Incrementele vernieuwing instellen in Power BI
Je stelt incrementele vernieuwing in door in Power Query twee parameters aan te maken, RangeStart en RangeEnd, deze te koppelen aan een filter op je datumkolom, en vervolgens in Power BI Desktop bij 'Incrementele vernieuwing beheren' een archief- en vernieuwingsperiode te configureren. Na publicatie naar Power BI Service verwerkt de gateway of Power BI Service de data in partities, waardoor alleen recente perioden opnieuw worden opgehaald in plaats van de volledige tabel.
Met incrementele vernieuwing laadt Power BI alleen nieuwe of gewijzigde data opnieuw in, zodat grote datasets sneller vernieuwen en minder belasting geven op je bron.
Grote Power BI-datasets met miljoenen rijen kunnen vernieuwingen laten uitlopen tot ver over de gebruikelijke limieten. Incrementele vernieuwing lost dat op door slim te kiezen welke data daadwerkelijk opnieuw opgehaald moet worden.
Waarom incrementele vernieuwing
Bij een standaardvernieuwing haalt Power BI de complete tabel opnieuw op, ook als negenennegentig procent van de rijen sinds gisteren niet is veranderd. Voor kleine tabellen is dat geen probleem, maar bij tabellen met jaren aan transactiedata leidt dit tot lange vernieuwingstijden en onnodige belasting op je bron. Incrementele vernieuwing verdeelt de tabel in partities, meestal per dag, maand of jaar, en vernieuwt alleen de partities die volgens jouw instellingen nog kunnen wijzigen. Oudere partities blijven simpelweg staan zoals ze zijn.
De rol van RangeStart en RangeEnd
De kern van de configuratie zit in Power Query. Je maakt twee parameters aan met de exacte namen RangeStart en RangeEnd, van het type datum. Power BI herkent deze specifieke namen en gebruikt ze om automatisch de juiste tijdvensters per partitie te genereren zodra je publiceert. Je filtert vervolgens je datumkolom op deze twee parameters, zodat de query alleen data binnen dat venster ophaalt.
Archief- versus vernieuwingsperiode
Bij het instellen van incrementele vernieuwing in Power BI Desktop kies je twee periodes. De archiefperiode bepaalt hoeveel historie in het model bewaard blijft, bijvoorbeeld vijf jaar aan data. De vernieuwingsperiode bepaalt hoeveel van de meest recente data bij elke geplande vernieuwing opnieuw wordt opgehaald, bijvoorbeeld de laatste tien dagen. Die marge is nodig omdat brondata soms met vertraging wordt aangevuld of gecorrigeerd; een te krappe vernieuwingsperiode mist die correcties.
Query-folding als voorwaarde voor snelheid
Incrementele vernieuwing werkt het beste bij bronnen die query-folding ondersteunen, zoals SQL Server of Azure SQL Database, omdat Power Query de datumfilter dan direct als een efficiënte WHERE-clausule naar de databron doorstuurt. Bij bronnen zonder query-folding, zoals platte bestanden, profiteer je nog steeds van kleinere partities in het model, maar wint Power Query minder tijd bij het ophalen zelf.
Testen voordat je live gaat
Test de configuratie eerst lokaal met een kort tijdvenster, zodat je niet bij elke testrun de volledige historische dataset hoeft op te halen. Pas na publicatie naar Power BI Service bouwt de dataset zijn volledige partitiestructuur op, wat de eerste keer aanzienlijk langer duurt dan volgende, incrementele vernieuwingen.
Onze tip: kies je vernieuwingsperiode niet te krap. Data die na publicatie nog wordt gecorrigeerd in de bron, bijvoorbeeld nagekomen facturen, mis je anders stilzwijgend in je rapport, zonder dat er een foutmelding verschijnt.
Veelgestelde vragen
Wat is het verschil tussen incrementele vernieuwing en een volledige vernieuwing?
Bij een volledige vernieuwing haalt Power BI bij elke geplande vernieuwing de complete dataset opnieuw op uit de bron, ongeacht of de data is veranderd. Bij incrementele vernieuwing verdeelt Power BI de tabel in partities, meestal per dag, maand of jaar, en vernieuwt alleen de partities die volgens je ingestelde periode nog kunnen wijzigen. Oudere, gearchiveerde partities blijven ongewijzigd staan. Dat scheelt aanzienlijk in vernieuwingstijd en belasting op de bron, vooral bij tabellen met miljoenen rijen.
Heb ik Power BI Premium nodig voor incrementele vernieuwing?
Nee, niet per se. Incrementele vernieuwing werkt ook met een Pro-licentie op gedeelde capaciteit, al gelden daar de standaardlimieten voor vernieuwingsduur van ongeveer twee uur en maximaal acht geplande vernieuwingen per dag. Op Premium-, Premium Per User- of Fabric-capaciteit vervallen die tijdslimieten grotendeels en kun je ook gebruikmaken van detectie van datawijzigingen, wat incrementele vernieuwing nog efficiënter maakt voor zeer grote datasets.
Hoe kies ik de juiste archief- en vernieuwingsperiode?
De archiefperiode bepaalt hoeveel historische data in het model blijft staan, bijvoorbeeld vijf jaar. De vernieuwingsperiode bepaalt hoeveel van de recentste data bij elke vernieuwing opnieuw wordt opgehaald, bijvoorbeeld de laatste tien dagen, om late mutaties of nabewerkingen in de bron mee te nemen. Kies de vernieuwingsperiode ruim genoeg om alle realistische correcties in je brondata te vangen, maar niet zo ruim dat je het voordeel van incrementele vernieuwing tenietdoet.
Werkt incrementele vernieuwing met elke databron?
Incrementele vernieuwing werkt het best met databronnen die query-folding ondersteunen, zoals SQL Server, Azure SQL Database of andere relationele databases, omdat Power Query de datumfilter dan als een efficiënte WHERE-clausule naar de bron kan doorzetten. Bij bronnen zonder query-folding, zoals platte CSV- of Excelbestanden, werkt incrementele vernieuwing nog steeds, maar haalt Power Query mogelijk toch meer data op dan strikt nodig, wat het prestatievoordeel beperkt.