Kitabı oku: «SAP Data Warehouse Cloud»
Klaus-Peter Sauer
SAP® Data Warehouse Cloud
Klaus-Peter Sauer
SAP® Data Warehouse Cloud
ISBN:978-3-96012-073-5 (E-Book)
Lektorat:Anja Achilles
Korrektorat: Die Korrekturstube
Coverdesign: Philip Esch
Coverfoto: © wisoot | ID 171917308 – stock.adobe.com
Satz & Layout: Johann-Christian Hanke
1. Auflage 2021
© Espresso Tutorials GmbH, Gleichen 2021
URL: www.espresso-tutorials.de
Das vorliegende Werk ist in allen seinen Teilen urheberrechtlich geschützt. Alle Rechte sind vorbehalten, insbesondere das Recht der Übersetzung, des Vortrags, der Reproduktion und der Vervielfältigung. Espresso Tutorials GmbH, Bahnhofstr. 2, 37130 Gleichen, Deutschland.
Ungeachtet der Sorgfalt, die auf die Erstellung von Text und Abbildungen verwendet wurde, können weder der Verlag noch die Autoren oder Herausgeber für mögliche Fehler und deren Folgen eine juristische Verantwortung oder Haftung übernehmen.
Feedback: Wir freuen uns über Fragen und Anmerkungen jeglicher Art. Bitte senden Sie diese an: info@espresso-tutorials.com.
Inhaltsverzeichnis
Cover
Titelseite
Coypright/Impressum
Vorwort
1 Einführung
1.1 Anforderungen an moderne Systeme
1.2 Überblick und Grundideen
1.3 Typische Anwendungsfälle
1.4 Architekturüberblick
1.5 Navigation im System
1.6 Systemvoraussetzungen
1.7 Testsystem und Release-Zyklus
2 Datenmanagement mit Spaces
2.1 Space Management
2.2 Allgemeine Space-Einstellungen
2.3 Zuordnung von Benutzern
2.4 Quellsysteme
2.5 Datenbankbenutzer und externe Schnittstellen
2.6 Zeitdaten
2.7 Space-Auditierung und -Monitoring
3 Datenmodellierung im Data Builder
3.1 Data Builder im Überblick
3.2 Tabellen-Editor
3.3 Hierarchien
3.4 View-Editor
3.5 SQL-View-Editor
3.6 Entity-Relationship-Modell-Editor
3.7 Data-Flow-Editor
3.8 File Upload im Data Builder
3.9 Datenmodellierung im Open-SQL-Schema
3.10 Explorer
4 Semantische Modellierung im Business Builder
4.1 Business Builder im Überblick
4.2 Business-Entitäten
4.3 Faktenmodell
4.4 Consumption-Modelle und ihre Perpektiven
4.5 Berechtigungsszenarien
4.6 Versionierung von Business-Objekten
5 Hybride Einsatzszenarien
5.1 Hybrid mit SAP HANA und HANA Cloud
5.2 Hybrid mit SAP BW und BW/4HANA
6 Konfiguration und Sicherheit
6.1 Rollen
6.2 Benutzer
6.3 Sicherer Datenzugriff
6.4 Konfiguration
6.5 Content Network Transport
6.6 Integration mit SAP Analytics Cloud
7 Ausblick
A Der Autor
B Quellenverzeichnis
D Disclaimer
Willkommen bei Espresso Tutorials!
Unser Ziel ist es, SAP-Wissen wie einen Espresso zu servieren: Auf das Wesentliche verdichtete Informationen anstelle langatmiger Kompendien – für ein effektives Lernen an konkreten Fallbeispielen. Viele unserer Bücher enthalten zusätzlich Videos, mit denen Sie Schritt für Schritt die vermittelten Inhalte nachvollziehen können. Besuchen Sie unseren YouTube-Kanal mit einer umfangreichen Auswahl frei zugänglicher Videos: https://www.youtube.com/user/EspressoTutorials.
Kennen Sie schon unser Forum? Hier erhalten Sie stets aktuelle Informationen zu Entwicklungen der SAP-Software, Hilfe zu Ihren Fragen und die Gelegenheit, mit anderen Anwendern zu diskutieren: http://www.fico-forum.de.
Eine Auswahl weiterer Bücher von Espresso Tutorials:
Christoph Kretner & Jascha Kanngießer: Berechtigungen in SAP® BW, HANA und BW/4HANA
Frank Riesner, Klaus-Peter Sauer:SAP BW/4HANA® und BW auf HANA – 2., erweiterte Auflage
Jürgen Noe: Praxishandbuch SAP® Business Warehouse mit BW/4HANA
Martin Munzel, Renata Munzel: Projektcontrolling mit SAP® PS
Ulrich Bähr, Axel Treusch: Praxisbuch SAP® Interactive Forms und Adobe LiveCycle Designer
Jörg Böke:Schnelleinstieg in SQLScript für SAP HANA®
Dirk Vahlkamp, Leon Vahlkamp: Smart Predict in SAP® Analytics Cloud
Vorwort
Neue Software-Produkte wecken stets den Bedarf an weiterführenden Informationen. Bei SAP Data Warehouse Cloud (DWC) ist das nicht anders. Neben der Online-Hilfe existieren bisher kaum Informationsquellen, die einen kompakten Überblick über die gesamte Software-Lösung bieten. Genau diese Lücke soll dieses Buch schließen.
