G.I.B Success Days. Siegen, High Performance Analytics. Performance - Was bedeutet das? Theorie - Performancedefinitionen bei SAP

Transkript

1 1 G.I.B Success Days Siegen, High Performance Analytics Performance - Was bedeutet das? Theorie - Performancedefinitionen bei SAP Selektionen - Datenbankzugriffe Große Datenmengen - Interne Tabellen

2 2 G.I.B Success Days Siegen, High Performance Analytics Performance - Was bedeutet das? Theorie - Performancedefinitionen bei SAP Selektionen - Datenbankzugriffe Große Datenmengen - Interne Tabellen

3 3 Performance - Motivation Das ganze <Adjektive gelöscht> SYSTEM ist langsam!!! Millsap: Thinking Clearly About Performance Was nun???

4 4 Performance - Antwortzeit Quelle: SAP AG

5 5 Performance - Erwartungen an die Antwortzeit Frontend Komplexe Backendanfrage 1 s 2 s 3 s 4 s Einfache Backendanfrage Komplexe Analysen Response Time Quelle: SAP AG

6 6 Performance - Wo können Probleme auftreten? SAP Netzwerk Betriebssystem / Hardware Datenbank

7 7 Performance - Die Administratorensicht Erste Anlaufstelle bei Performanceproblemen: SAP-Administration Ist das ganze System langsam? Oder ist nur eine einzige Transaktion / Report / Job betroffen? Ist das System gerade jetzt langsam? Oder nur zu bestimmten Zeiten? Immer? Ab und zu? Immer öfter? Oder nur zu bestimmten Zeiten? Ist es nur ein Benutzer, bei dem es Probleme gibt? Oder sind es nur Benutzergruppen? Oder alle Benutzer?...

8 8 Performance - Die Administratorentools

9 9 Performance - Kein Systemproblem!

10 10 Performance - Die Entwicklersicht

11 11 G.I.B Success Days Siegen, High Performance Analytics Performance - Was bedeutet das? Theorie - Performancedefinitionen bei SAP Selektionen - Datenbankzugriffe Große Datenmengen - Interne Tabellen

12 12 Die SAP-Architektur

13 13 Die SAP-Antwortzeit

14 14 Ein SAP-Dialogschritt

15 15 Anteile an der SAP-Antwortzeit (1)

16 16 Anteile an der SAP-Antwortzeit (2)

17 17 Gewichtung der Zeitanteile Anteilzeit Empfohlener Wert Reeller Wert Dispatcher Wait Time Dialog Response Time < ms < 10% Dialog Response Time < 50 ms < 5 ms Roll-In Time, Roll Out Time < 20 ms < 5 ms Load and Generation Time < 50 ms < 10 ms Enqueue Time < 5 ms < 5 ms Roll-Wait Time Database Request Time Processing Time < 20% Dialog Response Time < 200 ms < 300 ms < 40% Dialog Response Time < 600 ms < 40% Dialog Response Time CPU Time > 50% Processing Time > 90% Processing Time ABAP Processing Time Dialog Response Time - Roll-Wait Time - Database Request Time

18 18 Analyse im System - Alle Schritte einer Transaktion (ST03)

19 19 Analyse im System - Ein einzelner Dialogschritt (STAD) (1)

20 20 Analyse im System - Ein einzelner Dialogschritt (STAD)

21 21 G.I.B Success Days Siegen, High Performance Analytics Performance - Was bedeutet das? Theorie - Performancedefinitionen bei SAP Selektionen - Datenbankzugriffe Große Datenmengen - Interne Tabellen

22 22 Positionierung der jetzt untersuchten Probleme Performance Netzwerk Hardware / OS Datenbank SAP System Anwendung Job Dialogreport Speicher Laufzeit DatabaseTime ProcessingTime Statement Programm

