Bonnes pratiques pour l'architecture QVD lors de la migration vers Qlik Cloud

Dernière mise à jour : 14/10/2026

Qlik Cloud prend en charge les fichiers volumineux, et le stockage natif DataFiles peut gérer les fichiers QVD volumineux. Les considérations architecturales diffèrent, cependant, lors de l'utilisation de fichiers volumineux dans Qlik Cloud par rapport à Qlik Sense Enterprise on Windows.

Les performances de chargement QVD diffèrent entre Qlik Sense Enterprise on Windows et Qlik Cloud :

• Dans Qlik Sense Enterprise on Windows, le moteur Qlik lit le QVD directement depuis le stockage sur disque local. Lorsque les fichiers sont stockés sur le serveur local, il y a également une latence minimale lors du chargement des données.

• Dans Qlik Cloud, le Moteur Qlik effectue un appel réseau pour lire le contenu du fichier à partir du stockage de fichiers web. Cela ajoute du temps de chargement de deux manières. Tout d'abord, la lecture depuis le stockage de fichiers web sur le réseau ajoute une latence de transfert que les lectures de disque local évitent. Deuxièmement, le chiffrement requis pour les certifications de conformité, telles que SOC 2/3 et HIPAA, ajoute une surcharge de traitement.

  Note InformationsPour plus de détails sur la sécurité et la conformité, consultez Fiabilité et sécurité chez Qlik.

Lors du stockage des fichiers QVD dans Qlik Cloud, incluez le temps de lecture et d'écriture des fichiers dans votre stratégie de rechargement. Considérez les approches suivantes lors de la planification de votre architecture QVD dans Qlik Cloud :

• Maintenir des tailles QVD optimales

• Optimiser les opérations de chargement QVD

Pour plus d'informations sur l'utilisation des fichiers QVD, voir :

• Utilisation de fichiers QVD

Maintenir des tailles QVD optimales

Bien que Qlik Cloud puisse gérer des fichiers volumineux, gardez vos fichiers QVD suffisamment petits pour répondre à vos exigences de performance. Il n'y a pas de taille cible fixe, alors validez les performances dans le cadre de la conception de vos données et optimisez davantage pour atteindre vos besoins. Les approches suivantes peuvent aider à maintenir vos fichiers QVD dans des plages de taille optimales pour un chargement rapide.

Pour plus d'informations sur l'optimisation des performances des applications avec de grands volumes de données, consultez :

• Grands volumes de données

Segmentez vos données

Réduisez la taille des fichiers individuels en segmentant vos données par dimensions naturelles telles que :

• Période : Segmentez vos données par périodes, telles que les années ou les mois. Par exemple, vous pourriez scinder un QVD contenant toutes vos données en deux QVD :

  • Un QVD qui contient des données des deux dernières années.

  • Un QVD qui contient des données historiques de plus de deux ans.

• Catégorie : Segmentez vos données par catégories logiques, telles que :

  • Pays ou régions.

  • Groupes de produits.

  • Départements.

  Par exemple, vous pourriez diviser un QVD contenant toutes vos données par pays ou par zones administratives de second niveau telles que les États ou les provinces.

• Niveau d'agrégation : Agrégez vos données à un niveau supérieur pour créer un jeu de données plus petit. Par exemple :

  • Agréger les données quotidiennes en résumés mensuels.

  • Agréger les données clients individuelles en résumés régionaux.

Réduire la cardinalité des données

Réduire la cardinalité des données dans les fichiers QVD améliore la compression et réduit la taille des fichiers QVD. Considérez les approches suivantes :

• Arrondi : Arrondir les valeurs numériques à cardinalité élevée lorsque cela a un sens analytique. Cela réduit le nombre de valeurs uniques, ce qui conduit à des jeux de données plus petits et à un traitement plus rapide de la table des symboles.

• Fractionnement des horodatages : Fractionnez les champs d'horodatage en champs distincts Date et Heure. Cela réduit considérablement la cardinalité et améliore la compression.

• Optimisation des champs de texte : Les champs de texte peuvent avoir une cardinalité élevée, en particulier les champs contenant de longues descriptions. Pour optimiser vos fichiers QVD, évitez d'inclure ces champs de texte dans plusieurs fichiers QVD. Déplacez-les dans des fichiers QVD dédiés pour que les fichiers QVD de données primaires restent légers. Si un QVD texte unique n'est toujours pas performant, segmentez-le davantage.

Revoir la stratégie de couche QVD

Les fichiers QVD peuvent grossir avec le temps et ne plus être optimisés pour leurs cas d'utilisation d'origine. Passez en revue votre stratégie de couche et déterminez si vous pouvez adopter une structure plus granulaire. L'utilisation de fichiers plus nombreux et de plus petite taille peut limiter l'impact du chargement des fichiers.

Par exemple, le fractionnement des données de vente en fichiers QVD par année peut accélérer les temps de rechargement et permettre aux applications de lire moins de données lorsqu'elles ne nécessitent que des points de données des années les plus récentes.

Pour plus d'informations sur la création et le stockage de couches QVD, consultez :

• Chargement des enregistrements nouveaux et mis à jour avec chargement incrémentiel

Optimiser les opérations de chargement QVD

Lors du chargement de données à partir de fichiers QVD dans Qlik Cloud, optimisez vos opérations de chargement. Les approches suivantes peuvent aider à réduire les temps de chargement lors de la lecture de fichiers QVD.

Minimiser les lectures de stockage

Évitez de charger les mêmes fichiers QVD plusieurs fois dans un seul script de chargement. Pour réduire la surcharge, chargez les données une seule fois dans une table temporaire et réutilisez-les via des chargements RESIDENT.

Pour plus d'informations sur le chargement des données et les tables résidentes, voir :

• Chargement des données dans Qlik Sense

Tirer parti des charges optimisées

Pour les scénarios non optimisés, tels que les chargements avec des clauses WHERE complexes ou les transformations de données, envisagez de charger d'abord le QVD dans son format optimisé dans une table temporaire. Vous pouvez ensuite effectuer les manipulations et le filtrage nécessaires via un chargement RESIDENT dans votre table cible finale, déplaçant la charge de traitement du chargement du QVD vers la mémoire du moteur.

Pour plus d'informations sur les modes de chargement QVD optimisé et standard, consultez :

• Fichiers QVD

Solutions alternatives de stockage de fichiers

Si la surcharge de gouvernance liée au stockage de vos QVD dans Qlik Cloud entraîne des problèmes de performances en lecture et en écriture, envisagez de tester d'autres solutions de stockage de fichiers avec des options de niveau de sécurité configurables.

Pour les solutions de stockage de fichiers prises en charge par Qlik Cloud, voir Qlik Connecteurs de fournisseur de stockage Web (uniquement en anglais). Pour minimiser les problèmes de latence, assurez-vous que votre solution de stockage de fichiers alternative est déployée aussi près que possible du client de votre région Qlik Cloud.

Pour plus d'informations sur la gestion des fichiers de données, voir :

• Gestion des fichiers de données

• Gestion des fichiers de données pour les administrateurs de clients et d'analyses