Tiefere Insights in Daten mit SQL Server 2016 Technisches Whitepaper Veröffentlicht im Juni 2016 Copyright Die in diesem Dokument enthaltenen Informationen geben den aktuellen Standpunkt von Microsoft Corporation zu den besprochenen Themen zum Zeitpunkt der Veröffentlichung wieder. Da Microsoft auf sich wandelnde Marktbedingungen reagieren muss, dürfen diese Informationen nicht als verbindliche Zusage seitens Microsoft interpretiert werden, und Microsoft kann die Richtigkeit der Informationen nach dem Zeitpunkt der Veröffentlichung nicht garantieren. Dieses Whitepaper dient ausschließlich zu Informationszwecken. MICROSOFT GIBT FÜR DIE IN DIESEM DOKUMENT ENTHALTENEN INFORMATIONEN KEINE GARANTIEERKLÄRUNGEN AB, WEDER AUSDRÜCKLICH NOCH STILLSCHWEIGEND NOCH STATUARISCH. Die Einhaltung aller geltenden Urheberrechtsgesetze obliegt dem Benutzer. Ohne die im Urheberrecht festgelegten Rechte einzuschränken, darf kein Teil dieses Dokuments vervielfältigt, in einem Datenabfragesystem gespeichert oder eingeführt werden oder in irgendeiner Form oder mittels irgendwelcher Methode (elektronisch, mechanisch, mittels Kopie, Aufnahme oder anderweitig) oder für irgendwelchen Zweck ohne die ausdrückliche schriftliche Erlaubnis von Microsoft Corporation übermittelt werden. Microsoft kann über Patente, Patentanmeldungen, Marken, Urheberrechte oder andere gewerbliche Schutzrechte verfügen, die den Gegenstand dieses Dokuments betreffen. Sofern es in einem schriftlichen Lizenzvertrag von Microsoft nicht ausdrücklich geregelt ist, erteilt die Bereitstellung dieses Dokuments Ihnen keine Lizenz für diese Patente, Marken, Urheberrechte oder andere gewerbliche Schutzrechte. © 2016 Microsoft Corporation. Alle Rechte vorbehalten. Microsoft, Microsoft Azure, SQL Server, Visual Studio, Windows und Windows PowerShell sind Marken der Microsoft-Unternehmensgruppe. Alle anderen Marken sind Eigentum ihrer jeweiligen Inhaber. Tiefere Insights in Daten mit SQL Server 2016 | 2 Inhalt Einführung ..................................................................................................................................................................... 4 Entwicklung von Microsoft SQL Server ............................................................................................................... 4 Neue Erweiterungen für die Datenverwaltung in SQL Server 2016.......................................................... 6 Tiefere Insights in Daten mit SQL Server ............................................................................................................ 7 Speichern und Zugänglichmachen Ihrer Daten .............................................................................................................7 PolyBase ........................................................................................................................................................................................................ 7 Azure HDInsight ......................................................................................................................................................................................... 9 Data Warehousing .................................................................................................................................................................................... 9 Azure Data Factory.................................................................................................................................................................................. 11 Integration Services ................................................................................................................................................................................ 11 Hybriddatenspeicher .............................................................................................................................................................................. 12 Datenkonnektoren .................................................................................................................................................................................. 12 Unstrukturierte Daten ............................................................................................................................................................................ 12 Integrierte JSON-Unterstützung........................................................................................................................................................ 12 Master Data Services .............................................................................................................................................................................. 13 Analysieren Ihrer Daten........................................................................................................................................................ 14 Operative Echtzeitanalyse .................................................................................................................................................................... 14 Analysis Services ...................................................................................................................................................................................... 15 Tabellarische Modelle in SQL Server Analysis Services ............................................................................................................ 16 SQL Server R Services ............................................................................................................................................................................ 18 Verfügbarmachen von Insights für eine breitere Benutzerbasis mit Reporting Services ............................ 20 Moderne paginierte Berichte .............................................................................................................................................................. 22 Dynamische mobile Berichte .............................................................................................................................................................. 22 Modernes Webportal zur Anzeige aller Berichte ........................................................................................................................ 23 Hybrid-BI.................................................................................................................................................................................... 24 Anheften von SSRS-Berichtselementen an Power BI-Dashboards ...................................................................................... 24 Power BI Gateways .................................................................................................................................................................................. 25 Schlussfolgerung ....................................................................................................................................................... 