- Notas de versão
- Introdução
- Integrações
- Como trabalhar com aplicativos de processo
- Como trabalhar com painéis e gráficos
- Como trabalhar com gráficos de processo
- Trabalhando com Descubra modelos de processo e Importar modelos BPMN
- Showing or hiding the menu
- Informações de contexto
- Exportar
- Filtros
- Envio de ideias de automação ao UiPath® Automation Hub
- Tags
- Datas de conclusão
- Comparar
- Verificação de conformidade
- Análise de causa raiz
- Simulação de Potencial de Automação
- Iniciar um projeto do Task Mining a partir do Process Mining
- Triggering an automation from a process app
- Exibição de dados do processo
- Criação de aplicativos
- Carregamento de dados
- Personalização de aplicativos de processo
- Modelos de apps
- Recursos adicionais
Recursos de desempenho
O tempo de resposta dos aplicativos Process Mining é determinado por muitos fatores. No entanto, em geral, o seguinte princípio vale:
-
Quanto menos dados, mais rapidez
No Process Mining, existem duas áreas com características de desempenho distintas: execuções de dados para carregar os dados, e painéis para visualizar os dados.
No Process Mining, cada aplicativo tem um estágio de desenvolvimento e um estágio publicado. Se o aplicativo desejado exigir um conjunto de dados grande, é recomendável usar um conjunto de dados menor para desenvolver as transformações de dados e painéis. Quando o aplicativo for concluído, ele poderá ser publicado para os usuários finais, usando um conjunto de dados maior. Consulte a guia Desenvolvimento.
Um cenário comum é usar um conjunto de dados com um prazo menor para o desenvolvimento, por exemplo, apenas 100 mil eventos em uma janela de tempo de 2 semanas. Ao publicar, um conjunto de dados maior pode ser usado de, por exemplo, 12 meses.
As execuções de dados no Process Mining são disparadas nos seguintes casos de uso:
-
Criação de um aplicativo
-
Carregamento de dados
-
Disparando Aplicar a painéis , Executar todos ou Executar arquivo no editor de transformações de dados .
-
Publicar um aplicativo que tenha alterações nas transformações de dados.
Uma execução de dados normalmente consiste nas seguintes etapas, cada uma com características de desempenho diferentes:
Ao carregar dados, o tamanho geral dos dados carregados no disco é o fator mais importante para a velocidade. Consulte Carregamento de dados. Os fatores que afetam o desempenho são:
-
O número de tabelas;
-
O número de registros nas tabelas;
-
O número de colunas nas tabelas;
-
Os dados nas tabelas. Por exemplo, uma coluna de descrição com várias linhas é mais lenta do que uma coluna booleana simples.
As transformações de dados alteram os dados de entrada para o modelo de dados que é necessário para os painéis. Consulte Transformações de dados.
.sql
nas transformações executa uma consulta SQL adicional. Os fatores a seguir afetam a velocidade das transformações de dados:
-
O número de arquivos
.sql
; -
O número de registros em cada tabela;
-
O número de colunas em cada tabela;
-
A complexidade da consulta SQL: condições de associação, número de Expressões de tabela comuns (CTEs) e expressões na consulta SQL.
O modelo de dados determina o conjunto de tabelas que ficam expostas aos painéis. Durante uma execução de dados, testes são executados para validar a estrutura dessas tabelas no modelo de dados. No entanto, a parte mais demorada são os pré-calculações que são feitas para acelerar a exibição de painéis posteriormente.
A velocidade geral dessa etapa é determinada por:
-
O número de tabelas no modelo de dados;
-
A relação entre as tabelas de saída;
-
O número de colunas nas tabelas de saída
-
O número de registros nas tabelas de saída.
A última parte de uma execução de dados é a execução de pré-computações para acelerar o gráfico do processo.
-
O número de variantes;
-
O número de eventos.
Se você usar um modelo BPMN de importação para exibir o processo, a complexidade do modelo BPMN também afeta o desempenho. Quanto mais atividades e bordas houver, mais lentas serão as computações.
Reduza o volume de dados
Para melhorar a velocidade do upload de dados, reduza o tamanho de seus dados para o mínimo necessário. Esse aviso é válido para todos os estágios dos dados:
-
Extraia apenas os dados de entrada necessários;
-
Transforme apenas os dados necessários;
-
Só adicione tabelas ao modelo de dados se for necessário para a análise de dados.
A maneira mais fácil de fazer isso é geralmente diminuir a janela de tempo usada para extração de dados, pois isso reduz o número de registros para a maioria das tabelas de dados da entrada para a transformação para a saída.
Quanto mais cedo você reduzir o tamanho dos dados, mais eficiente:
-
Filtre os arquivos
sql
o mais cedo possível em suas transformações de dados ou, se possível, na sua extração de dados. -
Para o desenvolvimento, normalmente um conjunto de dados menor é usado. Para acelerar as consultas de teste, consulte Desenvolvimento versus produção de dados.
Reduzir tabelas e colunas de dados
Além disso, tome cuidado para carregar apenas colunas que sejam realmente usadas. Quanto mais cedo no processo eles puderem ser deixados de fora, melhor.
-
Reduza o conjunto de colunas de dados extraídos para o necessário.
-
Remova qualquer arquivo
.sql
que não seja necessário para o modelo de dados de saída. -
Remova quaisquer colunas de dados desnecessárias nas consultas.
-
Remova quaisquer atividades desnecessárias do conjunto de eventos.
Reduzir complexidade
Quanto mais complicados forem os cálculos nas transformações de dados e o modelo de dados, mais lenta será a execução de dados. Reduzir a complexidade pode ser um desafio, mas pode ter um grande impacto no tempo de execução dos dados.
-
Reduza a complexidade das instruções SQL quando possível, consulte Dicas para escrever SQL .
-
Reduza os dados no modelo de dados para os dados necessários para a análise de dados. Quaisquer tabelas ou colunas que não são necessárias para a análise de dados devem ser removidas.
-
Se você estiver usando um modelo BPMN de importação para exibir o processo, manter o número de atividades e bordas baixo melhorará o desempenho.
Em geral, os tempos de carregamento do painel são afetados pela quantidade de dados usados pelos gráficos e pelas métricas que são calculadas.
Sempre que um painel é carregado no Process Mining, cada gráfico é calculado em paralelo. A velocidade do carregamento de um gráfico é afetada pelos seguintes fatores:
-
O número de métricas exibidas no gráfico.
-
Para cada métrica, o tamanho da junção necessário para calcular a métrica é importante. Isso é determinado pela tabela usada para agrupar um gráfico, combinada com a tabela da métrica.
-
A complexidade da relação entre essas duas tabelas.
-
A distância entre essas duas tabelas no modelo de dados.
-
-
O tipo de dados dos campos usados. Campos numéricos são mais rápidos que campos de texto.
-
A complexidade das métricas em si. As métricas podem ser baseadas em vários campos.
Remover qualquer métrica que não seja necessária para um gráfico acelerará o tempo de carregamento.
-
Considere os KPIs mostrados na barra superior;
-
Considere as métricas mostradas nos seus gráficos. Se um gráfico mostrar várias métricas, cada uma delas adiciona um tempo de cálculo adicional.
Simplificar a definição de métricas também pode acelerar o tempo de carregamento do gráfico.
-
Considere se você pode simplificar a definição de métricas;
-
Considere pré-computar partes da métrica nas transformações de dados. Qualquer cálculo estático que já tenha sido feito antes, não precisa ser feito no runtime.