Welke In-Memory Analytics Engine wordt gebruikt in Power Pivot?

Tijd is geld. Je weet dit; daarom gebruik je Power Pivot om je data-analyse te optimaliseren. Maar wat maakt het zo effectief? Als u meer weet over de in-memory analyse-engine achter Power Pivot, krijgt u inzicht in hoe u deze beter voor u kunt laten werken.

Welke In-Memory Analytics Engine wordt gebruikt in Power Pivot

Wat is xVelocity in-memory Analytical Engine (Vertipaq)?

De in-memory analyse-engine die in Power Pivot wordt gebruikt, wordt xVelocity genoemd, maar wordt gewoonlijk aangeduid met de oorspronkelijke naam, Vertipaq. In feite heet de interne engine eigenlijk nog steeds Vertipaq, en de meeste gebruikers in de branche gebruiken deze naam.

Vertipaq is een krachtige engine die uw gegevens analyseert en opslaat. Het doet dit door de gegevens in kolommen te plaatsen en deze te comprimeren om zoveel mogelijk ruimte te besparen. Snelheid is de naam van het spel, en het werkt door de meest efficiënte route te vinden om zijn doelen te bereiken, wat je weer tijd bespaart.

Vertipaq is de drijvende kracht achter Power Pivot, dat kan worden toegevoegd aan Excel voor maximale data-analyse. De functies van Power Pivot zijn ook beschikbaar in Power BI Designer. Het is een analytische engine in het geheugen.

Wat is in-memory analytics?

Met in-memory analyse, query’s en gegevens worden opgeslagen in RAM. Dit in tegenstelling tot andere programma’s die gegevens op een veel omslachtiger manier op schijven opslaan. Door alles in RAM op te slaan, kan Vertipaq het veel sneller verwerken, wat essentieel is wanneer u grote hoeveelheden gegevens gebruikt.

Vertipaq is de eigen in-memory analyse-engine van Microsoft, dus enkele van de essentiële details over hoe het werkt, zijn niet bekend, maar we kunnen bespreken hoe het in brede zin werkt.

Hoe werkt Vertipaq?

Zuilvormige databases besparen tijd en ruimte

Een kolomvormige database doet wat het klinkt zoals het zou doen: het slaat gegevens op in kolommen in plaats van rijen. Dit maakt verticaal scannen van gegevens mogelijk, wat efficiënter en dus sneller is. Als je nadenkt over de manier waarop je een tabel fysiek zou kunnen scannen om informatie te extraheren, lees je in de rijen of de kolommen. Wat u doet, hangt grotendeels af van wat u zoekt, maar over het algemeen gaat verticaal scannen sneller en efficiënter.

Beschouw het voorbeeld van het vinden van de som van de totale verkoop in een tabel. U zou rechtstreeks naar de kolom Totale verkoop gaan en alleen die kolom lezen. U zou niet elke rij lezen, omdat andere irrelevante gegevens uit de tabel voor deze query kunnen worden genegeerd. Vertipaq doet precies dit. Het leest uw gegevens en slaat ze op in kolommen, waardoor u sneller toegang heeft tot de antwoorden die u nodig hebt.

Vertipaq comprimeert gegevens om het ruimtegebruik te minimaliseren

Vertipaq gebruikt verschillende functies om uw gegevens te comprimeren zodra deze in kolommen zijn opgeslagen. Deze compressie is gunstig omdat het RAM bespaart en sneller kan worden gescand. Er zijn een paar manieren waarop datacompressie werkt in Vertipaq. Ten eerste worden uw gegevens gesegmenteerd en gepartitioneerd in kolommen. Hierdoor kan het één sectie per keer lezen. Zodra het een gedeelte heeft gelezen, begint het het te comprimeren terwijl het tegelijkertijd doorgaat om het volgende gedeelte te lezen. Er zijn een aantal manieren waarop Vertipaq gegevens comprimeert. Het kiest op basis van het type en bereik van gegevens in een kolom.

  • Waardecodering vermindert het aantal bits dat nodig is om gegevens op te slaan in kolommen met gehele getallen door het gegevensbereik te wijzigen.
  • Woordenboek codering converteert kolomgegevens naar gehele getallen door een woordenboek met relaties te maken. Deze gehele getallen nemen dan minder RAM in beslag.
  • Voer lengtecodering uit comprimeert verder woordenboek- of waarde-gecodeerde gegevens om herhalingen te elimineren.

Hercodering, wanneer Vertipaq terugkeert en het compressieproces opnieuw start, kan optreden als de engine begint met compressie met ofwel gegevens- of waardecodering, maar ontdekt later dat dit niet de meest efficiënte keuze was. Het zal dan de compressie opnieuw starten met behulp van de andere – betere – methode. Dit kan enige tijd duren. De beste manier om hercodering te voorkomen, is ervoor te zorgen dat de eerste rijen van uw dataset een goed voorbeeld zijn van de rest van de gegevens. Op die manier zijn er later geen problemen met verrassende uitschieters die de compressiemethode beïnvloeden.

Haal het meeste uit uw gegevens door deze effectief te delen

Wanneer u uw in-memory analytics heeft geoptimaliseerd, kunt u uw gegevens efficiënt opslaan en verwerken. Moet het delen van uw rapporten ook niet efficiënt zijn? Met PBRS van ChristianSteven, kan uw rapportage worden geautomatiseerd om aan uw behoeften te voldoen. We zijn hier om te helpen. Neem contact met ons op voor meer informatie, of start vandaag nog met uw gratis proefperiode.

JN1290 - PBRS-promovideo 1080p

Download Features PDFStart de gratis proefperiode

Table of Contents

Vragen voor onze consultants?

Twijfel niet en neem direct contact met ons op met uw vraagstuk.