Ir al contenido

性能技术与过滤

高级机器学习策略用于服务器的极致优化、复制读取和原生过滤(推送下推)

0阅读

我们将加载时间从 15 分钟缩短到 30 秒,不仅仅是因为使用了 Query 对象,还因为我们基于 AL 代码底层设计了激进的Pushdown Computation(服务器端过滤)技术。

以下是我们在提取API中实现的三个主要优化指令。

在事务型ERP系统中,写数据库节点(主节点)是神圣不可侵犯的。我们不能让大规模提取阻塞会计或仓库插入操作。

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

在 Azure SQL 层面做了什么?声明 ReadOnly 后,我们是在告诉服务器编排器我们的 API 不会插入或修改数据。服务器会自动将我们重定向到数据库的某个只读副本。这样,我们的报表可以占满副本的 CPU,而丝毫不会影响生产环境中的用户性能。

ELT的目标是让尽可能少的无用数据通过网络传输。我们不是先下载所有数据到Power BI再过滤,而是将过滤器硬编码到API中。

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');

优势:

  • DataItemTableFilter 会直接编译为 SELECT 的 WHERE 子句。
  • 我们毫秒级地排除无用的条目类型并跳过某些维度的记录。
  • 负载(返回的JSON重量)大幅减少,消除了因HTTP网络拥塞导致的超时问题。

这可能是我们的 API 中最复杂的工程点。正如我们在系统架构中看到的,Business Central 中的某些字段是公式(FlowFields)。

如果我们尝试在整个 DataItemTableFilter 中过滤 FlowField,AL 编译器会报错,因为 SQL Server 无法对尚未处理的计算子查询执行 WHERE。

要过滤这些字段(例如排除供应商'PROVEEDOR_DEMO'),我们必须在投影列中特定使用ColumnFilter属性。

// 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');
}

通过这样做,服务器首先解析表,计算必要的流程字段,应用列后过滤器,最后向我们发送干净且极其紧凑的数据块。

  • ✓ 零阻塞:将属性 DataAccessIntent 设置为 ReadOnly,将负载导向 Azure SQL 的被动副本。
  • ✓ SQL 过滤:实施 DataItemTableFilter,以减少通过 HTTP 发送前要传输的行数。
  • ✓ FlowFields 处理:在动态列中使用 ColumnFilter,以避免查询引擎的编译错误。