Tableau - Performance Tuning (časť 3.) | Mňamka #506

Príliš obecné zdielané data sourcy

To čo vám na jednej strane šetrí miesto vám na strane druhej môže ubrať pri rýchlosti. Preto ak náhodou dashboard, ktorý potrebujete zrýchliť zdieľa data source s viacerými dashboardami, je dobré pouvažovať nad vytvorením menšieho viac špecifického data sourcu pre potreby dotknutého dashboardu.

Automatizované optimalizačné odporúčania

Jedná sa o relatívne novú funkcia (workbook optimizer), ktorá je v Tableau Desktop dostupná od verzie 2022.1. Stačia 2 kliky (Server->Run Optimizer) a Tableau vo workbooku skontroluje dodržiavanie best practices a vytvorí vám o tom prehľadný report aj s odporúčaniami ako prípadne odchylky od best practices opraviť. Dodržiavanie kontrolovaných best practices je dôležité pre výslednú rýchlosť vašeho dashboardu a viaceré z nich už boli spomenuté aj v tomto článku.

View Acceleration

Taktiež sa jedná o novú možnosť, ktorú Tableau ponúka od verzie 2022.1. Jej podstata spočíva v tom že Tableau si v prípade aktivácie tejto možnosti pre vybraný view predpočíta na pozadí výpočtovo náročne dlhotrvajúce queries.  

Ide ale skôr iba o taký rýchly hot fix, keď narýchlo potrebujete zrýchliť dashboard ktorý sa pomaly načíta. View acceleration sa však dá nastaviť iba v niektorých prípadoch a jej využívanie by rozhodne nemalo suplovať dobrý návrh dashboardu a dodržiavanie best practices pre vytváranie efektívnych dashboardov.

Viac o funkcii https://help.tableau.com/current/server/en-us/data_acceleration.htm

Debugovanie pomocou Tableau performance recordings

 

Ak ste vyskúšali už úplne všetko a váš workbook stále nie a nie performovať, môžete sa viac zanoriť do detailného reportu vytvoreného pomocou Tableau performance recordings. Tento report vám pomôže identifikovať bottleneck vašeho dashboardu. Môžete sa dostať až na úroveň jednotlivých queries a toho koľko trvajú.

Prostredie v ktorom je Tableau server nasadený

V prípade že performance vašeho dashboardu je v poriadku pokiaľ ho testujete na desktopovej verzii, ale problém s performance nastáva až po vypublikovaní na Tableau server, je dosť pravdepodobné že bottleneck bude práve Tableau server. V tomto prípade je určite vhodné sa pozrieť na možnosti škálovania parametrov prostredia v ktorom je váś Tableau server nasadený. 

 

Veľa štastia pri zrychlovaní a optimalizácii vašich Tableau dashboardov!

Máte k článku nějaké otázky nebo připomínky? Klidně nám napište, rádi to s Vámi probereme :-)

   Simon Sudora
    data detective

Tableau - Performance Tuning (časť 2.) | Mňamka #503

Tableau - Performance Tuning (časť 2.) | Mňamka #503

Dnes nadviažeme pokračovaním na minulotýžďnový článok a pozrieme na niektoré ďalšie možnosti zrýchlenia vašeho pomalého dashboardu. V prípade filtrov tiež platí, že pre performance je lepšie držať ich počet na uzde. Je to spôsobené tým, že načítanie hodnôt pre každý jeden interaktívny filter predstavuje jednu query. Negatívny vplyv na performance sa ešte umocňuje v prípade využitia možnosti “Only Relevant Values”.

Tableau - Performance Tuning (časť 1.) | Mňamka #500

Tableau - Performance Tuning (časť 1.) | Mňamka #500

Naimplementovali ste dashboard, vyhrali ste sa s vizuálom, čísla na vám sedia. Násadíte dashboard na Tableau server a idete ho otestovať, tu však narazíte na problém. Dashboard sa načítava extrémne dlho. Pre časovo vyťažený klienta, ktorý potrebuje mať dáta nie len správne, ale aj dostupné v rozumnom čase, je samozrejme takýto stav neakceptovateľný. Čo teraz? Určite nezúfajte, v tomto článku sa s vami podelíme o skúsenosti čo v takom prípade robiť.

PySnooper aneb debugging na jedné řádce | Mňamka #497

PySnooper aneb debugging na jedné řádce | Mňamka #497

Nedávno jsem se toulala na PyConCZ a narazila jsem tam na knihovnu PySnooper. Znáte ten pocit, když objevíte něco nového a nechápete, jak jste bez toho mohli doposud žít? Tak přesně tohle se mi stalo s PySnooperem. Známe tu situaci všichni. Píšeme kód, blíží se oběd, chceme to dotáhnout, ale kód nefunguje. Na nastavování debuggeru, vkládání break pointů a plnohodnotný debugging nezbývá moc energie. Navíc ten kód je stejně krátký, tak tam nacpeme print(”uaaaaa ”, proměnná) a pak druhý print(”chci obeeeeeeeeeed ”, promenna2) a ještě deset, než konečně kód projde a my se můžeme jít spokojeně najíst.