SAP HANA. SAP HANA Curso de Modelado y Administración Septiembre, 2017.pdf

SAP HANA
SAP HANA Curso de Modelado y Administración Septiembre, 2017

© 2017 SAP AG or an SAP affiliate company. All rights reserved. 2
SAP HANA - Agenda
Introducción al modelado en SAP HANA
Conexiones entre tablas
Modelado avanzado
Creación de Vistas de Atributos
Utilización de Jerarquías
Vistas de Cálculo
Creación de Columnas restringidas y
calculadas
Filtros y Variables
Conversiones de Moneda
Procesamiento de Modelos de información
Administración del contenido
▪
▪
▪
▪
▪
Seguridad y Autorizaciones
Administración de Usuarios y Seguridad
Tipos de Privilegios
Autenticación SAP HANA y BI4
Flujo de réplica de datos
SAP SLT
SAP Data Services
Archivos Planos
Direct Extractor Connection (DXC)
▪
▪

SAP Analytics Portfolio

Real-time Operational Intelligence is the new frontier Window of
opportunity to lead your way
Sensing and
Responding
Big Data
New Signals
Real-Time
Empowerment Personalized Insights
Consumerization
of IT
Sentiment
Intelligence
In-memory Predictive Analytics
Cloud
Mobile Real-Time
Analysis
Social

SAP’s In-Memory Data Management innovation
Providing real-time platform for enterprise analytics & applications
A common Database Approach for OLTP and OLAP
using an In-Memory Column Database
Hasso Plattner
SAP
In-Memory
cache
VS
Transactions + Analysis
directly in-memory
Transact Analyze Accelerate

SAP HANA Live deployment options
frontend
Replication
Clientes pueden añadir nuevas habilidades analíticas sin discontinuar el actual landscape.
Cualquier inversión actual será valida para cualquier Business Suite powered by SAP HANA.
SAP Business Suite
fron
Integrated Stack
SAP Frontend BOBJ
HTML 5
(ERP, CRM, SCM,…)
Any
SAP HANA Live
SAP HANA
Sidecar Approach
BOBJ
HTML 5
Any
frontend
SAP HANA Live
SAP HANA
Existing Stack
SAP Frontend
SAP Business
Suite
(ERP, CRM, SCM,…)
AnyDB

SAP HANA - Introducción al Modelado
Estructura de componentes y vistas en SAP HANA.

ews iews on View
Attribute Vi Analytic V Calculati
• • Combina Fact-Tables y Attribute
Views para un Modelo estrella, u
OLAP (cubos) para reportes
Multidimensional.
Agregados y sumarizaciones
realizadas en memoria (On the Fly).
Jerarquías son claves para el
acceso multidimensional
(navegación, filtrado, recorte and
agregación)
•
•
Flexibilidad para un uso avanzado.
Puede modelar escenarios
personalizados
 Combina el uso de Multiple-
Fact Table/Analytics Views
 Construido en modelo de datos
normalizados.
 Re utiliza Vistas.
 Permite Scripts custom para las
vistas

•


•
Compone una vista tridimensional
con una serie de atributos derivados
de una colección de tablas.
Ej. Datos Maestros.
Reutilizadas entre Analytic Views
Usado para construir Jerarquías
Jerarquías son elementos claves,
en conjunto a Analytic View para
reportes Multi-Dimensionales.

Criterio por tipo de almacenamiento:
Para escrituras masivas, utilizar el almacenamiento por fila.
Para lecturas masivas, utilizar el almacenamiento por columnas.
▪
▪
Antes de comenzar a modelar, hay que tener en cuenta los posibles escenarios, reservando un tiempo
para el análisis previo.
Autorizaciones/Seguridad:
HANA dispone de Autorizaciones/Privilegios de información, aplicados solamente por modelo (Ej: Analytics
View, Calculation View, Attribute View)
▪
Funcionalidades:
Algunos algoritmos complejos solo pueden ser expresados en lenguaje L.:
Conversión Monetaria standard de HANA es soportado únicamente sobre Analytic/Calculation View.
UNION solamente en Calculation View
▪
▪

SAP HANA Engines
La arquitectura de SAP HANA provee diferentes tipos de motores
▪