Für wen ist das Buch?
Das vorliegende Buch adressiert Benutzer in unterschiedlichen Arbeitsbereichen der Fachabteilungen und der Informationstechnologie (IT). Im zuletzt genannten Umfeld sind das zumeist SAP-Berater und -Administratoren, aber auch Datenmodellierer und BI-Spezialisten, während es in der Fachabteilung typischerweise auf Power-User und Anwender zielt, die es gewohnt sind, Daten aus unterschiedlichen Bereichen selbstständig zu verknüpfen.
Vorkenntnisse zu den Themen »Analytics« und »Business Intelligence« sind für ein besseres Verständnis hilfreich; insbesondere, wie ein Data Warehouse funktioniert, warum Daten modelliert und wie Daten zwischen Systemen bewegt und transformiert werden.
Zum Aufbau des Buches
Diese Handreichung startet mit einem Überblick über die Grundideen und über typische Anwendungsfälle, die von der Software abgedeckt werden. Nach einer kurzen Erläuterung der Architektur werden die ersten Schritte der Navigation im System erklärt.
Die weitere Gliederung des Buches entspricht den wesentlichen Funktionsbereichen der Software: Datenmanagement mit Spaces, Datenmodellierung und -flüsse im Data Builder, semantische Modellierung im Business Layer sowie administrative Themen und zum Abschluss Sicherheitsaspekte. Dazwischen finden Sie ein kurzes Kapitel speziell zu hybriden Einsatzszenarien, die bei vielen Kunden eine wesentliche Rolle spielen.
Da es sich bei Data Warehouse Cloud um ein recht neues Produkt der SAP handelt, gebe ich Ihnen zum Ende einen Ausblick darauf, was im Jahr 2021 und darüber hinaus noch an Funktionen und Innovationen zu erwarten ist.
Was nicht im Buch zu finden ist
Theoretische Grundlagen zu Datenbanken, Data-Warehouse-Systemen und zur Datenmodellierung werden nicht erklärt. Ebenso verzichte ich auf eine detaillierte Beschreibung der unterschiedlichen Quellsysteme und deren Funktionen.
Weiterhin finden Sie weder SAP Analytics Cloud noch den Story Builder oder Business Content näher erläutert, auch die Planung ist kein Bestandteil dieses Buches. Zu all diesen Themen existiert bereits genügend weiterführende Literatur.
Cloud-Software
Bei SAP Data Warehouse Cloud handelt es sich um eine Cloud-Software mit einem sehr agilen Entwicklungszyklus. In der Regel erscheinen 14-tägig neue Versionen, die der Nomenklatur [JAHR.VERSION] folgen. Somit ist davon auszugehen, dass sich im Laufe der Zeit Veränderungen zu den im Buch beschriebenen Abläufen und Bildschirmmasken ergeben. In Abhängigkeit von der Bildschirmauflösung und der Fenstergröße Ihres Browsers kann die Software bei Ihnen etwas anders aussehen als in diesem Buch abgebildet. Daneben werden in die Software auch neue Funktionen Einzug halten. Einen Ausblick auf bereits angekündigte Funktionen finden Sie im letzten Kapitel.
Das vorliegende Werk basiert auf der Version 2021.13.
Linksammlung zum Buch
Viele der im Buch angesprochenen Themen mögen für Sie von besonderem Interesse sein, sodass Sie sich damit eingehender beschäftigen möchten. Hierfür habe ich Ihnen eine umfassende Auflistung weiterführender Links zusammengestellt, die Sie unter https://www.espresso-tutorials.de/sap-data-warehouse-cloud/ aufrufen können.
Danksagung
Ein Buch zu schreiben, bedeutet, einen langen Weg zu gehen, dessen Ziel ohne die Unterstützung anderer kaum zu erreichen ist. Auch dieses Werk wäre ohne die Hilfe zahlreicher Menschen nicht möglich gewesen. Daher möchte ich die Gelegenheit wahrnehmen, mich hierfür zu bedanken.
An erster Stelle danke ich meiner Ehefrau Martina Andrea. Du hast mir immer die nötige Unterstützung gegeben, auch wenn dieses weitere Buchprojekt unsere gemeinsame Zeit wieder einmal auf ein Minimum reduziert hat. Du bist mein größter Schatz!
Mein Dank gilt zudem allen SAP-Kollegen, die mir mit Informationen und Rat zur Seite standen. Zu nennen sind hier insbesondere San Tran, Jascha Kanngießer, Amogh Kulkarni, Gordon Witzel, Heiko Scheider, Dr. Ulrich Christ und vor allem Axel Meier.
Ein ganz besonderer Dank geht an Lothar Henkes! Habʼ vielen Dank für unsere Freundschaft und die langjährige, vertrauensvolle Zusammenarbeit. Ich wünsche Dir ganz viel Spaß und wenig Langeweile im Ruhestand.
Schließlich danke ich Martin Munzel und Anja Achilles sowie dem ganzen Team von Espresso Tutorials für die sehr angenehme und professionelle Zusammenarbeit. Ihr seid klasse!
