Mejores prácticas de Data Warehouse con SQL Server

Mejores Prácticas de
DataWarehouse con SQL Server
Casos de referencia
Ing. Eduardo Castro, PhD

Speaker Bio
2
PASS Board of Directors – LATAM Advisor
PASS Regional Mentor for LATAM
Microsoft SQL Server MVP
Picture Here
edocastro
ecastrom
eduardocastrom

3
Derechos de autor
Este presentación contiene información parcial de las siguientes fuentes
• Prácticas reales: la escala del rendimiento MICROSOFT SQL Server 2008 Analysis SERVICIOS EN MICROSOFT ADCENTER
• DBI407 Mejor Prácticas para la construcción 1 empresas soluciones de inteligencia empresarial de nivel con el análisis de Microsoft SQL Server Servicios,
Adán Jorgensen
• El diseño escalable y complejo Cubos servicio de análisis, Denny Lee, Thomas Kejser
• http://msdn.microsoft.com/en-us/library/dd758814 (v = SQL.100).aspx
• http://technet.microsoft.com/en-us/library/cc966414.aspx
• Almacenamiento de datos moderno, Minería y Visualización: Core Conceptos por George M. Marakas
• Data Warehousing Diez Común Los errores de Jon C. Choe

4
Datos
Almacén
Extraer
Transformar
Cargar
Refrescar
OLAP Engine
Análisis
Pregunta
Informes
La minería
de datos
Controlar
Y
Integrador
Metadatos
Fuentes de datos Herramientas de
aplicaciones para usuario
Servir
Data Marts
Operacional
DBs
Otras
fuentes
Almacenamiento de Datos
OLAP Server
Data Warehouse: Una arquitectura de varios niveles

5
Arquitecturas OLAP Server
OLAP relacional (ROLAP)
 Utilice relacional o relacional ampliada DBMS para almacenar y gestionar datos de
almacenes y OLAP media de consumo
 Incluya optimización de DBMS backend, la implementación de la lógica de navegación
agregación y herramientas y servicios adicionales
 Mayor escalabilidad
OLAP multidimensional (MOLAP)
 Escaso motor de almacenamiento multidimensional basada en arreglos
 Indexación rápida a los datos resumidos previamente calculados
OLAP híbrido (HOLAP) (Por ejemplo, Microsoft SQL Server)
 La flexibilidad, por ejemplo, el bajo nivel: relacional de alto nivel: array

6
Uso de almacenamiento de datos
Tres tipos de aplicaciones de almacenamiento de datos
 Tratamiento de la información
 apoya la consulta, el análisis estadístico básico, y la presentación de informes con tablas de
referencias cruzadas, tablas, cuadros y gráficos
 Procesamiento analítico
 análisis multidimensional de datos de almacenamiento de datos
 apoya las operaciones básicas de OLAP, rebanada-dados, perforación, pivotantes
 La minería de datos
 descubrimiento de conocimiento a partir de patrones ocultos
 apoya las asociaciones, la construcción de modelos analíticos, realizar la clasificación y
predicción, y la presentación de los resultados de minería de datos utilizando herramientas
de visualización

7
DW Arquitectura Áreas Componente Clave
Arquitectura de datos - cada área en un negocio se basa en diferentes
dimensiones. Donde se cruzan es necesario definir el mismo (el cliente que
compra es el mismo proyecto).
Arquitectura Infraestructura - cuestiones de tamaño, la escalabilidad y la
capacidad deben ser diseñados y dimensionados.
Arquitectura técnica - Este es impulsado por el catálogo de metadatos. Los
servicios deben elaborar los parámetros de las tablas.
http://courseware.finntrack.eu/it/data/marakas_dw_ch6.ppt

8
Variedad de datos
Archivos de Hadoop (almacenamiento no relacional)




9
Volumenes de
datos
creciente
1
Datos en
tiempo
real
2
Nuevo datos
fuentes y tipos
3
El almacén de datos tradicional
Las fuentes de datos

10
Volumenes de
datos
creciente
1
Datos en
tiempo
real
2
Nuevo datos
fuentes y tipos
3
Inclusión de datos no tradicionales
Las fuentes de datos Los datos no relacionales

11

Las fuentes de datos Los datos no relacionales
El almacén de datos moderna

12
Big Data + BI tradicional = Nuevo Enfoque de Análisis
grandes
cantidades
de datos
Hadoop
NoSQL
Tabular
OLAP
SQL
010101010101010101
1010101010101010
01010101010101
101010101010
Visualización
Polibase

13
Best Practice # 1
Usar un modelo de datos que se ha optimizado para la recuperación de la
información
 Modelo tridimensional
 Sin normalizar
 Enfoque híbrido

14
Best Practice # 2
Diseñar cuidadosamente la adquisición de datos y procesos de limpieza para
su DW
 Asegurar que los datos se procesan de manera eficiente y precisa
 Considere la adquisición de ETL y herramientas de limpieza de datos
 Úsalos bien!

