Überlegungen zur Datenaktualisierungsperformance
Angesichts der Vielzahl von Faktoren, die sich auf die Datenaktualisierung auswirken, unterscheiden sich die Abschlusszeiten von Tag zu Tag.
Siehe Faktoren, die sich auf die Datenaktualisierungsperformance auswirken.
Die Pipeline-Performance ist eine gemeinsame Verantwortung. Daher bietet Oracle eine skalierbare Plattform, Konfigurationskontrollen und Nutzungsrichtlinien, während Sie Datenvolumen, Quellsystembereitschaft, Transformationsdesign (wenn benutzerdefinierte Datenpipelines verwendet werden), Planung und umgebungsspezifische Konfigurationen verwalten. Optimale Ergebnisse erfordern eine kontinuierliche Beteiligung der Benutzer an der Konfiguration, eine proaktive Überwachung verschiedener Faktoren, die sich auf Datenaktualisierungen auswirken, und die Einhaltung der von Oracle empfohlenen Praktiken und Tools.
Um die Aktualisierungsperformance optimal zu halten, gehen Sie wie folgt vor:
- Aktivierte Funktionsbereiche - Aktivieren Sie nur die Funktionsbereiche, die für Ihre Analysegeschäftsanforderungen erforderlich sind. Beginnen Sie mit dem, was notwendig ist, und fügen Sie mehr hinzu, wenn neue Anforderungen entstehen, anstatt alles vorab zu ermöglichen. Siehe Datenpipeline für einen Funktionsbereich aktivieren. Entfernen Sie alle Funktionsbereiche, die für Ihre Analysen nicht kritisch sind. Siehe Datenpipeline für einen Funktionsbereich deaktivieren.
- Module und Datentabellen bei häufiger Datenaktualisierung - Fügen Sie mit der Funktion "Häufige Datenaktualisierung" nur die Module hinzu, die für Ihre betrieblichen Geschäftsanforderungen innerhalb eines Tages erforderlich sind. Entfernen Sie alle Module, die für Ihre Analysen nicht wichtig sind. Siehe Häufige Datenaktualisierung V2 (Vorschau) konfigurieren und Überlegungen zur Performance bei häufigen Datenaktualisierungen.
- Ursprüngliches Extraktionsdatum: Diese Einstellung steuert, welche Daten im Warehouse extrahiert, transformiert und gespeichert werden. Konfigurieren Sie sie sorgfältig basierend auf den tatsächlichen Geschäftsanforderungen. Anstelle eines absoluten ersten Extraktionsdatums sollten Sie ein relatives anfängliches Extraktionsdatum verwenden. Siehe Info zu Pipelineparametern. Dies ist besonders wirkungsvoll, wenn Sie die Funktion "Konfigurierbare Kontenanalyse" verwenden. Siehe Konfigurierbare Kontenanalyse.
- Benutzerdefinierte Exporte: Wenn benutzerdefinierte Datenextraktionen auf dem Quellsystem ausgeführt werden, können sie um Ressourcen konkurrieren und die Datenaktualisierung verzögern. Beispiel: Benutzerdefinierte Business Intelligence Cloud Connector-(BICC-)Extraktionen, die parallel zum Oracle Fusion Data Intelligence-Extraktionsprozess ausgeführt werden, können die Aktualisierung von Oracle Fusion Data Intelligence verlangsamen. Um Verzögerungen zu vermeiden, stellen Sie sicher, dass während der Oracle Fusion Data Intelligence-Datenaktualisierungsfenster keine anderen benutzerdefinierten Aktualisierungsjobs ausgeführt werden. Wenn eine bestimmte Aktualisierung länger als erwartet dauert, können Sie mit den Warehouse-Aktualisierungsstatistiken ermitteln, ob Verzögerungen aufgrund benutzerdefinierter Extrakte während der Datenaktualisierung auftreten. Siehe Aktualisierungsstatistiken für Warehouse anzeigen.
- High-Service-Sessions auf Oracle Autonomous AI Lakehouse – Der Datenaktualisierungsprozess hängt von den verfügbaren Warehouse-Ressourcen ab. Wenn High-Service-Sessions ausgeführt werden, können sie Kapazität verbrauchen und die Veröffentlichung von Daten im Warehouse verzögern. Siehe Nutzungsrichtlinien für Autonomous AI Lakehouse, die mit Oracle Fusion Data Intelligence verknüpft sind. Wenn eine bestimmte Aktualisierung länger als erwartet dauert, bestimmen Sie anhand der Warehouse-Aktualisierungsstatistiken, ob während der Datenaktualisierung High-Sessions vorhanden waren. Siehe Aktualisierungsstatistiken für Warehouse anzeigen.
- Benutzerdefinierte nachgelagerte ETL-Prozesse: Der Datenaktualisierungsprozess erfordert ununterbrochenen Zugriff auf die Tabellen im Data Warehouse. Alle benutzerdefinierten ETL-Prozesse, die auf diese Tabellen zugreifen und lange Sperren erwerben, sollten außerhalb des Oracle Fusion Data Intelligence-Aktualisierungsfensters geplant werden.
- Priorisierte Aktualisierung: Wenn Sie bestimmte Daten auch innerhalb der inkrementellen Aktualisierung zuerst aktualisieren möchten, können Sie diese Warehouse-Tabellen für eine priorisierte Aktualisierung auswählen. Verwenden Sie diese Option jedoch nur für eine begrenzte Gruppe von Tabellen, die vor anderen Datasets aktualisiert werden müssen. Siehe Datensets für inkrementelle Aktualisierung priorisieren (Vorschau).
- Zeitplanüberschreibung für Funktionsbereiche: Prüfen Sie die aktivierten Funktionsbereiche, und überlegen Sie, je nach Geschäftsanforderungen zeitraubende Aktualisierungszeiten zu berücksichtigen. Dies kann die Verarbeitungslast durch tägliche inkrementelle Pipelineaktualisierungen reduzieren. Siehe Datenpipelinepläne für Funktionsbereiche überschreiben (Vorschau).
- Quelle für Fusion-Erweiterungen - Wenn Ihre Datenerweiterungen hauptsächlich für nachgelagerte Integrationen verwendet werden, sollten Sie die Fusion-Ergänzungsquelle für Datasets verwenden. Mit dieser Option können Erweiterungsaktualisierungen parallel zu den täglichen inkrementellen Aktualisierungen für Funktionsbereiche in Oracle Fusion Cloud Applications ausgeführt werden. Dadurch wird die inkrementelle Aktualisierungsperformance für die Oracle Fusion Cloud Applications-Quelle verbessert. Außerdem wird eine andere Aktualisierungshäufigkeit für Datenerweiterungen mit der Fusion Augmentations-Quelle aktiviert. Planen Sie die Aktualisierungen basierend auf der Oracle Fusion Cloud Applications-Quelle und der Fusion Augmentations-Quelle in einer gestaffelten Weise, um Ressourcenkonflikte bei Oracle Fusion Cloud Applications zu vermeiden. Siehe Datenerweiterungen mit Fusion Augmentations-Quelle ausführen (Vorschau).
- Änderung der Phasenpriorität bei Anforderung aktualisieren - Bei einer geplanten inkrementellen Aktualisierung können Sie eine Serviceanfrage stellen, um bestimmte Module von der primären Phase in die sekundäre Phase zu verschieben. Siehe "Inkrementelle Datenaktualisierung planen". Auf diese Weise können Daten für höhere kritische Geschäftsanforderungen früher verfügbar gemacht werden.