Your SlideShare is downloading. ×
Sap hana
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Sap hana

827

Published on

SAP HANA expliqué pour tous

SAP HANA expliqué pour tous

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
827
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
49
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. SAP HANALes bases de données enmémoire
  • 2. BESOIN D’UNE NOUVELLE BASE DE DONNÉESDonnées transactionnelles: Analyse temps réel Données structurés Sources: Reporting, Analyse, Planning,Sources: Machines, utilisateurs, Simulation CPU (Multicore + RAM) Stockage des donnéesGestion d’évenement: Analyse TextFlux de données Données non structurésSources: Machines, capteurs, Sources: Web, Reseau sociaux etc..
  • 3. MYTHES DE L’OLTP!  OLTP: Optimisé pour l’écriture!  OLAP: Optimisé pour le Reporting •  En pratique, les chiffres sont semblables.
  • 4. VISION DE SAP HANA!  Combiner l’OLTP et l’OLAP en utilisant du •  Hardware moderne (Multi CPU Multi Core) •  Analyse temps réel •  Simplifier la structure des d’applications d’entreprise ( en faisant plus de traitement de la base de données)!  En plus •  Ne plus utiliser d’ ETL (Extraction, Transformation, Loading) •  Ne plus utiliser d’aggregat pré-calculé
  • 5. CHARACTERISTIQUES D’UNE APPLICATIOND’ENTREPRISE!   Beaucoup de colonne ne sont pas utilisé!   Beaucoup de colonne on une cardinalité basse!   Les valeurs ‘Null’ et valeur par défaut sont majoritaire!   Les applications d’entreprise sont facilement compressible
  • 6. PROGRÈS DU HARDWARE!  CPU: 8 (8-16 Core)!  RAM: 4 TB!  Technologie de partage mémoire inter-CPU, inter Blade!  Capacité Core: 2GB/s
  • 7. TEMPS D’ACCÈS MÉMOIRECache sur Cache ………….. sur Cache
  • 8. PARALLELISATION!  Les tables sont distribués sur différents nœuds: •  Les tables sont partitionnées
  • 9. ARCHITECTURE SAP HANA!  Les données sont stocké en mémoire!  SSD: Recovery, archivage!  La mémoire est le nouveau goulot d’étranglement!  Compression réduit le nombre E/S!  Opération direct sur les données compressé
  • 10. STOCKAGE DES DONNÉES EN COLONNE ETCOMPRESSION!  8 milliard d’humains!  Structure de la table: •  Nom •  Prenon •  Sexe •  Pays •  Ville •  Date de naissance •  200 Octets par lignes!  Taille de stockage: 8 Milliard * 200 = 1 490 GB
  • 11. STOCKAGE DES DONNÉES EN COLONNE ET COMPRESSION !   Stockage en ligne !   Stockage en colonne +Nom   Prenom   Sexe   Pays   Ville   Date  de  naissance   CompressionCouet   Romain   M   France   Paris   01.01.1973   Nom   Prenom   Sexe   Pays   Ville   Date  de  Naissance   1   1   1   1   1   1  Savornin   Dominqiue   M   France   Paris   01.01.1973   2   2   1   1   1   1   3   3   1   1   1   2  Goffaux   Guillaume   M   France   Paris   01.01.1984   4   4   1   1   1   3  Taspinar   Ossman   M   France   Paris   01.01.1982   !   Dictionnaire Prénom   Nom   Ville   Date  de  Naissance   Sexe   Clé   Text   Clé   Text   Clé   Text   Clé   Text   Clé   Text   1  Romain   1  Couet   1  Paris   1  01.01.1973   1  M   2  Dominique   2  Savornin   2  01.01.1984   2  F   Pays   3  Guillaume   3  Goffaux   3  01.01.1982   Clé   Text   4  Ossman   4  Taspinar   1  France  
  • 12. STOCKAGE DES DONNÉES EN COLONNE ETCOMPRESSION!  Stockage en ligne !  Stockage en colonne •  Bas cout CPU pour la •  Reconstruction d’une ligne reconstruction d’une ligne est couteux •  Cout élevé pour un scan •  Lecture séquentiel rapide séquentiel
  • 13. STOCKAGE DES DONNÉES EN COLONNE ETCOMPRESSION Nombre  dOctet     Nombre  de  bit  requis   requis    Colonne   Cardinalité   (Compressé)   Non  compressé   Plain  Size    (GB)   Colonne  (GB)   DicConnaire  (GB)  Nom   5  000  000   23   49   365,08   21,42   0,23  Prenom   8  000  000   23   50   372,53   21,42   0,37  Sexe   2   1   1   7,45   0,93   0,00  Ville   1  000  000   20   49   365,08   18,63   0,05  Pays   200   8   49   365,08   7,45   0,00  Date  de  naissance   40000   16   2   14,90   14,90   0,00     84,75   0,65  Total     1490,12   85,40      !  Ratio de stockage: •  17/1 •  En pratique SAP se base sur un ratio 7/1
  • 14. ARCHITECTURE SAP HANA
  • 15. IMPLEMENTATION DE SAP HANA!  HANA sur BW •  Remplace la base existante •  Transparent pour BW!  HANA sur ECC •  La base existante reste active •  Réplication •  Log •  Trigger •  ETL (BO Data Services)
  • 16. DEMONSTRATION
  • 17. Merci pour votre attention

×