Какие особенности архитектуры DataLens способствуют быстрой обработке больших объемов данных?

Некоторые особенности архитектуры DataLens, которые способствуют быстрой обработке больших объёмов данных:

• Прямой доступ к источнику. 5 DataLens не хранит данные внутри себя, а обращается к источнику напрямую при работе с визуализациями. 5 Это позволяет настраивать аналитику в режиме реального времени: в случае изменения или обновления данных в источнике, они сразу же актуализируются и на визуализациях. 5
• Колоночное хранение. 4 Построение отдельных графиков и виджетов, которые используют небольшое количество полей в исходной таблице, происходит быстро. 4 Сканируются только нужные колонки из исходной таблицы. 4
• Механизм проекций. 4 Это дополнительные структуры предагрегированных данных, которые хранятся в СУБД и привязаны к основной таблице. 4 При выполнении запроса оптимизатор может читать данные из проекции вместо таблицы, если агрегации в запросе совпадают с агрегациями в проекции. 4
• Асинхронная загрузка чартов. 4 Это позволяет ускорить загрузку отчётов с большим объёмом данных. 4
• Оптимизация структуры дашборда. 2 Запросы к источнику выполняются для каждого чарта на текущей вкладке. 2 При большом количестве чартов загрузка вкладки может занимать много времени. 2 Рекомендуется располагать на одной вкладке минимальное количество чартов с учётом частоты их одновременного использования. 2