# Najlepsze praktyki dla architektury QVD podczas migracji do Qlik Cloud

Qlik Cloud obsługuje duże pliki, a natywna pamięć masowa DataFiles może obsługiwać duże pliki QVD. Rozważania architektoniczne różnią się jednak, gdy używa się dużych plików w Qlik Cloud w porównaniu do Qlik Sense Enterprise on Windows.

Wydajność ładowania QVD różni się między Qlik Sense Enterprise on Windows i Qlik Cloud:

* W Qlik Sense Enterprise on Windows, silnik Qlik odczytuje QVD bezpośrednio z lokalnej pamięci dyskowej. Gdy pliki są przechowywane na lokalnym serwerze, występuje również minimalne opóźnienie podczas ładowania danych.

* W Qlik Cloud, silnik Qlik wykonuje wywołanie sieciowe, aby odczytać zawartość pliku z magazynu plików sieciowych. To wydłuża czas ładowania na dwa sposoby. Po pierwsze, odczyt z sieciowej pamięci plików przez sieć dodaje opóźnienie transferu, którego odczyty z dysku lokalnego unikają. Po drugie, szyfrowanie wymagane do certyfikacji zgodności, takich jak SOC 2/3 i HIPAA, dodaje narzut przetwarzania.

  InformacjaAby uzyskać więcej szczegółów na temat bezpieczeństwa i zgodności, zobacz [Zaufanie i bezpieczeństwo w Qlik](https://www.qlik.com/us/trust).

Podczas przechowywania plików QVD w Qlik Cloud, uwzględnij czas odczytu i zapisu pliku w swojej strategii ponownego ładowania. Rozważ następujące podejścia podczas planowania architektury QVD w Qlik Cloud:

* Utrzymuj optymalne rozmiary QVD

* Optymalizacja operacji ładowania QVD

Więcej informacji na temat pracy z plikami QVD można znaleźć w:

* [Praca z plikami QVD](https://help.qlik.com/pl-PL/cloud-services/Content/Sense_Hub/Scripting/work-with-QVD-files.htm)

Wskazówka

Aby dowiedzieć się więcej o wydajności QVD, zobacz następujące Qlik kursy Learning:

* [Podstawy wydajności QVD](https://learning.qlik.com/student/path/3561896-qvd-performance-foundations-on-premises-versus-qlik-cloud) (Bezpłatne)

* [Podstawy wydajności QVD](https://learning.qlik.com/student/path/3564238-qvd-performance-essentials-on-premises-versus-qlik-cloud) (Tylko subskrypcja)

## Utrzymuj optymalne rozmiary QVD

Chociaż Qlik Cloud może obsługiwać duże pliki, utrzymuj pliki QVD na tyle małe, aby spełniały Twoje wymagania wydajnościowe. Nie ma ustalonego rozmiaru docelowego, więc zweryfikuj wydajność w ramach projektowania danych i optymalizuj dalej, aby osiągnąć swoje potrzeby. Poniższe podejścia mogą pomóc utrzymać pliki QVD w optymalnych zakresach rozmiarów dla terminowego ładowania.

Więcej informacji na temat optymalizacji wydajności aplikacji przy dużych wolumenach danych można znaleźć w:

* [Duże wolumeny danych](https://help.qlik.com/pl-PL/cloud-services/Content/Sense_Hub/Apps/app-performance.htm#LargeData)

### Segmentuj swoje dane

Utrzymuj niskie rozmiary poszczególnych plików, segmentując dane według naturalnych wymiarów, takich jak:

* Ramy czasowe: Segmentuj swoje dane według ram czasowych, takich jak lata lub miesiące. Na przykład, możesz podzielić plik QVD zawierający wszystkie Twoje dane na dwa pliki QVD:

  * QVD zawierający dane z dwóch ostatnich lat.

  * Plik QVD zawierający dane historyczne starsze niż dwa lata.

* Kategoria: Segmentuj dane według kategorii logicznych, takich jak:

  * Kraje lub regiony.

  * Grupy produktów.

  * Działy.

  Na przykład, możesz podzielić plik QVD zawierający wszystkie Twoje dane według kraju lub drugiego poziomu obszarów administracyjnych, takich jak stany lub prowincje.

* Poziom agregacji: Agreguj swoje dane do wyższego poziomu, aby utworzyć mniejszy zbiór danych. Na przykład:

  * Agreguj dane dzienne w miesięczne podsumowania.

  * Agreguj indywidualne dane klientów w regionalne podsumowania.

### Zmniejsz kardynalność danych

Zmniejszenie kardynalności danych w plikach QVD poprawia kompresję i zmniejsza rozmiar pliku QVD. Rozważ następujące podejścia:

* Zaokrąglanie: Zaokrąglaj wartości liczbowe o wysokiej kardynalności, gdy ma to sens analityczny. To zmniejsza liczbę unikalnych wartości, co prowadzi do mniejszych zbiorów danych i szybszego przetwarzania tabel symboli.

