En los últimos dos años, he llevado a cabo talleres de rendimiento de SAP HANA y revisado modelos de información en varios clientes. Me he encontrado con problemas o errores de modelización similares en casi todos los proyectos de los clientes. La buena noticia es que la mayoría de los problemas de rendimiento se pueden resolver realizando cambios menores en el modelo. Sin embargo, es fundamental comprender las razones detrás de los problemas de rendimiento que se observan de manera consistente en las implementaciones de HANA. A continuación, presento mis observaciones.

Los modeladores de HANA tienen una buena idea de cómo construir vistas de atributos, vistas analíticas y vistas de cálculo que forman parte de la modelización de HANA. Sin embargo, existe una brecha significativa en el conocimiento sobre cómo utilizar estas vistas de información de HANA de manera efectiva para abordar los requisitos empresariales. Algunos de los modeladores de HANA no tienen experiencia en el ámbito de los almacenes de datos y, por lo tanto, carecen de conocimientos básicos sobre informes analíticos multidimensionales, lo que conduce a un diseño deficiente de soluciones. Los modeladores y desarrolladores parecen tener conocimiento sobre “qué funciona y qué no funciona”, pero parecen carecer del conocimiento sobre “por qué se comporta de la manera en que lo hace”, lo que dificulta la aplicación efectiva del conocimiento al construir los modelos. Por último, existe un error fundamental en la comprensión del Ciclo de Vida del Desarrollo de Software (SDLC, por sus siglas en inglés). ¿Es la prueba de rendimiento una fase previa a la puesta en marcha o forma parte de las pruebas unitarias? La respuesta de consulta de HANA es extremadamente rápida para conjuntos de datos más pequeños, independientemente del enfoque de modelización. Esto da una falsa impresión de una modelización eficiente. La realidad de los problemas de rendimiento solo se hace visible en el sistema de Staging/QA, donde se prueban los modelos con grandes volúmenes de datos. Como mencioné anteriormente, la mayoría de estos problemas se pueden resolver con cambios muy pequeños. Por lo tanto, es esencial construir el modelo correctamente desde el principio. Así que aprendamos a modelar de la manera correcta desde el primer momento. Manténganse atentos, pronto tendremos un seminario web sobre este tema.