15
Best Practice # 3
Diseñar una arquitectura de metadatos que permite el intercambio de
metadatos entre los componentes de su DW
 Considerar los estándares de metadatos como Metamodelo Cómun de Datos de OMG
(CWM)

16
Diseñar el bus del Datawarehouse
Determinar qué dimensiones serán compartidos a través de
múltiples data marts
Conformar las dimensiones compartidas
 Producir una suite principal de dimensiones compartidas
Determinar qué hechos serán compartidos a través de mercados de
datos
Conformar los hechos
 Estandarizar las definiciones de los hechos
Más información en http://www.slideshare.net/ecastrom/arquitecura-de-bodega-de-datos del 2013

17
Best Practice # 4
Adoptar un enfoque que consolida los datos en "una sola versión de la
verdad"
 Data Warehouse Bus de Kimball
 Dimensiones y Hechos
Más información en http://www.slideshare.net/ecastrom/arquitecura-de-bodega-de-datos del 2013

18
Best Practice # 5
Considere la posibilidad de la aplicación de un ODS sólo cuando
los requisitos de recuperación de información están cerca de la
parte inferior de la pirámide de la abstracción de datos y / o cuando
hay múltiples fuentes operativas que necesitan ser consideradas
 Debe asegurarse que el modelo de datos está integrado, no sólo
consolidada
 Se puede considerar modelo de datos 3NF
 Evite a toda costa un “volcado de datos”

19
Best Practice # 6
Crear un plan de capacidad para su aplicación BI y monitorear
cuidadosamente
Considere la posibilidad de futuras demandas adicionales de
rendimiento
 Establecer consultas de referencia de rendimiento estándar y ejecutar
regularmente tareas de comparación de rendimiento
 Implementar herramientas de control de capacidad
 Construir escalabilidad en su arquitectura
 Puede ser necesario para permitir escalar hacia arriba y hacia fuera!

20
El aumento Requisitos de hardware
El uso de SSD
Tamaño de bloque
ROLAP
DBI407 Mejores prácticas para la construcción 1 empresas soluciones de inteligencia empresarial de nivel con Microsoft SQL Server Analysis Services, Adam Jorgensen

21
Uso de particionamiento para DW
Facts Database
1 Partition per Day
31 Partitions, 1 Month of Data
ALTER PARTITION FUNCTION PerDay ()
SPLIT RANGE(CAST(CONVERT(varchar, GETDATE()+1, 112) AS int))
1 2 3 4 5 6 7 8 9 10 11
12 13 14 15 16 17 18 19 20 21 22 23
0
0 11 17 1 14 18 2 5 22 3 12 21
4 13 19 6 15 23 7 209 8 10 16
...
WHERE [date] = CAST(CONVERT(varchar, GETDATE(), 112) AS int)
AND [hour] IN (0, 11, 17)
8 Evenly Distributed Partitions per Day
3120 Partitions, 13 Months of Data
8 Parallel Partition
Processing Jobs
Current Day Partition Set
Current Day Partition
Cube

22
Concurrencia mejorar desempeño multiusuario
Escalar Analysis Services: Sólo Lectura
Diseñar los cubos servicio de análisis escalables y complejas, Denny Lee, Thomas Kejser

23
Estudio de caso - AdCenter
EMC DMX V-Max para manejar la E / S
 V-Max son dedicados a la aplicación
 Cientos de discos y ejes dedicados a este proceso
 Discos para asegurarse rápido de E / S
 Trabaja en estrecha colaboración con EMC directamente (presente en el EMC
World regularmente)
 Pruebas con EMC EFDs (Enterprise Flash Drives)
 Equipo de Ingeniería de Sistemas dedicado al proceso de DW
 Trabajar en estrecha colaboración con varios proveedores (EMC, HDS, etc)
 Referencias
 Acelerar Microsoft adCenter con Microsoft SQL Server 2008 Analysis Services.
 PRÁCTICAS REALES: prestaciones de escalado de Microsoft adCenter con Microsoft SQL Server
2008 Analysis Services de EMC VMAX