23 23 Funktionsweise einer Datenbank - Teure Statements SAP R/3 Work Process SAP R/3 Work Process SAP R/3 Work Process Network communication DB Work Process DB Work Process DB Work Process Database CPU consumption Database memory consumption Database Shared Memory Shared Pool Database Cache Redo Log Buffer Database Service Processes Physical I/O Operating System Database Files

24 24 Fehler 1: CHECK und WHERE SELECT vbeln erdat kunnr FROM vbak INTO gs_vbak. CHECK gs_vbak-vbeln GE gf_low AND gs_vbak-vbeln LE gf_high. APPEND gs_vbak TO gt_vbak. ENDSELECT. SELECT vbeln erdat kunnr FROM vvbak INTO gs_vbak WHERE vbeln BETWEEN gf_low AND gf_high. APPEND gs_vbak TO gt_vbak. ENDSELECT.

25 25 Fehler 2: ARAY FETCH und SELECT LOOP (1) SELECT * FROM kna1 INTO gs_kna1. APPEND gs_kna1 TO gt_kna1. ENDSELECT. SELECT loop Object Oper Rec KNA1 KNA1 KNA1 REOPEN FETCH FETCH Data quantity and data transfer is identical! KNA1 FETCH 194 SELECT * FROM kna1 INTO TABLE gt_kna1. ARRAY FETCH

26 26 Fehler 2: ARAY FETCH und SELECT LOOP (2) SELECT INTO TABLE ABAP SAP WebAS Kernel + DB Time ABAP Time Time Database Interface Database SELECT/ENDSELECT ABAP Time Database Interface Database

27 27 Funktionsweise einer Datenbank - Datenzugriff Execution Plan ROWID MANDT VBELN POSNR MATNR ROWID MANDT VBELN POSNR MATNR ROWID MANDT VBELN POSNR MATNR Tabellen- und Indexstatistiken SELECT STATEMENT TABLE ACCESS FULL VVBAK ROWID MANDT VBELN POSNR MATNR Full Table Scan Cost-based Database Optimizer ROWID MANDT VBELN ERDAT ERZET ERNAM SELECT STATEMENT... INDEX UNIQUE SCAN VVBAK~0 Index Access Mögliche Zugriffspfade SELECT STATEMENT INDEX RANGE SCAN VVBAK~0

28 28 Funktionsweise einer Datenbank - Indexnutzung

29 29 Fehler 3: Übergehen vorhandener Indizes SELECT * FROM bkpf INTO TABLE gt_bkpf CLIENT SPECIFIED WHERE mandt = '001' AND belnr = ' '. BKPF Primärschlüssel: MANDT BUKRS BELNR GJAHR SELECT * FROM bkpf INTO TABLE gt_bkpf CLIENT SPECIFIED WHERE mandt = '001' AND bukrs = '0001' AND belnr = ' '. Primär= index vorhanden

30 30 Fehler 4 - Viele Einzelsatzzugriffe PROGRAM ZCHECK_ORDERS.... SELECT * FROM vbak INTO TABLE gt_vbak WHERE angdat >= ' '. LOOP AT gt_vbak INTO gs_vbak.... SELECT SINGLE * FROM kna1 INTO gs_kna1 WHERE kunnr = gs_vbak-kunnr. SELECT SINGLE in einer Schleife: Viele EINZELNE Datenbankzugriffe... ENDLOOP....

31 31 Tabellenpufferung - abseits vom SAP Tabellenpuffer (1) PROGRAM ZCHECK_ORDERS.... SELECT * FROM vbak INTO TABLE gt_vbak WHERE angdat >= ' '. LOOP AT gt_vbak INTO gs_vbak.... PERFORM buffer_kna1 USING fv_kunnr = gs_vbak-kunnr CHANGING fs_tab = gs_kna1 fs_not_found = gs_ok. Stattdessen: Aufruf einer Formroutine zur "Puffer"behandlung... ENDLOOP....

