> For the complete documentation index, see [llms.txt](https://docs.powermonitor.com.br/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.powermonitor.com.br/principais-funcionalidades/analise-de-performance.md).
# Análise de Performance
Análise de Performance do Power Monitor: avaliação de modelos semânticos cruzada com o consumo real de capacidade, boas práticas, limpeza de modelo, tempo de execução e diagnóstico de consultas de Lak
A capacidade está no limite e a pergunta de sempre aparece: **subir o SKU ou otimizar?** Sem dados, a resposta costuma ser a mais cara. O Power Monitor mostra **onde está o peso**, **por que ele existe** e **quanto você ganha** corrigindo cada ponto, em modelos semânticos, Lakehouses e Warehouses.
## Avaliação de Performance de modelos semânticos
O VertiPaq Analyzer e o Best Practice Analyzer mostram o **estado** do modelo. A Avaliação de Performance do Power Monitor vai um passo além: cruza esse estado com o **consumo real de Capacity Units** do modelo na capacidade e com o que o Power Monitor já sabe sobre ele (histórico de atualizações, agendamento, uso nos relatórios, criticidade) para dizer **o que vale a pena otimizar primeiro**.
Cada recomendação com ganho estimado, evidências e fonte oficial
* **Recomendações priorizadas pelo ganho:** cada uma traz o ganho estimado em CU, memória e custo, os objetos afetados, as evidências e a **fonte oficial da Microsoft**.
* **Armazenamento VertiPaq:** maiores tabelas e colunas, cardinalidade, colunas de texto pesadas, tabelas de data automática e colunas que nenhum relatório usa.
* **Consumo na capacidade:** quanto do CU da capacidade o modelo representa e quais operações (interativas e em segundo plano) mais pesam.
* **Histórico e exportação:** compare as 10 avaliações mais recentes de um modelo e exporte o relatório para a equipe de desenvolvimento.
* **Sugestão da IA (opcional):** com o provedor de IA da organização configurado, gere uma análise em linguagem natural.
{% hint style="success" %}
**Sem risco para os seus dados:** a avaliação lê apenas **metadados** do modelo e métricas de capacidade. Nenhum valor do cliente é consultado e nada é alterado no modelo.
{% endhint %}
## Boas práticas e limpeza de modelo
* **Score de Boas Práticas:** 55 regras de modelagem, como relacionamentos bidirecionais, ponto flutuante, chaves em texto e colunas de chave visíveis.
* **Score de IA:** a prontidão do modelo para Copilot e perguntas em linguagem natural.
* **Limpeza de Modelo:** as tabelas, colunas e medidas que nenhum visual ou filtro usa, prontas para remover e reduzir memória e tempo de atualização.
## Lakehouses e Warehouses: o diagnóstico que o Fabric não junta para você
Escolha um Lakehouse ou Warehouse pelo nome e abra um diagnóstico completo das consultas T-SQL do item:
* **Score de impacto** que ordena os padrões de consulta pelo peso real (CPU, tempo, leitura, falhas e regressão), para atacar primeiro o que mais importa;
* **Causa da lentidão:** leitura remota com cache frio, CPU, pressão no SQL Pool, concorrência, regressão de uma consulta ou "morte por mil cortes";
* **Investigação de picos:** selecione um intervalo no gráfico e veja exatamente o que rodou;
* **Quem consome:** os logins e as aplicações que mais usam o item e quantos Capacity Units ele gastou;
* **Tarefas relacionadas:** pipelines, notebooks, Dataflows Gen2, Copy Jobs e modelos semânticos ligados ao item, com agendamentos, execuções e consumo.
Diagnóstico de performance de um Warehouse
## Tempo de execução e consumo
* **Tempo Médio de Execução:** a duração média de modelos semânticos, dataflows, notebooks e Copy jobs, com limites por item e alerta quando uma execução foge muito da média.
* **Métricas, Comparativos e Anomalias de Consumo:** os itens e operações que mais consomem Capacity Units, a comparação entre dias ou entre entidades e o que fugiu do padrão.
* **Dashboard de Eficiência:** a visão consolidada da eficiência do ambiente.
## O que você ganha
* **Decisão de capacidade baseada em dados:** antes de subir o SKU, saiba se a otimização resolve.
* **Menos consumo, menos custo:** modelos menores e consultas melhores consomem menos CU e memória.
* **Relatórios mais rápidos:** a experiência do usuário de negócio melhora junto.
{% hint style="info" %}
A Power Tuning oferece serviços especializados de **otimização de relatórios e modelos** para reduzir o consumo das capacidades Fabric. [Fale com nossa equipe](https://powermonitor.com.br/whatsapp).
{% endhint %}
## Páginas relacionadas
* [Avaliação de Performance](/power-monitor/performance/avaliacao-de-performance.md)
* [Lakehouse e Warehouse](/power-monitor/performance/lakehouse-e-warehouse.md)
* [Limpeza de Modelo](/power-monitor/performance/limpeza-de-modelo.md)
* [Tempo Médio de Execução](/power-monitor/performance/tempo-medio-de-execucao.md)
* [Score de Boas Práticas (BPA)](/power-monitor/qualidade-de-dados/score-de-boas-praticas-bpa.md)
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.
Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:
```
GET https://docs.powermonitor.com.br/principais-funcionalidades/analise-de-performance.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