24
Cubo adCenter
PRÁCTICAS REALES: prestaciones de escalado de Microsoft SQL Server 2008 Analysis Services de AT MICROSOFT ADCENTER

25
EMC Symmetrix VMAX
Cada servidor está conectado a una EMC Symmetrix VMAX a través de bus
con doble adaptadores
El servidor utiliza un volumen de 3 TB organizado en 80 400 GB 10000 rpm
Fibra Discos de canal en una configuración duplicada y rayas (RAID 1 + 0).
Cada 24 horas el volumen replica los cambios en un volumen de informes 3 TB
hecho por nueve EFDs 400 GB configurado en una configuración de paridad
distribuida (RAID 5)

26
Carga de datos diaria
Cada trimestre una operación de ProcessUpdate se utiliza para actualizar
dimensión datos

27
Consulta de datos

28
Administración
La actualización de datos del cubo multidimensional del servidor de
procesamiento soporta las tareas de carga de datos (carga de datos de los
datos relacionales) y el procesamiento del cubo

29
Actualización diaria de datos

30
Montaje diario por medio de clonar cubos

31
Centro de Producción adCenter
Storage Area Network
OLAP Processing Server
Windows Server 2003 x64 SP2
SQL Server Enterprise Edition
32 GB RAM, 8 Xeon procs (16 cores)
Staging Data Warehouse
SQL Server Integration Services
Network Load Balancing
Data Feeds
HBA BHBA A
SQL Server Analysis Services
64GB RAM, 8 Xeon procs (16 cores)
OLAP Standby Server
SAN
Fabric A
SAN
Fabric B
HBA BHBA A HBA BHBA A
Host Bus Adapters: 400 MB/sec each
HBA BHBA A HBA BHBA A HBA BHBA A
adCenter Production Environment
SQL Server Analysis Services
64GB RAM, 8 Xeon procs (16 cores)
OLAP LUNStandby OLAP LUN
19200 Max Reads
9600 Max Writes
DW LUN
180 300GB 10K Drives
RAID 1
19200 Max Reads
9600 Max Writes
180 300GB 10K Drives
RAID 1
2560 Max Reads
2560 Max Writes
32 300GB 10K Drives
RAID 1

ESTUDIO DE CASO: E & D
Xbox Live

33
Estrategia de Particiones
Uniformemente distribuida, continuo y no se solapan

Xbox Live - SSD Performance
Day Week Month Quarter 7 months
Dev SSD 14 29 101 203 506
Dev HDD 14 29 104 610 1191
UAT SAN 9 73 445 1025 2800
V2 Cube, SSD 5 10 15 31 72
V2 Cube, HDD 5 7 30 244 540
0
500
1000
1500
2000
2500
3000
RunTme(seconds)
Amount of Data
DBI407 Mejores prácticas para la construcción 1 empresas soluciones de inteligencia empresarial de nivel con Microsoft SQL Server Analysis Services, Adam JorgensenDiseñar los cubos servicio de análisis escalables y complejas, Denny Lee, Thomas Kejser

35
Concurrencia de consultas
Utilizar SSD para que cada servidor para manejar más consultas simultáneas

ESTUDIO DE CASO: YAHOO!
Cubo de 12 TB

Yahoo - Datos Masivos a gran escala
Oracle 10gCDF SSAS Cube Constructor
NAS
Servidores de consultas SSAS
HW NLB
Partición 1
Partición 2
Partición N
Partición 1
Partición 2
Partición N
1.2TB/day
Archivo1
Archivo2
Filen
50 GB /hr
12 TB
cubo

38
MOLAP conmutación En Acción
Idea básica:
 Utilizar MOLAP para los datos históricos
 Procesar últimas particiones MOLAP más a menudo
 Latencias típicas en minutos
Preocupaciones:
 Tiempo de procesamiento de las particiones actualizadas
 Manejo el bloqueo del proceso cuando necesite actualizar los datos

39
Particiones del cubo
Particiones tanto por el tiempo y región
Procesamiento completo se puede hacer en Particiones "activas"

