BSO-Cubes optimieren

Durch die Optimierung von BSO-Cubes wird die Größe der Datenbank reduziert. Folgende Prozesse sind beteiligt:

  • Führen Sie eine explizite Neustrukturierung aus.
  • Führen Sie den Essbase-Blockanalysebericht aus, um wiederholte Werte und Nullen im BSO-Cube zu ermitteln.
  • Ersetzen Sie Nullblöcke durch #missing-Blöcke.
  • Verwenden Sie Never als Konsolidierungsoperator für Elemente mit den Datentypen Smart List, Datum, Text und Prozentsatz.

Explizite Cube-Neustrukturierung ausführen

In Planning können Sie eine explizite Cube-Neustrukturierung manuell oder über einen Job ausführen. Sie können Cubes auch mit dem EPM Automate-Befehl restructureCube oder der REST-API zum Vorgang "Cube neu strukturieren" neu strukturieren.

Note:

  • Dabei handelt es sich nicht um eine Datenbankaktualisierung, sondern um eine explizite Neustrukturierung der Dense-Elemente des Cube.
  • Bei einer expliziten Neustrukturierung werden #missing-Blöcke entfernt, um die BSO-Datenbankgröße zu reduzieren.

So strukturieren Sie den Cube mit Calculation Manager neu:

  1. Wählen Sie im Navigator unter Erstellen und verwalten die Option Regeln aus, um Calculation Manager zu öffnen.
  2. Wählen Sie Aktionen, Datenbankeigenschaften aus.
  3. Blenden Sie unter Administrative Gesamtübersicht die Datenbank mit dem Cube ein, der neu strukturiert werden soll.
  4. Klicken Sie mit der rechten Maustaste auf den Cube, der neu strukturiert werden soll, und wählen Sie Datenbank neu strukturieren aus.

Daten in einem Cube analysieren

Generieren Sie zunächst den Essbase-Blockanalysebericht. Informationen hierzu finden Sie in den folgenden Informationsquellen:

Note:

Der Cube wird in den schreibgeschützten Modus versetzt, wenn Sie die Cube-Daten in die Exportdatei exportieren, die als Quelle zum Generieren des Essbase-Blockanalyseberichts dient. Abhängig von der Größe des Cubes kann der Export einige Zeit dauern. Daher wird empfohlen, die Instanz in eine Testinstanz zu klonen, um diese Analyse durchzuführen.

Der Essbase-Blockanalysebericht enthält Informationen zu den folgenden drei Bereichen:

  1. Prozentsatz der Blöcke mit ausschließlich Nullen: Zeigt die Blöcke, die ausschließlich Nullen enthalten, als Prozentsatz aller in der Exportdatei enthaltenen Blöcke an.
  2. Prozentsatz der Zellen mit ausschließlich Werten nahe null: Zeigt den Prozentsatz der Zellen mit Werten nahe null (z.B. 0,000000001604) in Blöcken an.

  3. Top 10 der wiederholten numerischen Zellenwerte nach Prozentsatz der numerischen Zellen: Zeigt die 10 am häufigsten wiederholten Werte als Prozentsatz aller Werte in der Exportdatei an.
  4. Top 100 der Elementkombinationen für Dense-Dimensionen mit wiederholten Werten: Zeigt die 100 häufigsten Kombinationen von Dense-Dimensionen mit wiederholten Werten im Cube an. Die Spalte Zellenwert enthält einen Wert für jedes Element in der Reihenfolge, in der es in der Hierarchie angezeigt wird, in einer anderen Spalte. Wenn z.B. "Periode" quer über der Spalte steht, gibt es eine andere Spalte für Januar, Februar usw. Andere Dense-Dimensionen erscheinen in den Zeilen. Dies sollte Ihnen helfen, die Positionen der wiederholten Werte zu bestimmen.

Werte nahe null in einem BSO-Cube in null konvertieren

Um Werte nahe null oder sehr kleine Werte in den Sparse-Dimensionen im BSO-Cube zu entfernen, verwenden Sie die Funktion @round oder @truncate, die diese Werte in Nullen verwandelt. Diese Nullwerte können dann entfernt und durch #missing-Blöcke ersetzt werden. Informationen hierzu finden Sie unter Nullen in einem BSO-Cube entfernen.

So konvertieren Sie Werte nahe null in null:

  1. Erstellen Sie eine Geschäftsregel, um Werte nahe null oder sehr kleine Werte auf null zu runden oder abzuschneiden.

    Konfigurieren Sie die Geschäftsregelumgebung so, dass diese Regel optimiert wird. Diese Regel wird derzeit auf Ebene 0 ausgeführt. Nachdem Werte nahe null in null konvertiert und aus dem Cube gelöscht wurden (siehe nächster Abschnitt), werden diese Werte auch bei der nächsten Aggregation aus Elementen der oberen Ebenen gelöscht, wenn SET AGGMISSG aktiviert ist.