26 Weitere Informationen ............................................................................................................................................ 27 Feedback ...................................................................................................................................................................... 27 Tiefere Insights in Daten mit SQL Server 2016 | 3 Einführung Daten stammen heute aus relationalen und nicht relationalen Quellen, aus lokalen Umgebungen und der Cloud, aus Big Data und anderen Quellen. Microsoft SQL Server 2016 bietet Lösungen zum: Speichern von Daten in mehreren Formaten mithilfe skalierbarer Technologien Erleichtern des Zugriffs auf Daten für Entwickler und Benutzer Bereitstellen der Dienste für leistungsstarke präskriptive und prädiktive Datenanalysen Organisationsübergreifenden Teilen von Insights – lokal, über das Web oder mobile Geräte Entwicklung von Microsoft SQL Server Aufgrund der zunehmenden Menge, Geschwindigkeit, Vielfalt und Anzahl von Speicherorten von Unternehmensdaten werden die Ermittlung, Vernetzung, Verschiebung, Transformation, Integration und Analyse sämtlicher Daten immer schwieriger. Tatsächlich wird für die Jahre 2013 bis 2020 eine geschätzte kumulierte jährliche Datenwachstumsrate von 41 %1 erwartet – eine Entwicklung, die durchaus als Datenexplosion bezeichnet werden kann. Zurückzuführen ist dieses Datenwachstum auf die stetig zunehmende Anzahl von Geräten und den neuen Hunger der Unternehmen nach immer mehr Daten, die ihnen ein besseres Verständnis und eine genauere Prognose der Kundenbedürfnisse sowie bessere Entscheidungen ermöglichen. Doch ohne die Möglichkeit, sie zu analysieren, sind Daten nutzlos. Microsoft SQL Server und die verwandte Microsoft-Datenplattform können die Tools bereitstellen, die Sie benötigen, um tiefere Insights aus all Ihren Daten zu gewinnen. Kunden von Microsoft und Branchenanalysten sind sich einig, dass SQL Server in diesem Bereich ein führender Anbieter ist (Abbildung 1 und 2). 1 IDC, „Digitales Universum”, Dezember 2012. Tiefere Insights in Daten mit SQL Server 2016 | 4 Abbildung 1: Microsoft hat sich als führender Anbieter im Gartner Magic Quadrant für operative Datenbanksysteme positioniert. Abbildung 2: Gartner Magic Quadrant für Business Intelligence- und Analytics-Plattformen Tiefere Insights in Daten mit SQL Server 2016 | 5 Neue Erweiterungen für die Datenverwaltung in SQL Server 2016 SQL Server hat sich mit der drastischen Zunahme der Datenquellen weiterentwickelt und wird kontinuierlich um innovative Funktionen zur Erleichterung der Datenverwaltung erweitert (Abbildung 3). Abbildung 3: Wichtigste neue Funktionen in verschiedenen SQL Server-Versionen In SQL Server 2016 werden folgende neue Funktionen und Erweiterungen eingeführt: SQL Server PolyBase-Technologie zum Abfragen von relationalen SQL Server- und Apache HadoopDaten über eine einzige Transact-SQL (T-SQL)-Abfrage Unterstützung für unstrukturierte Daten und Data Warehousing-Lösungen – sowohl Symmetric MultiProcessing (SMP) als auch Massively Parallel Processing (MPP) – für strukturierte Datenspeicher Hybriddatenspeicher mit Stretch Database Verbindungsunterstützung für weitere Datenquellen Unterstützung für unstrukturierte Datenströme Integrierte Java Script Object Notation (JSON)-Unterstützung Verbesserte Master Data Services (MDS) mit 15-fach schnellerem Microsoft Excel-Add-In und detaillierteren Sicherheitsrollen Operative Echtzeitanalyse mit Columnstore-Indizes Verbesserungen an SQL Server Analysis Services (SSAS), einschließlich professioneller tabellarischer Modelle, effizienterer Parallelverarbeitung und In-Memory-Datenverwaltung Integration der Programmiersprache R, die die Nutzung prädiktiver Analysefunktionen in Ihrer relationalen Datenbank ermöglicht SQL Server-Entwicklungstools in Microsoft Visual Studio zum Erstellen von Business Intelligence (BI)Modellen sowie Analysis Services-Modellen und SQL Server Reporting Services (SSRS)-Berichten Veröffentlichung von für mobile Geräte optimierten Berichten in SSRS mit Mobile Report Publisher Neues SSRS-Webportal, das moderne Webbrowser unterstützt (HTML5, CSS3) Tiefere Insights in Daten mit SQL Server 2016 | 6 Tiefere Insights in Daten mit SQL Server Mehrere wichtige Trends beeinflussen das Design der Microsoft-Datenplattform, darunter Big Data (sowohl in der Cloud als auch lokal), neue Typen nicht relationaler Daten und die anhaltend große Bedeutung von Data Warehouses und Transaktionssystemen. In diesem technischen Whitepaper werden diese Themen im Kontext des Zugriffs auf weitere Datentypen, der Skalierung von Ressourcen zur Bewältigung der zunehmenden Datenmenge, der Analyse von Daten mit leistungsstarken Tools, um zuverlässige Insights für Ihr Unternehmen zu gewinnen, und der Verwendung von Technologie zum schnellen organisations- und standortübergreifenden Teilen der Insights erörtert. Speichern und Zugänglichmachen Ihrer Daten Modernes Data Warehousing ist ein komplexer Prozess. Monolithische einzelne Speicher für die Daten des Unternehmens werden immer seltener. Wahrscheinlicher ist es, dass Unternehmen stattdessen mehrere relationale Datenbanken, Hadoop-Daten, dokumentorientierte NoSQL-Datenbanken usw. verwenden. SQL Server 2016 bietet neue und verbesserte Funktionen zur Unterstützung dieser stetig zunehmenden Datenspeicheranforderungen. Benutzer können jetzt mit PolyBase relationale und nicht relationale Daten gemeinsam abfragen und mit HDInsight für Azure auch cloudbasierte Big Data-Funktionen nutzen. Darüber hinaus enthält SQL Server 2016 erweiterte Lösungen für lokales und cloudbasiertes Data Warehousing sowie verbesserte Unterstützung für die Vernetzung, Integration und Speicherung von Daten. PolyBase PolyBase ermöglicht es Benutzern, nicht relationale Daten in Hadoop, Azure Storage-Blobs und Dateien abzufragen und diese jederzeit und überall mit ihren vorhandenen relationalen Daten in SQL Server zu kombinieren. Es bietet auch die Möglichkeit, Hadoop-Daten zur persistenten Speicherung in SQL Server zu importieren und alte relationale Daten nach Hadoop zu exportieren. Zudem können Benutzer mit PolyBase lokal oder in der Cloud gespeicherte Daten abrufen und abfragen sowie Analysen und Business Intelligence (BI)-Funktionen für diese Daten ausführen. SQL Server 2016 und PolyBase können Ihnen daher dabei helfen, eine Hybridlösung zu erstellen, die unabhängig von Speicherort und -methode Insights in Ihre Daten liefert (Abbildung 4). Tiefere Insights in Daten mit SQL Server 2016 | 7 Abbildung 4: PolyBase-Zugriff auf verteilte Datensätze Obwohl PolyBase es Ihnen erlaubt, Daten in einem Hybridszenario zu verschieben, ist es durchaus auch üblich, Daten dort zu lassen, wo sie sich befinden, und von beliebigen Speicherorten abzufragen. Dies knüpft an das Konzept eines Data Lakes an. Ein Data Lake bietet, einfach ausgedrückt, vollständigen Zugriff auf unformatierte Big Data, ohne sie zu verschieben. Er ist im Grunde eine alternative Methode zur einfacheren Analyse von Big Data, bei der Big Data verarbeitet