32 32 Tabellenpufferung - abseits vom SAP Tabellenpuffer (2) FORM buffer_kna1 USING fv_kunnr TYPE kna1-kunnr CHANGING fs_kna1 TYPE kna1 fv_not_found TYPE c. * überprüfe den internen "Puffer" READ TABLE gt_buf_kna1 INTO fs_kna1 WITH TABLE KEY kunnr = fv_kunnr. * Wenn nicht im "Puffer", laden von der DB... IF ( sy-subrc <> 0 ). SELECT SINGLE * FROM kna1 INTO fs_kna1 WHERE kunnr = fv_kunnr. IF ( sy-subrc <> 0 ). fv_not_found = 'X'. ELSE. *... und im "Puffer" speichern INSERT fs_kna1 INTO gt_buf_kna1. ENDIF. ENDIF. ENDFORM.

33 33 Problemfelder bei gleichzeitigem Zugriff auf mehrere Tabellen (1) PROGRAM ZCHECK_ORDERS.... SELECT * FROM crmh_buag_bdata INTO TABLE gt_crm WHERE partner = ' '.... CRM: Suche nach Bankdaten einer Geschäftsvereinbarung. Ein kleines, unschuldiges SELECT-Statement...

34 34 Problemfelder bei gleichzeitigem Zugriff auf mehrere Tabellen (2)

35 35 G.I.B Success Days Siegen, High Performance Analytics Performance - Was bedeutet das? Theorie - Performancedefinitionen bei SAP Selektionen - Datenbankzugriffe Große Datenmengen - Interne Tabellen

36 36 Positionierung der jetzt untersuchten Probleme Performance Netzwerk Hardware / OS Datenbank SAP System Anwendung Job Dialogreport Speicher Laufzeit DatabaseTime ProcessingTime Statement Programm

37 37 Interne Tabellen - Tabellenarten Tabellenarten Index Tabelle Standard-Tabelle Sortierte Tabelle Hash-Tabelle Verfügbar seit SAP Basis 4.0 SAP Basis 4.0 Index (sy-tabix) Ja Ja Nein Tabellenschlüssel Optional, niemals eindeutig Notwendig; kann eindeutig sein, muß aber nicht Notwendig; muß eindeutig sein Primärschlüssel Nein Ja, sortiert Ja, mit Hash-Funktion Zugriff variabel Wertebereich Einzelsatz

38 38 Interne Tabellen - READ - Suchfolgen Suchtyp # Steps Scaling Beispiele für READ TABLE Direct Access einzelner Zugriff O(1) READ TABLE itab INDEX von Index-Tabelle (standard oder sortiert) READ TABLE itab WITH TABLE KEY von Hash-Tabelle Binary Search Einige Zugriffsschritte O(logN) READ TABLE WITH TABLE KEY von sortierter Tabelle READ TABLE itab WITH KEY k1 von Standard-Tabelle mit BINARY SEARCH (itab sortiert nach k1 ) Sequential Scan gesamte Tabelle O(N) READ TABLE itab WITH KEY von Standard-Tabelle READ von Hash-Tabelle, falls kompletter Tabellenschlüssel nicht angegeben READ von sortierter Tabelle, falls das erste Schlüsselfeld nicht angegeben ist

39 39 Interne Tabellen - READ - Zugriffszeiten (1) 100,0 T 0, N T 0,8 0,7 0,6 0,5 0, N

40 40 Interne Tabellen - READ - Zugriffszeiten (2) 1,5 T 1,0 0,5 0, N

41 41 Interne Tabellen - READ - Zugriffe Scaling: Direct Access: O(1) Binary Search: logn Sequential Scan: N Schnell sind: Direkte Zugriffe auf Hash-Tabellen (falls der komplette Tabellenschlüssel angegeben ist) Binäre Suchen auf sortierte Tabellen (falls der führende Teil des Tabellenschlüssels angegeben ist) Langsam sind: Sequential Scans auf Standard-Tabellen Alle anderen Zugriffe auf sortierte und Hash-Tabellen. Kleine Tabellen (N < ): Performanceunterschiede können vernachlässigt werden Optimierungen: Möglich für Sequential Scans Initiale Kosten können nur durch sehr viele READs kompensiert werden.

