适用性：SAP BW on HANA、BW/4HANA和嵌入式BW解决方案

商业案例：每个运行库存系统的BW系统在维护库存流入和流出的情况下也需要一个针对特定日期的每日库存快照的解决方案，当数据量较少时很容易管理，但在零售类系统中，在数量巨大的情况下，存储这些快照变得非常必要（大多数情况下，当您的计算空间不足时，它会很方便）。

例如：假设您有一篇文章，您正在一家商店销售，现在这件商品很畅销，怎样做淘客，1元云购，每天都需要补充，所以你每天都可以从供应商或配送中心（DC）那里得到店内的商品，因此理想情况下，你可以在这里得到4个关键绩效指标：运送到商店的商品数量（流入量），售出的商品数量（流出量），当天开始时的物品数量（期初余额）和当天结束或EoB后剩余的物品数量，即（期末余额）。我们可以得到更多的关键绩效指标，但我们现在将讨论这些指标。今天的期初余额通常是文章站点组合的昨天的期末余额，因此我们可以计算其中的一个，即期初余额或期末余额，它给出了在特定的一天结束业务后我们剩下多少库存或文章。这种股票视图称为快照。现在假设你有100000篇文章和500个站点；假设快照只保留一天，如果这些数据需要保留一年，那么你将得到100000 X 500 X 365=182.5亿条记录。

当前场景/问题：今天使用非cumm从库存目标计算并获取库存快照。KFs根据数据量的不同，处理任何成熟的零售解决方案所花费的时间可能很容易达到数小时（我们的示例中每天有5000万条记录）。大多数情况下，我们使用APD执行快照输出，阿里大数据，并将BEx查询捕获到Direct update DSO=>此过程既耗时又耗资源，即使是最优化的APD运行也可能需要很长时间才能产生输出。在BW技术升级到7.4sp18之后，我们遇到了这个特殊的问题。APDs停止考虑并行化，执行开始消耗2小时。

解决方案：我们可以使用下面给定的算法将整个BW–BEx级别的计算下推到HANA，以捕获今天所有库存的快照。基于一些研究运行，我们已经能够在3分钟内计算出700多万条记录，而现在在HANA系统上的BW中使用APD需要2个多小时。

算法：理解这一点需要通过HANA上的SAP BW的非累积KPI了解MM多维数据集操作的一些基本背景知识。显然，我们现在只有一个事实表，它本身正用于BEx中某一天的快照计算。

算法：1） 计算参考日或最后一个标记更新的日期。[RSDDSTATCOND表包含多维数据集压缩的最新信息，手机网站建站，这也意味着标记正常更新]。

2）计算CALDAY，这将是昨天的日期。（假设您捕获期末余额）。

3）下推逻辑很简单：快照日（x）=您将需要今天流行的所有可用文章站点组合的数据，这些数据需要与每个文章站点组合的快照计算进行混搭，从而产生到昨天为止的数据，并根据流入和流出方程添加标记。标记值可以从标记值=1中获得，对应于从点1提取的日期。

现在可以将其汇总为发生在BEx中，以实现从标记日期到昨天日期（流入-流出+标记）的总和。

例外：在某些情况下，可能会发现行数与BEx输出不匹配这些都是由于历史价值，需要调整现有的文章站点组合。

最终结果：对于基于我们的脚本/设计逻辑运行的计算，采用基于APD的方法，我们可以在4分钟内完成7+M行的整个快照计算，耗时2小时以上，通信云，CPU和并发负载对该解决方案的整体效率有相当大的影响，因为整个计算都被压低了。

优点：与BW应用层的OLAP管理器相比，我们发现HANA计算有很大的周转时间，因为我们能够使用AMDP将此逻辑嵌入到转换中。

缺点：在在HANA内存和CPU周期方面，运行时需要大量资源，可以通过使用UDF来控制此操作期间的内存峰值来缩短这些资源