und anschließend in ein Data Warehouse verschoben und dort synchronisiert werden. Daten nicht zu verschieben, bietet mehrere Vorteile. In der Regel bedeutet es, dass neben der Einrichtung der Konnektivität im Data Lake keine weiteren Entwicklungsarbeiten erforderlich sind. Zudem entfallen meist die organisatorischen Grenzen, die beim Verschieben oder Ändern der Daten gelten. Letztendlich können die Datenverarbeitung und -synchronisierung komplexe Vorgänge sein, und oft wissen Sie nicht im Voraus, wie die Daten verarbeitet werden müssen, um die besten Insights zu gewinnen. SQL Server 2016 und PolyBase können bei der Einrichtung eines Data Lakes, seiner Kombination mit Ihren relationalen Daten sowie der Durchführung entsprechender Analysen und BI-Funktionen eine wichtige Komponente sein. PolyBase kann mit Microsoft BI-Tools als Datenquelle und auch von vielen BI-Tools von Drittanbietern verwendet werden, z. B. Tableau Software, IBM Cognos usw. PolyBase ist auch in SQL Server AlwaysOn und Failover integriert. Eine horizontale Skalierung von PolyBase ist durch Hinzufügen mehrerer SQL Server 2016Instanzen zu einer PolyBase-Farm ebenfalls möglich. Tiefere Insights in Daten mit SQL Server 2016 | 8 Azure HDInsight Microsoft HDInsight für Azure ist eine in SQL Server, Active Directory und Microsoft System Center integrierte professionelle Hadoop-Implementierung bzw. -Verteilung, mit der sich Unternehmen das Potenzial von Big Data sehr viel einfacher, effizienter und kostengünstiger erschließen können. HDInsight ist die von Microsoft entwickelte und unterstützte, zu 100 % mit Apache kompatible Hadoop-Verteilung. HDInsight bietet Unternehmen neue Insights in bisher unberührte, unstrukturierte Daten und Zugang zu weitverbreiteten BI-Tools. HDInsight umfasst eine Reihe von Tools, die die Arbeit mit Big Data erleichtern: Sqoop. Gewährleistet die Kompatibilität mit strukturierten Daten (z. B. in einer SQL Server-Datenbank oder einem Data Warehouse) und ermöglicht den Import oder Export dieser Daten in bzw. aus HDInsight-Cluster(n). Apache HBase. NoSQL-Datenbank für unstrukturierte und teilweise strukturierte Daten. Oozie. Workflowverwaltung. Hive. SQL-ähnliche Abfrage von Big Data. PIG. Skriptingtools für Hadoop MapReduce-Transformationen. Storm. Datenverarbeitung in Echtzeit. Data Warehousing Das traditionelle Data Warehouse ist ein zentralisierter Datenspeicher, in den Daten aus mehreren operativen Datenbanken geladen werden, um sie anschließend für Analysezwecke zu transformieren und zu speichern. Das traditionelle Data Warehouse entlastet operative Systeme und ermöglicht die Analyse von Daten aus mehreren Quellen. Die vorhersagbare Datenstruktur und -qualität in traditionellen Data Warehouses optimiert die Verarbeitung und Berichterstellung. Die Verbreitung von Big Data-Lösungen (riesige Datenmengen, unstrukturierte Daten, Datenströme mit hohen Geschwindigkeiten usw.) und die dringende Notwendigkeit, Insights in Echtzeit zu erlangen, führten zur Entstehung des modernen Data Warehouses. Das moderne Data Warehouse bietet neben riesigen relationalen Datenspeichern horizontale Skalierbarkeit, verteilte Parallelverarbeitung und Unterstützung für die Speicherung und Abfrage von nicht relationalen Daten. Darüber hinaus bietet es die Möglichkeit, über die periodische Berichterstellung hinauszugehen und mit erweiterten prädiktiven sowie präskriptiven Analysen neue Wege zu beschreiten. Microsoft hilft Unternehmen mit seiner Familie von Data Warehouse-Lösungen – SQL Server, SQL Server Fast Track Data Warehouse, Azure SQL Data Warehouse und Analytics Platform System –, die eine stabile und skalierbare Plattform für die Speicherung und Analyse von Daten in traditionellen und modernen Data Warehouses bereitstellt, die Herausforderungen von Big Data zu meistern. SQL Server bietet erweiterte Funktionen wie Remote Blob Storage (RBS) und partitionierte Tabellen mit bis zu 15.000 Partitionen, um große Szenarien mit gleitendem Fenster zu unterstützen. (In einem Szenario mit gleitendem Fenster wird zum Sicherstellen der Effizienz von partitionierten Tabellen stets dieselbe Anzahl von Partitionen aufrechterhalten, indem eine neue Partition für die neuesten Daten hinzugefügt und die Partition mit den ältesten Daten entfernt wird.) Tiefere Insights in Daten mit SQL Server 2016 | 9 Data Warehousing-Lösungen können nach der Verarbeitungsarchitektur und der verwendeten Infrastruktur – basierend auf Azure oder lokal – in Kategorien unterteilt werden. Abbildung 5: SMP- und MPP-Funktionen von SQL Server 2016 Symmetric Multi-Processing (SMP) bezieht sich auf die Parallelverarbeitungsfunktionen von Servern. SMP-optimierte Lösungen wie SQL Server 2016 (lokal) und SQL Server Fast Track Data Warehouse (Azure) nutzen Multiprozessorsysteme zur parallelen Ausführung von Vorgängen (Abbildung 5). Massively Parallel Processing (MPP) bezieht sich auf die verteilte Aufgabenverarbeitung auf mehreren eigenständigen Servern. Azure SQL Data Warehouse und Parallel Data Warehouse (in Analytics Platform System) sind MPP-Lösungen für lokales und cloudbasiertes Data Warehousing. Der In-Memory-Columnstore-Index von SQL Server speichert und verwaltet Daten mithilfe eines spaltenbasierten Datenspeichers und der Abfrageverarbeitung im Batchmodus. Columnstore-Indizes beschleunigen allgemeine Data Warehouse-Abfragen wie Abfragen zur Filterung, Aggregation, Gruppierung und Sternverknüpfung (sowie Abfragen nach dem Schneeflockenschema) und verbessern dadurch die Benutzerfreundlichkeit bei der Arbeit mit Data Warehouses erheblich. In SQL Server 2016 werden mehrere Verbesserungen für Columnstore-Indizes eingeführt2: Unterstützung von Primär- und Fremdschlüsseln für Columnstores (nur SMP) AlwaysOn-Unterstützung für die Abfrage eines Columnstore-Indexes auf einem lesbaren sekundären Replikat 2 Multiple Active Result Sets (MARS)-Unterstützung für Columnstore-Indizes Neue, dynamische Verwaltungsansicht mit Problembehandlungsinformationen auf der Zeilengruppenebene Ausführung von Singlethread-Abfragen von Columnstore-Indizes im Batchmode Ausführung des SORT-Operators im Batchmodus Ausführung mehrerer DISTINCT-Vorgänge im Batchmodus Columnstore-Indizes für Data Warehousing Tiefere Insights in Daten mit SQL Server 2016 | 10 SQL Server 2016 erleichtert die Umstellung auf eine Hybrid Cloud mit neuen Funktionen und Erweiterungen für vorhandene Dienste. Für Skalierbarkeit, Verfügbarkeit, Sicherheit, Identität, Sicherung und Wiederherstellung sowie Replikation sind jetzt Erweiterungen für die Verwendung von SQL Server in Azure Virtual Machines, Azure SQL Database und anderen Azure-Diensten verfügbar. Azure Data Factory Azure Data Factory (ADF) ermöglicht es Ihnen, lokale Daten aus einer Datenbank (z. B. SQL Server) zusammen mit Clouddaten aus Quellen wie Azure SQL Database, Blobs und Tabellen zu verarbeiten. Diese Datenquellen können über einfache, hoch verfügbare, fehlertolerante Datenpipelines zusammengestellt, verarbeitet und überwacht werden. ADF unterstützt Apache Hive-, Apache Pig- und C#-Verarbeitung