SAP HANA Database är Main-Memory-centrerad datahanteringsplattform. SAP HANA Database körs på SUSE Linux Enterprises Server och bygger på C ++ språk.
SAP HANA-databas kan distribueras till flera maskiner.
SAP HANA Fördelar är som nämnts nedan -
- SAP HANA är användbart eftersom det är väldigt snabbt på grund av all data laddad i minnet och inget behov av att ladda data från disk.
- SAP HANA kan användas för OLAP (On-line analytic) och OLTP (On-Line Transaction) i en enda databas.
SAP HANA Database består av en uppsättning processmotorer i minnet. Beräkningsmotorn är de viktigaste processmotorerna i minnet i SAP HANA. Det fungerar med andra processmotorer som Relational database Engine (Row and Column engine), OLAP Engine, etc.
Relationell databastabell finns i kolumn eller radbutik.
Det finns två lagringstyper för SAP HANA-tabellen.
- Lagring av radtyp (för radtabell).
- Lagring av kolumntyp (för kolumntabell).
Textdata och diagramdata finns i Text Engine respektive Graph Engine. Det finns några fler motorer i SAP HANA Database. Data får lagras i dessa motorer så länge det finns tillräckligt med utrymme.
I den här handledningen lär du dig-
- SAP HANA-arkitektur
- SAP HANA Landskap
- SAP HANA-storlek
SAP HANA-arkitektur
Data komprimeras med olika komprimeringstekniker (t.ex. ordbokskodning, körningslängdskodning, gles kodning, klusterkodning, indirekt kodning) i SAP HANA Column Store.
När huvudminnesgränsen har uppnåtts i SAP HANA kommer hela databasobjekten (tabell, vy osv.) Som inte används att laddas ner från huvudminnet och sparas på disken.
Dessa objektnamn definieras av applikationssemantik och laddas om till huvudminnet från disken när det krävs igen. Under normala omständigheter hanterar SAP HANA-databasen automatiskt lossning och laddning av data.
Användaren kan dock ladda och ladda ner data från enskilda tabeller manuellt genom att välja en tabell i SAP HANA studio i respektive schema - genom att högerklicka och välja alternativet "Unload / Load".
SAP HANA Server består av
- Indexserver
- Förprocessorserver
- Namnserver
- Statistikserver
- XS-motor
- SAP HANA Index Server
SAP HANA Database huvudserver är indexserver. Detaljen för varje server är som nedan-
- Det är den viktigaste SAP HANA-databaskomponenten
- Den innehåller faktiska datalagrar och motorn för bearbetning av data.
- Indexserver bearbetar inkommande SQL- eller MDX-uttalande.
Nedan är indexservers arkitektur.
SAP HANA Index Server översikt
- Förprocessorserver
Denna server används i textanalys och extraherar data från en text när sökfunktionen används.
- Namnserver
Denna server innehåller all information om systemlandskapet. I distribuerad server innehåller namnservern information om varje komponent som körs och plats för data på servern. Denna server innehåller information om servern där data finns.
- Statistikserver
Statistikservern ansvarar för att samla in data relaterade till status, resursallokering / konsumtion och prestanda för SAP HANA-systemet.
- XS-server
XS Server innehåller XS Engine. Det tillåter extern applikation och utvecklare att använda SAP HANA-databas via XS Engine-klienten. Den externa klientapplikationen kan använda HTTP för att överföra data via XS-motorn för HTTP-servern.
SAP HANA Landskap
"HANA" betyder High Performance Analytic Appliance är en kombination av hårdvara och mjukvaruplattform.
- På grund av förändring i datorarkitektur finns den mer kraftfulla datorn tillgänglig när det gäller CPU, RAM och hårddisk.
- SAP HANA är lösningen för prestanda flaskhals, där all data lagras i huvudminnet och inget behov av att ofta överföra data från disk I / O till huvudminnet.
Nedan följer SAP HANA Innovation inom hårdvara / programvara.
Det finns två typer av relationsdatabutiker i SAP HANA: Row Store och Column Store.
Row Store
- Det är samma som traditionell databas t.ex. (Oracle, SQL Server). Den enda skillnaden är att all data lagras i radlagringsområdet i SAP HANA, till skillnad från en traditionell databas där data lagras på hårddisken.
Kolumnaffär
- Kolumnlager är den del av SAP HANA-databasen och hanterar data på kolumnerat sätt i SAP HANA-minne. Kolumntabeller lagras i kolumnlagringsområdet. Kolumnbutiken ger bra prestanda för skrivoperationer och optimerar samtidigt läsoperationen.
