Embed Size (px)
Citation preview
Tiefere Insights in Daten
mit SQL Server 2016
Technisches Whitepaper
Veröffentlicht im Juni 2016
Tiefere Insights in Daten mit SQL Server 2016 | 2
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 | 3
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 | 4
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 | 5
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 | 6
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 Hadoop-
Daten über eine einzige Transact-SQL (T-SQL)-Abfrage
Unterstützung für unstrukturierte Daten und Data Warehousing-Lösungen – sowohl Symmetric Multi-
Processing (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 | 7
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 | 8
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 2016-
Instanzen zu einer PolyBase-Farm ebenfalls möglich.
Tiefere Insights in Daten mit SQL Server 2016 | 9
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 | 10
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
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
2 Columnstore-Indizes für Data Warehousing
Tiefere Insights in Daten mit SQL Server 2016 | 11
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 Konnektivitäts-
und 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 | 12
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 | 13
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 | 14
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 | 15
SQL Server ermöglicht Benutzern das Erstellen aktualisierbarer, nicht gruppierter Columnstore-Indizes in
traditionellen Rowstore-Tabellen. Transaktionsworkloads werden mit dem Rowstore-Index ausgeführt, Analytics-
Workloads 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 Compression-
Verzögerung 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 | 16
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 | 17
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 | 18
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 | 19
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 | 20
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 | 21
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 Berichts-
Generator 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 Studio-
Entwicklungsumgebung 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 | 22
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 Sunburst-
Diagramme – 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 Berichts-
Generator 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 | 23
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 | 24
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 | 25
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 | 26
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 | 27
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]