In den Text sind Kästen eingefügt, um wichtige Informationen besonders hervorzuheben. Jeder Kasten ist zusätzlich mit einem Piktogramm versehen, das diesen genauer klassifiziert:
Hinweis
Hinweise bieten praktische Tipps zum Umgang mit dem jeweiligen Thema.
Beispiel
Beispiele dienen dazu, ein Thema besser zu illustrieren.
Achtung
Warnungen weisen auf mögliche Fehlerquellen oder Stolpersteine im Zusammenhang mit einem Thema hin.
Die Form der Anrede
Um den Lesefluss nicht zu beeinträchtigen, verwenden wir im vorliegenden Buch bei personenbezogenen Substantiven und Pronomen zwar nur die gewohnte männliche Sprachform, meinen aber gleichermaßen Personen weiblichen und diversen Geschlechts.
Hinweis zum Urheberrecht
Sämtliche in diesem Buch abgedruckten Screenshots unterliegen dem Copyright der SAP SE. Alle Rechte an den Screenshots hält die SAP SE. Der Einfachheit halber haben wir im Rest des Buches darauf verzichtet, dies unter jedem Screenshot gesondert auszuweisen.
1 Einführung
Die SAP bietet mit Data Warehouse Cloud einen neuen Software-Service in der Cloud an. Es handelt sich dabei um einen vollständigen End-to-End-Service, der von der Datenintegration, über Transformationen und Modellierungen sowie einem semantischen Business Layer bis hin zum Dashboard alle erforderlichen Funktionalitäten mitbringt. Die SAP geht bei dieser Lösung über den reinen Analytics- und Reporting-Bereich hinaus und bietet ein Werkzeug zur Self-Service-Modellierung an.
Sie erhalten zunächst einen Gesamtüberblick und lernen die typischen Anwendungsfälle für die Lösung kennen, bevor die Architektur, die Navigation im System und die Benutzereinstellungen näher erklärt werden.
1.1 Anforderungen an moderne Systeme
Data Warehouse Cloud wurde von der SAP im November 2019 auf den Markt gebracht, ist also noch ein junges Produkt mit viel Entwicklungspotenzial. Die Lösung will Benutzern aus den Fachabteilungen und der IT ermöglichen, gemeinsam ein skalierbares analytisches Informationssystem aufzubauen, welches die Anforderungen an moderne, zukunftsfähige Lösungen erfüllt.
Die häufigsten Systemanforderungen vonseiten der IT der Kunden sind Elastizität und Skalierbarkeit, Investitionsschutz in Bezug auf bestehende Lösungen und angrenzende Systeme, Einfachheit bezüglich Aufbau, Weiterentwicklung und Betrieb sowie nicht zuletzt Kosteneffizienz. Dabei muss die korrekte Harmonisierung, Integration und Konsolidierung von Stamm- und Bewegungsdaten sichergestellt sein.
Aufseiten der Fachabteilung werden sehr oft die Punkte Agilität und Schnelligkeit genannt, um möglichst rasch zu werthaltigen Erkenntnissen (Time-to-Value) zu gelangen. Aber auch Flexibilität bei der Verwendung weiterer Werkzeuge zur Analyse und Datenaufbereitung sowie die einfache Kollaboration mit Kollegen und anderen Abteilungen sind sehr wichtige Voraussetzungen, um die Mitarbeiter zu befähigen, selbst neue Erkenntnisse zu generieren. Vielfach gefordert wird außerdem der einfache Zugang zu Daten, um die Demokratisierung von Informationen im Unternehmen weiter voranzutreiben und zentrale Unternehmensdaten in Eigenregie mit lokalen bzw. externen Daten verknüpfen zu können.
1.2 Überblick und Grundideen
SAP Data Warehouse Cloud ermöglicht Anwendern den schrittweisen Aufbau eines modernen, cloudbasierten Data Warehouse. Dabei können sowohl vorhandene Data Warehouses als auch beliebige On-Premises- oder cloudbasierte Datenquellen hinzugefügt und nahtlos miteinander verknüpft werden.
Lösung für Fachabteilung und IT
Traditionell wird der Aufbau einer Data-Warehouse-Landschaft von der IT-Abteilung vorangetrieben, insbesondere wegen der oft anspruchsvollen technischen Umsetzung. Mit Data Warehouse Cloud erfährt dieser Anwenderkreis eine Erweiterung, indem sie Fachbereiche und IT auf einer Plattform näher zusammenbringt.
Anwender aus Fachabteilungen sollen eigene Business-Modelle, KPIs (Key Performance Indicators) und Analysen erstellen können, ohne tiefgreifende IT-Kenntnisse zu besitzen. Ihnen soll es möglich sein, Unternehmensdaten mit ihren lokalen Daten flexibel anzureichern, um so neue Kennzahlen zu generieren und daraus Erkenntnisse zu gewinnen. Entscheidende Voraussetzungen hierfür sind intuitiv bedienbare grafische Benutzeroberflächen und Editoren, die auch als »Low-Code/No-Code«-Werkzeuge bezeichnet werden.
IT-Spezialisten bevorzugen hingegen oft code- und scriptbasierte Editoren, in denen sie direkt SQL-Anweisungen und -Prozeduren programmieren können. Die Offenheit der Lösung ermöglicht auch den Einsatz externer Werkzeuge. Damit können Entwickler in Verbindung mit Data Warehouse Cloud weiterhin ihre gewohnten Tools nutzen.
