Eine JDE-Umgebung kann gesund erscheinen, bis ein Monatsendjob drei Stunden statt 25 Minuten dauert. Benutzer erleben dann langsame Abfragen, Batch-Warteschlangen bauen sich auf, und die Finanzabteilung beginnt, das System zu umgehen. Um die JDE-Datenbankleistung zu optimieren, beginnen wir mit der Arbeitslast, die die Benutzer tatsächlich spüren, und verfolgen sie dann zurück zum Anwendungsverhalten, den Daten und dem Datenbankzugriff dahinter.
Die Datenbank ist zentral für die Leistung von EnterpriseOne, doch das Abstimmen in Isolation löst selten das zugrunde liegende Problem. Ein langsamer Prozess kann durch eine ineffiziente Geschäftsansicht, einen fehlenden oder ungeeigneten Index, übermäßige Datensätze in einer Arbeitstabelle oder ein Batch-Design, das nicht mehr zu den aktuellen Transaktionsvolumina passt, verursacht werden. Die richtige Lösung hängt von den Beweisen ab.
Beginnen Sie mit dem langsamen JDE-Prozess
Eine nützliche Untersuchung beginnt mit einem spezifischen Programm, Bericht oder einer Abfrage. Fragen Sie, wann es langsamer wurde, welche Benutzer betroffen sind, ob das Problem den ganzen Tag auftritt und ob sich die Datenvolumina oder Verarbeitungsmuster kürzlich geändert haben. „Die Datenbank ist langsam“ ist ein Symptom. Ein benannter UBE, eine interaktive Anwendung oder Integration bietet etwas, das gemessen werden kann.
Ein UBE ist ein Universal Batch Engine Job. Es ist der JDE-Batch-Prozess, der für Berichte, Aktualisierungen und geplante Arbeiten verwendet wird. Bei einem langsamen UBE überprüfen wir Jobprotokolle, Verarbeitungsoptionen, Auswahlkriterien und die Tabellen, die es liest und schreibt. Bei einem interaktiven Problem betrachten wir die beteiligte Geschäftslogik und Geschäftsansicht sowie das für die Benutzeraktion generierte SQL.
Datenbanküberwachung identifiziert kostspielige SQL-Anweisungen, verstrichene Zeit, verarbeitete Zeilen, Wartezeiten und Ausführungspläne. Ein Ausführungsplan zeigt, wie die Datenbank beabsichtigt, Datensätze abzurufen. Ein vollständiger Tabellenscan kann für eine kleine Tabelle oder einen Bericht, der die meisten Zeilen benötigt, vernünftig sein. Es wird teuer, wenn eine häufig verwendete Abfrage eine große Transaktionstabelle scannt, um wenige Datensätze zurückzugeben.
Wir trennen auch isolierte Langsamkeit von breiter Konkurrenz. Wenn ein UBE langsam ist, kann die Ursache lokal in seiner Auswahllogik liegen. Wenn viele Jobs gleichzeitig langsamer werden, können sich überlappende Batch-Fenster, Sperren, temporäre Arbeitstabellen oder Datenbankressourcendruck auswirken. Diese Unterscheidung verhindert umfassende Änderungen, die Risiken hinzufügen, ohne den betroffenen Prozess zu verbessern.
Optimieren Sie die JDE-Datenbankleistung durch Datenzugriff
Indizes sind oft das erste Abstimmungsthema und verdienen Sorgfalt. Ein Index ist eine Datenstruktur, die der Datenbank hilft, Datensätze zu finden, ohne eine gesamte Tabelle zu lesen. Er hilft, wenn er zu den Spalten passt, die zum Filtern, Verbinden oder Sortieren von Daten verwendet werden. Er fügt auch Overhead hinzu, wann immer Datensätze eingefügt, aktualisiert oder gelöscht werden.
Für JDE ist die Reihenfolge der Spalten wichtig. Ein Index auf Unternehmen, Dokumenttyp und Dokumentnummer kann bei einer Abfrage helfen, die mit dem Unternehmen beginnt. Er bietet möglicherweise wenig Wert für eine Abfrage, die nur nach Dokumentnummer filtert. Wir untersuchen daher das tatsächliche SQL und seine Prädikate, bevor wir einen Index vorschlagen. Das Kopieren von Indizes aus einer anderen Umgebung ist kein Ersatz für diese Analyse.
