Die Geschwindigkeit, mit der ein Looker Studio-Bericht geladen und auf Änderungen von Nutzern reagiert (z. B. auf die Anwendung von Filtern oder Änderungen des Zeitraums), hängt unter anderem von folgenden Faktoren ab:
- Leistung des zugrunde liegenden Datenpools
- Datenmenge, die über die Visualisierungen im Bericht abgefragt wird
- Komplexität dieser Abfragen
- Netzwerklatenz
Einige dieser Faktoren können nicht in Looker Studio oder von Ihnen selbst beeinflusst werden. So ist es beispielsweise selten möglich, die Reaktionsschnelligkeit der zugrunde liegenden Datenplattform zu verbessern oder die Netzwerkverbindung zu beschleunigen. Es gibt jedoch Möglichkeiten, die Leistung von Berichten in Looker Studio zu optimieren.
Datenaktualitätsrate anpassen
In Looker Studio werden intern bereits einige Funktionen zur Leistungsoptimierung verwendet. Sie werden von uns auch laufend verbessert. Beispielsweise ist die Berichtsleistung in Looker Studio höher, weil die Daten aus einem temporären Speichersystem, dem sogenannten Cache, abgerufen werden. Das Abrufen von im Cache gespeicherten Daten ist wesentlich schneller als das direkte Abrufen aus dem zugrunde liegenden Datenpool. Außerdem sinken dadurch die Kosten für kostenpflichtige Dienste wie BigQuery, weil die Anzahl der Abfragen, mit denen Daten direkt aus dem Dataset abgerufen werden müssen, abnimmt.
Die Häufigkeit, mit der Daten im Cache aktualisiert werden, wird als Datenaktualisierungsrate bezeichnet. Die tatsächlichen Aktualisierungsraten variieren je nach Connector. Gegebenenfalls sollten Sie das Aktualisierungsintervall verlängern. Die Berichtsleistung steigt eventuell, wenn Sie den Cache nutzen, um sich wiederholende Abfragen zu beantworten. Es kann im Gegenzug jedoch sein, dass dann nicht die aktuellsten Informationen verfügbar sind.
Weitere Informationen zum Verwalten der Datenaktualität
Extrahierte Datenquelle verwenden
Standardmäßig halten Datenquellen die Verbindung zum zugrunde liegenden Datenpool ständig aufrecht. Wenn der Cache (siehe oben) abläuft oder eine neue Abfrage ausgeführt wird, die nicht aus dem Cache bedient werden kann, wird in Looker Studio der Datenpool abgerufen. Sie können diese potenziell langsamen Datenabrufe vermeiden, indem Sie bis zu 100 MB Daten aus einer beliebigen bestehenden Datenquelle in eine extrahierte Datenquelle kopieren.
Wählen Sie die gewünschten Felder aus, wenden Sie Filter an und fügen Sie einen Zeitraum hinzu, um einen Snapshot der Daten zu erstellen. So werden Ihre Berichte und explorativen Datenanalysen schneller geladen und reagieren schneller als bei einer Liveverbindung zu den Daten. Der Nachteil ist hier, dass die extrahierte Datenquelle statisch ist: Die Daten ändern sich erst dann im Bericht, wenn die Datenquelle selbst aktualisiert wird. Das ist allerdings nicht immer problematisch, denn Sie können die Aktualisierung einer extrahierten Datenquelle planen.
Weitere Informationen zum Extrahieren von Daten
BigQuery-Datenquellen mit BI Engine beschleunigen
BigQuery BI Engine ist ein schneller In-Memory-Analysedienst. Mithilfe der BI Engine können Sie in BigQuery gespeicherte Daten mit einer Antwortzeit von weniger als einer Sekunde und mit hoher Parallelität analysieren.
BI Engine lässt sich nahtlos in Looker Studio einbinden, um die explorative Datenanalyse zu beschleunigen. Mit BI Engine können Sie umfangreiche interaktive Dashboards und Berichte in Looker Studio erstellen, ohne Leistung, Skalierbarkeit, Sicherheit oder Datenaktualität zu beeinträchtigen.