End-to-End-Lösung
Data Warehouse Cloud ist ein vollständiger End-to-End-Software-Service in der Cloud. Integriert in einer Lösung, enthält es Konnektoren zu unterschiedlichsten Quellsystemen, On-Premises oder in der Cloud, sowie diverse Möglichkeiten zur Datentransformation und -modellierung. Zusätzlich ist SAP Analytics Cloud (SAC) ein integraler Bestandteil der Lösung, damit Sie direkt Analysen und Dashboards erstellen können.
Virtueller Zugriff versus Persistenz
Der Name »Data Warehouse Cloud« legt zwar nahe, dass sich die Daten ebenfalls in der Cloud befinden, das ist aber nicht zwingend notwendig. Über einen virtuellen Zugriff (Remote Access) können Daten aus sehr vielen Quellen genutzt werden, ohne dass sie – wie früher üblich – erst in das System kopiert werden müssen. Auf diese Weise können Sie ein »virtuelles« Data Warehouse aufbauen. In Data Warehouse Cloud wird dafür der Begriff Remote-Tabellen verwendet. Welche Konnektoren einen virtuellen Zugriff auf Remote-Tabellen erlauben, wird in Abschnitt 3.4.5 im Einzelnen erklärt.
Wenn Sie die Daten zu einem späteren Zeitpunkt doch persistieren möchten, können Sie komfortabel wählen, ob Sie sie in Echtzeit replizieren oder als Snapshot bzw. persistierten View ablegen möchten – automatisiert und regelmäßig einplanbar. Wichtig zu wissen, ist, dass Sie dabei das Datenmodell nicht verändern müssen. Die Umstellung von Remote-Zugriff auf Echtzeitreplikation bzw. Snapshot nehmen Sie direkt an der Remote-Tabelle vor. Alle darauf aufbauenden Modelle bleiben davon unberührt.
Isolierte Arbeitsbereiche
Alle Daten werden in virtuellen und isolierten Arbeitsbereichen, den sogenannten Spaces, abgelegt oder verknüpft. Sie können beliebige Arbeitsbereiche für Projekte, einmalige Aufgaben, Fachthemen oder -abteilungen anlegen, die von der IT oder auch der Fachabteilung verwaltet werden. Spaces ermöglichen damit den Spagat zwischen Agilität und IT-Governance.
Die IT-Abteilung gibt Fachbereichen Zugriff auf bestehende Datenbestände, die zentral verwaltet und bereits konsolidiert bzw. harmonisiert sind, ohne die Daten erneut zu kopieren. Dies können beispielsweise Finanz- und Controlling-Daten oder auch zentrale Stammdaten sein.
Die Fachabteilung wiederum kann diese zentralen Daten im eigenen Space mit ihren lokalen Daten anreichern. Indem sie die Daten kombiniert und eigene KPIs erstellt, lassen sich neue Erkenntnisse gewinnen.
Self-Service-Modellierung
Anwender aus Fachabteilungen sollen in der Lage sein, eigene Modelle, KPIs und Analysen zu erstellen. Dabei wird der Zugriff auf bestehende Daten gewährt, die von der IT- oder anderen Fachabteilungen zur Verfügung gestellt werden. Unternehmensdaten können so mit lokalen Daten flexibel angereichert werden, um neue Modelle und Kennzahlen zu entwickeln.
Diese neuen Modelle lassen sich mit anderen Fachanwendern teilen, um die Zusammenarbeit zwischen den Abteilungen zu stärken, ohne die Daten ständig kopieren zu müssen. Dadurch werden dem Endbenutzer Informationen in einem digitalen Format zugänglich gemacht, über das sich Daten ohne Hilfe von außen sammeln und analysieren lassen. Dieser Prozess wird auch als Datendemokratisierung bezeichnet.
Semantische Schicht
Die semantische Schicht im Business Builder bietet die Möglichkeit der Abstraktion von oft komplexen und sehr technischen Datenmodellen in Objekte mit normaler Sprache. So erstellen Sie wiederverwendbare Objekte, anhand derer andere Anwender die Daten sofort verstehen. Sie können zudem die Beziehungen zwischen Elementen in Ihrem Datenmodell definieren und Ihre Datenfelder mit weiteren Geschäftsinformationen anreichern.
Um die semantische Modellierung im Sinne einer Self-Service-Modellierung nutzen zu können, benötigen Sie einen guten Grundstock an Entitäten und analytischen Modellen, damit sich die Benutzer einfach an bestehenden Objekten bedienen können, um eigene Consumption-Modelle oder Perspektiven zu erstellen.
Offenheit
Die Offenheit der Lösung ist ein ganz zentraler Bestandteil des Konzepts und zeigt sich auf allen Ebenen: bei Werkzeugen, Daten und Schnittstellen.
In Bezug auf die Datenintegration bedeutet dies Konnektivität sowohl zu klassischen On-Premises-Systemen als auch zu cloudbasierten Software-Lösungen, unabhängig davon, ob es sich dabei um SAP-Systeme handelt oder nicht. Eine gute Integration in eine bestehende SAP-Landschaft mit unterschiedlichen Lösungen wird vom Kunden ohnehin vorausgesetzt. Diesbezüglich deckt Data Warenhause Cloud bereits eine breite Palette von Quellsystemen ab.