Join Engine
Es utilizado para la Optimizar todos los tipos de Joins.
OLAP Engine
Es utilizado por cálculos y agregaciones basadas en un modelo estrella o similar.
Calculation Engine
Es utilizado por encima del Join Engine y/o OLAP Engine, para cálculos complejos que
no pueden ser solventados por los motores anteriores.
SQL Optimizer
Decide el mejor camino para llamar a los diferentes motores en función de las consultas
y modelos involucrados.
▪
▪
▪
▪

SAP HANA utiliza el motor indicado en función del modelo planteado:

Filtrar información en las capas mas bajas.
(Constraint, Where, etc)
Evitar cálculos antes de agregación, a nivel
de partidas individuales o registros
Unir campos claves entre tablas, o realzar indexados
Realizar agregaciones de información, reduciendo las
columnas
Reducir la transferencia de datos entre vistas.
Realizar Cálculos luego de la agregación
Evitar expresiones complejas (IF, CASE,…)
Evita la transferencia de grandes porciones de
información entre HANA y aplicaciones cliente.

SAP HANA - Conexión entre tablas
Para poder crear un optimo modelo de información es necesario entender los distintos tipos
de conexiones entre tablas (Joins) que soporta SAP HANA.
En esta unidad se explicará como y en que situación, conectar tablas usando:
Inner Join
Left Outer Join
Right Outer Join
Text Join
Referential Join
Temporal Join
Union
•
•
•
•
•
•
•

Tipo de Join Cuando se necesita un reporte sobre… Ser conscientes de que…
INNER Facts que tengan relación (matching) con
dimensiones solamente.
Miembros Fact sin alguna dimension o viceversa, queden
excluidos.
Solo cuando el Join siempre se realice.
LEFT OUTER Todos los registros de la Fact que puedan
conectarse con una Dimensión o no.
Miembros de dimension sin algun Fact, serán excluidos.
RIGHT OUTER Todos los registros de la Dimension, puedan
conectarse a registros de la fact o no.
Miembros de Facts sin alguna dimension podrá ser excluido
REFERENTIAL Una fact con solicitud a una dimension, pero la
integridad referencial no esta asegurada.
-Es el tipo de join por default.
-Trabaja como un INNER, para las Attribute View.
TEXT Tablas dimensiones de SAP, conectadas a una tabla
de texto para propósitos de traducción.
Esta disponible solamente para Attribute-View con tablas
de SAP ERP (SPRAS) o un diseño equivalente
TEMPORAL Una clave de fechas con un periodo de validez. Define un REFERENTIAL JOIN, entre una columna temporal
(Key Date) y una columna Desde y Hasta y condición
temporal.

Inner Join – Attribute View
Inner Join devuelve las filas en donde haya intersección o identificación en
ambas tablas.
Customer (3 &4) no forman parte del
resultado ya que no tienen correspondencia
(TX) en la tabla de States.

Inner Join – Analytical View
Se visualiza como la
Orden (4 & 77) se
pierde en el join.

Inner Join & Filtros de Tiempo
Aplicando un filtro de tiempo
Filtro fijo aplicado
Los filtros son aplicados antes de que los
joins fueran ejecutados

Left Outer Join – Attribute View
Left Outer Join devuelve todas las filas
de la tabla izquierda aunque no haya
relación con la tabla derecha.
Este Join es popular en Analytical
Views donde son joineados los Attribute
view por las tablas Fact.

Left Outer Join – Analytical View
Cliente (TOM) no figura como
resultado, ya que no tiene
items en la tabla de ordenes
de compra.

Text Join
Utilizado para join entre una tabla de
texto con una de datos maestros.
Actúa como un Left Join y puede ser
usado con tablas de SAP donde se
desea traducir el lenguaje de una
columna (SPRAS).
Para cada atributo, es posible definir
un mapeo de descripción que
devuelva a los usuarios finales un
lenguaje especifico.

Calculation View – Join vs. Union
Atención!! NO realizar JOIN entre Analytical Views, puede afectar a
la performance. Se debe usar UNION con valores constantes
cuando se trabaja con multiples fact.

