Migliorare il rendimento di Data Studio

La velocità con cui un report di Data Studio viene caricato e riflette le modifiche del visualizzatore, come l'applicazione di filtri o la modifica dell'intervallo di date, dipende da una serie di fattori, tra cui:

  • Il rendimento del set di dati sottostante
  • La quantità di dati oggetto di query nelle visualizzazioni del report
  • La complessità di queste query
  • Latenza di rete

Alcuni di questi fattori non possono essere controllati dagli utenti o da Data Studio. Ad esempio, è possibile che tu non possa fare molto per migliorare la reattività della piattaforma di dati sottostante o accelerare la connessione di rete. Tuttavia, ci sono alcune cose che puoi fare per ottimizzare le prestazioni dei report in Data Studio.

Modificare la frequenza di aggiornamento dei dati

La maggior parte dei tipi di origini dati ha un'opzione di aggiornamento dei dati (l'eccezione sono le origini dati estratte). Questa opzione ti consente di bilanciare la necessità di informazioni aggiornate con le prestazioni dei report e i costi o le quote potenziali delle query. Ogni tipo di origine dati ha una propria soglia predefinita per l'aggiornamento dei dati, ma puoi modificarla in base alle tue esigenze. Ad esempio, se stai misurando il rendimento degli annunci sul tuo sito o nella tua app, potresti scoprire che gli aggiornamenti giornalieri dei dati sono sufficienti. Per i report basati sull'analisi dei social media, invece, potrebbe essere opportuno aggiornare i dati più volte al giorno.

Scopri di più sulla gestione dell'aggiornamento dei dati.

Utilizzare un'origine dati estratta

Un'origine dati estratta è un'istantanea statica di massimo 100 MB di dati. Una volta create, le richieste di dati del report vengono inviate a questa istantanea, non al set di dati sottostante. L'utilizzo di un'origine dati estratta può velocizzare il caricamento dei report e delle esplorazioni e migliorarne la reattività rispetto all'utilizzo di una connessione ai dati in tempo reale.

Le origini dati estratte non hanno un'opzione di aggiornamento dei dati. In alternativa, puoi pianificare l'aggiornamento dei dati nell'origine dati estratta.

Scopri di più sull'estrazione dei dati.

Informazioni su concorrenza e scalabilità

Data Studio è progettato con un'architettura serverless, il che significa che Data Studio stesso non impone limiti rigidi al numero di utenti simultanei che visualizzano i report. Il rendimento e la scalabilità sono determinati principalmente dalla capacità e dalla reattività delle origini dati sottostanti a cui si connettono i report.

Specifiche dell'origine dati

  • BigQuery: Quando utilizzi BigQuery, la concorrenza e le prestazioni dei report dipendono da fattori quali la disponibilità di slot BigQuery, la complessità delle query, le dimensioni dei dati e la memorizzazione nella cache. Monitora l'utilizzo degli slot BigQuery e il rendimento delle query.

    Per l'ottimizzazione, prendi in considerazione le best practice di BigQuery, come il partizionamento, il clustering e l'utilizzo di BI Engine.

  • Altre origini dati: Per altri connettori (ad esempio Fogli Google o database di terze parti), i limiti di concorrenza sono soggetti ai limiti di frequenza delle API del sistema di origine, ai pool di connessioni ai database e alla capacità complessiva di elaborazione delle query.

Consigli pratici

  • Ottimizza le query delle origini dati: assicurati che le query siano il più efficienti possibile.
  • Sfrutta la memorizzazione nella cache: utilizza le impostazioni di aggiornamento dei dati di Data Studio per memorizzare i dati nella cache e ridurre le query dirette all'origine.
  • Implementazione graduale: per basi utenti molto grandi (ad esempio, migliaia di utenti), valuta la possibilità di un'implementazione graduale monitorando l'impatto sull'origine dati sottostante.
  • Monitora i sistemi sottostanti: controlla il rendimento e l'utilizzo della quota delle origini dati (ad esempio, slot BigQuery o quote API).

Miglioramenti per le origini dati BigQuery

Le sezioni seguenti illustrano suggerimenti per migliorare il rendimento dei report che utilizzano dati BigQuery.

Accelerare le origini dati BigQuery con BI Engine

BigQuery BI Engine è un servizio di analisi in memoria veloce. Con BI Engine puoi analizzare i dati memorizzati in BigQuery con tempi di risposta alle query di frazioni di secondo e con elevata concorrenza.

BI Engine si integra con Data Studio per accelerare l'esplorazione e l'analisi dei dati. Con BI Engine puoi creare dashboard e report ricchi e interattivi in Data Studio senza compromettere prestazioni, scalabilità, sicurezza o aggiornamento dei dati.

Inizia a utilizzare Data Studio con BI Engine.

Utilizzare le tabelle materializzate per query complesse su set di dati di grandi dimensioni

Il collegamento di Data Studio a una vista BigQuery può essere lento se la vista esegue calcoli o trasformazioni complessi in fase di runtime, soprattutto con set di dati di grandi dimensioni. Sebbene le visualizzazioni possano essere utili per la ristrutturazione dei dati, possono causare timeout in Data Studio se eseguono calcoli in tempo reale, ad esempio la generazione dinamica di URL firmati per milioni di record.

Anziché utilizzare una vista che esegue un'elaborazione pesante, materializza il risultato della query della vista in una tabella utilizzando una di queste opzioni:

Poi, connetti Data Studio alla vista o alla tabella materializzata anziché alla vista standard. In questo modo si evita di eseguire nuovamente i calcoli complessi per ogni richiesta da Data Studio. Per prestazioni ancora più rapide sui dati materializzati, utilizza BI Engine.

Abilita l'API BigQuery Storage di lettura

Per le query che utilizzano risultati paginati, l'attivazione dell'API BigQuery Storage Read può migliorare i tempi di esecuzione delle query. Data Studio utilizza automaticamente l'API Storage Read quando ciò migliora i tempi di esecuzione delle query.

Per abilitare l'API BigQuery Storage Read, concedi le seguenti autorizzazioni all'utente BigQuery connesso a Data Studio:

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