DATEN-Bereitstellung und -Replikation in SAP HANA

โšก Intelligente Zusammenfassung

Datenbereitstellung in SAP HANA lรคdt Daten aus Quellsystemen, bevor ein Frontend-Tool darauf zugreifen kann. Beispiel:tract, transformieren und laden Sie Daten aus dem Prozess, bereitgestellt durch integrierte Optionen oder externe Tools wie SLT, Data Services und DXC.

  • ๐Ÿ”„ Kernprozess: Die Bereitstellung erstellt, bereitet vor und ermรถglicht es einem Netzwerk, seinen Benutzern Daten รผber externe Kanรคle bereitzustellen.tract, transformieren und laden.
  • โš™๏ธ Integrierte Optionen: Flatfile-Lรถsungen, intelligentes Datenstreaming, intelligenter Datenzugriff, unternehmensweites Informationsmanagement und Remote-Daten.
  • ???? Externe Tools: SAP Landschaftstransformation, Business Objects Data Services, Direct Extractor Connection und Sybase Replication Server.
  • ๏ธ SLT-Stรคrke: Echtzeit- und geplante Replikation von beiden SAP und nicht-SAP Quellsysteme.
  • ๐Ÿ–ผ๏ธ Datendienste: Eine grafische Plattform zur Gestaltung von ETL-Prozessen รผber heterogene Datenquellen hinweg.
  • ๐Ÿ“ฆ DXC Nature: DirektverbindungtracTor Connection ist ein batchgesteuerter ETL-Prozess, der bestehende BW-Exportfunktionen wiederverwendet.tractoren.
  • ๐Ÿ”— SLT-Voraussetzungen: Eine RFC- oder Datenbankverbindung zur Quelle und eine Datenbankverbindung zu SAP HANA.

Datenbereitstellung und -replikation in SAP HANA

Was ist DATA Provisioning?

DATA Provisioning ist ein Prozess, bei dem ein Netzwerk erstellt, vorbereitet und aktiviert wird, um Daten fรผr seine Benutzer bereitzustellen. Daten mรผssen geladen werden in SAP HANA, bevor die Daten รผber ein Front-End-Tool zum Benutzer gelangen.

Alle diese Prozesse werden als bezeichnet ETL (Extract, Transformieren und Laden), und die Details sind wie folgt:

  • Extract - Dies ist der erste und manchmal schwierigste Teil des ETL-Prozesses, in dem die Daten extrahiert werden.tracaus dem unterschiedlichen Quellsystem.
  • Verwandeln โ€“ Im Transformationsteil wird eine Reihe von Regeln oder Funktionen fรผr die Datenverarbeitung definiert.tracvom Quellsystem zum Laden von Daten in das Zielsystem.
  • Belastung - Die Ladephase lรคdt die Daten im Zielsystem.

Parce que SAP HANA speichert Daten im Arbeitsspeicher und wird hรคufig fรผr Echtzeitberichte verwendet. Die Wahl der Bereitstellungsmethode hat direkten Einfluss darauf, wie aktuell die Daten in einem Bericht tatsรคchlich sind. Diese Wahl wird im Anschluss an die Auflistung der verfรผgbaren Tools erlรคutert.

Replikation in SAP HANA

SAP HANA unterstรผtzt zwei Arten von Provisioning-Tools โ€“

  1. SAP Integriertes HANA-Bereitstellungstool
    1. Flat File
    2. Intelligentes Daten-Streaming
    3. Smart Data Access (SDA)
    4. Unternehmensinformationsmanagement (EIM)
    5. Remote-Daten
  2. Externes Tool unterstรผtzt von SAP HANA
    1. SAP Landschaftstransformation
    2. SAP Business Objects-Datendienste
    3. SAP DirektverbindungtracTor-Verbindung
    4. Sybase-Replikationsserver

Derzeit gibt es Hauptmethoden der Datenbereitstellung fรผr SAP HANA, das sind โ€“

Methoden der Datenbereitstellung Beschreibung
SLT SLT ("SAP Landscape Transformation Replication Serverโ€œ) auf dem SAP Net Weaver-Plattform. SLT ist eine ideale Lรถsung fรผr Echtzeit- und Zeitplan-Replikation fรผr SAP und nicht-SAP Quellsystem.
SAP DATA Dienste SAP DATA Dienste ist eine Plattform zum Entwerfen von ETL-Prozessen mit einer grafischen Benutzeroberflรคche.
DXC DXC steht fรผr Direct Extractor Connect ist ein Batch-basiertes ETL-Tool.
Flatfile-Upload Mit dieser Option kรถnnen Daten (.csv, .xls, .xlsx) hochgeladen werden in SAP HANA.

SAP HANA SLT-StraรŸenkarte

SAP Die HANA SLT-Roadmap ist wie folgt โ€“ DATA Provisioning รผber SLT erfordert eine RFC/DB-Verbindung zu SAP/Nicht-SAP Quellsystem und eine DB-Verbindung fรผr SAP HANA-Datenbank. Auf SAP SLT-ServerWir definieren Mapping und Transformation. Nachfolgend finden Sie einen Fahrplan fรผr die Datenbereitstellung รผber SLT.

SAP HANA SLT-StraรŸenkarte
SAP HANA SLT-StraรŸenkarte

Vergleich von SLT, Data Services, DXC und Flat File

Die vier Hauptmethoden sind nicht austauschbar. Jede wurde fรผr unterschiedliche Latenzanforderungen und unterschiedliche Quellentypen entwickelt, wie die Tabelle verdeutlicht.