Calculation View – Union

Práctico I – Unir con la opción correspondiente
Usado para juntar 2 o mas Analytics View
Tipo de tabla usada en almacenamientos masivos
Tipo de tabla usada para lecturas masivas
Utilizado para mostrar Datos maestros
Compone la capa de indicadores simples generando un modelo
estrella
Utilizada para realizar cálculos complejos
y/o unir diferentes Fact
- Almacenamiento en filas (Row Storage)
- Attribute View
- Almacenamiento en columnas (Column Storage)
- Union
- Analytic View
- Calculation View

SAP HANA – Modelado Avanzado
Typical View-
Windows
The SAP HANA Modeler Eclipse-perspective
Perspective
s
Perspectives are build
upon different View-
Windows in the
Eclipse
environment

The SAP HANA Modeler within the SAP HANA studio
• Quick Launch access to common modeling tools
Actions or wizards for
working with
content
Wizards for creating /
graphical designing
HANA
Content objects as
Information
Models
Actions or wizards for
working with data or
working with a SQL
console
Managing the
work
environment and
system
connection
s

El content contiene la metadata de
los modelos en SAP HANA,
e.j.
Analytic Views, Attribute Views, etc
El catalogo contiene
objetos por
schemas, tales como
tablas, columnas
etc
Creación de objetos

SAP HANA - Modelado Avanzado
Creando Vistas - Package
Package
Los objetos de modelado, ya sean Attribute View, Analytic View
o Calculate View, son agrupados de modo organizativo dentro de
objetos denominados Package, ubicados en el Content.
▪

Creando Attribute Views
Vistas utilizadas para obtener datos maestros
Los cuales decodifican las ID de las Fact o
Analytics View.
Las Attribute View seleccionan un subset de
columnas y filas de determinadas tablas.
Las mismas pueden ser reutilizadas en
distintos Analytics View.
Ej: Product Atrribute View, puede ser usada en Sales Orders Analytic View como también en
Purchase Order Analytic View
▪
▪
▪

Creando Attribute Views
Tipos
Tipo Standard: Utilizado para la creación Default.
Tipo Time: Utilizado para valores temporales.
Tipo Derived: Para la creación en función de otro Attribute
View.
▪
▪
▪

Creando Columnas calculadas en Atrribute Views.
Para realizar Agrupamientos
especiales o cálculos a nivel
de atributos
▪

Attribute View – Características de Tiempo
Existe un tipo de Attribute View, el cual puede ser
definido como “Time” para la creación de atributos
Temporales. Ej: Dimension de Tiempo.
▪

Práctico II A – Attribute View
- Crear un Package con sus iniciales, Ejemplo (EAC)
- Crear un Attributte view (DIM_ITEM_AT) dentro del Package creado
anteriormente utilizando las tablas: MARA y MARC
- De la tabla, seleccionar como campos de salida:
Material Number
Descripcion
- Validar
- Agregar el Miembro CompanyCode, (Valor Constante ‘efashion’)
- Hacer lo mismo con la dimension DIM_BusinessPartner_AT, Tabla KNVV,
KNA1, unir por los campos correspondientes y seleccionar los campos:
KUNNR (Customer Number), VKORG (Sales Organization), VTWEG
(Distribution Channel), SPART(Division), NAME (Customer Name),
LAND1(Country Key), ORT01 (City)

Práctico II B – Attribute View
- Crear un Attributte view (DIM_TIME_AT) dentro del Package creado
anteriormente utilizando el asistente para creación de vistas de tiempo:
- Crear Nueva Atribute View, seleccionar tiempo, granularidad: diaria y
Creación automática
- Validar
- Activar la vista.

Usando Jerarquías
Por ejemplo, considerando la Attribute View de tiempo con YEAR,
QUARTER y MONTH. Estas columnas pueden usarse para definir una
jerarquía dentro de la Attribute View de tiempo.

Usando Jerarquías
Mediante los Attribute View, se pueden generar jerarquías de navegación y agregación:

Práctico III – Jerarquías
- Crear una jerarquía de navegación mediante el attribute view DIM_BusinessPartner_AT
- Jerarquía: LAND1, ORT01, NAME1
- Validar
- Activar la jerarquía.