sowie wichtige Verarbeitungsfunktionen wie automatische Hadoop (HDInsight)-Clusterverwaltung, Wiederholungsversuche für vorübergehende Fehler, konfigurierbare Timeoutrichtlinien und Alerting. Data Factory kann in lokalen und cloudbasierten Datenquellen sowie Software-as-a-Service (SaaS) zum Erfassen, Vorbereiten, Transformieren, Analysieren und Veröffentlichen von Daten verwendet werden (Abbildung 6). Verwenden Sie Data Factory, um Dienste zu verwalteten Datenflusspipelines zusammenzusetzen und Ihre Daten zu transformieren. Sie können Dienste wie HDInsight (Hadoop) und Microsoft Azure Batch zum Verarbeiten von Big Data einsetzen und mit Azure Machine Learning Ihre Analytics-Lösungen operationalisieren. Dank der umfassenden Visualisierungen von Data Factory können Sie nicht nur eine tabellarische Überwachungsansicht anzeigen, sondern auch die Herkunft Ihrer Datenflusspipelines und die Abhängigkeiten zwischen ihnen mühelos einsehen. Überwachen Sie all Ihre Pipelines in einer einzigen einheitlichen Ansicht, in der sich Probleme leicht erkennen lassen und Überwachungswarnungen eingerichtet werden können. Abbildung 6: Azure Data Factory – Überwachung von Datenflusspipelines in einer einzigen einheitlichen Ansicht Integration Services SQL Server 2016 enthält mehrere Erweiterungen, die die Entwicklung, Verwaltung und Überwachung Ihrer SQL Server Integration Services (SSIS)-Datenpakete erleichtern und dank Cloudintegration sowie Konnektivitätsund Produktverbesserungen zugleich Vorteile für Ihre lokalen und cloudbasierten Vorgänge bieten. ADF kann jetzt die lokale Ausführung von SSIS orchestrieren. SSIS kann zudem über die DataFlow-Task aus ADF lesen (als Datenquelle). Darüber hinaus können SSIS-Entwickler mit dem Azure Storage Connector Daten aus lokalem Speicher in Azure-Speicher verschieben und umgekehrt. SSIS-Entwickler können HDInsight-Aufträge auch direkt über SSIS auslösen. Dies erleichtert die Integration in HDInsight und die Verarbeitung von Daten, die sich bereits in der Cloud befinden – die nicht verarbeiteten Clouddaten müssen nicht in lokalen Speicher verschoben werden. Tiefere Insights in Daten mit SQL Server 2016 | 11 Hybriddatenspeicher Mit der SQL Server 2016 Stretch Database können Sie nicht benötigte Daten aus großen lokalen operativen Tabellen in Azure archivieren und so von nahezu unendlicher Kapazität und niedrigeren Gesamtspeicherkosten profitieren. Anwendungen funktionieren ohne Änderungen im Code weiter. Bereits vorhandene Fertigkeiten und Prozesse von Datenbankadministratoren (DBA) bleiben relevant, und Entwickler können aktuelle Tools und APIs weiterhin nutzen. Weitere Informationen: Stretch Database Datenkonnektoren SQL Server 2016 verfügt auch über zahlreiche neue und erweiterte Datenkonnektoren, darunter Hadoop File System (HDFS), JavaScript Object Notation (JSON) und Oracle/Teradata-Konnektor V4 von Attunity. Das OData V3-Protokoll für ATOM- und JSON-Datenformate und das OData V4-Protokoll für JSON-Datenformate werden ebenfalls unterstützt. Diese Datenformate können auch im SSIS-Datenfluss verwendet, in beliebige Ziele geladen oder auf Datentransformationen jeglicher Art angewendet werden. Hadoop-Konnektoren für SQL Server und Analytics Platform System (APS) stehen Unternehmen mit Lizenzen für SQL Server und APS zum Download zur Verfügung. Die Konnektoren ermöglichen bidirektionale Datenverschiebungen zwischen SQL Server und Hadoop, sodass Benutzer sowohl mit strukturierten als auch unstrukturierten Daten effizient arbeiten können. Unstrukturierte Daten SQL Server unterstützt eine zunehmende Zahl komplexer Datentypen und -mengen mit Unterstützung für FILESTREAM, RBS sowie räumliche Daten und bietet damit über die relationale Datenbankfunktionalität hinausgehende Erweiterungen der ohnehin stabilen und integrierten Lösung. SQL Server FILESTREAM ermöglicht SQL Server-basierten Anwendungen das Speichern von unstrukturierten Daten wie Dokumenten und Bildern im Dateisystem. Anwendungen können die umfassenden Streaming-APIs und die Leistung des Dateisystems nutzen und gleichzeitig die Transaktionskonsistenz zwischen den unstrukturierten und entsprechenden strukturierten Daten wahren. Komplexe Datentypen werden bei SQL Server mit derselben Sorgfalt behandelt wie allgemeine Datentypen. Mithilfe von FILESTREAM können Unternehmen komplexe Daten auf unterschiedlichste Weise speichern und verwalten als wären sie Teil der Datenbank. Darüber hinaus bietet SQL Server Unternehmen den Vorteil, dass die durch AlwaysOn gewährleistete hohe Verfügbarkeit auch für komplexe, über FILESTREAM verwaltete Daten gilt – auch dann, wenn sie RBS und SQL Server-FileTable nutzen. Integrierte JSON-Unterstützung SQL Server 2016 bietet integrierte JSON-Unterstützung. JSON ist ein Serialisierungsformat, das mittlerweile in verschiedensten Szenarien breite Anwendung findet. Die integrierte Unterstützung bedeutet jedoch nicht, dass ein systemeigener Datentyp eingeführt wird. JSON wird in SQL Server 2016 als NVARCHAR dargestellt. Tiefere Insights in Daten mit SQL Server 2016 | 12 JSON wird von vielen Vorgängen unterstützt: FOR JSON (vergleichbar mit FOR XML) formatiert Abfrageergebnisse als JSON-Text. OPEN JSON ist eine Tabellenwertfunktion, die JSON-Text (ein JSON-Objektarray) analysiert und die Objekte als Tabelle zurückgibt. Ein Satz integrierter Funktionen ermöglicht die Abfrage von JSON-Text mit T-SQL (ISJSON, ISJSON_VALUE, JSON_QUERY). Da JSON als NVARCHAR-Datentyp gespeichert wird, funktioniert die integrierte JSON-Unterstützung auch für andere SQL Server-Funktionen wie beispielsweise speicheroptimierte Tabellen, Sicherheit auf Zeilenebene (Row-Level Security, RLS) und Verschlüsselung. Weitere Informationen: Konvertieren von JSON-Text in eine Tabelle Weitere Informationen: Integrierte Funktionen Master Data Services Master Data Services (MDS) erleichtert Unternehmen auch weiterhin die Verwaltung der bei Datenintegrationsvorgängen verwendeten Masterdatenstrukturen (Objektzuordnung, Verweisdaten, Dimensionen und Hierarchien). Mit dem entitätsbasierten Staging können Datenbankadministratoren alle Elemente und Attributwerte für eine Entität gleichzeitig laden. Zudem wurden der Explorer und die Funktionsbereiche für das Integrationsmanagement der Master Data Manager-Webanwendung mit einem neuen Erscheinungsbild aktualisiert, das auf dem Microsoft Silverlight-Browserentwicklungstool basiert. Datenbankadministratoren können Elemente schneller hinzufügen und löschen und leichter in eine Hierarchie verschieben. Das MDS-Add-In für Excel macht die Datenverwaltung für jeden zugänglich. Informationsarbeiter können Datenverwaltungsanwendungen direkt in Excel erstellen. Mit dem Add-In können Informationsarbeiter einen gefilterten Datensatz aus der MDS-Datenbank laden, in Excel mit Daten arbeiten und Änderungen anschließend wieder in der MDS-Datenbank veröffentlichen. Administratoren können das Add-In auch zum Erstellen neuer Entitäten und Attribute verwenden. Die Erweiterungen in MDS betreffen Leistung und Skalierbarkeit, Verwaltbarkeit und