Data Studio-Leistung verbessern

Die Geschwindigkeit, mit der ein Data Studio-Bericht geladen und auf Änderungen von Nutzern reagiert wird (z. B. auf das Anwenden von Filtern oder Änderungen des Zeitraums), hängt unter anderem von folgenden Faktoren ab:

  • Leistung des zugrunde liegenden Datasets
  • Datenmenge, die für die Visualisierungen im Bericht abgefragt wird
  • Komplexität dieser Abfragen
  • Netzwerklatenz

Einige dieser Faktoren können Sie (oder Data Studio) nicht beeinflussen. Beispielsweise haben Sie vielleicht nur begrenzte Mögichkeiten, die Reaktionsfähigkeit der zugrunde liegenden Datenplattform zu verbessern oder Ihre Netzwerkverbindung schneller zu machen. Es gibt jedoch einige Möglichkeiten, die Leistung von Berichten in Data Studio zu optimieren.

Datenaktualität anpassen

Die meisten Datenquellentypen haben eine Option für die Datenaktualität. Eine Ausnahme bilden extrahierte Datenquellen. Mit dieser Option können Sie ein Gleichgewicht zwischen der Notwendigkeit aktueller Daten und der Berichtleistung sowie potenziellen Abfragekosten oder der Kontingentnutzung herstellen. Für jede Datenquelle gibt es einen eigenen Standardgrenzwert für die Datenaktualität, den Sie nach Bedarf anpassen können. Wenn Sie beispielsweise die Anzeigenleistung auf Ihrer Website oder in Ihrer App messen, reichen tägliche Datenaktualisierungen unter Umständen aus. Bei Berichten, die auf der Analyse sozialer Medien beruhen, kann es andererseits sinnvoll sein, Daten mehrmals am Tag zu aktualisieren.

Weitere Informationen zum Verwalten der Datenaktualität.

Extrahierte Datenquelle verwenden

Eine extrahierte Datenquelle ist eine statische Momentaufnahme von bis zu 100 MB Ihrer Daten. Nachdem sie erstellt wurde, werden Datenanfragen aus Ihrem Bericht an diese Momentaufnahme und nicht an das zugrunde liegende Dataset gesendet. Wenn Sie eine extrahierte Datenquelle verwenden, werden Ihre Berichte und explorativen Datenanalysen eventuell schneller geladen und reagieren schneller als bei einer Liveverbindung zu den Daten.

Für extrahierte Datenquellen gibt es keine Option für die Datenaktualität. Stattdessen können Sie festlegen, wann die Daten aktualisiert werden sollen.

Weitere Informationen zum Extrahieren von Daten.

Gleichzeitigkeit und Skalierung

Data Studio ist mit einer serverlosen Architektur konzipiert. Das bedeutet, dass Data Studio selbst keine harten Limits für die Anzahl der gleichzeitigen Nutzer festlegt, die Berichte ansehen. Leistung und Skalierung werden hauptsächlich durch die Kapazität und Reaktionsfähigkeit der zugrunde liegenden Datenquelle(n) bestimmt, mit der bzw. denen Ihre Berichte verbunden sind.

Besonderheiten der Datenquelle

  • BigQuery: Bei der Verwendung von BigQuery hängen die Nebenläufigkeit und Leistung von Berichten von Faktoren wie der Verfügbarkeit von BigQuery-Slot, der Komplexität der Abfrage, der Datengröße und dem Caching ab. Überwachen Sie die BigQuery-Slotnutzung und die Abfrageleistung.

    Zur Optimierung sollten Sie die Best Practices für BigQuery wie Partitionierung, Clustering und die Verwendung von BI Engine berücksichtigen.

  • Andere Datenquellen: Bei anderen Connectors (z. B. Google Sheets oder Datenbanken von Drittanbietern) unterliegen die Limits für die Nebenläufigkeit den API-Ratenlimits des Quellsystems, den Datenbankverbindungspools und der allgemeinen Abfrageverarbeitungskapazität.

Umsetzbare Empfehlungen

  • Abfragen von Datenquellen optimieren: Achten Sie darauf, dass Ihre Abfragen so effizient wie möglich sind.
  • Caching nutzen: Verwenden Sie die Einstellungen für die Datenaktualität in Data Studio, um Daten zu cachen und direkte Abfragen an die Quelle zu reduzieren.
  • Stufenweise Einführung: Bei sehr großen Nutzerzahlen (z. B. Tausenden von Nutzern) sollten Sie eine stufenweise Einführung in Betracht ziehen und dabei die Auswirkungen auf die zugrunde liegende Datenquelle beobachten.
  • Zugrunde liegende Systeme überwachen: Prüfen Sie die Leistung und die Kontingentnutzung Ihrer Datenquellen (z. B. BigQuery-Slots oder API-Kontingente).

Verbesserungen für BigQuery-Datenquellen

In den folgenden Abschnitten finden Sie Tipps zur Verbesserung der Leistung von Berichten, in denen BigQuery-Daten verwendet werden.

BigQuery-Datenquellen mit BI Engine beschleunigen

BigQuery BI Engine ist ein schneller In-Memory-Analysedienst. Mithilfe der BI Engine können Sie in BigQuery gespeicherte Daten mit einer Antwortzeit von weniger als einer Sekunde und mit hoher Parallelität analysieren.

BI Engine lässt sich nahtlos in Data Studio einbinden, um die explorative Datenanalyse zu beschleunigen. Mit BI Engine können Sie umfangreiche interaktive Dashboards und Berichte in Data Studio erstellen, ohne Leistung, Skalierbarkeit, Sicherheit oder Datenaktualität zu beeinträchtigen.

Erste Schritte mit Data Studio und BI Engine.

Materialisierte Tabellen für komplexe Abfragen in großen Datasets verwenden

Die Verbindung von Data Studio mit einer BigQuery-Ansicht kann langsam sein, wenn in dieser Ansicht zur Laufzeit komplexe Berechnungen oder Transformationen ausgeführt werden, insbesondere bei großen Datasets. Ansichten können zwar nützlich sein, um Daten neu zu strukturieren, aber sie können in Data Studio zu Zeitüberschreitungen führen, wenn sie Echtzeitberechnungen durchführen, z. B. dynamisch signierte URLs für Millionen von Datensätzen generieren.

Anstatt eine Ansicht zu verwenden, die eine intensive Verarbeitung erfordert, können Sie das Ergebnis der Abfrage der Ansicht in einer Tabelle materialisieren. Verwenden Sie dazu eine der folgenden Optionen:

Verbinden Sie Data Studio dann mit der materialisierten Ansicht oder Tabelle anstelle der Standardansicht. So werden die komplexen Berechnungen nicht für jede Anfrage von Data Studio neu ausgeführt. Für eine noch bessere Leistung bei materialisierten Daten können Sie BI Engine verwenden.

BigQuery Storage Read API aktivieren

Bei Abfragen, die paginierte Ergebnisse verwenden, kann die Aktivierung der BigQuery Storage Read API zu kürzeren Abfragezeiten führen. Data Studio verwendet die Storage Read API automatisch, wenn dadurch die Abfragezeiten verkürzt werden.

Wenn Sie die BigQuery Storage Read API aktivieren möchten, gewähren Sie dem BigQuery-Nutzer, der mit Data Studio verbunden ist, die folgenden Berechtigungen:

  • bigquery.readsessions.create
  • bigquery.readsessions.getData