Técnicas de Rendimiento y Filtrado
Estrategias avanzadas en AL para la optimización extrema del servidor, lectura de réplicas y filtrado en origen (Pushdown).
Nuestra reducción del tiempo de carga de 15 minutos a 30 segundos no se logró únicamente por usar un objeto Query, sino por la aplicación de técnicas agresivas de Pushdown Computation (Filtrado en Servidor) que diseñamos en la base de nuestro código AL.
A continuación, detallamos las tres directivas principales de optimización que hemos implementado en nuestras APIs de extracción.
1. Desvío del Tráfico: DataAccessIntent = ReadOnly
Sección titulada «1. Desvío del Tráfico: DataAccessIntent = ReadOnly»En un sistema ERP transaccional, el nodo de base de datos de escritura (Primary Node) es sagrado. No podemos permitir que nuestras extracciones masivas bloqueen inserciones contables o de almacén.
query 50100 "Movs_Productos_API"{ QueryType = API; // La directiva mágica: DataAccessIntent = ReadOnly; // ...}¿Qué hace a nivel de Azure SQL? Al declarar ReadOnly, le estamos diciendo al orquestador del servidor que nuestra API no va a insertar ni modificar datos. El servidor nos redirige automáticamente hacia una de las Réplicas de Solo Lectura de la base de datos. De este modo, nuestros reportes pueden saturar la CPU de la réplica sin afectar ni un ápice al rendimiento de los usuarios en producción.
2. Filtrado Temprano: DataItemTableFilter
Sección titulada «2. Filtrado Temprano: DataItemTableFilter»El objetivo del ELT es que la menor cantidad posible de datos inútiles viaje por el cable de red. En lugar de descargar todo en Power BI y luego filtrar, codificamos el filtro en la 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');Beneficios:
DataItemTableFilterse compila directamente como la cláusulaWHEREdelSELECT.- Excluimos tipos de entrada inútiles y omitimos registros de ciertas dimensiones en milisegundos.
- El payload (peso del JSON devuelto) se reduce drásticamente, erradicando los timeouts por saturación de red HTTP.
3. El Manejo de FlowFields: ColumnFilter
Sección titulada «3. El Manejo de FlowFields: ColumnFilter»Este es quizás el punto de ingeniería más sofisticado de nuestras APIs. Como vimos en la arquitectura del sistema, algunos campos en Business Central son fórmulas (FlowFields).
Si intentamos filtrar un FlowField dentro del DataItemTableFilter general, el compilador de AL nos arrojará un error, porque SQL Server no puede hacer un WHERE sobre una subconsulta calculada que aún no se ha procesado.
Para filtrar sobre estos campos (como excluir al proveedor ‘PROVEEDOR_DEMO’), debemos utilizar la propiedad ColumnFilter anidada específicamente dentro de la columna proyectada.
// 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'); }Al hacerlo así, el servidor primero resuelve la tabla, calcula los FlowFields necesarios, aplica el post-filtro de columna y, finalmente, nos envía un bloque de datos limpio y extremadamente compacto.
4. Checklist de Optimización de Consultas
Sección titulada «4. Checklist de Optimización de Consultas»- ✓ Cero Bloqueos: Propiedad
DataAccessIntentconfigurada comoReadOnlypara dirigir la carga a las réplicas pasivas de Azure SQL. - ✓ Filtrado SQL: Implementación de
DataItemTableFilterpara reducir el volumen de filas a transferir antes del envío HTTP. - ✓ Tratamiento FlowFields: Uso de
ColumnFilteren columnas dinámicas para evitar errores de compilación del motor de consultas.