Überwachung sowie Sicherheit. Zu den Verbesserungen in MDS in Bezug auf Leistung und Skalierbarkeit zählen die Unterstützung größerer Modelle, effizienteres Laden von Daten und eine um 15-mal schnellere Verarbeitung in Excel. Zum Verbessern der Skalierbarkeit wurde die MDS-Modellbereitstellung erweitert: Es werden größere Modelle unterstützt, und Entitäten können auf 100 Millionen Elemente (und mehr) skaliert werden. Zudem wird jetzt die Compression auf Zeilenebene für einzelne Entitäten unterstützt. In den Bereichen Verwaltbarkeit und Überwachung werden jetzt konfigurierbare Aufbewahrungseinstellungen für die Transaktions-Log-Dateien und die modellübergreifende Wiederverwendung von Entitäten unterstützt. Jedes Attribut verfügt über einen sichtbaren Anzeigenamen, um die Kontrolle über die angezeigten Namen für ein Objekt zu verbessern. Dies gilt auch für die Code- und Name-Attribute. Durch Erweiterungen in der Hierarchieverwaltung wurden verschiedene Hierarchietypen vereinfacht, sodass nicht verwendete Elemente leichter gefunden und verwaltet werden können. Tiefere Insights in Daten mit SQL Server 2016 | 13 In Bezug auf die Sicherheit bietet MDS in SQL Server 2016 detailliertere Sicherheitsberechtigungen für das Lesen, Schreiben, Löschen und Erstellen. Zudem werden mehrere Systemadministratoren und eine explizite Modelladministrator-Berechtigungseigenschaft unterstützt. Im MDS-Add-In für Excel können Sie jetzt Geschäftsregeln verwalten, d. h. auch erstellen und bearbeiten. Sie können eine abgeleitete Hierarchie erstellen, in der m:n-Beziehungen angezeigt werden. Wenn Sie in der Vorgängerversion versucht haben, von einem anderen Benutzer geänderte Daten zu veröffentlichen, schlug die Veröffentlichung aufgrund eines Konflikts fehl. Zur Behebung dieses Fehlers können Sie jetzt Konflikte zusammenführen und die Änderungen erneut veröffentlichen. Analysieren Ihrer Daten Daten, die nicht schnell und präzise analysiert werden, verlieren ihren Wert. In SQL Server werden kontinuierlich Verbesserungen an Analysefunktionen vorgenommen, um den Anforderungen der ständig wachsenden Datenspeicher von heute gerecht zu werden. Operative Echtzeitanalyse In SQL Server 2016 wird die operative Echtzeitanalyse eingeführt, sodass Analyseworkloads gleichzeitig in den von operativen Workloads verwendeten Datenbanktabellen ausgeführt werden können (Abbildung 7). Ermöglicht wird dies durch die Verwendung von Columnstore-Indizes. Abbildung 7: Operative Echtzeitanalyse mit In-Memory-Technologie Tiefere Insights in Daten mit SQL Server 2016 | 14 SQL Server ermöglicht Benutzern das Erstellen aktualisierbarer, nicht gruppierter Columnstore-Indizes in traditionellen Rowstore-Tabellen. Transaktionsworkloads werden mit dem Rowstore-Index ausgeführt, AnalyticsWorkloads dagegen mit dem Columnstore-Index. SQL Server behält automatisch alle Änderungen an den Indizes bei, sodass die Transaktionsänderungen bei Analysen immer aktuell sind. Die Auswirkungen, die die Pflege des Columnstore-Indexes hat, können minimiert oder vollständig vermieden werden, indem eine CompressionVerzögerung verwendet oder ein gefilterter Columnstore-Index für kältere Daten erstellt wird. Die operative Echtzeitanalyse wird sowohl für datenträgerbasierte als auch speicheroptimierte Tabellen unterstützt. Die Verwendung nicht gruppierter Columnstore-Indizes (Non-Clustered Columnstore Index, NCCI) kann mithilfe von SQL Server AlwaysOn-Verfügbarkeitsgruppen, die jetzt lesbare sekundäre Replikate unterstützen, zusätzlich von der Onlinetransaktionsverarbeitungs-Workload (Online Transaction Processing, OLTP) getrennt werden. Dies ermöglicht die Ausführung von Analyseabfragen auf sekundären Replikaten ohne jegliche Auswirkung auf die Workload des primären Replikats (Abbildung 8). Abbildung 8: Unterstützung in AlwaysOn-Verfügbarkeitsgruppen für lesbare sekundäre Replikate Aufgrund dieser Faktoren ist die Ausführung von Analysen in Echtzeit möglich und praktisch durchführbar. Traditionelle Data Warehouse-Implementierungen erfordern im Gegensatz dazu die Migration/Transformation von Daten zwischen einem Transaktionssystem und einem dedizierten Data Warehouse. Weitere Informationen: Operative Echtzeitanalyse Weitere Informationen: Columnstore-Indizes Analysis Services Microsoft SQL Server Analysis Services (SSAS) ist eine Engine für analytische Onlineverarbeitung (Online Analytical Processing, OLAP) und Data Mining, die in BI-Anwendungen verwendet wird. Sie stellt analytische Daten für Geschäftsberichte und Clientanwendungen wie Excel, Reporting Services-Berichte, Power BI und andere Visualisierungstools von Drittanbietern bereit, die zum Definieren von Measures und Key Performance Indicators (KPIs) für Berichte verwendet werden (Abbildung 9). Tiefere Insights in Daten mit SQL Server 2016 | 15 Die Engine kann zum Erstellen leistungsstarker BI-Semantikmodelle verwendet werden, die BI-Experten eine intuitivere Abstraktion in einem traditionellen mehrdimensionalen Modell oder einem einfacheren tabellarischen Modell bieten. Das BI-Semantikmodell bietet zudem schnellen Zugriff auf Daten und die Möglichkeit, Modelle direkt mit Datenquellen zu verbinden, ohne Daten aus der Quelle zu verschieben. Abbildung 9: Funktionen von SQL Server Analysis Services SQL Server 2016 enthält mehrere Erweiterungen von Analysis Services in den Bereichen Enterprise Readiness, Modellierungsplattform, BI-Tools, SharePoint-Integration und Unterstützung von Hybrid-BI. Dank integrierter Unterstützung für Modellierungs- und Berechnungsszenarien wie beispielsweise Quantil- und m:n-Muster ermöglicht das verbesserte tabellarische Modell es BI-Entwicklern, immer komplexere Geschäftsprobleme auf flexible und unkomplizierte Weise zu lösen. Erweiterungen des DirectQuery-Speichermodus bieten BI-Entwicklern die Möglichkeit, Datensätze aus verschiedenen Datenquellen ohne Verschieben der Daten direkt zu nutzen. Verbesserungen des leistungsstarken In-Memory-Speichermodus ermöglichen Analysen großer Datensätze mit der Geschwindigkeit, die im heutigen schnelllebigen Geschäftsumfeld von Benutzern erwartet wird. Tabellarische Modelle in SQL Server Analysis Services Bidirektionale Kreuzfilter Die bidirektionale Kreuzfilterung ermöglicht Modellierern das Festlegen der Flussrichtung von Filtern. Bei bidirektionalen Kreuzfiltern wird der Filterkontext an die zweite verknüpfte Tabelle auf der anderen Seite einer Tabellenbeziehung verteilt. Im Wesentlichen bieten bidirektionale Kreuzfilter ohne komplexe DAX-Ausdrücke Unterstützung für m:n-Beziehungen. Tiefere Insights in Daten mit SQL Server 2016 | 16 Berechnete Tabellen Eine berechnete Tabelle ist eine reine Modellkonstruktion, die auf einem DAX-Ausdruck (Data Analysis Expressions, DAX) oder einer Abfrage in SQL Server Data Tools (SSDT) basiert. Wenn eine berechnete Tabelle in einer Datenbank bereitgestellt wird, ist sie nicht von normalen Tabellen zu unterscheiden. Das klassische Verwendungsbeispiel für eine berechnete Tabelle ist die Duplizierung einer Datumstabelle, die in mehreren Kontexten (Bestelldatum, Versanddatum