Vue de calcul dans asapBI sans SQL

# asapBI : Modélisation visuelle des vues de calcul sans SQL

Le développement de requêtes SQL complexes avec sous-requêtes et CTEs se transforme souvent en un cauchemar de lisibilité et de maintenance. Un texte s'étendant sur des dizaines d'écrans complique le débogage et la compréhension de la logique au fil du temps. La solution consiste à passer à des vues de calcul visuelles, similaires à SAP HANA, mais adaptées à divers SGBD.

asapBI implémente un tel système : construction visuelle de sélections de données avec paramètres, export vers des fonctions UDF de base de données. Le support d'ADB, Greenplum, PostgreSQL, ClickHouse permet d'intégrer les modèles dans les stacks existants.

Fonctionnalités clés des vues de calcul

Le système génère des fonctions natives SGBD qui peuvent être appelées depuis n'importe quel outil. Fonctionnalités clés :

• Exécution à l'intérieur de la base de données ou sur des clusters externes (Trino, CedrusData) — transformations en 10 minutes au lieu de 4 heures sans charger la production.
• Transparence totale : visualisez le SQL généré avec option d'édition manuelle.
• Sans verrouillage fournisseur : export vers des outils standards sans perte de travail.
• Intégration des paramètres CV pour des requêtes dynamiques.

La création se fait dans des dossiers de projet, comme pour les autres objets Data Vault. Une CV prête est un ensemble de UDF prêtes à être appelées.

Avantages par rapport au SQL manuel

Le SQL manuel convient aux optimisations de niche, mais le délai de mise sur le marché en pâtit. La plupart des requêtes sont optimisées par le moteur de BD, et la croissance des performances matérielles réduit le besoin de réglages au niveau assembleur.

Dans asapBI, le SQL devient une option pour le polissage final, pas l'outil principal. Les blocs CV intermédiaires sont exportés sous forme de fonctions, simplifiant la modularité.

Exemple : au lieu d'une requête monolithique, un graphe de transformations avec jointures, filtres et agrégations est construit visuellement. Résultat — SQL optimisé ou UDF.

Mise à l'échelle sur les clusters

Critique pour l'ETL : clôture de périodes sans matérialisation. L'exécution sur des clusters externes décharge le DWH. Pas besoin de maintenir des vues matérialisées.

Le support de Trino permet de paralléliser les tâches. Pour les rapports — appels UDF directs sans tables intermédiaires.

Points importants

• La construction visuelle accélère le développement de modèles analytiques complexes.
• L'export vers UDF assure l'intégration avec des systèmes externes.
• L'exécution sur clusters réduit la charge sur la BD de production de plus de 20 fois.
• Transparence du code SQL + éditions manuelles pour les développeurs seniors.
• Pas de verrouillage fournisseur : migration vers n'importe quel outil.

Perspectives avec l'IA

Étape suivante — automatisation : l'IA génère des schémas, jointures, modèles à partir de descriptions. Le développeur les examine et ajuste. Cela minimise le travail manuel, en gardant le focus sur la logique métier.

De tels systèmes sont pertinents pour les spécialistes intermédiaires/seniors : réduisent la charge cognitive, accélèrent les itérations sans perdre le contrôle.

— Editorial Team