Ir al contenido

Tecniche di Performance e Filtraggio

Strategie avanzate in AL per l'ottimizzazione estrema del server, la lettura delle repliche e il filtraggio alla sorgente (Pushdown).

0letture

La nostra riduzione dei tempi di caricamento da 15 minuti a 30 secondi non è stata ottenuta solo utilizzando un oggetto Query, ma grazie all'applicazione di tecniche aggressive di Pushdown Computation (filtraggio sul server) che abbiamo progettato alla base del nostro codice AL.

Di seguito, dettagliamo le tre direttive principali di ottimizzazione che abbiamo implementato nelle nostre API di estrazione.

1. Deviazione del traffico: DataAccessIntent = ReadOnly

Sección titulada «1. Desvío del Tráfico: DataAccessIntent = ReadOnly»

In un sistema ERP transazionale, il nodo del database di scrittura (Primary Node) è sacro. Non possiamo permettere che le nostre estrazioni massive blocchino gli inserimenti contabili o di magazzino.

query 50100 "Movs_Productos_API"
{
QueryType = API;
// La directiva mágica:
DataAccessIntent = ReadOnly;
// ...
}

Cosa fa a livello di Azure SQL? Dichiarando ReadOnly, stiamo comunicando all'orchestratore del server che la nostra API non inserirà né modificherà dati. Il server ci reindirizza automaticamente verso una delle Repliche di sola lettura del database. In questo modo, i nostri report possono saturare la CPU della replica senza influire minimamente sulle prestazioni degli utenti in produzione.

2. Filtraggio anticipato: DataItemTableFilter

Sección titulada «2. Filtrado Temprano: DataItemTableFilter»

L'obiettivo dell'ELT è che la minor quantità possibile di dati inutili viaggi sul cavo di rete. Invece di scaricare tutto in Power BI e poi filtrare, codifichiamo il filtro nell'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');

Benefici:

  • DataItemTableFilter viene compilato direttamente come la clausola WHERE del SELECT.
  • Escludiamo tipi di input inutili e omettiamo record di determinate dimensioni in millisecondi.
  • Il payload (peso del JSON restituito) si riduce drasticamente, sradicando i timeout per saturazione della rete HTTP.

3. La gestione dei FlowFields: ColumnFilter

Sección titulada «3. El Manejo de FlowFields: ColumnFilter»

Questo è forse il punto di ingegneria più sofisticato delle nostre API. Come abbiamo visto nell'architettura del sistema, alcuni campi in Business Central sono formule (FlowFields).

Se proviamo a filtrare un FlowField all'interno del DataItemTableFilter generale, il compilatore AL restituirà un errore, poiché SQL Server non può eseguire un WHERE su una sottoconsultazione calcolata che non è ancora stata elaborata.

Per filtrare su questi campi (come escludere il fornitore ‘PROVEEDOR_DEMO’), dobbiamo utilizzare la proprietà ColumnFilter annidata specificamente all'interno della colonna proiettata.

// 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');
}

Facendo così, il server prima risolve la tabella, calcola i FlowFields necessari, applica il post-filtro di colonna e, infine, ci invia un blocco di dati pulito ed estremamente compatto.

  • ✓ Zero Blocchi: Proprietà DataAccessIntent configurata come ReadOnly per indirizzare il carico verso le repliche passive di Azure SQL.
  • ✓ Filtraggio SQL: Implementazione di DataItemTableFilter per ridurre il volume di righe da trasferire prima dell'invio HTTP.
  • ✓ Gestione FlowFields: Utilizzo di ColumnFilter in colonne dinamiche per evitare errori di compilazione del motore di query.