    SET UPDATECALC OFF;
    SET CREATENONMISSINGBLK OFF;
    SET CREATEBLOCKONEQ OFF;
    FIXPARALLEL(NumberThreads, @RELATIVE("SparseDim",0))
    FIX on all level 0 sparse dimension @RELATIVE(SparseDim,0)
    

    Note:

    • Obwohl UPDATECALC, CREATENONMISSINGBLK und CREATEBLOCKONEQ standardmäßig deaktiviert sind, empfiehlt Oracle, sie in der Geschäftsregel explizit zu deaktivieren.
    • Achten Sie darauf, "SparseDim" durch die Namen der Sparse-Dimensionen zu ersetzen, in denen Nullblöcke ersetzt werden sollen.
    • Verwenden Sie FIXPARALLEL, um die Performance zu verbessern. Beispiel: FIXPARALLEL(4, @RELATIVE("Scenario",0)).
    • Achten Sie darauf, ENDFIXPARALLEL anzugeben.
  2. Verwenden Sie eines der folgenden optimierten Berechnungsdesigns, um Werte nahe null in Nullwerte zu ändern. Wählen Sie abhängig von Dimensionsdesign, Datenmustern und Prozessen das Berechnungsdesign mit der besseren Performance aus.

    Berechnungsdesign 1 (zur Berechnung von Dense- oder Sparse-Elementen)

    Bei dieser Berechnung wird der Wert nahe null auf null gesetzt.

    "DenseMbr" = @round("DenseMbr",<Insert Decimal Place>);
    "SparseMbr" = @round("SparseMbr ",<Insert Decimal Place>);
    

    Berechnungsdesign 2 (nur zur Berechnung von Dense-Elementen im Blockmodus)

    "DenseBlockHeader" (
        @CALCMODE(BLOCK);
           "DenseMbr" =@round("DenseMbr",<Insert Decimal Place>);
    )
    

    Note:

    Ersetzen Sie DenseMbr, SparseMbr und DenseBlockHeader durch die tatsächlichen Namen.

    Nachdem Sie diese Regel ausgeführt haben, entfernen Sie die resultierenden Nullen. Anweisungen finden Sie unter Nullen in einem BSO-Cube entfernen.

Nullen in einem BSO-Cube entfernen

Entfernen Sie zunächst Nullblöcke in den Sparse-Dimensionen im Cube, indem Sie sie durch #missing-Blöcke ersetzen.

So ersetzen Sie Nullblöcke durch #missing-Blöcke:

  1. Erstellen Sie eine Geschäftsregel zum Ersetzen von Nullblöcken durch #missing-Blöcke.

    Legen Sie die Geschäftsregelumgebung so fest, dass die folgende Geschäftsregel optimiert wird:

    SET UPDATECALC OFF;
    SET CREATENONMISSINGBLK OFF;
    SET CREATEBLOCKONEQ OFF;
    FIXPARALLEL(NumberThreads, @RELATIVE("SparseDim",0))
    FIX on all level 0 sparse dimension @RELATIVE(SparseDim,0)
    

    Note:

    • Obwohl UPDATECALC, CREATENONMISSINGBLK und CREATEBLOCKONEQ standardmäßig deaktiviert sind, empfiehlt Oracle, sie in der Geschäftsregel explizit zu deaktivieren.
    • Achten Sie darauf, "SparseDim" durch die Namen der Sparse-Dimensionen zu ersetzen, in denen Nullblöcke ersetzt werden sollen.
    • Verwenden Sie FIXPARALLEL, um die Performance zu verbessern. Beispiel: FIXPARALLEL(4, @RELATIVE("Scenario",0)).
    • Achten Sie darauf, ENDFIXPARALLEL anzugeben.
  2. Verwenden Sie eines der folgenden optimierten Berechnungsdesigns, um Nullblöcke in #missing-Blöcke zu ändern. Wählen Sie abhängig von Dimensionsdesign, Datenmustern und Prozessen das Berechnungsdesign mit der besseren Performance aus.

    Berechnungsdesign 1 (zur Berechnung von Dense- oder Sparse-Elementen)

    Diese Berechnung ergibt den ursprünglichen Wert und ändert Nullwerte in #missing.

    "DenseMbr" = "DenseMbr" * "DenseMbr" / "DenseMbr";
    "SparseMbr" = "SparseMbr" * "SparseMbr" / "SparseMbr";

    Berechnungsdesign 2 (nur zur Berechnung von Dense-Elementen im Blockmodus)

    "DenseBlockHeader" (
        @CALCMODE(BLOCK);
           IF ("DenseMbr" == 0) 
               "DenseMbr" = #Missing;
           ENDIF

    Note:

    Ersetzen Sie DenseMbr, SparseMbr und DenseBlockHeader durch die tatsächlichen Namen.

"Never" als Konsolidierungsoperator für Elemente mit den Datentypen Smart List, Datum, Text und Prozentsatz verwenden

Für Dimensionselemente mit den Datentypen Smart List, Datum, Text und Prozentsatz sollte Never als Konsolidierungsoperator verwendet werden. Durch die Verwendung des Konsolidierungsoperators "Addition" wird die Cube-Größe um den Wert null erhöht. Durch die Verwendung des Konsolidierungsoperators "Ignore" wird nur das Hinzufügen innerhalb der Dimension des Elements gestoppt. Die Aggregation von Werten aus anderen Dimensionen wird jedoch fortgesetzt, wodurch potenziell unnötige Blöcke erstellt werden können.