Seu Fabric F64 já está cheio? O problema raramente é o tamanho da capacidade

Como arquitetura, auditoria de uso e o Datatalk IA devolvem espaço ao F64 antes de você pensar em F128.

Neste artigo
  1. Um F64 não enche por acaso
  2. Onde a capacidade vaza
  3. Granularidade fora do modelo
  4. Boas práticas que seguram
  5. Gestão e auditoria de uso
  6. Plano de 90 dias
  7. A Guvi também passou por isso
  8. Fontes

Resumo

Quando um F64 fica sem espaço, o pedido costuma ser um F128. Na maioria dos casos que acompanhamos, o gargalo está em modelos grandes demais, refreshes pesados e relatórios que ninguém abre, e corrigir a arquitetura devolve folga antes de qualquer upgrade.

Um F64 não enche por acaso#

O F64 entrega 64 CU, o que dá 5.529.600 CU-segundos por dia (64 × 86.400), e cada modelo ainda tem tetos próprios de memória. Quando a capacidade "acaba", quase sempre um desses dois orçamentos foi gasto por algo que a arquitetura poderia ter evitado. Fonte dos limites: What is Power BI Premium? (Microsoft Learn).

Limites do Fabric F64
Limite do F64Valor
Capacity units (CU)64
Memória máxima por modelo25 GB
Memória máxima por consulta10 GB
Refreshes de modelo em paralelo40
Conexões DirectQuery por modelo50
Linhas por tabela no Direct Lake1,5 bilhão

O ponto que pega muita gente é a suavização: o consumo de refresh e de outras operações de background é diluído em 24 horas, então 30 refreshes pesados espalhados pelo dia não aparecem como "pico", mas somam. Passado o limite, a capacidade primeiro atrasa as consultas dos usuários em 20 segundos e depois passa a rejeitá-las. É nesse momento que alguém sugere comprar um F128.

Onde a capacidade vaza#

A sensação é de que "o relatório está pesado", mas o consumo começa antes: na carga, no desenho do modelo e só depois no clique do usuário.

Fluxo da fonte ao relatório: o desperdício típico de cada estágio

Carga

refresh, em background

  • Tudo atualizado no mesmo horário
  • Refresh a cada 15 minutos por hábito
  • Sem refresh incremental nas fatos grandes
  • Relatórios que ninguém abre, atualizados todo dia

Modelo

memória e desenho

  • Colunas que nenhum relatório usa, GUIDs e IDs de transação
  • Colunas e tabelas calculadas em DAX
  • Detalhe linha a linha que quase ninguém consulta

Relatório

consulta, no clique

  • Páginas com visuais demais
  • Medidas que trocam BLANK por 0 em matrizes
  • Tabelas com dezenas de milhares de linhas na tela

Base de tudo: a capacidade F64, com 64 CU e 5.529.600 CU-s por dia para dividir entre carga, modelo e relatório.

Fluxo da fonte ao relatório, com os desperdícios de cada estágio em destaque.

Cada estágio tem o seu desperdício típico. O mais caro é o silencioso: relatórios que ninguém abre e que continuam sendo atualizados todos os dias. Voltamos a isso na seção de auditoria de uso.

A granularidade pode deixar de morar no modelo#

Boa parte dos modelos pesados existe por um motivo simples: alguém, um dia, pediu "uma tabela com cada linha", e o modelo passou a guardar todas elas. A pergunta que raramente se faz é quantas pessoas olham esse detalhe por semana, e se ele precisa estar pré-carregado para isso.

Antes e depois: onde mora o detalhe

Antes detalhe dentro do modelo

Fonte → Modelo com todas as linhas → Relatório

  • Memória alta, perto do teto por modelo
  • Refresh grande e lento
  • CU de background gasto para manter um detalhe pouco usado

Depois detalhe sob demanda

Fonte → Modelo agregado → Relatório
e, quando precisa do detalhe: Datatalk IA → consulta a fonte na hora

  • Modelo menor, com margem sob o teto
  • Refreshes menores e mais rápidos
  • CU de background deixa de manter o detalhe
Comparação entre o detalhe guardado no modelo e o detalhe respondido sob demanda pelo Datatalk IA.

