Przykładowe rozwiązania

Wzorce, które sprawdzają się w projektach z dużymi ilościami danych. Opisy są ogólne i zanonimizowane.

Szybsze raporty dzięki modelowi analitycznemu

Problem: Raporty czytające bezpośrednio z bazy relacyjnej liczą agregacje na dużych tabelach. Działają wolno i obciążają bazę, z której korzystają też systemy transakcyjne.
Rozwiązanie: Agregacje i miary trafiają do modelu analitycznego SSAS Tabular, a raporty pobierają dane z modelu zapytaniami T-SQL zamiast liczyć je na tabelach relacyjnych.
Korzyści: Odciążenie bazy relacyjnej i krótszy czas odpowiedzi raportów. Warstwa wizualna pozostaje bez zmian: nadal korzysta z tych samych wywołań procedur T-SQL, a zmienia się wyłącznie to, skąd procedury biorą dane.

SSAS TabularDAXT-SQLSQL Server

Problem: Pełne przeliczanie dużego modelu trwa długo i zużywa zasoby serwera, choć w bazie relacyjnej zmieniła się tylko niewielka część danych.
Rozwiązanie: Procedura T-SQL sprawdza, co zmieniło się w bazie relacyjnej, i uruchamia odświeżenie tylko tych partycji modelu, których zmiany dotyczą.
Korzyści: Krótsze i lżejsze odświeżanie oraz możliwość robienia go częściej, bo nie trzeba przetwarzać całego modelu.

SSAS TabularpartycjeT-SQLSQL Server

Problem: Ręczne wdrażanie zmian w bazach danych i modelach analitycznych jest pracochłonne, podatne na pomyłki i prowadzi do rozbieżności między środowiskami.
Rozwiązanie: Potoki w Azure DevOps wdrażają zmiany w projektach bazodanowych oraz w modelach SSAS Tabular (a także w pakietach SSIS) w uporządkowany, automatyczny sposób.
Korzyści: Powtarzalne wdrożenia, mniej ręcznych błędów i krótszy czas dostarczania zmian na kolejne środowiska.

Azure DevOpsCI/CDSSAS TabularSQL Server