usw.) verwendet wird. Durch das Erstellen einer berechneten Tabelle für eine bestimmte Rolle können Sie jetzt eine Tabellenbeziehung aktivieren, um Abfragen oder Dateninteraktionen mit der berechneten Tabelle zu ermöglichen. Eine weitere Verwendungsmöglichkeit von berechneten Tabellen ist die Kombination von Teilen vorhandener Tabellen zu einer völlig neuen Tabelle, die nur im Modell vorhanden ist. Weitere Informationen: Berechnete Tabellen DAX-Verbesserungen Neben mehr als 50 zusätzlichen DAX-Funktionen unterstützt DAX jetzt die Verwendung benannter Variablen in Ausdrücken, was insbesondere bei der Arbeit mit komplexen, langen Ausdrücken hilfreich ist. Benannte Variablen können das Ergebnis eines Ausdrucks speichern, das dann als Argument an andere Measureausdrücke übergeben werden kann. Der Variablenausdruck wird in diesem Fall einmal ausgeführt, kann bei Bedarf aber mehrmals verwendet werden. Abbildung 10: DAX-Unterstützung für benannte Variablen Parallele Partitionsverarbeitung Bei der parallelen Partitionsverarbeitung werden die Partitionen einer einzelnen Tabelle nicht nacheinander, sondern parallel verarbeitet. Partitionen werden zum Verwalten der Daten in einer Tabelle verwendet. Die parallele Partitionsverarbeitung ermöglicht das parallele Verarbeiten aller definierten Partitionen. Dies bedeutet, dass zwei ressourcenintensive Vorgänge pro Partition – das Laden der Daten aus der Datenquelle und Komprimieren der Daten in VertiPaq – parallelisiert werden. Dies erhöht die Last für Ihre Datenquelle und Ihren SSAS-Server, reduziert jedoch die Verarbeitungsdauer erheblich. Tiefere Insights in Daten mit SQL Server 2016 | 17 DirectQuery DirectQuery in SQL Server 2016 kann verwendet werden, um eine direkte Verbindung mit SQL Server, SQL Server Parallel Data Warehouse (Microsoft Analytics Platform System), Oracle und Teradata herzustellen. Zudem können Excel-PivotTables oder beliebige andere Microsoft Multidimensional Expressions (MDX)-Clienttools ein tabellarisches Modell im DirectQuery-Modus abfragen. Dies ermöglicht es Ihnen, mehr Datenquellen über die Semantikebene eines Analysis Services-Datenmodells direkt für die Benutzer im Unternehmen verfügbar zu machen, ohne die Daten in Analysis Services zwischenzuspeichern. Berechnete Spalten und RLS werden für DirectQuery-Modelle unterstützt. Bisher war es nicht möglich, ein tabellarisches Modell im DirectQuery-Modus auszuführen, wenn berechnete Spalten vorhanden waren. Da eine geringere Anzahl geschwätziger (häufiger) Datenübertragungen von kleinen Objekten (Chattiness) die Leistung verbessert, tragen die oben aufgeführten Erweiterungen für DAX-Abfragen zur DirectQuery-Optimierung bei. Dies ist insbesondere im DirectQuery-Modus wichtig, da weniger Abfragen an die SQL Server-Datenquelle gesendet werden. Weitere Optimierungen ermöglichen das Generieren einfacherer SQL-Abfragen, was der SQL Server-Abfrageleistung zugute kommt. Weitere Informationen: Geschäftliche Insights mit SQL Server 2016 Analysis Server SQL Server Data Tools in Visual Studio 2015 SQL Server Data Tools (SSDT) ist für Visual Studio 2015 mit vereinfachter Installation verfügbar. SSDT ist ein modernes Datenbankentwicklungs-, Datenmodellierungs- und Designtool für SQL Server, Azure SQL Database, Analysis Services-Datenmodelle, Integration Services-Pakete und Reporting Services-Berichte. SSDT für Analysis Services ist als Teil von SQL Server Data Tools Visual Studio 2015 verfügbar, sodass alle SQL Server Data Tools für Visual Studio 2015 mit einer einzigen vereinfachten Installation bereitgestellt werden können. Die bisherige SSDT-BI-Installation war ca. 1 GB groß. Die neue Installationsdatei ist klein, und es werden nur die von Ihnen benötigten Komponenten heruntergeladen. Wenn Sie beispielsweise Visual Studio bereits installiert haben, wird es nicht noch einmal heruntergeladen. Inkrementelle Updates lassen sich dadurch deutlich einfacher und schneller durchführen. Mit dieser Version von SSDT können sowohl mehrdimensionale als auch tabellarische Modelle für unterstützte SSAS-Versionen entwickelt werden. SQL Server R Services Die beliebteste und gängigste Programmiersprache für Predictive Analytics ist heute die leistungsstarke Programmiersprache R. Als Open Source-Programmiersprache war R jedoch nicht für Big Data-Analysen ausgelegt. Seit der Übernahme von Revolution Analytics (dem führenden Anbieter für kommerzielle Software und Dienste auf Grundlage von R) durch Microsoft bietet die Microsoft-Datenplattform jetzt diese Funktionalität. Predictive Analytics Predictive Analytics ist eine der wichtigsten Möglichkeiten, die Big Data bieten. R ermöglicht es Ihnen, die Lücke zwischen Datenbank und Data Science zu schließen. In SQL Server 2016 können Sie R-Modelle in SQL Server verwalten. Dies versetzt Sie in die Lage, die leistungsstarken Funktionen von R und die Möglichkeiten der Data Science zu nutzen, um mit Advanced Analytics Insights aus Big Data zu gewinnen (Abbildung 11). SQL Server 2016 erleichtert die Verwendung von Advanced Analytics und steigert die Leistung für Advanced Analytics-Workloads, da es die R-Verarbeitung näher an die Daten heranbringt und Advanced Analytics-Funktionen direkt in SQL Server integriert. Tiefere Insights in Daten mit SQL Server 2016 | 18 Abbildung 11: Verwaltung von R-Modellen in SQL Server für Big Data-Insights Integriert in SQL Server 2016 Dank der Integration von R in SQL Server können Datenbankexperten T-SQL für Advanced Analytics von operativen Daten und Modellen verwenden sowie ihre Verfügbarkeit sichern und sicherstellen. In SQL Server 2016 müssen Data Scientists Daten nicht mehr über Microsoft Open Database Connectivity (ODBC) aus SQL Server extrahieren, um sie mit R zu analysieren. Stattdessen können sie die integrierte Revolution R Enterprise (RRE)Entwicklungsumgebung (IDE) für die Programmiersprache R zum Analysieren großer Datensätze und Erstellen prädiktiver und eingebetteter Modelle verwenden. Die Rechenarbeit erfolgt dabei auf dem SQL Server-Computer. Dadurch entfallen der Zeitaufwand und Speicherbedarf für das Verschieben von Daten, und Data Scientists profitieren von der Möglichkeit, Pakete auf ihre Datenbank anzuwenden. Datenbankexperten können jetzt in ihrer bevorzugten Analyseumgebung (beispielsweise R oder Python in Visual Studio) arbeiten und gleichzeitig die Vorteile der Rechenleistung, des Speichers und der Parallelität des Datenbankmoduls nutzen sowie die Genauigkeit von Modellen verbessern (Abbildung 12). Entwickler können mithilfe von T-SQL-Konstrukten ein R-Skript/-Modell über SQL Server-Daten operationalisieren. Datenbankadministratoren können Ressourcen verwalten und die R-Laufzeitausführung in SQL Server sichern und kontrollieren. Abbildung 12: Advanced Analytics-Funktionen in SQL Server 2016 für End-to-End-Lösungen Tiefere Insights in Daten mit SQL Server 2016 | 19 Big Data-Analyse Die Integration von R vereinfacht viele Big Data-Szenarien, beispielsweise die Verwendung von Big Data zur besseren Zielgruppenadressierung, Fluktuationsprognose, Anomalieerkennung