Técnicas de Desempenho e Filtragem
Estratégias avançadas em AL para a otimização extrema do servidor, leitura de réplicas e filtragem na origem (Pushdown).
Nossa redução do tempo de carregamento de 15 minutos para 30 segundos não foi alcançada apenas pelo uso de um objeto Query, mas pela aplicação de técnicas agressivas de Pushdown Computation (Filtragem no Servidor) que projetamos na base do nosso código AL.
A seguir, detalhamos as três diretrizes principais de otimização que implementamos em nossas APIs de extração.
1. Desvio de Tráfego: DataAccessIntent = ReadOnly
Sección titulada «1. Desvío del Tráfico: DataAccessIntent = ReadOnly»Em um sistema ERP transacional, o nó de banco de dados de gravação (Primary Node) é sagrado. Não podemos permitir que nossas extrações em massa bloqueiem inserções contábeis ou de armazém.
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 Replicas 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»O objetivo do ELT é que a menor quantidade possível de dados inúteis viaje pelo cabo de rede. Em vez de baixar tudo no Power BI e depois filtrar, codificamos o filtro na 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:
- DataItemTableFilter se compila directamente como la cláusula WHERE del SELECT.
- Excluímos tipos de entrada inúteis e omitimos registros de certas dimensões em milissegundos.
- O payload (peso do JSON retornado) é reduzido drasticamente, erradicando os timeouts por saturação de rede 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'); }Ao fazer isso, o servidor primeiro resolve a tabela, calcula os FlowFields necessários, aplica o pós-filtro de coluna e, finalmente, nos envia um bloco de dados limpo e extremamente compacto.
4. Checklist de Otimização de Consultas
Sección titulada «4. Checklist de Optimización de Consultas»- ✓ Cero Bloqueos: Propiedad DataAccessIntent configurada como ReadOnly para dirigir la carga a las réplicas pasivas de Azure SQL.
- ✓ Filtrado SQL: Implementación de DataItemTableFilter para reducir el volumen de filas a transferir antes del envío HTTP.
- ✓ Tratamiento FlowFields: Uso de ColumnFilter en columnas dinámicas para evitar errores de compilación del motor de consultas.