Com o Head, o relatório fica com a visão agregada, que é o que a maioria abre todos os dias. Quando alguém precisa do detalhe, pergunta ao Datatalk IA em linguagem natural e a consulta vai até a fonte naquele momento, em vez de manter todas as linhas em memória o tempo todo.

O efeito é imediato em duas frentes:

  • Memória: o modelo encolhe e sobra margem sob o teto por modelo, o que reduz o risco de falha no refresh.
  • Carga: refreshes ficam menores e mais rápidos, e o CU de background deixa de ser consumido para manter um detalhe pouco usado.

Isso não substitui o desenho dimensional correto, e sim retira dele o que nunca deveria ter entrado.

As boas práticas que seguram a capacidade#

Nenhuma delas é nova, e é justamente por isso que costumam ficar para depois. Juntas, são o que separa um F64 que respira de um F64 que vive em throttling. Detalhes de configuração: Configure workloads (Microsoft Learn) e Enhanced refresh (Microsoft Learn). Para o passo a passo de modelo, refresh e DAX em uma capacidade menor, veja também o Cheat Sheet: Power BI Embedded na capacidade mínima.

Modelo

  • Esquema estrela com chaves inteiras; fatos estreitas, dimensões separadas.
  • Fora do modelo: colunas que nenhum relatório usa, GUIDs, texto livre e IDs de transação.
  • Data e hora em colunas separadas; Auto date/time desligado e uma única tabela Data.
  • Sem colunas e tabelas calculadas em DAX: a lógica vai para a fonte ou para o Power Query com query folding.
  • Formato de modelo grande ligado, para carregar só as páginas de dados consultadas.

Refresh

  • Refresh incremental em toda fato grande, e refresh por tabela ou partição via Enhanced Refresh API.
  • Fatos várias vezes ao dia, dimensões uma vez por dia, e nada de tudo no mesmo horário.
  • Frequência decidida pela conta de CU, não pelo hábito: refresh a cada 15 minutos raramente se paga.
  • Transformação na fonte, em views ou tabelas prontas, em vez de no Power Query sem folding.

DAX e relatório

  • Medidas que não trocam BLANK por 0 em matrizes, sem FILTER sobre a tabela inteira dentro do CALCULATE, VAR no lugar de expressões repetidas.
  • Poucos visuais por página, redução de consultas com botão Aplicar nos filtros e detalhe atrás de drillthrough.
  • Tabelas e matrizes com Top N, nunca dezenas de milhares de linhas na tela.

Capacidade

  • Query timeout e limite de linhas por consulta apertados, para que uma consulta descontrolada seja cortada cedo.
  • Surge protection ligado, para que o background não derrube os relatórios dos usuários.
  • ETL, dataflows e notebooks em capacidade separada dos relatórios de produção sempre que possível.
  • Alertas de utilização antes do throttling, não depois da reclamação.

Gestão e auditoria de uso: o que não é medido não entra no 80/20#

A maior parte dos times sabe quanto a capacidade consome, mas não sabe quanto cada arquivo Power BI é usado. Sem essa segunda medida, o time otimiza o que reclama mais alto, e não o que mais pesa. Cruzando as duas, a conversa muda: em vez de "o F64 está cheio", passa a ser "estes itens consomem X e são abertos por Y pessoas".

Uso por consumo: quatro decisões

Uso baixo · consumo alto

Redesenhar ou aposentar

Pergunte ao dono se o item ainda serve; sem resposta, desligue o refresh. É por aqui que se começa.

Uso alto · consumo alto

Otimizar

Aplique as boas práticas e meça o consumo de novo para provar o ganho.

Uso baixo · consumo baixo

Acompanhar

Barato hoje; revise todo mês para que não vire o próximo item do canto superior esquerdo.

Uso alto · consumo baixo

Manter

Referência de como um item bem desenhado se comporta; copie o padrão.

Matriz de dois eixos, uso e consumo de CU, com quatro decisões por quadrante.

A hipótese do 80/20 é que poucos itens concentram a maior parte do consumo. Confirme nos seus dados antes de prometer o ganho, mas o ponto de partida costuma ser o quadrante de cima à esquerda.