Reichen die ausgelieferten Quellsystemverbindungen nicht aus, können Sie beliebige externe Werkzeuge (z.B. SAP Data Services, SAP Data Intelligence, Informatica, SnapLogic, Adverity und andere) zur Datenintegration verwenden, sofern diese einen SQL-basierten HANA-Konnektor anbieten. Dabei werden die Daten in ein offenes SQL-Schema geschrieben, in dem Sie außerdem SQL-basiert Datenmodellierungen vornehmen und diese nahtlos in die weitere Modellierung mit Data Warehouse Cloud integrieren können. So kommen die in Unternehmen häufig vorhandenen SQL-Kenntnisse zum Einsatz.
Gleichzeitig lassen sich über ein offenes SQL-Schema die Bibliotheken für maschinelles Lernen aus dem HANA-Cloud-Scriptserver nutzen, um Data-Science-Projekte auf den vorhandenen Datenbeständen durchzuführen.
Für Analytics-Werkzeuge von Drittanbietern steht ebenfalls eine SQL-Schnittstelle zur Verfügung. Die weitere Roadmap sieht darüber hinaus Schnittstellen auf der Ebene von Spaces und der Datenmodellierung vor, über die Data-Warehouse-Cloud-Objekte von externen Werkzeugen erzeugt werden können.
Design-Time versus Runtime
Wie viele moderne Software-Umgebungen unterscheidet Data Warehouse Cloud zwei Phasen:
1. Design-Time (Entwurf): Die Design-Time beschreibt das Objekt beim Entwurf, wie z.B. die Definition einer Tabelle. Beim Speichern 
werden die Metadaten im lokalen Repository abgelegt. Um die Tabelle in anderen Modellen weiterzuverwenden oder mit Daten zu befüllen, muss sie schließlich als Runtime-Objekt in der Datenbank erzeugt werden.
2. Runtime (Laufzeit): Nach der Implementierung 
(Deployment) können Sie die Daten über das Laufzeitobjekt auswerten.
1.3 Typische Anwendungsfälle
Anwendungsfälle, Einsatzszenarien, Use Cases – die Verwendung von Software-Produkten lässt sich mit verschiedenen Begriffen beschreiben. Sehr oft hängt dieser vom individuellen Blickwinkel des Betrachters ab. Den Anwendungsfällen liegt eine systemorientierte Sichtweise zugrunde.
Hybride Einsatzszenarien
Der Begriff hybrid wird in der IT-Branche mit vielfältiger Bedeutung verwendet. In diesem Zusammenhang wird darunter die nahtlose Integration vorhandener Data-Warehouse-Systeme mit Data Warehouse Cloud verstanden. In Kapitel 5 erfahren Sie Details zu den Möglichkeiten hybrider Einsatzszenarien von Data Warehouse Cloud, insbesondere mit SAP BW, BW/4HANA und SQL-basierten Data Warehouses mit SAP HANA.
Data Marts und applikationsübergreifendes Data Warehousing
Die Lösung eignet sich sehr gut zum Aufbau von cloudbasierten Data Marts, also für Teile des gesamten Datenbestands. In den zuvor benannten Spaces werden neue Data Marts aufgebaut und die Daten bei Bedarf mit anderen geteilt – ebenfalls, ohne eine Datenkopie erzeugen zu müssen. Das können Daten für neue Projekte oder für Ihren Start in die Cloud sein. Diese Data Marts können auch zu einem Data Warehouse heranwachsen und so applikationsübergreifende Szenarien abbilden.
Self-Service-Modellierung und Datendemokratisierung
Wie zuvor erwähnt, ermöglicht die Self-Service-Modellierung das Erstellen neuer Modelle und Analysen, über die Endanwender zügig zu neuen Erkenntnissen (Time-to-Value) gelangen. Die IT kann gleichzeitig über unterschiedliche Spaces die Datendemokratisierung im Unternehmen weiter vorantreiben und Data-Science-Projekte der Fachabteilung durch die Verwendung der HANA-Cloud-Bibliotheken für maschinelles Lernen unterstützen.
1.4 Architekturüberblick
Technisch ist SAP Data Warehouse Cloud auf SAP HANA Cloud als Datenbankplattform und SAP Analytics Cloud aufgebaut. So bedient sich die Applikation bei der Persistenz etwa an den Services von SAP HANA Cloud und beim Benutzer- und Rollenkonzept an einigen Services von SAP Analytics Cloud.
Abbildung 1.1 stellt die wesentlichen Funktionsbereiche und Software-Komponenten vereinfacht dar.
Abbildung 1.1: Architektur von SAP Data Warehouse Cloud
Sie können cloudbasierte sowie klassische On-Premises-Quellsysteme an Data Warehouse Cloud anschließen. Einige unterstützen den virtuellen Zugriff oder eine Echtzeitreplikation, manche auch nur Batch-Ladungen für Datenflüsse. Welche Konnektoren Data Warehouse Cloud bietet und welche Datentransferverfahren diese jeweils unterstützen, erfahren Sie in Abschnitt 2.4. Daneben gibt es eine Schnittstelle (Application Programming Interface, kurz API) für externe Werkzeuge von Drittanbietern, um das System mit Daten zu befüllen.
