Como deixar o Power BI rápido: guia de performance

Um relatório que demora a abrir mina a confiança antes de mostrar qualquer número#

Nada afasta um usuário do BI mais rápido do que um relatório que trava. A pessoa clica, espera, o filtro demora, os visuais custam a carregar, e logo ela volta para a planilha de sempre. Performance não é um luxo técnico; é o que decide se o relatório será usado. E a boa notícia é que a maioria dos problemas de lentidão no Power BI vem de um punhado de causas conhecidas, quase todas ligadas ao modelo, não ao visual. Este guia de performance no Power BI reúne as alavancas que mais aceleram um relatório, na ordem em que costumam dar mais retorno, para você atacar a lentidão pela raiz e não por tentativa e erro.

A maior parte da lentidão nasce no modelo, não no visual#

O primeiro conceito a internalizar é onde procurar. Quando um relatório está lento, a tentação é mexer nos gráficos, mas a causa raiz costuma estar no modelo: como as tabelas estão estruturadas, o tamanho do modelo, a forma das relações. O motor do Power BI, o VertiPaq, é colunar e em memória, e comprime os dados pela cardinalidade das colunas. Um modelo pesado, com colunas de alta cardinalidade e formato ruim, comprime mal, ocupa mais memória e responde devagar. Por isso, otimizar performance no Power BI é, antes de tudo, cuidar do modelo. Ganhos ali costumam superar de longe qualquer ajuste cosmético no relatório.

As alavancas de performance têm impacto e esforço diferentes#

Alavanca	Efeito	Onde atua
Modelo estrela	Filtro eficiente, medidas simples	Estrutura do modelo
Remover colunas inúteis	Modelo menor, mais leve	Tabelas importadas
Reduzir cardinalidade	Melhor compressão	Colunas do modelo
DAX eficiente	Consultas mais rápidas	Medidas
Menos visuais por página	Menos consultas por vez	Layout do relatório

O modelo estrela e menos colunas são o maior ganho de partida#

As duas alavancas de maior retorno costumam ser estruturais. A primeira é adotar o modelo estrela, com fatos e dimensões e relações de um para muitos, para o qual o motor foi otimizado; ele acelera a agregação e simplifica o DAX. A segunda é remover o que não é usado. Todo relatório carrega colunas que ninguém consome, e cada coluna importada ocupa espaço e memória. Colunas de texto livre, identificadores únicos, campos técnicos da origem: se não são usados em nenhum visual, filtro ou relação, devem sair do modelo. Reduzir o número de colunas, especialmente as de alta cardinalidade, encolhe o modelo e melhora a compressão, o que se traduz diretamente em velocidade. Menos dados no modelo é quase sempre mais performance.

Reduzir a cardinalidade das colunas melhora a compressão#

Como o VertiPaq comprime pela cardinalidade, atacar as colunas de muitos valores distintos rende bastante. Um exemplo clássico é a coluna de data e hora com precisão de segundos: ela tem uma cardinalidade altíssima e comprime mal. Separar data e hora em colunas distintas, ou reduzir a precisão da hora ao que o negócio realmente usa, corta a cardinalidade e alivia o modelo. O mesmo raciocínio vale para valores numéricos com casas decimais excessivas e para textos únicos que poderiam ser normalizados em uma dimensão. Cada redução de cardinalidade melhora a compressão e libera memória. Não é preciso perseguir cada coluna, mas atacar as poucas de cardinalidade extrema costuma dar um salto perceptível de performance.

DAX eficiente e menos visuais por página completam o ganho#

Com o modelo enxuto, dois ajustes finais ajudam. No DAX, prefira medidas a colunas calculadas para agregações, evite reprocessar a mesma coisa várias vezes e escreva o cálculo de forma que o motor consiga otimizar; medidas bem escritas sobre um bom modelo voam. No layout, lembre que cada visual em uma página dispara sua própria consulta, então páginas com dezenas de visuais forçam o Power BI a resolver muitas consultas ao mesmo tempo, o que atrasa o carregamento. Distribuir o conteúdo em mais páginas, com menos visuais em cada uma, aliviando o que carrega de uma vez, melhora a sensação de rapidez. Menos visuais competindo por processamento significa cada um respondendo mais rápido. Para relatórios rápidos e bem construídos, veja nossos serviços de Power BI, o guia completo de Power BI para empresas e os dashboards.

Meça antes de otimizar para não gastar esforço no lugar errado#

Um conselho que economiza tempo: antes de sair otimizando, descubra onde está a lentidão. O Power BI oferece formas de analisar o desempenho, como o analisador de desempenho, que mostra quanto tempo cada visual e cada consulta levam para carregar. Com esse diagnóstico, você ataca o gargalo real, o visual ou a medida que realmente pesa, em vez de otimizar às cegas o que já era rápido. Performance é um trabalho de encontrar o ponto certo, não de aplicar todas as técnicas de uma vez em tudo. Medir primeiro garante que o esforço vá para onde há ganho, e transforma a otimização de tentativa e erro em um processo objetivo. Essa disciplina é o que separa a melhoria consistente do palpite.

Perguntas frequentes#

Por que meu relatório Power BI está lento? Na maioria das vezes, por causa do modelo: estrutura fora do formato estrela, modelo grande com colunas desnecessárias e de alta cardinalidade, que comprimem mal e pesam na memória. A causa raiz costuma estar no modelo, não no visual.

O que dá mais ganho de performance? Geralmente as alavancas estruturais: adotar o modelo estrela e remover colunas que ninguém usa, reduzindo o tamanho do modelo. Esses dois passos costumam superar qualquer ajuste cosmético no relatório.

Como reduzir a cardinalidade das colunas? Atacando as colunas com muitos valores distintos, como data e hora com segundos, que podem ser separadas ou ter a precisão reduzida. Menos cardinalidade melhora a compressão do VertiPaq e libera memória, acelerando o modelo.

Muitos visuais deixam a página lenta? Sim. Cada visual dispara sua própria consulta, então páginas com dezenas de visuais forçam muitas consultas ao mesmo tempo, atrasando o carregamento. Distribuir o conteúdo em mais páginas, com menos visuais em cada, ajuda.

Medida ou coluna calculada é melhor para performance? Para agregações, medidas são geralmente melhores, porque não ocupam espaço no modelo e são calculadas sob demanda. Colunas calculadas ficam armazenadas e podem inflar o modelo, especialmente em tabelas grandes.

Como saber o que otimizar primeiro? Medindo. O analisador de desempenho do Power BI mostra quanto tempo cada visual e consulta levam. Com isso você ataca o gargalo real em vez de otimizar às cegas, direcionando o esforço para onde há ganho de verdade.

Ataque a lentidão pela raiz, que é o modelo#

Performance no Power BI se ganha principalmente no modelo: formato estrela, menos colunas, menor cardinalidade, DAX eficiente e páginas mais leves. Meça antes para acertar o alvo. Se quiser um relatório rápido e confiável, fale com a gente.