Meningkatkan performa Data Studio

Kecepatan pemuatan dan respons laporan Data Studio terhadap perubahan audiens, seperti menerapkan filter atau mengubah rentang tanggal, bergantung pada sejumlah faktor, yang mencakup hal berikut:

  • performa set data pokok
  • jumlah data yang dikueri oleh visualisasi dalam laporan
  • kerumitan kueri tersebut
  • latensi jaringan

Beberapa faktor tersebut berada di luar kemampuan kontrol Anda (atau Data Studio). Misalnya, mungkin tidak banyak yang dapat Anda lakukan untuk meningkatkan daya respons platform data pokok atau mempercepat koneksi jaringan Anda. Namun, ada beberapa hal yang dapat Anda lakukan untuk meningkatkan performa laporan Anda di Data Studio.

Menyesuaikan rasio keaktualan data

Sebagian besar jenis sumber data memiliki opsi keaktualan data (pengecualian untuk hal ini adalah sumber data yang diekstrak). Opsi ini memungkinkan Anda menyeimbangkan kebutuhan akan informasi terbaru dengan performa laporan dan potensi biaya atau kuota kueri. Setiap jenis sumber data memiliki batas keaktualan data default-nya sendiri, tetapi Anda dapat menyesuaikan batas ini sesuai kebutuhan. Misalnya, jika Anda mengukur performa iklan di situs atau aplikasi, Anda mungkin mendapati bahwa pembaruan data harian saja sudah cukup. Di sisi lain, laporan yang didasarkan pada analisis media sosial mungkin perlu diperbarui datanya beberapa kali sehari.

Pelajari lebih lanjut cara mengelola keaktualan data.

Menggunakan sumber data yang diekstrak

Sumber data yang diekstrak adalah ringkasan statis data hingga 100 MB. Setelah dibuat, permintaan data dari laporan Anda akan diarahkan ke ringkasan ini, bukan ke set data pokok. Menggunakan sumber data yang diekstrak dapat membuat laporan dan eksplorasi Anda dimuat lebih cepat serta lebih responsif dibandingkan saat menggunakan koneksi langsung ke data Anda.

Sumber data yang diekstrak tidak memiliki opsi keaktualan data. Sebagai gantinya, Anda dapat menjadwalkan kapan data di sumber data yang diekstrak akan diperbarui.

Pelajari lebih lanjut cara mengekstrak data.

Memahami Konkurensi dan Penskalaan

Data Studio didesain dengan arsitektur tanpa server, yang berarti Data Studio sendiri tidak membatasi jumlah pengguna serentak yang melihat laporan. Performa dan penskalaan terutama ditentukan oleh kapasitas dan responsivitas sumber data pokok yang terhubung ke laporan Anda.

Khusus sumber data

  • BigQuery: Saat menggunakan BigQuery, konkurensi dan performa laporan bergantung pada faktor-faktor seperti ketersediaan slot BigQuery, kompleksitas kueri, ukuran data, dan caching. Pantau penggunaan slot BigQuery dan performa kueri Anda.

    Untuk mengoptimalkan, pertimbangkan praktik terbaik BigQuery seperti membuat partisi, mengelompokkan, dan menggunakan BI Engine.

  • Sumber data lainnya: Untuk konektor lainnya (misalnya, Google Spreadsheet, atau database pihak ketiga), batas konkurensi tunduk pada batas kecepatan API sistem sumber, kumpulan koneksi database, dan kemampuan pemrosesan kueri secara keseluruhan.

Rekomendasi yang dapat ditindaklanjuti

  • Mengoptimalkan kueri sumber data: Pastikan kueri Anda seefisien mungkin.
  • Manfaatkan penyimpanan cache: Manfaatkan setelan keaktualan data Data Studio untuk menyimpan data dalam cache dan mengurangi kueri langsung ke sumber.
  • Peluncuran bertahap: Untuk basis pengguna yang sangat besar (misalnya, ribuan pengguna), pertimbangkan peluncuran bertahap sambil memantau dampaknya pada sumber data pokok.
  • Pantau sistem pokok: Periksa performa dan penggunaan kuota sumber data Anda (misalnya, slot BigQuery, atau kuota API).

Peningkatan untuk sumber data BigQuery

Bagian berikut membahas tips untuk meningkatkan performa laporan yang menggunakan data BigQuery.

Mempercepat sumber data BigQuery dengan BI Engine

BigQuery BI Engine adalah layanan analisis dalam memori yang cepat. Dengan menggunakan BI Engine, Anda dapat menganalisis data yang disimpan di BigQuery dengan waktu respons kueri sepersekian detik dan dengan konkurensi tinggi.

BI Engine terintegrasi dengan Data Studio untuk mempercepat eksplorasi dan analisis data. Dengan BI Engine, Anda dapat membuat dasbor dan laporan yang kaya dan interaktif di Data Studio tanpa mengorbankan performa, skala, keamanan, atau keaktualan data.

Mulai menggunakan Data Studio dengan BI Engine.

Menggunakan tabel yang di-materialisasi untuk kueri kompleks pada set data besar

Menghubungkan Data Studio ke tampilan BigQuery dapat menjadi lambat jika tampilan tersebut melakukan perhitungan atau transformasi yang kompleks saat runtime, terutama dengan set data yang besar. Meskipun tampilan dapat berguna untuk menyusun ulang data, tampilan dapat menyebabkan waktu tunggu habis di Data Studio jika melakukan penghitungan real-time seperti membuat URL bertanda tangan secara dinamis untuk jutaan data.

Daripada menggunakan tampilan yang melakukan pemrosesan berat, materialisasikan hasil kueri tampilan ke tabel menggunakan salah satu opsi berikut:

Kemudian, hubungkan Data Studio ke tampilan terwujud atau tabel, bukan tampilan standar. Dengan demikian, perhitungan yang kompleks tidak perlu dijalankan ulang untuk setiap permintaan dari Data Studio. Untuk performa yang lebih cepat pada data yang diwujudkan, gunakan BI Engine.

Mengaktifkan BigQuery Storage Read API

Untuk kueri yang menggunakan hasil yang di-pagination, mengaktifkan BigQuery Storage Read API dapat meningkatkan waktu kueri. Data Studio otomatis menggunakan Storage Read API jika hal itu meningkatkan waktu proses kueri.

Untuk mengaktifkan BigQuery Storage Read API, berikan izin berikut kepada pengguna BigQuery Anda yang terhubung ke Data Studio:

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