在本文中，我想分享一些关于SAP HANA cubes到SAP Analytics Cloud data wranglers的数据摄取技术的见解。

谈到SAP HANA，重点将是使用SAP Cloud Platform[SCP]Cloud Foundry[CF]上提供的不同SAP HANA云服务。

在本期中，我将从Azure CF上的SAP PSA（持久性服务）HANA服务开始。

下一步将跟随HaaS CF，最终计数将以[CF]上最新的HANA云服务结束。

说到SAP Analytics Cloud，我将使用的产品功能在功能范围描述（FSD）文档中进行了描述。

每个分析工具有它的优点。SAP Analytics Cloud[SAC]支持以本机方式直接连接到许多SAP应用程序作为数据源。SAP HANA就是其中之一。

然而，我注意到有些用例不需要实时连接，特别是对于需要随时对数据进行全面审查和管理的业务应用程序，内容提供商需要对交付给客户的数据/内容实施更严格的控制消费者。

实时SAP HANA连接是SAC相对于其竞争对手的一个直言不讳的优势。

实时或直接连接不仅意味着没有数据复制，而且还意味着数据源的语义知识。

但是，这可能是一个不太常见的知识，通过SAC可以创建查询和获取数据直接来自SAP HANA多维数据集，无需ETL工具。

（这与WebIntelligence的universe/query范例非常相似。）

SAC提供了一长串所谓的已获取数据源。同样，SAP HANA也是其中之一。

SAC是一个云设备，位于其自己的SAP cloud Platform[SCP]子帐户（在cloud Foundry或SAP Neo上）。

这就是SAP cloud Connector[SCC]的组合，云购全球，因为它允许通过SCP连接服务利用云到本地连接。

问题。但是SCC只提供了安全的通信通道。那么数据本身呢？如何连接到数据源？

回答。这就是SAC云代理[C4A]发挥作用的地方。

C4A本质上是一个连接代理–"连接服务器"–一个理解底层数据源语义的机智中间件。

C4A作为一个随时可部署的servlet提供。最好与SCC一起部署在内部部署。

作为一个快速提醒，Cloud Foundry上的所有SAP HANA服务都没有应用程序运行时（没有XSA）。除了基于PSA的HANA服务之外，他们也不提供XSC。

这使得实时连接更加麻烦，因为它意味着HANA分析适配器[HAA]的部署，物联网的应用实例，HAA分析适配器是一个专用的java应用程序，它实现了建立连接所需的SAP信息访问（InA）REST协议实时连接。

但如果数据采集是一个可行的选择，它可能有助于简化数据摄取过程，并有助于保持低成本（通过消除使用CF应用程序运行时进行HAA部署的需要）

简而言之，返利平台，所要做的就是公开SAP HANA服务的jdbc SQL端点。

使用PSA HANA服务jdbcsql端点已经在CF上公开了。但是，手机自助建站，为了能够使用它，需要先创建一个CF应用程序并将其绑定到服务上。

这超出了本文的范围，但是如果读者有兴趣介绍这种方法，我可能会在下一集中介绍。所以请投票：）.

或者，您可以使用SCC连接到提供了基于HANA PSA的服务的CF子帐户，然后创建到HANA实例的服务通道。

由于我们已经使用SCC从SAC端启用云到本地连接，因此为了服务通道，我们将重新使用相同的SCC。

我们可以创建多个服务通道服务通道到相同的[租户]数据库，如下所示。

服务通道

例如，这就是SAP HANA Studio的外观。

使用两个不同的服务通道端口（30515和30615）有3种不同的连接定义变体。

值得注意的是，所有3种连接都指向同一个租户数据库（系统数据库由SAP管理，无法通过服务访问）

SAP HANA工作室

好的。从现在起，您可以尝试创建SAP HANA导入与SAC的连接。

我们将重点关注以下两个选项：

第一个选项可能非常方便；当涉及到从本地HANA开发迁移到Cloud Foundry universe时。

后一个（也是首选）选项允许充分释放硬件部署的力量基础设施，重点是集装箱运输，而不是包裹交付。

为了演示第一种方法，大数据产品，我将一个著名的HANA SHINE包上传到数据库中。

这模仿了一个典型的SAP HANA开发范例，在该范例中，开发人员将处理每个包中可能包含多个多维数据集的包。

（另请注意：数据将通过HANA SDI引擎或任何其他ETL工具（SAP SLT、SAP data Services、SAP DataHub等）加载到HANA表中—这不在本文范围内）

下一步是使用SAC，需要做的就是创建新的SAP HANA连接。（这可能需要将管理配置文件授予您的SAC用户。）

一旦我们有了一个工作连接，就可以创建一个模型[该模型将包含讲故事所需的业务信息。]

您可以选择任何可用于此连接的多维数据集，然后构建一个查询，以进一步细化您将要创建的数据引入SAC模型。

一旦您的查询建立，您将执行它。

这将开始数据采集到一个新的数据整理器，该数据整理器将由SAC安全保存长达7天：

数据整理器是一个重要的概念。它保存采集到的数据。

所有后续操作将在SAC租户本身上执行。

数据整理器

从现在开始，数据可以进一步整理，最终创建模型。

模型中的数据可以通过调度定期刷新。

模型可以用于手动或手动构建故事自动利用智能发现功能。

例如，您可能已决定运行基于Netamount measure的智能发现。

然后，SAC将生成一个包含概述、影响因素、异常值和交互式模拟页的4页故事。

SmartDiscovery

确定。第一部分到此结束。希望你读得愉快。期待评论。

最美好的祝愿

Piotr Tesny

PS.

在第二批中，我将演示如何从HDI容器导入数据（上面的选项2）