Daten lassen sich persistent speichern. Dafür stehen Ihnen drei Bereiche zur Verfügung:
Hauptspeicher (In-Memory)
SSD (Solid State Drive)
Relationaler Data Lake
Letzterer steht seit Mitte 2020 in den meisten Rechenzentren weltweit zur Verfügung und kann optional dazugekauft werden.
Wie eingangs schon erwähnt, sind SAP Analytics Cloud und Data Warehouse Cloud eng miteinander verzahnt, obwohl es sich lizenzseitig um zwei verschiedene Cloud-Lösungen handelt. Deshalb ist Analytics Cloud mit einer gestrichelten Linie in der Grafik umrandet, ebenso wie die externen Werkzeuge der SAP Business Technology Platform und anderer Anbieter.
Zur Datenkonsumierung steht ein weiteres API zur Verfügung, um externe Visualisierungswerkzeuge von Drittanbietern anschließen zu können.
Spaces sind die virtuellen und isolierten Arbeitsbereiche, in denen die Objekte wie Tabellen, Views, Business-Entitäten etc. zugeordnet und verwaltet werden (siehe Kapitel 2).
Die Business-Modellierung (siehe Kapitel 4) bietet die Möglichkeit, komplexe und technische Datenmodelle in Objekte mit normaler Sprache umzuwandeln. Hierauf, wie auch auf den Business-Katalog, werde ich in Kapitel 3 genauer eingehen.
Administration und Security schließlich beschäftigen sich mit der Verwaltung und Absicherung der Lösung (siehe Kapitel 6).
1.5 Navigation im System
Sobald für Sie ein Benutzer in einem SAP-Data-Warehouse-Cloud-System erstellt wurde, erhalten Sie eine E-Mail zur Begrüßung. Wenn Sie der Systemeigentümer sind (mehr dazu finden Sie in Kapitel 6), dann melden Sie sich über diese E-Mail erstmals am System an und aktivieren gleichzeitig Ihren Tenant. In beiden Fällen kommen Sie nach erfolgreicher Anmeldung zur Startseite (siehe Abbildung 1.2).
Abbildung 1.2: Data Warehouse Cloud – Startseite
Die Startseite gliedert sich in mehrere Bereiche:
Oben befindet sich die Kopfzeile mit diversen Funktionen.
Über die Menüleiste auf der linken Seite navigieren Sie zu den einzelnen Komponenten.
In der Mitte der Startseite wird ein Schnellmenü angeboten. Wie der Name schon sagt, erreichen Sie darüber unmittelbar die drei Komponenten Spaces, Data Builder und Story Builder.
Unterhalb des Schnellmenüs finden Sie aktuelle Blogs zur Lösung.
Oben rechts können Sie direkt ein Feedback zur Lösung geben oder Ihre Ideen in die Community einbringen.
Die zuletzt bearbeiteten Objekte (Recent Files) werden in dieser Liste angezeigt.
1.5.1 Funktionen der Kopfzeile
Ganz links in der Kopfzeile finden Sie den Schalter 
zum Ein- und Ausblenden der Menüleiste. Der Schalter 
führt Sie schrittweise immer eine Ebene zurück.
Rechts neben dem SAP-Logo ist die sogenannte Breadcrumb-Navigation eingebaut. Dort erkennen Sie, in welcher Komponente, welchem Space und welchem Objekt Sie sich gerade befinden (siehe Abbildung 1.3). Über die Hyperlinks navigieren Sie direkt zu diesen Bereichen. Im Beispiel befinden Sie sich in der Komponente Data Builder, dem Space Book Space und dem View für Product Master Data. Über den Schalter 
können Sie den aktuellen Editor beenden und zur Data-Builder-Übersicht zurückkehren.
Abbildung 1.3: Breadcrumb-Navigation
Auf der rechten Seite der Kopfzeile (siehe Abbildung 1.4) finden Sie die Systembenachrichtigungen 
mit der aktuellen Anzahl an Meldungen.
Abbildung 1.4: Kopfzeile rechts
Sofern dies sehr viele sind, können Sie links über das Auswahlmenü auf bestimmte Benachrichtigungstypen einschränken oder auch danach suchen (siehe Abbildung 1.5). Nachrichten lassen sich einzeln 
oder komplett 
löschen.
Abbildung 1.5: Systembenachrichtigungen
Das Fragezeichen 
rechts neben den Systembenachrichtigungen öffnet eine Dialogbox (siehe Abbildung 1.6). Über die drei Kacheln gelangen Sie zu einem Onboarding-Guide (Quick Start), der Online-Hilfe (Help) im SAP Help Portal und einem Video-Tutorial (Videos) auf YouTube.
Die Schaltflächen unterhalb können für direktes Feedback zur Lösung, das Einbringen Ihrer Ideen in die Community oder das Herunterladen der Log-Datei Ihrer Session genutzt werden.
Abbildung 1.6: Dialogbox zum Aufruf verschiedener Hilfefunktionen
Der Schalter 
ermöglicht den einfachen Zugriff auf die kontextsensitive In-App-Hilfe. Alternativ können Sie auch F1 verwenden.
Weiter rechts in der Kopfzeile sehen Sie in einem Kreis den jeweils ersten Buchstaben aus Vor- und Nachnamen des Benutzers (hier DW). Mehr zu den Benutzern und Rollen erfahren Sie in Kapitel 6.
