Scheitern Ihre Tableau Extract Refreshes oder laufen sie ständig zu spät?
Der Backgrounder läuft in einen Timeout, die .hyper Datei wächst weiter, und das Dashboard zeigt den Stand von gestern. Der Extract ist so groß, weil er Rohzeilen mitschleppt, die weiter oben nie aggregiert wurden.
Die Data Warehouse Automation Plattform, der Datenteams aus vielen Branchen vertrauen
Kommt Ihnen das bekannt vor?
- Geplante Refreshes scheitern auf Tableau Cloud oder Server mit einem Backgrounder Timeout.
- Die .hyper Datei ist auf mehrere Dutzend Gigabyte angewachsen, und niemand hat das eingeplant.
- Die Refreshes werden auf 02:00 Uhr verschoben, dann auf 01:00 Uhr, und laufen trotzdem bis in den Morgen.
- Jemand fragt, warum das Dashboard den Stand von gestern zeigt, und die Antwort ist kompliziert.
Ein Extract sollte eine schnelle Kopie einer fertigen Tabelle sein. Wenn er scheitert, dann meist, weil er keine fertige Tabelle kopiert, sondern erst eine baut.
Warum der Extract so groß ist
- Er enthält Spalten, die niemand nutzt, weil es einfacher war, die ganze Tabelle zu nehmen.
- Die Transformation passiert beim Erstellen. Joins, berechnete Felder und Blends werden aufgelöst, während der Extract gebaut wird. Genau das erschöpft den Backgrounder.
- Er wächst nur in eine Richtung. Ein vollständiger Refresh einer wachsenden Quelle wird jeden Monat langsamer, bis er den Timeout überschreitet.
Warum es bei Ihnen landet
- Der optimierte View, den Sie gebraucht hätten, war nicht verfügbar. Also wurde der Extract zum Aggregationsschritt.
- Die Backgrounder Kapazität können Sie nicht ändern, und die Quelltabelle auch nicht.
- Sie bekommen die Fehlermeldung, oder schlimmer: die Frage nach veralteten Daten.
Die Arbeit passiert am falschen Ort
- Joinen und Aggregieren ist Warehouse Arbeit. Im Extract wird es bei jedem Refresh neu gebaut.
- Sie gehört an einen zentralen Ort: ein Data Warehouse oder einen Data Hub, einmal gebaut und von jedem Workbook gelesen.
- Wenn das teuer klingt, geht die Schätzung vermutlich von handgebauten Pipelines aus. Eine spezialisierte Automatisierungsplattform generiert sie aus einem Modell. Das ändert Kosten und Dauer.
Was sich ändert, wenn das Modell fertig ankommt
Datavault Builder baut die Aggregation im Warehouse und stellt Information Marts bereit, die Tableau so kopieren kann, wie sie sind.
- Der Extract kopiert, er rechnet nicht. Die Erstellungszeit sinkt deutlich.
- Voraggregierte Marts bedeuten weit weniger Zeilen und eine viel kleinere
.hyperDatei. - Inkrementelles Laden passiert weiter oben, im Warehouse, wo es hingehört.
- Refreshes laufen innerhalb des Zeitfensters durch, und zwar planbar.
- Mit einem kleinen Extract wird eine Live Verbindung oft wieder realistisch.
Worum Sie bitten sollten
“Unser Extract zieht rohe Transaktionszeilen und macht die Joins beim Erstellen, deshalb läuft der Backgrounder in einen Timeout. Können wir im Warehouse einen aggregierten Information Mart bekommen, den der Extract nur noch kopiert?”
Konkret genug, um es zu schätzen, und es verlagert die Arbeit dorthin, wo die Daten liegen.
Sehen Sie es mit Ihren eigenen Daten
Buchen Sie eine kostenlose Demo und bringen Sie den Report mit, der Ihnen die meisten Probleme macht.
In drei Schritten zu Zahlen, die aufgehen
-
Bestehende Logik herauslösen
Sammeln Sie Berechnungen, Joins und Filter, die heute in Ihren Reports stecken.
-
An einem Ort zentralisieren
Die Logik kommt einmal ins Warehouse Modell, und jeder Report liest dieselbe Definition.
-
Zahlen, die aufgehen
Jeder Report zeigt dieselbe Zahl, und “Woher kommt diese Zahl” hat eine sichtbare Antwort.
Wie Datavault Builder Ihrem Report ein fertiges Modell liefert
-
Das Modell kommt fertig an
Datavault Builder generiert Vault und Star Schema so, dass sie nativ in der Datenbank laufen, die Sie bereits haben: SQL Server, Azure SQL, Synapse, Fabric, Snowflake, Databricks oder BigQuery.
-
Die Arbeit verlässt den Report
Kein Merge, kein Parsen, kein Fuzzy Match. Diese Arbeit ist aus dem Report verschwunden.
-
Quellen kommen integriert an
Kunden aus ERP, CRM und Webshop werden zu einem Satz konformer Dimensionen zusammengeführt. Der Join passiert einmal im Warehouse, nicht erneut in jedem Report.
-
Historie, die abfragbar ist
Jede Änderung wird so festgehalten, wie sie eintrifft. Sie können den Stand von damals genauso auswerten wie den von heute, auch wenn das Quellsystem seine eigenen Sätze überschreibt.
-
Jede Zahl hat Lineage
Die Logik bekommt Lineage. “Woher kommt diese Zahl” hat damit eine sichtbare Antwort.
-
Historisierung im Warehouse
Historisierung übernimmt das Warehouse als Vault Satelliten, statt sie zu approximieren.
Ausgezeichnet von BARC im Data Fabric Survey 26
Sprechen Sie mit unserem Experten
Zwanzig Minuten mit unserem Sales Director und eine ehrliche Antwort, ob das zu Ihrer Situation passt.
Matt Collett
Sales Director
Perfekt, wählen Sie einen passenden Termin:
Weitere Probleme in dieser Serie
-
Gibt es auf Ihrem Tableau Server zu viele Versionen derselben Zahl?
Jede veröffentlichte .tdsx war an dem Tag, an dem sie entstand, vernünftig. Zusammen sind sie Hunderte private Definitionen derselben Kennzahl, und niemand kann sagen, welche stimmt.
-
Sind Ihre Tableau LOD Ausdrücke zu komplex, um sie noch anzufassen?
FIXED, INCLUDE und EXCLUDE sind präzise Werkzeuge für echte Fragen über mehrere Granularitäten. Die meisten in Ihrem Workbook stehen dort, weil das Warehouse nie die Granularität aufgelöst oder die Historie bewahrt hat.
-
Wird Ihr Tableau Dashboard bei jeder Filteränderung langsam?
Zwanzig Sekunden “Abfrage wird ausgeführt” bei jedem Filterklick. Tableau rendert nicht langsam. Es wartet auf eine Datenbank, der eine Frage gestellt wurde, die sie nicht schnell beantworten kann.