Läs- och skrivoperationsprestanda optimerad med datastruktur under två.
Huvudlagring
Huvudlagring innehåller huvuddelen av data. I huvudlagring används lämplig datakomprimeringsmetod (ordbokskodning, klusterkodning, gles kodning, körlängdskodning etc.) för att komprimera data i syfte att spara minne och påskynda sökningar.
- I huvudlagring kommer skrivoperationer på komprimerad data att vara kostsamma, så skrivoperationen ändrar inte direkt komprimerad data i huvudlagringen. Istället skrivs alla ändringar i ett separat område i kolumnlagring som kallas "Delta Storage".
- Delta-lagring är optimerad för en skrivoperation och använder normal komprimering. Skrivoperationerna är inte tillåtna på huvudlagring men tillåts på deltalagring. Läshantering är tillåten i båda lagren.
Vi kan ladda data manuellt i huvudminnet genom att välja alternativet "Ladda in minne" och ladda ner data från huvudminnet med alternativet "Ladda ner från minne" enligt nedan.
Delta Storage
Delta-lagring används för en skrivoperation och använder grundläggande komprimering. Alla ej förbundna modifieringar i kolumntabelldata lagrade i deltalagring.
När vi vill flytta dessa ändringar till Main Storage, använd sedan "delta merge operation" från SAP HANA studio enligt nedan -
- Syftet med delta-sammanfogning är att flytta ändringar som samlas i deltalagring till huvudlagring.
- Efter att ha utfört Delta Merge-åtgärden i sap-kolumntabellen sparas innehållet i huvudlagringen på disk och komprimering beräknas om.
Process för att flytta data från Delta till Main Storage under delta-sammanslagning
Det finns ett buffertlager (L1-Delta) som är radlagring. Så i SAP HANA fungerar kolumntabellen som radbutik på grund av L1-delta.
- Användaren kör uppdaterings- / infoga frågan i tabellen (fysisk operatör är SQL-uttalanden.).
- Data går först till L1. När L1 flyttar data vidare (L1- Oupptagna data)
- Sedan går data till L2-delta buffert, som är kolumnorienterad. (L2- Engagerade data)
- När L2-delta-processen är klar går data till huvudlagring.
Så, kolumnlagring är både skrivoptimerad och läsoptimerad på grund av L1-Delta respektive huvudlagring. L1-Delta innehåller alla data som inte är förpliktade. Engagerad data flyttas till Main Store via L2-Delta. Från huvudlagringsdata går till uthållighetsskiktet (Pilen som indikerar här är en fysisk operatör som skickar SQL-uttalande i kolumnlager). Efter bearbetning av SQL-uttalande i kolumnlager går data till uthållighetsskiktet.
Exempel nedan är radbaserad tabell-
Tabelldata lagras på disk i linjärt format, så nedan visas hur data lagras på disk för rad- och kolumntabeller -
I SAP HANA-minne lagras den här tabellen i Row Store på disk som format -
Minnesadress
Och i kolumn lagras data på disken som -
Minnesadress
Data lagras kolumnvis i linjärt format på disken. Data kan komprimeras med komprimeringsteknik.
Så, Column Store har en fördel med att spara minne.
SAP HANA-storlek
Storleksändring är en term som används för att bestämma hårdvarukrav för SAP HANA-system, såsom RAM, hårddisk och CPU, etc.
Den viktigaste viktiga dimensioneringskomponenten är minnet, och den andra viktiga dimensioneringskomponenten är CPU. Den tredje huvudkomponenten är en skiva, men storlek är helt beroende av minne och CPU.
I SAP HANA-implementeringen är en av de viktigaste uppgifterna att bestämma rätt serverstorlek enligt affärsbehovet.
SAP HANA DB skiljer sig åt i storlek med normal DBMS när det gäller -
- Huvudminneskrav för SAP HANA (minnesstorlek bestäms av metadata och transaktionsdata i SAP HANA)
- CPU-krav för SAP HANA (Prognos-CPU uppskattas inte korrekt).
- Diskutrymme Krav för SAP HANA (Beräknas för datatålighet och för loggning av data)
Applikationsserverns CPU och applikationsserverns minne är oförändrade.
För storleksberäkning har SAP tillhandahållit olika riktlinjer och metoder för att beräkna rätt storlek.
Vi kan använda nedanstående metod-
- Storlek med ABAP-rapport.
- Storlek med DB Script.
- Storlek med Quicksizer Tool.
Genom att använda Quicksizer-verktyget visas Krav i nedanstående format-
