Techniki wydajności i filtrowania
Zaawansowane strategie w AL dla ekstremalnej optymalizacji serwera, odczytywania replik i filtrowania na źródle (Pushdown).
Nasza redukcja czasu ładowania z 15 minut do 30 sekund nie została osiągnięta tylko przez użycie obiektu Query, ale przez zastosowanie agresywnych technik Pushdown Computation (Filtrowanie na serwerze), które zaprojektowaliśmy w naszym kodzie AL.
Następnie szczegółowo opisujemy trzy główne wytyczne optymalizacji, które wdrożiliśmy w naszych API ekstrakcji.
1. Przekierowanie ruchu: DataAccessIntent = ReadOnly
Sección titulada «1. Desvío del Tráfico: DataAccessIntent = ReadOnly»W systemie ERP transakcyjnym węzeł bazy danych zapisu (Primary Node) jest święty. Nie możemy pozwolić, aby nasze masowe ekstrakcje blokowały wpisy księgowe lub magazynowe.
query 50100 "Movs_Productos_API"{ QueryType = API; // La directiva mágica: DataAccessIntent = ReadOnly; // ...}Co robi na poziomie Azure SQL? Gdy deklarujemy ReadOnly, mówimy orkiestratorowi serwera, że nasze API nie będą wstawiać ani modyfikować danych. Serwer automatycznie przekierowuje nas do jednej z Replik tylko do odczytu bazy danych. W ten sposób, nasze raporty mogą nasycić procesor CPU repliki bez wpływu na wydajność użytkowników w produkcji.
2. Wczesne filtrowanie: DataItemTableFilter
Sección titulada «2. Filtrado Temprano: DataItemTableFilter»Celem ELT jest to, aby jak najmniejsza ilość niepotrzebnych danych przemieszczała się przez kabel sieciowy. Zamiast pobierać wszystko w Power BI, a następnie filtrować, kodujemy filtr w 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');Korzyści:
DataItemTableFilterjest kompilowany bezpośrednio jako klauzulaWHERESELECT.- Wykluczamy zbędne typy wejściowe i pomijamy rekordy pewnych wymiarów w milisekundach.
- Payload (ciężar zwróconego JSON) jest drastycznie zmniejszany, eliminując timeouty z powodu przeciążenia sieci HTTP.
3. Zarządzanie FlowFields: ColumnFilter
Sección titulada «3. El Manejo de FlowFields: ColumnFilter»To być może najbardziej zaawansowany punkt inżynierii naszych API. Jak widzieliśmy w architekturze systemu, niektóre pola w Business Central są formułami (FlowFields).
Jeśli spróbujemy filtrować FlowField wewnątrz DataItemTableFilter ogólnego, kompilator AL wyśle nam błąd, ponieważ SQL Server nie może wykonać WHERE nad podzapytaniem obliczeniowym, które jeszcze nie zostało przetworzone.
Aby filtrować te pola (np. wykluczyć dostawcę 'PROVEEDOR_DEMO'), musimy użyć właściwości ColumnFilter osadzonej specjalnie w kolumnie projected.
// 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'); }Dzięki temu serwer najpierw rozwiązuje tabelę, oblicza niezbędne FlowFields, stosuje filtr kolumny i w końcu wysyła nam czysty i niezwykle kompaktowy blok danych.
4. Lista kontrolna optymalizacji zapytań
Sección titulada «4. Checklist de Optimización de Consultas»- ✓ Brak blokad: Właściwość
DataAccessIntentskonfigurowana jakoReadOnlyw celu kierowania obciążenia do pasywnych replik Azure SQL. - ✓ Filtrowanie SQL: Implementacja
DataItemTableFilterw celu zmniejszenia objętości wierszy do przeniesienia przed wysłaniem HTTP. - ✓ Obsługa FlowFields: Użycie
ColumnFilterw kolumnach dynamicznych w celu uniknięcia błędów kompilacji silnika zapytań.