sowie Betrugs- und Risikoanalyse. Benutzer in Unternehmen können überall und auf jedem Gerät auf Ergebnisse zugreifen. Zudem können Modelle, nachdem sie entwickelt und trainiert wurden, als Webdienste im Microsoft Azure Marketplace bereitgestellt werden. Die Integration skalierbarer R-Skripts und einer R-Distribution in HDInsight und Azure Machine Learning vereinfacht und beschleunigt die Analyse von Big Data sowie die Operationalisierung von R-Code für die Produktionsanwendung deutlich. Azure Machine Learning hat den Weg für diese Integration bereitet, da es die Machine Learning-Basisfunktionalität mit der Option anbietet, diese nach Bedarf zu erweitern. Dank der Integration können Data Scientists datenbanknahe Analyseszenarien wie Betrugsermittlung, Kundenfluktuationsanalyse, Produktempfehlungen usw. entwickeln (Abbildung 13). Abbildung 13: Datenbanknahe Analyseszenarien Verfügbarmachen von Insights für eine breitere Benutzerbasis mit Reporting Services SQL Server Reporting Services (SSRS) ist eine moderne, lokale Lösung für das Erstellen, Bereitstellen und Verwalten von Berichten innerhalb des Unternehmens. Mit der Einführung von SQL Server 2016 bietet Reporting Services ein modernes Design für das Enterprise Reporting. Sie können für Smartphones und Tablets optimierte mobile Berichte erstellen, um Daten für mehr Benutzer im Unternehmen zugänglich zu machen, und moderne paginierte Berichte erstellen. Tiefere Insights in Daten mit SQL Server 2016 | 20 Die serverbasierte Reportingplattform enthält zahlreiche Tools zum Erstellen, Verwalten und Übermitteln von Berichten sowie APIs, mit denen Entwickler die Daten- und Berichtsverarbeitung in benutzerdefinierte Anwendungen integrieren oder erweitern können. Die Tools können in der Microsoft Visual Studio-Umgebung verwendet werden und sind vollständig in SQL Server-Tools und -Komponenten integriert. Mit dem BerichtsGenerator können Berichtersteller paginierte Berichte entwerfen und diese auf einem Berichtsserver veröffentlichen. Mit dem Publisher für mobile Berichte können Berichtersteller mobile Berichte entwerfen und diese auf einem Berichtsserver veröffentlichen. SQL Server Data Tools (SSDT) ist in Visual Studio 2015 integriert und ermöglicht Entwicklern das Entwerfen von paginierten Berichten in der integrierten Visual StudioEntwicklungsumgebung sowie die Nutzung von Projekten, der Quellcodeverwaltung, Erstellung und Bereitstellung. SSRS enthält ein neues auf HTML5 basierendes Webportal, das an einem zentralen Ort Zugriff auf alle Berichte bietet. Benutzer können mit einem modernen Browser nach paginierten und mobilen Berichten suchen, diese anzeigen und verwalten. Ein Planungs- und Übermittlungs-Agent aktualisiert Datensätze, führt Berichte nach einem Zeitplan aus und stellt Benutzern paginierte Berichte per E-Mail oder auf andere Weise zu. Die auf dem SQL Server-Datenbankmodul beruhende Berichtsserver-Datenbank speichert und verwaltet den Katalog von Inhalten, einschließlich der Datenquellen, Datensätze, paginierten Berichte, mobilen Berichte und KPIs. Die Datenbank kann sich auf dem Berichtsserver oder auf einem anderen Server mit SQL Server befinden. Ein professionelles Verarbeitungs- und Renderingmodul stellt eine Verbindung mit verschiedenen Datenquellen her und fragt diese ab, verarbeitet Daten (Filterung, Sortierung, Gruppierung, Aggregation), wertet Ausdrücke und benutzerdefinierten Code aus und rendert paginierte Berichte in verschiedenen Formaten. Über dieselben Web-APIs, die für das Webportal, mobile Apps für Power BI und Berichtsentwurfs-Apps verwendet werden, können auch Apps von Drittanbietern und benutzerdefinierte Apps in Reporting Services und den Inhalt des Berichtsservers integriert werden. Zudem können mehrere Berichtsserver in einer horizontal skalierbaren Konfiguration eingesetzt werden, um die Skalierbarkeit und Verfügbarkeit zu verbessern. Abbildung 14: Reporting Services-Architektur Tiefere Insights in Daten mit SQL Server 2016 | 21 Moderne paginierte Berichte SQL Server 2016 Reporting Services modernisiert und erweitert paginierte Berichte in mehrfacher Hinsicht. Berichts-Designern stehen moderne Stile für Diagramme, Messgeräte, Strukturen und andere Datenvisualisierungen zur Verfügung, mit denen sie moderne Berichte schneller und einfacher denn je erstellen können. Neben den bereits vorhandenen Diagrammtypen sind neue Diagramme – Treemap- und SunburstDiagramme – verfügbar, die sich ideal zum Visualisieren hierarchischer Informationen eignen. Wenn Sie parametrisierte Berichte entwerfen, können Sie jetzt die Position jedes Parameters direkt steuern und die Parameter wie gewünscht anordnen – zur optimalen Nutzung größerer Bildschirme auch in mehreren Spalten. Zum Entwerfen von Berichten stehen Ihnen moderne Versionen vertrauter Tools zur Verfügung. Der BerichtsGenerator hat jetzt beispielsweise ein modernes Erscheinungsbild. Wenn Sie es als Entwickler vorziehen, Berichte in Visual Studio zu entwerfen, ist dies in Visual Studio 2015 jetzt möglich. In Visual Studio 2015 können Sie Visual Studio-Projekte, die Quellcodeverwaltung usw. nutzen. Beim Entwickeln von Berichtslogik oder benutzerdefinierten Erweiterungen der Plattform können Sie jetzt Code mit .NET Framework 4.6 schreiben oder integrieren. Für die Anzeige von Berichten werden ebenfalls mehrere neue Funktionen eingeführt. Berichte können nicht nur in Word-, Excel-, PDF- und andere Formate exportiert werden, sondern auch in PowerPoint-Präsentationen. Berichtselemente werden dabei zu individuellen PowerPoint-Objekten, sodass Sie sie zum Anpassen Ihrer Präsentation verschieben und ihre Größe ändern können. Ebenso können Sie zusätzlich zur Überwachung wichtiger Metriken und Trends durch die Übermittlung von Berichten an Ihren E-Mail-Posteingang jetzt Berichtsdiagramme, Messgeräte und Strukturen an Ihre Power BI-Dashboards anheften. Dynamische mobile Berichte In SQL Server 2016 Reporting Services werden mobile Berichte für lokale Implementierungen eingeführt, um Berichte mit dynamischem Layout bereitzustellen, die sich an verschiedene Bildschirmformen, -größen und -ausrichtungen anpassen. Mobile Berichte passen den Inhalt abhängig vom verwendeten Gerät (Smartphone, Tablet oder PC) und sogar beim Drehen des Geräts dynamisch an. Mobile Berichte basieren auf der Datazen-Technologie, die 2015 von Microsoft erworben wurde, und der Überzeugung, dass ein für mobile Geräte ausgelegter, mobilitätsorientierter Ansatz beim Anzeigen von Berichten auf Smartphones und Tablets die höchste Benutzerfreundlichkeit bietet. Sie können mobile Berichte mit der SQL Server-App Publisher für mobile Berichte erstellen und entweder mit der mobilen App für Power BI oder Ihrem Browser anzeigen. Paginierte Berichte und mobile Berichte ergänzen einander. Sie können von Fall zu Fall entscheiden, welcher Berichtstyp am besten für Ihre Anforderungen geeignet ist. Tiefere Insights in Daten mit SQL Server 2016 | 22 Publisher für mobile Berichte von Microsoft SQL Server ist das einzige Tool, das Sie zum Erstellen mobiler