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.
Die Data Warehouse Automation Plattform, der Datenteams aus vielen Branchen vertrauen
Kommt Ihnen das bekannt vor?
- Eine einzige Filteränderung zeigt zwanzig Sekunden oder länger "Abfrage wird ausgeführt" an.
- Die Leistungsaufzeichnung zeigt fast die gesamte Zeit in der Abfrageausführung, kaum etwas im Rendering.
- Mit einem Quartal Daten läuft das Dashboard gut, mit drei Jahren ist es unbrauchbar.
- Sie blenden inzwischen Filter aus, damit niemand den langsamen Pfad auslöst.
Tableau ist nicht der langsame Teil. VizQL übersetzt jede Interaktion in SQL, und wie lange das dauert, hängt vollständig von der Form dessen ab, was abgefragt wird.
Was VizQL tun soll
- Gegen ein Star Schema: eine Faktentabelle, ein paar Dimensions Joins auf echten Schlüsseln. Die Antwort kommt in Millisekunden.
- Gegen 3NF oder Rohtabellen: Joins über ein Dutzend Tabellen, neu gebaut für jede Markierung, jeden Filter, jeden Nutzer.
- Nichts, worauf ein Index greift. Operative Tabellen sind für Transaktionen indiziert, nicht für die Spalten, nach denen Analysten gruppieren.
- Es summiert sich. Jedes Arbeitsblatt im Dashboard schickt seine eigene Abfrage.
Warum es bei Ihnen landet
- Die Datenquelle, die Sie bekommen haben, ist die, die es gab, nicht eine für die Analyse gebaute.
- Custom SQL und Blends waren der einzige Weg, es überhaupt zum Laufen zu bringen, und sie machen jede Abfrage schwerer.
- Sie können das Workbook optimieren. Die Quelle neu modellieren können Sie nicht.
Die Arbeit passiert am falschen Ort
- Rohtabellen zu etwas Analysierbarem zu verknüpfen ist Warehouse Arbeit. VizQL wiederholt sie bei jeder Filteränderung.
- 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 erzeugt Fakten und Dimensionen nativ in Snowflake, Databricks, BigQuery, Synapse, SQL Server, Oracle, Exasol oder PostgreSQL, gebaut für analytischen Zugriff.
- Eine Faktentabelle, konforme Dimensionen. VizQL erzeugt schon von der Struktur her kurzes SQL.
- Echte Schlüssel, damit Joins über eine einzige Spalte laufen statt über Textabgleiche auf mehreren Feldern.
- Eine Granularität pro Tabelle, das entfernt die doppelten Zeilen, die Scans aufblähen.
- Live Verbindungen bleiben nutzbar, ein Extract ist damit eine Wahl und kein Notausgang.
- Filter reagieren schnell genug, dass Sie sie wieder ins Dashboard setzen können.
Worum Sie bitten sollten
“VizQL joint bei jedem Filterklick über normalisierte Tabellen, deshalb wächst die Abfragezeit mit den Daten. Können wir für dieses Dashboard ein Star Schema bekommen, mit dem es sich statt mit den operativen Tabellen verbindet?”
Das benennt den Mechanismus und zeigt auf die Schicht, in der er behoben werden kann.
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.
-
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.