De onde tirar cada número

Fonte de cada medida para a auditoria de uso
PerguntaFonteObservação
Quanto cada item consome?Fabric Capacity Metrics appCU por item e por operação, mais os gráficos de throttling
Quem abre cada relatório e quanto?Activity log (ViewReport), pela Get Activity Events API ou pelo Get-PowerBIActivityEventExige papel de administrador; histórico de até 30 dias
Que itens existem e quem é o dono?APIs de administração (workspaces, relatórios, modelos)Base para cobrar um responsável por item
Quantos refreshes rodam e quanto demoram?Histórico de refresh de cada modeloMostra quem consome background sem ser aberto

Como o activity log guarda só 30 dias, o primeiro passo é gravar os eventos todo dia em uma tabela sua. Em poucas semanas você tem uma série histórica de uso por relatório. Fontes: Access the Power BI activity log (Microsoft Learn) e Understand capacity throttling and smoothing (Microsoft Learn).

Como transformar isso em decisão

  1. Junte as quatro tabelas por relatório e modelo e ordene por CU consumido.
  2. Marque cada item no quadrante: uso alto ou baixo, consumo alto ou baixo.
  3. Comece pelo canto superior esquerdo: pergunte ao dono se o item ainda serve, e desligue o refresh de quem não responde.
  4. Nos itens de uso alto e consumo alto, aplique as boas práticas da seção anterior e remeça o consumo para provar o ganho.
  5. Repita todo mês: governança de uso é rotina, não projeto.

Um plano de 90 dias antes de comprar mais capacidade#

O objetivo não é recusar o F128 por princípio, e sim só comprá-lo se o consumo, já enxuto e medido, ainda não couber no F64.

Plano de 90 dias: três fases e uma decisão

Mês 1

Medir

  • Capacity Metrics: CU por item
  • Activity log gravado todo dia
  • Inventário de itens e donos
  • Histórico de refresh de cada modelo

Mês 2

Cortar

  • Aposentar o que ninguém usa
  • Reduzir os maiores modelos
  • Refresh incremental e escalonado

Mês 3

Sustentar

  • Guard rails: timeout e surge protection
  • Alertas antes do throttling
  • Revisão mensal de uso por consumo

Decisão: com o consumo já enxuto e medido, o F64 ainda não comporta? Só então avalie o F128.

Três fases de um mês cada (medir, cortar e sustentar) e a decisão sobre o F128.

A fase do meio é a que devolve espaço: aposentar o que ninguém usa e reduzir os maiores modelos costuma aliviar o F64 mais rápido do que qualquer ajuste fino de DAX. A última fase evita que o problema volte em seis meses.

A Guvi também passou por isso#

Na Data Guvi, esse ciclo não é teoria. Já enfrentamos capacidade apertada, modelos que cresceram sem desenho e relatórios que seguiam sendo atualizados sem ninguém abrir. Foi corrigindo a arquitetura, e não só comprando mais capacidade, que aprendemos o que funciona, e é isso que levamos para os projetos dos clientes.

Hoje atuamos com times especialistas em dados e Power BI, que entram onde o gargalo está:

  • Diagnóstico de capacidade: onde o CU e a memória estão sendo gastos, com a leitura de throttling e de limites por modelo.
  • Auditoria de uso: a visão cruzada de consumo e uso por relatório, com a lista priorizada do que redesenhar, otimizar ou aposentar.
  • Reestruturação de modelos e refresh: incremental, escalonamento, DAX e desenho dimensional, medindo o ganho a cada etapa.
  • Head e Datatalk IA: governança do ambiente Power BI e respostas de detalhe sob demanda, para tirar a granularidade do modelo. Conheça o Head.

Se o seu F64 está sem espaço e a conversa já chegou ao F128, vale medir antes de comprar.

Fontes#

Documentação oficial da Microsoft consultada para os limites e comportamentos citados; os valores por SKU mudam com frequência, então confira antes de decisões de compra.

Peça um diagnóstico de capacidade com a Data Guvi

Medimos onde o CU e a memória do seu Fabric estão sendo gastos antes de você pensar em comprar mais.

Falar com a Data Guvi
Voltar para o blog