En desarrollo: intercalación de consultas para Azure Analysis Services

Azure Analysis Services proporciona modelado semántico de inteligencia empresarial con las ventajas de escalado, flexibilidad y administración que ofrece la nube, ya que ayuda a transformar datos complejos en conclusiones que permiten tomar medidas. Los sistemas de inteligencia empresarial deben admitir un elevado número de usuarios de forma simultánea, lo que significa que pueden enviarse montones de consultas muy próximas las unas de las otras. Nos complace anunciar que estamos trabajando en la característica de intercalación de consultas, que permite que la configuración del sistema mejore la experiencia del usuario en escenarios con un elevada simultaneidad de usuarios.

De forma predeterminada, el motor tabular de Analysis Services funciona con el método de "primero en entrar, primero en salir" [FIFO (PEPS)] con respecto a la CPU. Esto significa que, por ejemplo, si se recibe una consulta del motor de almacenamiento que requiere muchos recursos o es lenta y le siguen de cerca dos consultas rápidas, las consultas rápidas podrían quedarse bloqueadas esperando a que finalice la consulta que consume muchos recursos. Esto se representa en el siguiente diagrama, que muestra Q1, Q2 y Q3 como las consultas respectivas, su duración y el tiempo de CPU.

Con el intercalado de consultas, las consultas simultáneas pueden compartir recursos de CPU, de modo que las consultas rápidas no se quedan bloqueadas por las consultas lentas. El tiempo que tardan en completarse las tres consultas sigue siendo más o menos el mismo, pero las consultas Q2 y Q3 no se quedan bloqueadas hasta el final.

La intercalación de consultas está pensada para que el impacto en el rendimiento sea mínimo o ninguno para las consultas que se ejecutan de forma aislada; una sola consulta aún puede consumir tanta CPU como lo haría en el modelo FIFO (PEPS).

El sesgo para las consultas cortas se puede configurar con la intercalación de consultas. Esto significa que a las consultas rápidas (definidas por la cantidad de CPU que ha consumido una consulta) se les puede asignar una proporción de recursos mayor que a las consultas de larga duración, de modo que pueden completarse en un tiempo razonablemente corto. En la siguiente ilustración, las consultas Q2 y Q3 se consideran “consultas rápidas” y, por tanto, se les asignan más recursos de CPU que a Q1.

Confiamos en que pueda ver que la intercalación de consultas con un sesgo que favorezca a las consultas cortas aportará más valor a los sistemas de inteligencia empresarial en Azure Analysis Services.