Ganz rechts finden Sie den Schalter 
, der Ihnen einen schnellen Wechsel zwischen SAP Data Warehouse Cloud und SAP Analytics Cloud ermöglicht. Er steht in beiden Applikationen zur Verfügung (siehe Abbildung 1.7).
Abbildung 1.7: Wechsel zwischen den Applikationen
1.5.2 Komponenten der Menüleiste
Wenden wir uns nun der Menüleiste auf der linken Seite zu. Bitte beachten Sie, dass die hier angezeigten Optionen von den Rollen abhängen, die Ihrem Benutzer zugeordnet sind.
Das Menü ist in einen oberen und einen unteren Teil gegliedert. Den oberen Bereich mit den Funktionen und Komponenten der Applikation zeigt Abbildung 1.8.
Abbildung 1.8: Applikationskomponenten
Home bringt Sie aus anderen Komponenten und Bildschirmmasken wieder zurück auf die Startseite.
Files bietet Ihnen eine Übersicht aller Objekte, die im System erstellt wurden. Benutzer von SAP Analytics Cloud kennen diese Sicht auf Objekte. Sie wird auch als Datei-Repository bezeichnet.
Explorer zeigt spaceübergreifend alle Datenmodelle an, zu deren Verwendung Sie berechtigt sind.
Story Builder implementiert Visualisierungen auf Ihre Datenmodelle in SAP Analytics Cloud. Wie im Vorwort bereits erwähnt, ist der Story-Builder zwar Bestandteil von Data Warehouse Cloud, allerdings entspricht er dieser funktionalen Komponente in SAP Analytics Cloud und wird deshalb im Buch nicht näher beschrieben.
Business Builder ermöglicht den Aufbau einer semantischen Schicht, die unabhängig von der Datenschicht modelliert wird.
Data Builder: Hier modellieren Sie Ihre Datensets, führen Transformationen aus und schaffen dadurch die Grundlage Ihrer Datenmodellierung.
Data Access Control: Die Datenzugriffskontrolle ist ein Objekt, das Benutzern Berechtigungen für konkrete Daten erteilt.
Data Integration Monitor: Im Datenintegrationsmonitor finden Sie je Space einen Monitor zum Überwachen der Remote-Tabellen, der persistierten Views und der Data Flows.
Der untere Teil (siehe Abbildung 1.9) umfasst die eher administrativen Komponenten der Applikation.
Abbildung 1.9: Komponenten der Administration
Space Management: Hier nehmen Sie die Einrichtung und Verwaltung von Spaces vor.
Content Network: Dies ermöglicht das Einspielen von Business Content der SAP oder von SAP-Partnern in Ihr System. Der Business Content wird im Rahmen des Buches nicht näher erläutert.
Security: Innerhalb dieser Komponente kann der Administrator Benutzer und Rollen verwalten sowie die Systemaktivitäten überwachen.
Transport: Über diese Funktion lassen sich Inhalte aus Systemen exportieren und in andere Systeme importieren.
Configuration: Die Konfiguration erlaubt verschiedene Aufgaben in Bezug auf Datenintegration, Sicherheit, Auditing, IP-Allowlist etc.
About: Dieses Feld zeigt Ihnen Informationen zum Tenant, die Software-Version, die Tenant-ID, die Datenbank-ID der externen IP-Adresse sowie das Build-Datum Ihres Systems. Als Administrator erhalten Sie noch weitere Informationen, wie z.B. die Outbound-IP-Adresse und die Versionen weiterer Software-Komponenten.
1.6 Systemvoraussetzungen
SAP Data Warehouse Cloud ist ein vollständig webbasierter Software-Service, ein sogenanntes Software-as-a-Service(SaaS)-Angebot. Dafür benötigen Sie eine Internetverbindung und einen Computer, der die in Tabelle 1.1 gezeigten Grundanforderungen erfüllt.
| Kategorie | Empfehlung |
|---|---|
| Browser | Google Chrome |
| Auflösung | Mindestens 1024 × 768 oder höher. Ich empfehle 1280 × 1024, idealerweise einen großen Bildschirm. Prinzipiell kann die Lösung auch von Mobiltelefonen oder Tablets aus bedient werden. |
| Bandbreite | Mindestens 500 bis 800 kbit/s pro Benutzer |
| Sonstiges | JavaScript, HTTP 1.1, Session-Cookies und Pop-up-Fenster zulassen. |
Tabelle 1.1: Systemvoraussetzungen
1.7 Testsystem und Release-Zyklus
Wenn Sie Interesse haben, Data Warehouse Cloud selbst zu testen, dann können Sie sich für 30 Tage kostenlos ein Testsystem einrichten lassen. Registrieren Sie sich dafür unter https://www.sap.com/products/data-warehouse-cloud/trial.html. Sie erhalten innerhalb weniger Minuten ein System zur Verfügung gestellt.
Bei Verwendung der Testversion wird derzeit kein Zugriff auf die folgenden Funktionen gewährt:
Data Flows und Scheduling
Zuordnung Ihres HDI-Containers zum Space
Aktivierung von APL und PAL in DWC
Data Lake
Erstellen von benutzerdefinierten Rollen
Da sich solche Einschränkungen im Laufe der Zeit verändern, sehen Sie bitte im SAP-Hinweis 3007887 nach, welche Produktbeschränkungen aktuell gelten: »Unsupported Features with SAP Data Warehouse Cloud Trial Version«.
