大家好，大数据的现状，

只是列出并写下我们为提高性能而见证的HANA建模的所有整合最佳实践。

尝试使用星型连接，而不是将主数据/维度的多个节点连接到测量事实表。

尝试使用计算视图进行所有涉及复杂计算的建模和设计以及数据处理。

对于主数据/属性视图类型，使用–维度

对于多维用途/OLAP场景–多维数据集

甚至带有计算列和度量值/逻辑的属性视图/分析视图都将传递给HANA视图的计算引擎。如果设计涉及主数据维度与度量值（事实表列）的多个联接，大数据的内容，请使用星形联接作为类型。这比在多个节点进行连接有更好的性能

为对基础数据没有频繁更改的视图/模型设置缓存失效期将提供更快的结果，并将缓存结果保留一小时或一天

关于连接的建议

如果可能，看云，尝试使用相同的节点不同条件下的计算列和带有并集节点的投影，以组合同一节点的多个条件/分离投影。（避免将相同的节点/信息投射到不同的段）

如果需要连接，请尝试使用带基数的左外/右外（n:1或1:1）–如果您确定驱动表，因为这将增强性能和选择"Optimize join=TRUE"的选项。

此外，在整个分析视图的设计过程中考虑多个连接节点，然后在计算视图中连接这些分析视图。避免单个数据源（或节点）在计算视图中馈送多个节点。

同时，移动物联网，尽可能减少节点和联接的数量，中国电信物联网，并尝试改用union。

为了更好的查询性能和更快的结果检索，请避免对计算列进行筛选/联接，不要在单个视图中混淆脚本视图和图形计算视图。

也可以考虑使用CE计算函数或脚本用于连接脚本视图或多个图形计算视图。

最多使用左外连接。指定联接中的基数（n:1或1:1）–仅当确定时设置optimize join=true（仅当基数设置为如上所示时）使用表函数而不是脚本计算视图。在SQL引擎中执行（用于HANA live）尽早减少数据集。在最低级别使用设计时过滤器输入参数：占位符部分模型可用于计算。可以接受多个值，并且可以从表或存储过程派生确保变量（where子句）被推到最低级别。确认使用可视化计划使用分析权限和SQL分析权限（SP10）筛选数据避免使用基于脚本的计算视图，WHERE子句不会向下推。使用Filter比使用内部连接来限制数据集要好。避免对计算列进行筛选（考虑具体化这些列）。HANA建模的最佳实践之一是在数据类型为INTEGER或BIGINT的列上定义联接。

不建议在数据类型为NVARCHAR或DECIMAL的计算列/字段上使用联接，可能会产生性能问题。

这些是许多顾问和开发人员遵循的一些最佳实践。但仍有一些复杂的业务需求迫使我们使用或减少此类最佳实践，而这些最佳实践可以忽略不计。