Creando Analytic Views
Las Analytics view están constituidos por modelos estrella de Fact y Dimensiones, con
indicadores calculados o restringidos.
En el lenguaje de SAP BW, las Analytics View puede ser comparado con Info Cubos e Info sets.
Las Analytic Views liberan el potencial de SAP HANA para calcular datos agregados. Por
ejemplo: La cantidad de un producto vendido por País, o el máximo producto consumido por
mes.
▪
▪
▪

Seleccionar las tablas
que compondrán la
Analytic View

Marcar como atributos
a los ID y Keys.
Marcar como measure
a las columnas de
indicadores

Realizar los Joins correspondientes entre el Data Foundation y los Attribute View

Analityc View - Columnas restringidas y Calculadas
Columnas Restringidas: Son columnas a las cuales se les puede filtrar un subset de
información, para realizar algún calculo posterior.
Un ejemplo es, teniendo la necesidad de comparar las ventas de un año vs. las ventas del
año anterior.
Columnas Calculadas: Son columnas adicionales que pueden guardar algún calculo en
especial entre otras columnas del Data Foundation.
▪
▪

Columnas Restringidas:
En donde se selecciona la columna
que se requiere filtrar, y luego
agregar el criterio de restricción.
▪

Columnas Restringidas.:

Columnas Calculadas:
Definición de la columna calculada (nombre y Script)
Para finalizar, activar la columna.

Práctico V - A – Analytic View
- Crear una Analytic View (FACT_VENTAS_AV) en función de las tablas VBRK y VBRP
- Identificar los indicadores a crear como Measures. Price (Valor / Cantidad), Cantidad
(FKIMG), Valor(BRTWR).
- Activar
- Verificar los datos.

Práctico V - A – Analytic View (Continuación)
- Agregar a la Analytic View (FACT_VENTAS_AV) la tabla VBPA
- Realizar Join Correspondiente
- Filtrar la funcion de interlocutor PARVW = ‘WE’
- Realizar el join correspondiente con las ATTRIBUTE_VIEW Necesarias.
- Identificar los indicadores a crear como Price (Valor / Cantidad), Cantidad (FKIMG),
Valor(BRTWR).
- Crear Cálculos, multiplicar por ‘1.19’ el valor y precio y crear 2 indicadores precio y
cantidad con IVA
- Activar
- Verificar los datos.

Filtros y Variables
Diferencias entre Filtros y sintaxis WHERE :
Filter
• Es definido al momento de diseñar la
tabla.
• El filtro es aplicado sobre la tabla luego
de que la consulta inicie la ejecución.
• Normalmente mas rápido que la clausula
WHERE, ya que el resultado del set de
datos antes de proceder con el plan de
ejecución.
WHERE
• Es definido en tiempo de ejecución en la
consulta SQL
• Los filtros se aplican sobre el resultado de
la consulta
Utilizados para reducir cantidad de información.

Filtros y Variables
Aplicando filtros al set de datos sobre Analytic View.

Filtros y Variables
Variables
En las Calculation View, se pueden crear 2 tipos de objetos para que lo usuarios ingresen
información para obtener un determinado reporte variable.
Variables: este tipo de objeto, condiciona a que los valores que se utilicen para el
filtrado solo pueden ser valores disponibles en el atributo a filtrar.
Input Parameters: este puede contener cualquier valor que el usuario desea
ingresar para su reporte. Por lo tanto, también se debe especificar el tipo de dato a
ingresar.
▪
▪
▪

Filtros y Variables
Los siguientes tipos de variables son soportados:
Tipo Descripción
Single Value Usado para aplicar filtros de valor único.
Interval Usado para indicar al usuario, la selección de información mediante un intervalo de
Inicio y Fin.
Range Usado para indicar al usuario el ingreso de información con operadores “Greater
Than” o “Less Than”

Filtros y Variables
Creando una variable:
1) Crear una variable y configurarla 2) Aplicar la variable como filtro

Filtros y Variables
3) Aplicando como filtro la variable: 4) Al visualizar datos:

Filtros y Variables
Los siguientes tipos de Input Parameters son soportados:
Tipo Descripción
(Direct)
Currency
Utilizado durante la conversión de moneda, en donde el usuario pude indicar la moneda origen y
destino.
(Direct)
Date
Utilizado para recuperar una fecha ingresada por el usuario mediante un Calendario como input.
Static List Utilizado para que el usuario seleccione de una lista estática los valores como parámetro.
Column Utilizado cuando el usuario deba tener una lista de valores en un modelo de información.
Derived
from table
Usado para que el usuario deba tener una lista de valores, disponibles en un nueva tabla.
(Direct) Si ninguno de los anteriores aplica, se puede utilizar el tipo “Direct” con el tipo de dato apropiado.

