---这个博客已经过时了。有关更多更新信息，请参阅SAP Analytics Cloud中有关智能争用的指导播放列表。--

早在2015年7月，我们启动了一个代号为"Sparca"的项目，以帮助将数据争用功能从我们的单片体系结构中分离为一个单独的微服务。这是一次很好的学习经历，我决定记录并与大家分享，因为它在2016年12月发布。

Sparca Data Wrangler帮助您修剪、转换和格式化数据，这样您就可以创建一个SAP Cloud Analytics模型，该模型最终将被图表和表格使用。数据争论介于数据采集和建模工作流程之间。数据采集阶段涉及从所有不同的云或内部数据源（如Concur、SuccessFactors、BW、HANA、BI Universes等）检索原始数据。最初采集原始数据时，可能需要对其进行清理，大数据应用，大数据是什么意思，而且行数和列数也可能相当大。在这个数据争用过程中，有时您仍在试图理解您的数据并从中获得意义，因此数据分析在模型设计中也起到了一定的作用。许多这些列和行甚至可能与您的图表无关，而数据争用设计过程本身也可能相当耗时。

在以前的单片体系结构中，将HANA的资源用于尚未进行信息挖掘的大型未实现数据是否合理？当单个用户还没有发现他们想要创建的内容时，将HANA的内存用于长时间运行的会话是否最有意义？我们认为，在进行分析之前，我们可以通过转向微服务体系结构来使用这些步骤的替代解决方案。

Sparca不使用HANA来实现数据争用，因此这将减轻monolith中使用的内存和计算资源。HANA是为适合分析的分组和聚合而设计的，但并不适合于具有未实现原始值的大型数据集。对于还没有准备好的数据，我们可以将其存储在像Hadoop这样更便宜的平台上，它不需要昂贵的硬件，并且允许我们处理非常大的数据源，否则就不可能放入您的传统数据库中。用户喜欢看我们的数字会议室和所有花哨的图表和表格。然而，创建一个可供这些图表使用的相关模型是非常具有挑战性的。我们团队的目标之一是帮助您更轻松地创建模型，大数据行业分析，让您可以继续使用应用程序中更有趣的部分，如图表和故事创建。我们尝试通过自动为用户执行智能转换来指导用户，建议根据数据分析采取的操作，并在用户需要时向他们提供反馈正在设计一个无效的模型。这是一个不完美的解决方案，总是产生许多可用性的讨论和争议！

Sparca项目非常有趣，因为它向我们介绍了许多新技术，如Hadoop、Spark、Akka和Spray。我们还能够使用Scala来表达我们的算法，这就要求我们以一种不变的函数方式编写代码，而不会产生任何副作用。Sparca服务也不同于传统的web应用程序，因为它根本没有数据库。一切都在记忆中！因此，这就提出了一些有趣的解决方案来实现我们以前认为在数据库存在时理所当然的工作流。我们利用的所有创新都是开源的。因此，通过查看源代码和搜索其他人遇到的问题，品高云，我们能够学到很多东西。

我们也有机会从头开始设计数据争用用户界面（UI），这使我们能够尝试设计一个考虑到可伸缩性、可维护性和可测试性的java脚本应用程序。我们是一个独立的sapui5js控件，它独立于单片javascript代码库。我们所有的java脚本控件都是相互解耦的。我们有一个单向的事件框架和数据模型，这些模型是可以在应用程序中的各种控件之间共享的事实来源。我们的客户端架构绝不是完美的，大数据时代，但我们觉得我们可以解释它并合理化应该如何进行更改。