La vitesse à laquelle un rapport Looker Studio se charge et répond aux modifications des utilisateurs (l'application de filtres ou la modification de la plage de dates, par exemple) dépend, entre autres, des facteurs suivants :
- Les performances de l'ensemble de données sous-jacent
- La quantité de données interrogées dans les visualisations du rapport
- La complexité de ces requêtes
- La latence du réseau
Certains de ces facteurs échappent à votre contrôle (ou à celui de Looker Studio). Par exemple, vous ne pourrez sans doute pas faire grand-chose pour améliorer la réactivité de la plate-forme des données sous-jacentes ou accélérer votre connexion réseau. En revanche, vous pouvez agir au niveau de la précision des performances de vos rapports dans Looker Studio.
Ajuster la fréquence d'actualisation des données
Looker Studio utilise déjà certaines fonctionnalités d'optimisation des performances en interne (et nous cherchons toujours à améliorer nos outils). Par exemple, Looker Studio récupère les données à partir d'un cache (un système de stockage temporaire) afin d'améliorer les performances des rapports. Les données sont disponibles plus rapidement si elles sont extraites du cache plutôt que récupérées directement dans l'ensemble de données sous-jacent. La récupération des données mises en cache minimise également les coûts liés aux services payants tels que BigQuery. En effet, cela réduit le nombre de requêtes à exécuter directement à partir de l'ensemble de données.
La fréquence à laquelle les données du cache sont mises à jour s'appelle la fréquence d'actualisation des données. Les fréquences d'actualisation réelles varient en fonction du connecteur. Toutefois, envisagez de prolonger l'intervalle d'actualisation si c'est possible. Vous pourrez ainsi améliorer les performances de vos rapports en utilisant le cache pour répondre à des requêtes répétitives. Par contre, vous ne disposerez alors peut-être pas des informations les plus récentes.
Découvrez comment gérer la fraîcheur des données.
Utiliser une source de données extraite
Par défaut, les sources de données maintiennent une connexion en direct à votre ensemble de données sous-jacent. Lorsque le cache (décrit ci-dessus) expire, ou que vous exécutez une nouvelle requête qui ne peut pas être diffusée à partir de celui-ci, Looker Studio accède à votre ensemble de données afin de récupérer ces dernières. Pour éviter ce type d'opération potentiellement chronophage, vous pouvez extraire jusqu'à 100 Mo de données d'une source de données existante et les diriger vers une source de données extraite.
Sélectionnez les champs spécifiques pertinents, appliquez des filtres et ajoutez une plage de dates afin de créer un instantané de vos données. Par rapport à une connexion directe avec vos données, cette fonctionnalité contribue à améliorer les temps de chargement de vos rapports et de vos explorations, et leur réactivité. Cette façon de procéder passe par un compromis. La source de données extraite est statique : vos données ne sont donc pas modifiées dans le rapport tant que la source de données elle-même n'est pas actualisée. Toutefois, l'impact peut être minime, car vous pouvez planifier une mise à jour automatique d'une source de données extraite.
En savoir plus sur l'extraction de données
Accélérer les sources de données BigQuery grâce à BI Engine
BigQuery BI Engine est un service d'analyse en mémoire rapide. Il permet d'analyser les données stockées dans BigQuery en bénéficiant d'un temps de réponse aux requêtes inférieur à une seconde et d'une simultanéité élevée.
BI Engine s'intègre à Looker Studio afin d'accélérer l'exploration et l'analyse des données. Avec BI Engine, vous pouvez créer des tableaux de bord et des rapports interactifs riches dans Looker Studio sans compromettre les performances, l'échelle, la sécurité ou la fraîcheur des données.