Filtros y Variables
Creando un Input Parameter:
Lista de valores custom

Filtros y Variables
Creando un Input Parameter y luego utilizarlo
en una columna calculada para hacer
variable la selección del usuario final.
Formula utilizada en el Expression Editor:
If(‘$$GROSS_OR_NET$$=‘GROSS‘,
“GROSS_AMOUNT”, “NET_AMOUNT”)
▪

Filtros y Variables
Creando un Input Parameter para selección de fechas:
▪

Práctico VI – Analytic View
- Copiar la Analytic View del practico anterior
- Renombrar la Analytic View como Fact_Devoluciones_AV
- Aplicar un filtro sobre la Analytic View creada en el punto anterior, el cual traiga solo
información para las devoluciones SHKZG =‘’
- Aplicar un filtro sobre la FACT_Devoluciones_AV que solo traiga la información donde
SHKZG =‘B’ o SHKZG =‘X’
- Activar
- Verificar los datos filtrados.

Práctico VII – Analytic View
- Reutilizando la anterior Analytic View, crear:
- AN_VENTAS_2016 (o los años que tengan informacion)
- AN_VENTAS_2015
- Aplicando el filtro correspondiente a cada una de las Analytics
- Renombrar cada columna correspondiente a las Analytics en función del año filtrado.
- Activar
- Verificar los datos filtrados.

Práctico VIII – Analytic View
- Sobre la Analytic View FACT_VENTAS, se desea agregar un Parámetro de entrada el cual
permita seleccionar el impuesto a la measure Valor de la siguiente manera:
- Imp_21: LineTotal x 21%
- Imp_15: LineTotal x 15%
- Validar y activar
- Verificar los datos y que funcione correctamente el Parámetro.

Calculation View
Son vistas compuestas, utilizadas sobre las Analytics y Attribute View.
Puede realizar cálculos complejos, que no son posible de realizar con otras vistas.
Las Calculation view, pueden ser definida como una combinación de tablas, Attribute View,
Analytical View, para resolver un requerimiento complejo de negocio.
Ofrece, la combinación de diferentes Analytics View como un único origen de datos para
reportes.
Existen 2 formas de crear este tipo de vistas:
1. Graphical Calculation View: Son creadas mediante el editor gráfico.
2. Scripted Calculation View: Creadas utilizando el editor SQL. Cálculos complejos que
no son posibles de llevar a cabo en modo gráfico.
▪
▪
▪
▪

Calculation View

Creando una Simple Calculation View
Este tipo no es utilizado crear indicadores agregados o sumarizados.
Provee una lista de tipo “Distinct” sin agregación.
No permite el uso de indicadores.
▪
▪

Creando una Calculation View – Aggregation Node
De ser necesario el uso de agregación, se debe utilizar el nodo Aggregation del panel de
herramientas
▪

Creando una Calculation View – Union Node
Cuando se desea unir grandes volúmenes de información, se requiere utilizar el nodo
Union del panel de herramientas.
Mediante el editor grafico, fácilmente
se podrá identificar el origen y el
destino unificado, y los mapeos
realizando Drag and Drop.
▪
▪

Creando una Calculation View – Union Node
Hay instancias en que el Union debe
ser mejorado debido a que los origenes
sean incompatibles en cantidad de
columnas.
Se puede configurar un valor constante
El valor constante puede ser agregado
realizando click derecho sobre la
columna destino.
▪
▪
▪

Práctico IX – Calculation View
- Crear una Calculation View (FACT_VENTAS_TOTALES_CV) que comprenda la union de
las analytics view creadas con anterioridad (FACT_VENTAS_AV,
FACT_DEVOLUCIONES_AV)
- Se desea crear nuevos indicadores, que dependa de un input parametros que permita ver
el valor y precio
- Validar y activar
- Verificar los datos

Conversión de Moneda
Existe la necesidad de realizar conversiones monetarias, no solo en función de
una moneda origen y destino, sino tambien que estos valores van variando en virtud del tiempo
en el que se realiza la conversión.
▪

SAP HANA comprende una funcionalidad nativa para realzar conversion monetaria de una manera mas
facil.
Siguiendo el standard de SAP, se requieren incluir determinadas tablas en el esquema SYSTEM o en
algún otro especifico.
Las tablas a incluir en formato replicado desde sap son aquellas comprendidas por las TCUR*
Nombre de Tabla Descripción
TCURR Tasa de cambio
TCURV Tipo de Tasa de cambio para la conversión
TCURF Factores de conversión
TCURN Cotizaciones
TCURX Nro de decimales por moneda.