Parameter SLT SAP Datendienste DXC Flat File
Latency Echtzeit oder geplant Stapelverarbeitung, geplant Stapelverarbeitung, geplant Manuell, Einzelstรผck
Quellsysteme SAP und nicht-SAP Datenbanken Nahezu jede Quelle, einschlieรŸlich Dateien und Webdienste SAP Nur Business Suite CSV, XLS, XLSX
Transformation Einfache, regelbasierte Replikation Umfangreiche grafische Transformationen Angewendet durch die bestehende ExtracDo. Keine Prรคsentation
Semantik erhalten Nur auf Tabellenebene Wie im Job vorgesehen Ja, Geschรคftssemantik des ExtracDo. Keine Prรคsentation
Einrichtungsaufwand MittelgroรŸ, benรถtigt einen SLT-Server Hoch, benรถtigt eine Datendienstlandschaft Niedrig, wo z.B.tracTore existieren Sehr geringe
Typische Verwendung OperaNationale Berichterstattung รผber Live-Transaktionen Zusammenfรผhrung heterogener Quellen Wiederverwendung bestehender BW-BeispieletracTor-Logik Prototypping und kleine Nachschlagetabellen

Zu jedem dieser Fรคlle gibt es ein eigenes Tutorial: SLT, SAP Datendienste, DXC und Hochladen einer flachen Datei.

Intelligenter Datenzugriff und intelligente Datenintegration

Die oben aufgefรผhrte Liste enthรคlt zwei Optionen, die sich anders verhalten als die anderen, da sie das Kopieren von Daten komplett vermeiden kรถnnen.

Intelligenter Datenzugriff (SDA). SDA erstellt eine virtuelle Tabelle in SAP HANA greift auf eine Tabelle in einem entfernten System zu. Es werden keine Daten repliziert. Wenn eine Abfrage auf die virtuelle Tabelle zugreift, verlagert HANA so viel Arbeit wie mรถglich in die entfernte Datenbank und ruft nur das Ergebnis ab. Der Vorteil: Es entstehen keine Speicherkosten und die Daten sind stets aktuell. Der Nachteil: Die Abfragegeschwindigkeit hรคngt nun vom entfernten System ab, sodass eine langsame Datenquelle einen schnellen HANA-Bericht verlangsamt.

Intelligente Datenintegration (SDI). SDI erweitert dieses Konzept um Adapter, die ebenfalls replizieren kรถnnen โ€“ entweder im Batch-Verfahren oder per ร„nderungsdatenerfassung โ€“ und dabei Transformationen anwenden. Dadurch werden viele Funktionen von Data Services direkt in HANA integriert, sodass bei kleineren Projekten keine separate ETL-Landschaft mehr benรถtigt wird.

Die Entscheidung zwischen den drei Familien hรคngt von drei Fragen ab:

  • Wie aktuell mรผssen die Daten sein? Echtzeit-Datenerfassungspunkte bei SLT oder SDI; fรผr Data Services oder DXC reicht eine Nacht aus.
  • Mรผssen die Daten รผberhaupt kopiert werden? Wenn die Daten nur selten abgefragt werden und sie in einer leistungsfรคhigen Datenbank gespeichert sind, vermeidet SDA Duplikate vollstรคndig.
  • Wie umfangreich muss die Transformation sein? Einfache Filterung eignet sich fรผr SLT; komplexe Bereinigung, Deduplizierung und Suchvorgรคnge eignen sich fรผr Data Services.

Sobald die Daten eingegangen sind, werden sie รผber die in der Dokumentation beschriebenen Informationsansichten fรผr die Berichterstellung freigegeben. SAP HANA-Modellierung Tutorial.

Hรคufig gestellte Fragen

Die Replikation kopiert Zeilen in HANA, wodurch Abfragen schnell ausgefรผhrt werden und Speicherplatz belegt wird. Die Virtualisierung mittels SDA belรคsst die Daten in der Quelle und liest sie bei Bedarf, wodurch die Geschwindigkeit gegen die Speichernutzung abgewogen wird.

Ja, und das ist in den meisten Systemlandschaften so. SLT verarbeitet typischerweise Live-Transaktionstabellen, wรคhrend Data Services externe Datenquellen รผber Nacht konsolidiert, wobei jede Quelle in unterschiedliche Schemata schreibt.

Die KI analysiert die Quelldaten vor dem Laden und erkennt Duplikate, inkonsistente Formate und fehlende Schlรผssel, sodass Probleme direkt an der Quelle behoben werden und nicht erst Wochen spรคter in einem Bericht auftauchen.

Ja. Die Anomalieerkennung bei Zeilenanzahlen und Ladezeiten kennzeichnet eine Replikation, die ins Stocken geraten oder sich verlangsamt hat, was oft erst sichtbar wird, wenn ein Bericht die Zahlen von gestern zeigt.

Fรผr PrototypenpingEs handelt sich um kleine Referenztabellen und einmalige Ladevorgรคnge. Da der Vorgang manuell und nicht wiederholbar ist, sollte er niemals in einen Produktionsdatenfluss eingebunden werden, der planmรครŸig ausgefรผhrt werden muss.

Fassen Sie diesen Beitrag mit folgenden Worten zusammen: