Quelldaten so klein wie möglich machen
Um die Performance des Dataloads von Essbase Block Storage zu verbessern, machen Sie die Quelldaten so klein wie möglich, und gruppieren Sie sie in Bereiche, um Redundanz zu entfernen. Je weniger Felder von Essbase in der Datenquelle gelesen werden, desto weniger Zeit wird zum Lesen und Laden der Daten benötigt.
Die folgende Beispieldatenquelle ist nicht in Bereichen organisiert. Es beinhaltet unnötige Wiederholungen von Feldern. Alle Werte sind Gewinnwerte. Der Gewinn muss nur am Anfang der Datengruppe enthalten sein, die für ihn anwendbar ist. Dieses Beispiel enthält 33 Felder, die Essbase lesen muss, um die Datenwerte ordnungsgemäß zu laden.
Profit
Jan "New York" Cola 4
Jan "New York" "Diet Cola" 3
Jan Ohio Cola 8
Jan Ohio "Diet Cola" 7
Feb "New York" Cola 6
Feb "New York" "Diet Cola" 8
Feb Ohio Cola 7
Feb Ohio "Diet Cola" 9Im nächsten Beispiel werden dieselben Daten bereitgestellt, die durch Gruppieren von Elementen in Bereichen optimiert werden. Durch die Eliminierung von Redundanz enthält dieses Beispiel nur 23 Felder, die Essbase lesen muss, um die Datenwerte ordnungsgemäß zu laden.
Profit
Jan "New York" Cola 4
"Diet Cola" 3
Ohio Cola 8
"Diet Cola" 7
Feb "New York" Cola 6
"Diet Cola" 8
Ohio Cola 7
"Diet Cola" 9Essbase weist Jan->New York->Cola den ersten Wert 4 zu. Der nächste Wert 3 wird Jan->New York->Diet Cola usw. zugewiesen.
Obwohl effizient sortiert, zeigen die nach dicht besetzten Dimensionen sortierten und gruppierten Quelldaten eine Menge Wiederholungen, die den Ladeprozess verlangsamen können. Sie können diese Daten weiter optimieren, indem Sie die Daten in Bereiche gruppieren. Die optimierten Quelldaten unten eliminieren die redundanten Felder und reduzieren die Verarbeitungszeit.
Sales Margin COG Profit
Jan Actual Cola Ohio 25 18 20 5
Florida 30 19 20 10
"Root Beer" Ohio 18 12 10 8
Florida 28 18 20 8