Berichte benötigen. Stellen Sie eine Verbindung mit SQL Server Reporting Services her, um auf Datenquellen zuzugreifen, erstellen Sie mühelos beeindruckende Berichte, und veröffentlichen Sie diese anschließend in Reporting Services, sodass andere Benutzer im Unternehmen über eine einheitliche Weboberfläche für mobile Geräte auf sie zugreifen können. Abbildung 15: Benutzeroberfläche des Publishers für mobile Berichte von Microsoft SQL Server Standardmäßige paginierte Berichte werden mit festen Seitengrößen entworfen, was bei mobilen Geräten problematisch ist. Auch wenn der Bildschirm eines mobilen Geräts hohe Auflösungen unterstützt, ist die Anzeige eines für einen Computerbildschirm formatierten Berichts schwierig. Beim Publisher für mobile Berichte werden Inhalte dynamisch an die Bildschirmgröße und -ausrichtung angepasst. Der Publisher für mobile Berichte ermöglicht Unternehmen das Erstellen von mobilen Berichte aus Daten in Microsoft Excel sowie anderen Unternehmens- und Cloud-Datenbankquellen. Diese Tools können eine Verbindung mit Unternehmensdatenquellen herstellen, zur Authentifizierung von Benutzern in Active Directory integriert werden, Live-Datenupdates an mobile Geräte übermitteln und Datenabfragen für jeden Benutzer personalisieren. Berichte können auch in einem Reporting Services-Webportal veröffentlicht und in einem Browser oder der mobilen App für Power BI für iOS auf einem Apple iPhone oder iPad angezeigt werden. Modernes Webportal zur Anzeige aller Berichte SQL Server Reporting Services enthält auch ein modernes Webportal, in dem Benutzer an einem zentralen Ort auf KPIs, paginierte und mobile Berichte, Power BI Desktop-Dateien sowie Excel-Dateien zugreifen können. Das Webportal basiert komplett auf HTML5 und wurde speziell zur Unterstützung moderner Browser konzipiert, darunter die aktuellen Versionen von Internet Explorer, Chrome, Firefox und Safari. Die ActiveX-Druckfunktion auf der ReportViewer-Symbolleiste wurde durch eine moderne, PDF-basierte Funktion ersetzt, die in allen unterstützten Browsern (einschließlich Microsoft Edge) verwendet werden kann. Tiefere Insights in Daten mit SQL Server 2016 | 23 Um die Präsentation von Berichten zu vereinfachen, kann ein ganzer Bericht in einen Satz von Microsoft PowerPoint-Folien exportiert werden. Abbildung 16: Modernes Webportal für KPIs, paginierte und mobile Berichte, Power BI Desktop-Dateien und Excel-Dateien Hybrid-BI Wenn sich Ihr Unternehmen aus Gründen der Flexibilität und Skalierbarkeit für eine Verlagerung in die Cloud entscheidet, haben Sie möglicherweise weiterhin viele lokale Datenquellen. Microsoft BI-Tools unterstützen diesen Trend. Sie können die Umstellung auf die Cloud in Ihrem eigenen Tempo vornehmen und mit einer Hybrid-BI-Lösung arbeiten, die Ihnen die weitere Nutzung lokaler Investitionen ermöglicht. Anheften von SSRS-Berichtselementen an Power BI-Dashboards Neben der lokalen Verwendung von Reporting Services können Sie Power BI-Dashboards zum Überwachen wichtiger Metriken und Trends einsetzen. Sie können Ihre Investitionen in lokale Reportingfunktionen nutzen und diese auf die Cloud ausdehnen, indem Sie einfach ein paginiertes Reporting Services-Berichtselement an ein Power BI-Dashboard anheften und sämtliche Informationen an einer Stelle anzeigen. Abbildung 17: Power BI-Dashboardansicht Tiefere Insights in Daten mit SQL Server 2016 | 24 Power BI Gateways Mit Power BI Gateways können Sie von den Vorteilen einer cloudbasierten BI-Lösung profitieren, ohne Ihre Daten verschieben zu müssen. Sie können Ihre Daten auf dem aktuellen Stand halten, indem Sie eine Verbindung mit lokalen Datenquellen wie SQL Server Analysis Services (tabellarische und mehrdimensionale Modelle) herstellen, ohne Daten in die Cloud zu verschieben. Sie können auch große Datensätze abfragen und dabei Ihre vorhandenen Investitionen nutzen. Die Gateways bieten Ihnen die notwendige Flexibilität, um die individuellen Anforderungen Ihrer Benutzer und die Anforderungen des gesamten Unternehmens zu erfüllen. Abbildung 18: Kombinierte Vorteile von Power BI und SQL Server Analysis Services Das Power BI Gateway für Unternehmensbereitstellungen ermöglicht die Verwendung von DirectQuery für lokale Installationen von SQL Server, SAP HANA, Oracle oder Teradata sowie eine Liveverbindung mit Analysis Services. Sie können eine Liveverbindung mit einem tabellarischen oder mehrdimensionalen Modell in Analysis Services herstellen. Das Enterprise-Gateway kann auch mit einer planmäßigen Aktualisierung für in Power BI importierte Daten verwendet werden. Weitere Informationen: Power BI Gateways Tiefere Insights in Daten mit SQL Server 2016 | 25 Schlussfolgerung Daten stammen heute aus relationalen und nicht relationalen Quellen, aus lokalen Umgebungen und der Cloud, aus Big Data und anderen Quellen. Wie in Abbildung 16 dargestellt bietet SQL Server 2016 Lösungen zum: Speichern von Daten in mehreren Formaten mithilfe skalierbarer Technologien Erleichtern des Zugriffs auf Daten für Entwickler und Benutzer Bereitstellen von Diensten für leistungsstarke präskriptive und prädiktive Datenanalysen Organisationsübergreifenden Teilen von Insights – lokal, über das Web oder mobile Geräte Technologien wie PolyBase ermöglichen den Zugriff auf strukturierte und unstrukturierte Daten über HDInsight. Data Warehousing-Lösungen wie Azure Fast Track Data Warehouse oder Azure SQL Data Warehouse (oder APS für lokale Lösungen) stellen auf effiziente Weise hoch verfügbare Daten bereit. Durch die operative Echtzeitanalyse können Benutzer schneller Insights gewinnen. Erweiterungen von Analysis Services bieten umfassendere Modellierungsunterstützung und ermöglichen die Erstellung leistungsstarker BI-Modelle. Mit R Services können leistungsstarke präskriptive und prädiktive Analysen direkt auf der Datenplattform durchgeführt werden. Reporting Services – zur Unterstützung moderner Browser und mobiler Berichte überarbeitet – und Power BI stellen sicher, dass Insights bei Bedarf überall für Benutzer verfügbar sind. Tiefere Insights in Daten mit SQL Server 2016 | 26 Weitere Informationen Auf den folgenden Websites finden Sie weitere Informationen zu den in diesem Whitepaper behandelten Themen: SQL Server Microsoft Business Intelligence Big Data-Lösungen von Microsoft Feedback War dieses Whitepaper für Sie hilfreich? Wir würden uns über Ihr Feedback freuen. Bitte bewerten Sie das Whitepaper auf einer Skala von 1 (schlecht) bis 5 (hervorragend), und nennen Sie uns die Gründe für diese Bewertung. Genauer gesagt: Bewerten Sie das Whitepaper als gut, weil es relevante Beispiele oder hilfreiche Screenshots enthält, der Text gut verständlich formuliert ist usw.? Bewerten Sie das Whitepaper als schlecht, weil die Beispiele für Ihre Belange nicht relevant sind, die Screenshots unscharf sind, der Schreibstil zu wünschen übrig lässt usw.? Ihr Feedback hilft uns, die Qualität der von uns veröffentlichten Whitepaper zu verbessern. Bitte senden Sie Ihr Feedback an: mailto:[email protected] Tiefere Insights in Daten mit SQL Server 2016 | 27