* Dzielenie znaczników czasu: Podziel pola znacznika czasu na oddzielne pola Daty i Godziny. To znacząco obniża liczność i poprawia kompresję.

* Optymalizacja pól tekstowych: Pola tekstowe mogą mieć wysoką kardynalność, zwłaszcza pola zawierające długie opisy. Aby zoptymalizować pliki QVD, unikaj uwzględniania tych pól tekstowych w wielu plikach QVD. Przenieś je do dedykowanych plików QVD, aby podstawowe pliki QVD z danymi były lekkie. Jeśli pojedynczy tekstowy plik QVD nadal nie jest wydajny, podziel go na mniejsze części.

### Przejrzyj strategię warstwy QVD

Pliki QVD mogą rosnąć z czasem i mogą już nie być zoptymalizowane dla ich pierwotnych zastosowań. Przejrzyj swoją strategię warstw i określ, czy możesz przyjąć bardziej szczegółową strukturę. Używanie większej liczby mniejszych plików może ograniczyć wpływ ładowania plików.

Na przykład, podział danych sprzedażowych na pliki QVD według roku może przyspieszyć czasy przeładowania i umożliwić aplikacjom odczytywanie mniejszej ilości danych, gdy wymagają one jedynie punktów danych z ostatnich lat.

Aby uzyskać więcej informacji na temat tworzenia i przechowywania warstw QVD, zobacz:

* [Ładowanie nowych i zaktualizowanych rekordów z ładowaniem przyrostowym](https://help.qlik.com/pl-PL/cloud-services/Content/Sense_Hub/LoadData/use-QVD-files-incremental-load.htm)

## Optymalizacja operacji ładowania QVD

Podczas ładowania danych z plików QVD w Qlik Cloud, zoptymalizuj operacje ładowania. Poniższe podejścia mogą pomóc skrócić czasy ładowania podczas odczytywania plików QVD.

### Minimalizuj odczyty z pamięci masowej

Unikaj ładowania tych samych plików QVD wielokrotnie w ramach jednego skryptu ładowania. Aby zmniejszyć narzut, załaduj dane raz do tabeli tymczasowej i wykorzystaj je ponownie poprzez ładowania RESIDENT.

Aby uzyskać więcej informacji na temat ładowania danych i tabel rezydentnych, zobacz:

* [Ładowanie danych w Qlik Sense](https://help.qlik.com/pl-PL/cloud-services/Content/Sense_Hub/Scripting/data-loading.htm)

### Wykorzystaj zoptymalizowane obciążenia

Dla niezoptymalizowanych scenariuszy, takich jak ładowanie z złożonymi klauzulami WHERE lub transformacje danych, rozważ najpierw załadowanie pliku QVD w jego zoptymalizowanym formacie do tabeli tymczasowej. Można wtedy wykonać niezbędne manipulacje i filtrowanie za pomocą ładowania RESIDENT do końcowej tabeli docelowej, przenosząc obciążenie przetwarzania z ładowania QVD do pamięci silnika.

Aby uzyskać więcej informacji na temat zoptymalizowanych i standardowych trybów ładowania QVD, zobacz:

* [Pliki QVD](https://help.qlik.com/pl-PL/cloud-services/Content/Sense_Hub/Scripting/QVD-files-scripting.htm)

## Alternatywne rozwiązania do przechowywania plików

Jeśli narzut zarządzania związany z przechowywaniem plików QVD w Qlik Cloud powoduje problemy z wydajnością odczytu i zapisu, rozważ przetestowanie alternatywnych rozwiązań do przechowywania plików z konfigurowalnymi opcjami poziomu bezpieczeństwa.

OstrzeżenieQlik nie może udzielać konkretnych rekomendacji dotyczących alternatywnej pamięci masowej plików. Rozważ lokalną politykę bezpieczeństwa IT podczas przechowywania danych biznesowych w dowolnej publicznej lokalizacji przechowywania opartej na chmurze.

Dla Qlik Cloud-obsługiwanych rozwiązań do przechowywania plików, zobacz [Qlik łączniki dostawcy pamięci masowej w sieci Web](https://help.qlik.com/en-US/connectors/Subsystems/Web_Storage_Provider_Connectors_help/Content/Connectors_StorageProvider/Introduction/Web-Storage-Provider-Connectors-Introduction.htm) (tylko w języku angielskim). Aby zminimalizować problemy z opóźnieniami, upewnij się, że Twoje alternatywne rozwiązanie do przechowywania plików jest wdrożone jak najbliżej dzierżawy Twojego regionu Qlik Cloud.

Więcej informacji na temat zarządzania plikami danych można znaleźć w:

* [Zarządzanie plikami danych](https://help.qlik.com/pl-PL/cloud-services/Content/Sense_Hub/Spaces/manage-data-files-spaces.htm)

* [Zarządzanie plikami danych dla administratorów dzierżawy i analityki](https://help.qlik.com/pl-PL/cloud-services/Content/Sense_Hub/Admin/mc-administer-data-files.htm)