1. Crear una Analytic view,
indicando el Schema donde se
encuentran las tablas de tipo
TCURR.

Al crear la measure, se debe
Indicar el tipo como
“Amount with Currency”.
De esta manera se habilitan las
Opciones de Currency.
▪
▪

En Currency, se indica la moneda
a la cual pertenece la measure.
En el caso que no sea fija “Fixed”, se
debe indicar el Attribute View que
contiene la moneda.
▪
▪

Habilitando el check para conversión
se configuran los parametros de
conversión.
Cada valor a configurar, puede ser fijo
como asi tambien variable en función
de otros Attribute view
▪
▪

Procesamiento de Modelos
de Información

SAP HANA - Procesamiento de Modelos de Información
Existen diferentes reglas de validación sobre los modelos de informacón durante el
desarrollo.

Configuración de reglas de Validación

Validación de objetos de información
Selecionando varios objetos
de información
Haciendo click sobre el botón de validación verde.

Validación de objetos de información
En la ventana de Job Log, se puede visualizar las validaciones como asi tambien las
compilaciones de cada objeto.
Realizando doble click se puede visualizar el detalle del mismo.

Versiones de Objetos.
Mediante el historial de cada
objeto, es posible revisar las
versiones de cambios y
activaciones realizadas.

Identificar objetos
En el modelador se puede identificar
objetos, en que lugar estan siendo utilizados
los diferentes objetos de información.
Esta función puede ser utilizada para ayudar
a estudiar los impactos de cambios en el
modelo de datos.
▪

Auto-Documentación
Es posible generar automaticamente documentación
sobre el modelo de datos en Hana
▪

Auto-Documentación
Dos tipos de documentos disponibles:
Model Details (Muestra cada particularidad de
los Objetos de Información
Model List (Muestra una lista de cada componente
de los Package
▪
▪

Auto-Documentación
Usar el boton Add para agregar objetos a ser Documentados
Usar el boton Remove para eliminar objetos del panel de
selección.
Por ultimo seleccionar en que carpeta local, descargar
el documento .pdf.
▪
▪
▪

SAP HANA - Administración del Contenido
Normalmente en cualquier entorno de trabajo con SAP HANA, es necesario mover los Modelos de Información
desde un ambiente de Desarrollo a un Ambiente Productivo.
Para esto, se utilizan diferentes esquemas, configurando cuales serán Origen y Destino al realizar pasajes.
Authoring Schema: Nombre de Schema Origen
Physical Schema: Nombre de Schema Destino

Export & Import

Export & Import – Tipos de Export
Delivery Unit: Permite Exportar mediante una sola unidad, distintos Package.
Similar a Transportes en SAP BW.
Developer Mode: Permite Exportar objetos (vistas) de manera individual, a un
directorio Local.
SAP Support Mode: Utilizado con propositos de soporte por SAP. Ante algún error
eventual.

Export & Import – Delivery Unit
Ingresar a Quick Lunch  Delivery Units

Crear un nuevo Delivery Unit

Seleccionar los Package/Sub-Package a incluír.

Realizar el Export…
1
2
3

Export & Import – Tipos de Import
Delivery Unit: Importar desde un archivo .TGZ
Developer Mode: Permite importar objetos (vistas) de manera individual
Import Flat File: Importar desde un archivo plano.
Mass Import of Metadata: Importar definiciones de Tablas.
Selective Import of Medatada: Importar de manera selectiva definiciones de tablas

Export & Import – Tipos de Import
Ejemplo:

SAP HANA - Seguridad y Autorizaciones
Creación de Roles

Creación de Usuarios
Asignación de Roles

System Privileges:
Usado para tareas administrativas
Es asignado a Roles y Usuarios
SQL Privileges:
Privilegios y restricciones a nivel de SQL (Create, Drop, etc)
Usado para restringir modificaciones a nivel de objetos de base de datos.
Se aplica el standard de restricciones de SQL.
Analytic Privileges:
Restringe información sobre determinados Attribute y Calculation Views, en función de
Attribute View.
Se aplica al momento de la ejecución o petición de la información desde la Analytic View.
Al crear los privilegios en el Analiytic View, este necesita volver a ser validado y Activado.
▪
▪
▪
▪
Package Privileges:
Usado para restringir accesos y el uso de Package en el repositorio de SAP HANA.
▪

