Techniky výkonu a filtrování
Pokročilé strategie v AL pro extrémní optimalizaci serveru, čtení replik a filtrování u zdroje (Pushdown).
Naše snížení doby načítání z 15 minut na 30 sekund nebylo dosaženo pouze pomocí objektu Query, ale pomocí agresivních technik Pushdown Computation (filtrování na serveru), které jsme navrhli v základu našeho kódu AL.
Níže podrobně popisujeme tři hlavní směrnice optimalizace, které jsme implementovali v našich extrakčních API.
1. Přesměrování provozu: DataAccessIntent = ReadOnly
Sección titulada «1. Desvío del Tráfico: DataAccessIntent = ReadOnly»V transakčním ERP systému je uzel databáze pro zápis (Primary Node) posvátný. Nemůžeme dovolit, aby naše hromadné extrakce blokovaly účetní nebo skladové vložení.
query 50100 "Movs_Productos_API"{ QueryType = API; // La directiva mágica: DataAccessIntent = ReadOnly; // ...}Co dělá na úrovni Azure SQL? Deklarací ReadOnly říkáme serverovému orchestrátoru, že naše API nebude vkládat ani upravovat data. Server nás automaticky přesměruje na jednu z čtecích replik databáze. Tímto způsobem mohou naše sestavy zatěžovat CPU repliky bez ovlivnění výkonu uživatelů v produkci.
2. Rané filtrování: DataItemTableFilter
Sección titulada «2. Filtrado Temprano: DataItemTableFilter»Cílem ELT je, aby po síťovém kabelu cestovalo co nejméně zbytečných dat. Místo stahování všeho do Power BI a následného filtrování kódujeme filtr v API.
elements { dataitem(itemLedgerEntry; "Item Ledger Entry") { // Filtro rígido a nivel de servidor SQL DataItemTableFilter = "Entry Type" = filter(Purchase | Sale | "Positive Adjmt." | "Negative Adjmt."), "Global Dimension 1 Code" = filter(<> '20');Přínosy:
DataItemTableFilterse kompiluje přímo jako klauzuleWHEREvSELECT.- Vylučujeme zbytečné typy vstupů a přeskakujeme záznamy určitých dimenzí v milisekundách.
- Payload (velikost vráceného JSON) se drasticky snižuje, čímž se eliminují timeouty způsobené saturací sítě HTTP.
3. Zpracování FlowFields: ColumnFilter
Sección titulada «3. El Manejo de FlowFields: ColumnFilter»Toto je možná nejsofistikovanější inženýrský bod našich API. Jak jsme viděli v architektuře systému, některá pole v Business Central jsou vzorce (FlowFields).
Pokud se pokusíme filtrovat FlowField v rámci obecného DataItemTableFilter, kompilátor AL vyhodí chybu, protože SQL Server nemůže provést WHERE nad vypočteným poddotazem, který ještě nebyl zpracován.
Pro filtrování těchto polí (jako je vyloučení poskytovatele ‘PROVEEDOR_DEMO’), musíme použít vlastnost ColumnFilter specificky vnořenou v rámci projektovaného sloupce.
// Campo de tabla normal column(Cantidad; Quantity) { }
// Filtrado Nivel Pro: Aplicado sobre un FlowField o campo especial column(Nombre_Proveedor; "Nombre proveedor") { ColumnFilter = Nombre_Proveedor = filter(<> 'PROVEEDOR_DEMO'); }Tímto způsobem server nejprve vyřeší tabulku, vypočítá potřebné FlowFields, aplikuje post-filtr sloupce a nakonec nám pošle čistý a extrémně kompaktní blok dat.
4. Kontrolní seznam optimalizace dotazů
Sección titulada «4. Checklist de Optimización de Consultas»- ✓ Žádná blokování: Vlastnost
ReadOnlynakonfigurovaná jakoReadOnlypro směrování zátěže na pasivní repliky Azure SQL. - ✓ SQL filtrování: Implementace
DataItemTableFilterpro snížení objemu řádků k přenosu před HTTP odesláním. - ✓ Zpracování FlowFields: Použití
ColumnFilteru dynamických sloupců pro zamezení chyb kompilace dotazovacího motoru.

