 이러한 데이터 형식을 문자열 또는 기타 지원되는 데이터 형식으로 변환해야 합니다. | 지원되지 않음 | 지원되지 않음 |
| 테이블 관계에는 관련 열의 데이터 형식이 일치해야 합니다. | 예 | 예 |
| 관계의 한 쪽 열에는 고유한 값이 포함되어야 합니다. 일측 열에서 중복 값이 검색되면 쿼리가 실패합니다. | 예 | 예 |
| Power BI Desktop의 자동 날짜/시간 인텔리전스는 날짜/시간 열의 날짜 부분만 사용하여 관계를 만듭니다. 참고: 고유한 날짜 테이블을 날짜 테이블로 표시하고 날짜 열을 사용하여 관계를 만드는 것이 지원됩니다. | 지원됨 | 지원되지 않음 |
| 문자열 열 값의 길이는 32,764개의 유니코드 문자로 제한됩니다. | 예 | 예 |
| NaN(숫자가 아님)과 같은 숫자가 아닌 부동 소수점 값은 지원되지 않습니다. | 예 | 예 |
| 서비스 주체를 사용하여 Power BI 웹에 게시는 Direct Lake 의미 모델에서 고정 ID를 사용하는 경우에만 지원됩니다. | 예 | 예 |
| 웹 모델링 환경에서는 Direct Lake 의미 체계 모델에 대한 유효성 검사가 제한됩니다. 사용자 선택은 올바른 것으로 간주되며, 관계 또는 표시된 날짜 테이블의 선택한 날짜 열에 대해 카디널리티 또는 교차 필터 선택 항목의 유효성을 검사하기 위한 쿼리가 실행되지 않습니다. | 예 | 예 |
| 패브릭 포털에서 새로 고침 기록의 Direct Lake 탭에는 Direct Lake 관련 새로 고침 실패가 나열됩니다. 새로 고침 상태가 이전 실행이 없는 경우나 새로 고침 실패에서 새로 고침 성공 또는 새로 고침 성공 경고로 변경되지 않는 한, 성공적인 새로 고침(프레이밍) 작업은 보통 나열되지 않습니다. | 예 | 예 |
| 패브릭 SKU는 용량에 대한 Direct Lake 의미 체계 모델당 사용 가능한 최대 메모리를 결정합니다. 제한을 초과하면 모델 데이터 내/외부의 과도한 페이징으로 인해 의미 체계 모델에 대한 쿼리가 느려질 수 있습니다. | 예 | 예 |
| 데이터 원본 작업 영역의 다른 지역에 있는 작업 영역에서 Direct Lake 의미 체계 모델을 만드는 것은 지원되지 않습니다. 예를 들어 Lakehouse가 미국 중서부에 있는 경우 동일한 지역에 있는 이 Lakehouse에서만 의미 체계 모델을 만들 수 있습니다. 해결 방법으로, 의미 모델을 만들기 전에 다른 지역의 작업 공간에 레이크하우스를 만들고 테이블에 대한 바로 가기를 설정하는 것이 있습니다. 현재 지역을 찾으려면 을 참조하여 패브릭 홈 지역을 찾으세요. | 예 | 예 |
| 보고서를 포함하려면 V2 포함 토큰필요합니다. | 예 | 지원되지 않음 |
| 인증을 위한 서비스 주체 프로필입니다. | 지원되지 않음 | 지원되지 않음 |
| Power BI Direct Lake 의미 체계 모델은 서비스 주체에 의해 생성되고 쿼리될 수 있으며, 서비스 주체는 뷰어 역할의 멤버십도 지원하지만, lakehouse/warehouse의 기본 Direct Lake 의미 체계 모델은 이 시나리오를 지원하지 않습니다. | 예 | 예 |
| 레이크하우스의 바로가기는 시맨틱 모델 테이블의 데이터 원본으로 사용할 수 있습니다. | 공개 미리 보기 중에 지원되지 않음 | 지원됨 |
| 개인 작업 영역에서 Direct Lake 모델을 만듭니다(내 작업 영역). | 지원되지 않음 | 지원되지 않음 |
| 데이터 원본을 다시 바인딩하는 배포 파이프라인 규칙입니다. | 직접 지원되지 않음 - 연결 문자열에 사용할 매개 변수 식을 만들 수 있습니다. | 지원됨 |
Excel 피벗 테이블(및 기타 MDX 클라이언트)에서 분석하는 경우 의미 체계 모델의 Direct Lake 테이블을 사용하는 DirectQuery와 동일한 제한 사항이 있습니다. 명명된 집합, 계산 멤버, 기본 멤버 등과 같은 세션 범위 MDX 문은 지원되지 않습니다. 쿼리 범위에 속하는 'WITH' 절 같은 MDX 문이 지원됩니다. Direct Lake 테이블 사용자 정의 계층은 지원되지 않습니다. 가져오기 테이블 사용자 정의 계층 구조는 의미 체계 모델의 Direct Lake 테이블에서도 지원됩니다.
Power BI Desktop은 Direct Lake 테이블을 사용하여 의미 체계 모델을 실시간으로 편집하고 테이블을 가져올 수 있습니다. 계산 그룹, what-if 매개 변수 및 계산 테이블을 암시적으로 만드는 필드 매개 변수와 Direct Lake 열 또는 테이블을 참조하지 않는 계산 테이블도 포함될 수 있습니다.
Power BI 웹 모델링은 다른 스토리지 모드 테이블이 있는 Direct Lake 테이블을 비롯한 모든 의미 체계 모델을 열 수 있습니다.
라이브 편집 중이거나 라이브로 연결된 상태에서의 DAX 쿼리 보기 및 웹에서의 DAX 쿼리 작성은 SQL의 Direct Lake, OneLake의 Direct Lake, 그리고 진정한 복합 의미 체계 모델(OneLake의 Direct Lake + 모든 데이터 원본에서의 가져오기)에 대해 지원됩니다.
TMDL 보기는 Power BI Desktop에서 라이브 편집할 때 지원됩니다.
보고서 작성자가 빌드 액세스 권한이 있는 경우 라이브 연결을 사용하여 보고서 만들기는 모든 의미 체계 모델에 대해 지원됩니다.
관련 콘텐츠
- Direct Lake 의미 체계 모델을 개발하기
- Direct Lake 의미 모델 관리
- Direct Lake 쿼리 성능 이해
- Direct Lake를 위한 레이크하우스 만들기
- Direct Lake 의미 체계 모델에 대한 쿼리 처리 분석