Analyctic Privileges

Analyctic Privileges
Seleccionar un criterio
de seguridad mediante
valores de un Attribute
View
Validar y Activar
1
2

Administración de Usuarios
Usuarios con Privilegios de Administradores tienen la posibilidad de Administrar usuarios en SAP HANA

Administración de Usuarios
Numero de intentos de Login por default para que el usuario sea bloqueado esta definido en 6.
Reset del nro. De intentos fallidos: ALTER USER «user_name» RESET CONNECT ATTEMPS;
Luego de ingresar al sistema, despues de varios intentos fallidos, estos pueden ser reseteados por
Administradores y usuarios: ALTER USER «user_name» DROP ATTEMPS;
El administrador, puede forzar a un usuario determinado a cambiar su password:
ALTER USER «user_name» FORCE PASSWORD CHANGE ;
▪
▪
▪
▪

Definir un Usuario en SAP HANA
▪

En la Consola de Administración de BI PLATFORM Crear un usuario/grupo
Credenciales de Sap Hana
Credenciales Bo 4

En IDT (Information Design Tools) definir un proyecto y luego crear una Conexión Relacional.
▪

Seleccionar el driver para la conexión con la base relacional (JDBC Drivers)
Usar credenciales de BO
Servidor SAP HANA

El modo de autenticación queda definida es DatabaseMapping

SAP HANA - Flujo de Réplica de Datos
SAP SLT (Landscape Transformation)
Servidor de Replicación de SAP HANA.
Es la solución ideal para clientes de HANA que necesitan consumir informacion en Real-Time
desde sistemas SAP y No Sap

SAP LT Soporta configuraciones multi-sistema.

Carga y Replicación de información.

Seleccionar la tabla a replicar y verificar
Cargar Datos Actuales de una tabla de un sistema Origen
Replicar una tabla incluyendo la carga de datos actuales y la
replicación de todos los cambios en el Sistema Origen.
Detener la replicación y tambien el grabado Delta para la tabla.
Suspende la replicación de datos pero deja el Delta grabado
Delta Activo.
Retoma la replicación de datos suspendida con anterioridad.

SAP Data Services
Para cargar información dentro de un sistema SAP HANA, que no requiera ser actualizada en tiempo
Real y a su vez utilizar multiples transformaciones de datos, la desición apunta a Data Services

SAP Data Services - Conceptos
Standard Data Flow
Utilizados para leer información de una simple tabla
Baja cantidad de columnas
ABAP Data Flow:
Lee multiples tablas desde SAP ECC
Delegar varias operaciones de join a las aplicaciones de SAP.
Mejor performance.
Se recomienda utilizar ABAP Data Flows cuando se cargan datos desde aplicaciones SAP.
▪
▪
▪

SAP Data Services - Conceptos
.

SAP Data Services – Data Flow
.
ABAP data Flow genera un
programa ABAP en función de las
columnas seleccionadas de las
tablas de SAP

SAP Data Services – Data Flow
.

Archivos Planos
SAP HANA permite la carga de ficheros planos

Archivos Planos
Import Wizard Seleccionar el archivo a cargar, mediante el Browse
Si el archivo es .xls o .xlsx, seleccionar el worksheet
Si es un .csv, seleccionar el delimitador de columnas
Configurar si el Header del archivo existe, en que
fila se encuentra.
Identificar en que linea comienza la información a
ser cargada.
Seleccionar el destino (Tabla existente o una tabla
nueva)

Archivos Planos
Mapeo de campos
Realizar el mapeo correspondiente entre cada columna

Archivos Planos
Validar información cargada

SAP HANA Direct Extractor Connection (DXC)
Otra herramienta de provisión de información
Utiliza como origen de dato, BW existentes.
No dispone de opción de carga en Real-Time
No contempla transformaciones complejas
▪
▪
▪
▪

SAP HANA Direct Extractor Connection (DXC)

SAP HANA. SAP HANA Curso de Modelado y Administración Septiembre, 2017.pdf

Recommandé

Recommandé

Contenu connexe

Similaire à SAP HANA. SAP HANA Curso de Modelado y Administración Septiembre, 2017.pdf

Similaire à SAP HANA. SAP HANA Curso de Modelado y Administración Septiembre, 2017.pdf (20)

SAP HANA. SAP HANA Curso de Modelado y Administración Septiembre, 2017.pdf