שיפור הביצועים של Data Studio

המהירות שבה דוח Data Studio נטען ומגיב לשינויים שצופים מבצעים, כמו החלת מסננים או שינוי טווח התאריכים, תלויה במספר גורמים, כולל:

  • הביצועים של מערך הנתונים הבסיסי
  • כמות הנתונים שנכללים בשאילתות של התצוגות החזותיות בדוח
  • מורכבות השאילתות
  • זמן האחזור של הרשת

חלק מהגורמים האלה לא נמצאים בשליטה שלכם (או של Data Studio). לדוגמה, יכול להיות שלא תוכלו לעשות הרבה כדי לשפר את מהירות התגובה של פלטפורמת הנתונים הבסיסית או להאיץ את החיבור לרשת. עם זאת, יש כמה דברים שאפשר לעשות כדי לשפר את ביצועי הדוח ב-Data Studio.

שינוי קצב עדכון הנתונים

לרוב הסוגים של מקורות נתונים יש אפשרות לרענון נתונים (החריג הוא מקורות נתונים שחולצו). האפשרות הזו מאפשרת לכם לאזן בין הצורך במידע עדכני לבין ביצועי הדוחות והעלויות או המכסות הפוטנציאליות של השאילתות. לכל סוג של מקור נתונים יש סף ברירת מחדל לרענון נתונים, אבל אתם יכולים לשנות את הסף הזה לפי הצורך. לדוגמה, אם אתם מודדים את ביצועי המודעות באתר או באפליקציה, יכול להיות שעדכוני נתונים יומיים יספיקו לכם. לעומת זאת, יכול להיות שיהיה צורך לעדכן את הנתונים של דוחות שמבוססים על ניתוח נתונים של רשתות חברתיות כמה פעמים ביום.

מידע נוסף על ניהול עדכניות הנתונים

שימוש במקור נתונים שחולץ

מקור נתונים שחולץ הוא תמונת מצב סטטית של עד 100MB של נתונים. אחרי שיוצרים את תמונת המצב, בקשות נתונים מהדוח מופנות אליה ולא למערך הנתונים הבסיסי. שימוש במקור נתונים שחולץ יכול לגרום לטעינה מהירה יותר של הדוחות והניתוחים, ולשפר את מהירות התגובה שלהם בהשוואה לעבודה עם חיבור פעיל לנתונים.

למקורות נתונים שחולצו אין אפשרות של עדכניות הנתונים. במקום זאת, אפשר לתזמן מתי רוצים שהנתונים במקור הנתונים שחולץ יתעדכנו.

מידע נוסף על חילוץ נתונים

הסבר על מקביליות ושינוי קנה מידה

הארכיטקטורה של Data Studio היא ארכיטקטורה ללא שרתים, כלומר ל-Data Studio עצמו אין מגבלות קשיחות על מספר המשתמשים בו-זמנית שצופים בדוחות. הביצועים וההתאמה לגודל נקבעים בעיקר לפי הקיבולת וההיענות של מקורות הנתונים הבסיסיים שהדוחות שלכם מחוברים אליהם.

פרטים ספציפיים לגבי מקור הנתונים

  • ‫BigQuery: כשמשתמשים ב-BigQuery, הביצועים והבו-זמניות של הדוחות תלויים בגורמים כמו זמינות יחידות הקיבולת של BigQuery, מורכבות השאילתה, גודל הנתונים והשימוש במטמון. מעקב אחרי ניצול יחידות הקיבולת של BigQuery וביצועי השאילתות.

    כדי לבצע אופטימיזציה, כדאי להשתמש בשיטות המומלצות של BigQuery, כמו חלוקה למחיצות, סידור באשכולות ושימוש ב-BI Engine.

  • מקורות נתונים אחרים: לגבי מחברים אחרים (לדוגמה, Google Sheets או מסדי נתונים של צד שלישי), מגבלות השימוש בו-זמנית כפופות למגבלות קצב ה-API של מערכת המקור, למאגרי חיבורים למסד הנתונים וליכולת הכוללת של עיבוד שאילתות.

המלצות מעשיות

  • אופטימיזציה של שאילתות במקורות נתונים: חשוב לוודא שהשאילתות יעילות ככל האפשר.
  • שימוש במטמון: כדאי להשתמש בהגדרות של עדכניות הנתונים ב-Data Studio כדי לשמור נתונים במטמון ולצמצם את מספר השאילתות הישירות למקור.
  • השקה בשלבים: אם יש לכם בסיס משתמשים גדול מאוד (למשל, אלפי משתמשים), כדאי להשיק את השינוי בשלבים ולעקוב אחרי ההשפעה שלו על מקור הנתונים הבסיסי.
  • מעקב אחרי מערכות בסיסיות: בודקים את הביצועים ואת השימוש במכסות של מקורות הנתונים (למשל, משבצות זמן ב-BigQuery או מכסות של API).

שיפורים במקורות נתונים של BigQuery

בקטעים הבאים מפורטים טיפים לשיפור הביצועים של דוחות שמבוססים על נתונים מ-BigQuery.

האצת מקורות נתונים של BigQuery באמצעות BI Engine

‫BigQuery BI Engine הוא שירות ניתוח מהיר בזיכרון. באמצעות BI Engine, אתם יכולים לנתח נתונים שמאוחסנים ב-BigQuery עם זמן תגובה לשאילתות של פחות משנייה ועם יכולת הרצת שאילתות בו-זמנית גבוהה.

‫BI Engine משתלב עם Data Studio כדי להאיץ את החיפוש והניתוח של נתונים. בעזרת BI Engine, אתם יכולים ליצור ב-Data Studio דוחות ומרכזי בקרה אינטראקטיביים ועשירים בלי לפגוע בביצועים, בהתאמה לעומס, באבטחה או ברעננות הנתונים.

איך מתחילים להשתמש ב-Data Studio עם BI Engine

שימוש בטבלאות מגובות בשאילתות מורכבות על מערכי נתונים גדולים

הקישור של Data Studio לתצוגה ב-BigQuery יכול להיות איטי אם התצוגה מבצעת חישובים או המרות מורכבים בזמן הריצה, במיוחד עם מערכי נתונים גדולים. תצוגות יכולות להיות שימושיות לארגון מחדש של נתונים, אבל הן עלולות לגרום לפסק זמן ב-Data Studio אם הן מבצעות חישובים בזמן אמת, כמו יצירה דינמית של כתובות URL חתומות למיליוני רשומות.

במקום להשתמש בתצוגה שמבצעת עיבוד כבד, אפשר להפוך את התוצאה של השאילתה של התצוגה לטבלה באמצעות אחת מהאפשרויות הבאות:

לאחר מכן, מקשרים את Data Studio לתצוגה או לטבלה המגובות בחומר במקום לתצוגה הרגילה. כך נמנעת הרצה מחדש של החישובים המורכבים לכל בקשה מ-Data Studio. כדי לשפר עוד יותר את הביצועים של נתונים מגובים בחומר, אפשר להשתמש ב-BI Engine.

הפעלת BigQuery Storage Read API

בשאילתות שמשתמשות בתוצאות עם מספור עמודים, הפעלה של BigQuery Storage Read API יכולה לשפר את זמני השאילתות. מערכת Data Studio משתמשת אוטומטית ב-Storage Read API אם זה משפר את זמני הריצה של השאילתות.

כדי להפעיל את BigQuery Storage Read API, צריך להעניק את ההרשאות הבאות למשתמש BigQuery שמחובר ל-Data Studio:

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