Geschäftsansichten benötigen die gleiche Disziplin. Eine Geschäftsansicht kann mehrere Tabellen für eine Anwendung oder einen Bericht kombinieren. Im Laufe der Zeit fügen Anpassungen manchmal Verbindungen oder Spalten hinzu, die nicht mehr benötigt werden. Jede hinzugefügte Tabelle kann die Kosten einer Abfrage erhöhen, insbesondere wenn die Verbindungsbedingungen nicht mit nutzbaren Indizes übereinstimmen. Eine Ansicht auf die Daten zu reduzieren, die der Prozess benötigt, kann eine dauerhaftere Verbesserung bieten als das Hinzufügen eines weiteren Datenbankobjekts.
In einer Fertigungsumgebung verlangsamte sich eine Einkaufsabfrage erheblich, nachdem das historische Dokumentenvolumen gestiegen war. Die anfängliche Annahme war, dass die Benutzer mehr Datenbankkapazität benötigten. Das SQL zeigte ein anderes Problem: Eine benutzerdefinierte Geschäftsansicht wurde mit einer großen Historientabelle verbunden, bevor die Unternehmens- und Lieferantenfilter des Benutzers angewendet wurden. Wir passten die Ansichtslogik an und validierten eine passende Indexstrategie in einer kontrollierten Umgebung. Die Abfrage kehrte schnell zurück, während nächtliche Aktualisierungen unnötige Indexwartung vermieden.
Statistiken sind ebenfalls wichtig. Datenbankoptimierer-Statistiken beschreiben die Datenverteilung und Tabellengröße. Wenn diese Statistiken veraltet sind, kann der Optimierer einen ineffizienten Ausführungsplan auswählen, selbst wenn geeignete Indizes vorhanden sind. Die Wartung von Statistiken gehört zur betrieblichen Routine, insbesondere nach großen Datenladungen, Archivaktivitäten oder wesentlichen Änderungen im Transaktionsvolumen. Die genaue Methode hängt von der Datenbankplattform und Ihren Betriebsverfahren ab.
Steuern Sie Batch-Fenster und Datenwachstum
Viele Leistungsprobleme treten während der Batch-Verarbeitung auf, weil mehrere Jobs um dieselben Tabellen konkurrieren. Das Monatsende ist ein häufiges Beispiel. Hauptbuchaktualisierungen, Inventurprozesse, Beschaffungsberichte und benutzerdefinierte Extrakte können alle innerhalb eines engen Fensters starten. Jeder Job kann für sich akzeptabel sein. Zusammen können sie Sperren, hohe I/O-Aktivität und lange Warteschlangen erzeugen.
Wir planen den Batch-Zeitplan, bevor wir einzelne Jobs ändern. Abhängigkeiten sind wichtig. Ein Bericht benötigt möglicherweise gebuchte Transaktionen, während ein anderer Prozess sicher später ausgeführt werden kann. Arbeitslasten zu teilen, nicht dringende Berichte zu verschieben und doppelte Datenextraktionen zu vermeiden, kann die Konkurrenz reduzieren, ohne die Buchhaltungslogik zu ändern. Dies erfordert die Zustimmung der Prozessverantwortlichen, da der schnellste Zeitplan nicht immer der praktischste ist.
Datenaufbewahrung ist eine weitere betriebliche Entscheidung mit Leistungsfolgen. Große JDE-Tabellen sind in einer langjährigen Umgebung normal. Die Frage ist, welche Historie online verfügbar bleibt, welche Datensätze gemäß Unternehmensrichtlinien archiviert werden können und welche benutzerdefinierten Tabellen ohne definierten Lebenszyklus gewachsen sind. Archivierung muss Prüfungs-, Berichts- und Betriebsanforderungen bewahren. Daten einfach zu löschen, um die Tabellengröße zu reduzieren, schafft ein anderes Problem.
Eine Vertriebsorganisation hatte im Laufe der Jahre mehrere benutzerdefinierte Integrationen hinzugefügt. Jede Integration erstellte Arbeitsdatensätze, aber abgeschlossene Datensätze wurden nie bereinigt. Das Hauptproblem trat während der Spitzenverarbeitung auf, da Jobs wiederholt Arbeitstabellen lasen, die weit größer geworden waren, als die aktive Arbeitslast erforderte. Wir führten eine Aufbewahrungslogik basierend auf dem Prozessstatus und der vereinbarten Historienperiode ein. Das Ergebnis waren kürzere Verarbeitungszeiten und einfacheres Betriebsmonitoring.