40
Cube Flipping
Recall: Bloqueo nivel de servidor necesaria para realizar el proceso
Solución alternativa:
 Dos copias del cubo, por turnos
 “Intercambiar"entre ellos
Dos maneras de mover
 Utilice ASLB de CodePlex
 Excel Plug-in

41

42

43

44
Resumiendo
Usted tiene que conseguir el diseño correcto si desea escalar
El particionamiento es absolutamente fundamental
• Partición de velocidad de procesamiento
• Partición de latencia de los datos (en tiempo real frente a históricos)
• Partición de archivos de datos antiguos
Hardware realmente importa para grandes cubos
• Dispositivos SSD.
• Las pruebas muestran dos CPU core con frecuencia puede soportar
cientos de usuarios
• Con cuidado equilibrio IOPS frente memoria, considere parte más
utilizada del cubo

45
DW Appliance
Aparatos DW, que consisten en paquetes de soluciones que
proporcionan todo el software y hardware necesario, están
empezando a ofrecer el precio / rendimiento muy prometedor

SQL Server Fast Track Reference Architecture
46
Fuente: http://www.emc.com/collateral/technical-documentation/h13566-data-warehouse-fast-track-ms-sql-2014.pdf

SQL Server Fast Track Reference Architecture
47
Fuente: http://www.emc.com/collateral/technical-documentation/h13566-data-warehouse-fast-track-ms-sql-2014.pdf

SQL Server Fast
Track Reference
Architecture
48
Fuente: http://www.emc.com/collateral/technical-
documentation/h13566-data-warehouse-fast-track-
ms-sql-2014.pdf

49
Mantener la inversión
legado
Comprar nuevo nivel
uno dispositivo de
hardware
Adquirir Big Data
solución
Adquirir la inteligencia
de negocios
Escalabilidad limitada y
capacidad de gestionar
nuevos tipos de datos
Entrenamiento Alta adquisición y
costos de
migración
Complejidad y
adopción
Obstáculos para un almacén de datos moderna

Introducción al sistema Microsoft Analytics Platform
Un moderno dispositivo de almacenamiento de datos llave en mano
• De datos relacionales y no
relacionales en un único
dispositivo
• Hadoop lista para la empresa
• Consultas integradas a través de
Hadoop y PDW utilizando T-SQL
• La integración directa con las
herramientas de BI de Microsoft,
como Microsoft Excel
• Cerca de rendimiento en tiempo
real con In-Memory Columnstore
• Capacidad de escalabilidad para
incluir cada vez mayor de datos
• La eliminación del almacén de
datos cuellos de botella con MPP
SQL Server
• Concurrencia que ayuda rápida
adopción
• Precio de appliance de datos
más bajo por terabyte
• Valor a través de una única
solución
• Valor con opciones de hardware
flexibles utilizando hardware
comercial

Alto rendimiento y
sintonizado en el
hardware
Autenticación del
usuario final con
Active Directory
Accesible ideas para
todo el mundo con las
herramientas de
Microsoft BI
Administrado y
monitoreado
utilizando System
Center
100-por ciento de
Apache Hadoop
SQL Server
Parallel Data
warehouse
Microsoft
HDInsight
Polibase
APS listo para la empresa Hadoop con HDInsight
Manejable, asegurado, y de alta disponibilidad Hadoop integrado dentro del aparato

Carga en paralelo de
depósito de datos
HDInsight carga de trabajo
Fabric
Hardware
Aparato
Una región es un contenedor lógico
dentro de un appliance
Cada carga de trabajo contiene los
siguientes límites:
• Seguridad
• Medida
• Prestación de servicios
Resumen hardware APS

Proporciona un único Modelo de consulta T-SQL
para PDW y Hadoop con ricas características de T-
SQL, incluyendo joins sin ETL
Utiliza el poder del MPP para mejorar el
rendimiento de ejecución de consultas
Compatible con Windows Azure HDInsight para
permitir escenarios híbrido de la nube
Ofrece la posibilidad de consultar las distribuciones
no Microsoft Hadoop, como Hortonworks y
Cloudera
SQL Server
PDWMicrosoft Azure
HDInsight
Polybase
Microsoft
HDInsight
Hortonworks para
Windows y Linux
Cloudera
Conexión de islas de datos con polybase
Trayendo soluciones de punto de Hadoop y el almacén de datos junto a los usuarios y TI
Conjunto de
resultados
Seleccionar
...