42 42 Interne Tabellen - Operationsklassen Zugriffe auf interne Tabellen geschehen nicht nur durch READ, sondern auch durch andere ABAP-Kommandos. Alle diese Kommandos lassen sich in Operationsklassen einteilen. Operationsklassen Operationen Operationstypen INDEX idx READ, DELETE, MODIFY, Single Line 1 FROM wa APPEND, INSERT, COLLECT WITH [TABLE] KEY Multi Line 2 Full Table 3 LOOP, DELETE, MODIFY, APPEND LINES, INSERT LINES SORT, MOVE, SELECT INTO TABLE, DELETE ADJACENT DUPLICATES, COLLECT in LOOP FROM idx1 TO idx2 WHERE = INTO TABLE <keine Bedingung> <keine Bedingung>

43 43 Interne Tabellen - Multi Line Operation (1) LOOP AT itab INTO wa [FROM idx1][to idx2][where ]. Optimierung von LOOP WHERE: Hash-Tabellen Sind dann optimiert, wenn der komplette TABLE KEY verwendet wird. Alle anderen Zugriffe: Sequentielle Scans. Da der Tabellenschlüssel eindeutig sein muß, verhält sich ein optimiertes LOOP genauso wie ein READ. Sortierte Tabellen Complete or leading part of the TABLE KEY: Optimized access to first record of key range. Alle anderen Schlüssel: Sequentielle Scans. Standard-Tabellen Kein optimierter Zugriff bei nicht modifizierten Tabellen möglich, nur sequentielle Scans. Ist die Tabelle jedoch bereits beliebig sortiert, ist ein programmtech= nischer Ansatz zur Optimierung möglich.

44 44 Interne Tabellen - Multi Line Operation (2) LOOP WHERE: Optimized by BINARY SEARCH 1 2 SORT itab BY f1 f2. READ TABLE itab TRANSPORTING NO FIELDS WITH KEY f1 = a f2 = b BINARY SEARCH. idx1 = sy-tabix. IF ( sy-subrc = 0 ). 3 4 LOOP AT itab INTO wa FROM INDEX idx1. idx2 = sy-tabix. IF NOT ( wa-f1 = a AND wa-f2 = b ). EXIT. ENDIF. * Prozessierung oder [DELETE/MODIFY itab INDEX idx2.] ENDLOOP. ENDIF.

45 45 Interne Tabellen - Geschachtelte Lesezugriffe Häufige READs in geschachtelten Zugriffen: LOOP AT itab1 INTO wa1. READ TABLE itab2 INTO wa2 WITH KEY field1 = wa1-field ENDLOOP. Verhalten zur Laufzeit: Abhängig vom Zugriffstyp Sind die Tabellengrößen N1 und N2 in derselben Größenordnung, wird die Sache interessant: N1*1 N (linear) t ~ N1*logN2 N1 = N2 = N N*logN (linear-log) N1*N2 N*N (quadratic)

46 46 Interne Tabellen - Versteckte Nichtlinearitäten Testfall (kleine N) 40 N Time 1 1,0 10 1,9 50 8, ,0 Scheint linear für kleine N Produktivfall (große N) , ,0 Quadratisch für große N Nichtlinearitäten werden für kleine N schnell übersehen. Analyse für große N ist einfach: Debugging 0 0, , , , , ,0

47 47 Zusammenfassung Performanceanalyse - High Performance Analytics - ist ein mühsames Geschäft! Nichts ist einfach, wenn es um die Performance in einem SAP-System geht! Zusammenarbeit zwischen der Basisadministration und den Entwicklern ist unerläßlich! Als Entwickler hat man am ehesten Einfluß auf die Performance, wenn man bei Datenselektionen von der Datenbank und bei der Verwaltung von großen Datenmengen Vorsicht und gesunden Menschenverstand walten läßt.