Behandeln Sie benutzerdefinierten Code und Berichterstattung als Teil der Arbeitslast
Benutzerdefinierte Geschäftslogiken, benannte Ereignisregeln und Berichte können jahrelang effizient sein und dann langsamer werden, wenn sich die Nutzung ändert. Ein benutzerdefinierter Prozess, der für Hunderte von Datensätzen entwickelt wurde, kann jetzt Hunderttausende verarbeiten. Der Code kann immer noch funktional korrekt sein, während sein Datenbankmuster nicht mehr geeignet ist.
Wir überprüfen, wie benutzerdefinierte Logik Daten liest. Wiederholte Einzelabfragen innerhalb einer Schleife sind eine häufige Ursache für unnötige Datenbankaktivität. Wo es angemessen ist, kann die Verarbeitung neu gestaltet werden, um relevante Datensätze in weniger Operationen abzurufen. Vorsicht ist bei der JDE-Transaktionsverarbeitung geboten. Eine schnellere Routine, die das Commit-Verhalten oder die Sperrdauer ändert, kann die Datenintegrität und Benutzer im gleichen Bereich beeinflussen.
Berichterstattung verdient ähnliche Aufmerksamkeit. Ein Bericht, der gelegentlich von einem Controller verwendet wird, hat andere Anforderungen als einer, der jeden Morgen von 200 Benutzern verwendet wird. FlexQuery kann Geschäftsanwendern helfen, JDE-Abfragen und Berichte ohne SQL zu erstellen, aber seine Nutzung sollte dennoch vernünftigen Datenselektions- und Zugriffsregeln folgen. Breite Abfragen gegen hochvolumige Tabellen können Ressourcen unabhängig von dem Tool verbrauchen, das sie einreicht.
Für prüfungsbezogene Anfragen kann Suppora Proof relevante Informationen aus JDE bereitstellen, ohne dass Benutzer Beweise manuell aus mehreren Bildschirmen zusammenstellen müssen. Das reduziert wiederholte Ad-hoc-Abfragen gegen Produktionsprozesse. Das Ziel ist es, den geschäftlichen Bedarf zu bedienen und gleichzeitig die betrieblichen Arbeitslasten vorhersehbar zu halten.
Validieren Sie Änderungen im JDE-Kontext
Datenbankänderungen sollten niemals nur anhand eines technischen Benchmarks beurteilt werden. Ein neuer Index kann einen Bericht verbessern und ein Aktualisierungsprogramm verlangsamen. Eine überarbeitete Geschäftsansicht kann Ergebnisse ändern, wenn Verbindungen oder Auswahlregeln missverstanden werden. Jede Änderung benötigt eine funktionale Validierung, einen Leistungsvergleich und einen Rückweg.
Wir testen normalerweise gegen repräsentative Datenvolumina und realistische Jobparameter. Kleine Testdatensätze verbergen schlechte Zugriffspfade. Wir überprüfen auch den betroffenen Prozess nach der Bereitstellung, einschließlich Batch-Dauer, Benutzerantwort, Datenbankwartezeiten und nachgelagerten Jobs. Dies ist besonders relevant nach EnterpriseOne-Releases, Tools-Releases oder benutzerdefinierten Entwicklungsänderungen.
Führen Sie eine prägnante Aufzeichnung der Ursache, Änderung und gemessenen Ergebnisse. Sie wird wertvoll, wenn ein ähnliches Problem nach Datenwachstum oder einem zukünftigen Update zurückkehrt. Sie reduziert auch die Abhängigkeit von der einen Person, die sich daran erinnert, warum ein bestimmter Index oder Planungsregel existiert.
Leistungsarbeit ist am effektivsten, wenn sie Teil der JDE-Operationen wird, anstatt eine Notfallübung zu sein. Eine regelmäßige Überprüfung der langsamsten Jobs, wachsenden Tabellen und wiederkehrenden Benutzerbeschwerden gibt Ihrem Team Zeit zu handeln, bevor das Monatsende das Problem aufdeckt. Mit Suppora Care können Kunden diese Erkenntnisse direkt zu JDE-Spezialisten bringen, die an dem eigentlichen Problem arbeiten, ohne eine Ticket-Warteschlange oder einen Erst-Level-Filter.