Automatic MapReduce pushdown
Hadoop / Data Lake
(Cloudera, Hortonworks,
HDInsight)
Fuente sistemas
Actualizar Día / Hora / Minuto
SQL Server
Data Marts
SQL Server
Reporting Services
SQL Server
Analysis Services
APS
MapReduce T-SQL
Analytics / Ad-hoc / Visualización
Microsoft
HDInsight
SQL Server
Parallel Data
Warehouse
Polibase

Herramientas de BI
Presentación de informes y cubos
SMP SQL Server
Concurrencia de datos
Gran rendimiento con cargas de trabajo mixtas
Analytics Platform System
ETL / ELT con SSIS, DQS, MDS
ERP CRM LOB APPS
ETL / ELT con DWLoader
Hadoop / Big Data
PDW
HDInsight
Polibase
Consultas ad hoc
Intra-Day
Casi en tiempo real
Fast ad hoc
Almacén de columnas
Polibase
CRTAS
Linked Table
Real-Time
ROLAP / MOLAP
DirectQuery
SNAC

Hardware y software de ingeniería junto
Co-dirigido con
HP, Dell, Quanta
y mejores
prácticas
Liderando el
rendimiento con
hardware
comercial
Pre-configurado,
construido, y
ajustado
software y
hardware
Integrado apoyo
con un solo
contacto Microsoft
PDW
HDInsight
Polybase

PDW region
Hardware architectureInfiniBand
InfiniBand
Ethernet
Ethernet
Control node
Failover node
Master node
Failover node
Economical disk storage
Compute nodes
Compute nodes
Compute nodes
Networking
PDW region
HDInsight region
Rack #1
InfiniBand
InfiniBand
Ethernet
Ethernet
Failover node
Compute nodes
Compute nodes
Compute nodes
HDI extension base
unit
HDI active scale
unit
HDI extension base
unit
HDI active scale
unit
Rack #2
HST-02
HST-01
HSA-01
HST-02
Economical
disk storage
IB and Ethernet
Active Unit Dos nodos adicionales
Passive Unit HDInsight
Failover Node Alta Disponibilidad

SQL Data Warehouse
Data warehouse como servicio
Posee una arquitectura elástica con soporte a grandes cantidades de datos

Capacidad elástica
Soporte para grandes cargas de trabajo, ajustado para ciclo de procesamiento
Se compra tiempo de procesamiento según las necesidades

SQL DW: Basado en SQL DB
Elastic, Petabyte Scale
DW Optimized
99.99% uptime SLA,
Geo-restore
Azure Compliance (ISO, HIPAA, EU, etc.)
True SQL Server Experience;
Se utilizan las herramientas existentes
SQL DW
SQL DB
Service Tiers

Datos no estructurados a través de Polybase/T-SQL
Consulta T-
SQL
servidor
SQL
Hadoop
Cita:
************************
**********************
*********************
**********************
***********************
$ 658.39
Jim Gray
Nombre
11.13.58
Fecha de
Nacimient
o
Wash
ingto
n
Estad
o
Ann Smith 04.29.76 YO

Unidad de almacenamiento de datos (TCU)
Basta con comprar el rendimiento de las consultas que necesita, no sólo el
hardware
Cuantificado por objetivos de carga de trabajo: cómo se escanean filas rápidas,
cargado, copian
Medida de
Potencia
Transparencia
Servicio de primera DW para ofrecer potencia de computación bajo demanda,
independiente de almacenamiento
Bajo demanda
Scan 1B filas
100 DWU = 297 seg
400 DWU = 74 seg
800 DWU = 37 seg
1600 DWU = 19 seg
Velocidad de
lectura
xx Fila M / seg
Cargando Tasa xx K fila / seg
Tabla Copiar
Rate
xx Fila K / seg
100 DWU

Almacén de datos SQL Azure
Integrado con Power BI, Azure
Machine Learning, y Azure Data
Factory
Almacenamiento por separado
y de cómputo
Capacidad elástica
Escala de salida relacional
almacén de datos

Thank You for Attending
Follow @pass24hop
Share your thoughts with hashtags
#pass24hop & #sqlpass

Mejores prácticas de Data Warehouse con SQL Server

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Destacado

Destacado (20)

Similar a Mejores prácticas de Data Warehouse con SQL Server

Similar a Mejores prácticas de Data Warehouse con SQL Server (20)

Más de SpanishPASSVC

Más de SpanishPASSVC (20)

Último

Último (20)

Mejores prácticas de Data Warehouse con SQL Server