Bei SAP Data Warehouse Cloud handelt es sich um eine Cloud-Software, die einen schnellen Entwicklungszyklus aufweist. Üblicherweise erscheinen 14-tägig neue Versionen, die der Nomenklatur [JAHR.VERSION] folgen. Den aktuellen Release-Plan entnehmen Sie dem SAP-Hinweis 2984828 »SAP Data Warehouse Cloud Release & Delivery Schedule«.
2 Datenmanagement mit Spaces
Eine der Kernaufgaben im Rahmen eines Data Warehouses ist das Datenmanagement. Bei SAP Data Warehouse Cloud sind die bereits angesprochenen »Spaces« für die Verwaltung von virtuellen und persistenten Daten im System verantwortlich. In diesem Kapitel lernen Sie, was Spaces sind und wie Sie diese nutzen können.
Es gibt vielfältige Aspekte, die einen Space ausmachen und im Space Management eine Rolle spielen:
Virtueller Arbeitsbereich
Governance und Elastizität
Zuordnung von Benutzern
Quellsysteme
Schnittstellen für externe Systeme
Auditierung
Monitoring
Auf den folgenden Seiten werde ich einzeln auf diese Punkte eingehen. Doch zunächst einmal soll es um die Kernfrage gehen:
Was genau ist ein Space?
Ein Space ist ein virtueller und isolierter Arbeitsbereich für einen oder mehrere Anwender eines Data-Warehouse-Cloud-Systems. Daten, Datenmodelle, Business-Modelle, Systemressourcen, Quellsystemverbindungen, Benutzer und vieles mehr werden in einem Space erstellt bzw. bleiben diesem eindeutig zugeordnet. Dies wird als Metadatenisolation bezeichnet. Die Daten liegen dabei in einem spaceeigenen Datenbankschema (Space-Schema). Das bedeutet: Bevor Sie mit dem System arbeiten, müssen Sie mindestens einen Space anlegen, in dem dann weitere Objekte erzeugt werden.
Über das 
-Symbol im Bereich Space Management erstellen Sie einen neuen Space. Dessen technischer Name, die Space ID, existiert nur einmal im System und ist deshalb eineindeutig (siehe Abbildung 2.1).
Abbildung 2.1: Space erstellen
Space ID
Die Space ID wird beim Anlegen eines Space definiert. Auf Basis des eingegebenen Space-Namens schlägt Ihnen das System eine Space ID vor, welche Sie in diesem Dialog unter Verwendung der folgenden erlaubten Zeichen anpassen können.
Großbuchstaben von A bis Z, keine Umlaute oder Sonderzeichen
Zahlen von 0 bis 9
Unterstrich (_)
Die maximale Länge der Space ID beträgt 20 und des Space-Namens 30 Stellen. Ist der Space erfolgreich erstellt, kann die Space ID nachträglich nicht mehr geändert werden.
2.1 Space Management
Sie kommen zur Übersicht der Spaces, wenn Sie im Systemmenü auf der linken Seite zum 
navigieren. Der zugehörige Bildschirm ist in vier Bereiche aufgeteilt (siehe Abbildung 2.2).
Abbildung 2.2: Space-Übersicht
Oben rechts sehen Sie eine Menüleiste mit Suchfunktion, die besonders hilfreich ist, wenn Sie viele Spaces im System definiert haben – hier gefiltert nach Spaces mit book im Namen. Links daneben können Sie zwischen einem Layout in Tabellen- 
oder Kachelform 
wechseln. Manage Plan hat derzeit keine Funktion und über das -Symbol legen Sie – wie zuvor beschrieben – einen neuen Space an.
Unterhalb werden alle vorhandenen Spaces nach verschiedenen Kategorien zusammengefasst. Von links nach rechts sehen Sie in dieser Zeile:
Anzahl der angezeigten Spaces – das sind im Beispiel 3 für den Filterbegriff book.
55 der Spaces sind in Blau und somit als »kalt« ausgewiesen, da sie nur maximal fünf Prozent ihres zugeordneten Speicherplatzes ausnutzen. Zwei Spaces liegen im grünen Bereich von sechs bis 90 Prozent des zugeordneten Speicherplatzes, und keiner ist im roten Bereich von über 90 Prozent.
Die Zahl neben dem Halbmond zeigt Spaces an, die sich aktuell im Ruhezustand bzw. Hibernate-Modus befinden.
Ganz rechts sehen Sie mit dem Schlosssymbol ausgewiesene gesperrte Spaces.
Direkt darunter werden die vorhandenen Systemressourcen in Form verfügbarer und zugewiesener Disk- und Hauptspeicherressourcen dargestellt. Im aktuellen Beispiel sind von 256 GB der User Disk nur 99,2 GB den vorhandenen Spaces zugewiesen, wovon wiederum nur 4,5 GB genutzt werden. Beim Hauptspeicher sind 51,9 GB zugewiesen und nur 59,9 MB werden verwendet. Daneben sehen Sie die genutzte Laufzeitkapazität für Datenflüsse.
Ganz unten finden Sie alle vorhandenen Spaces als Kacheln, hier allerdings gefiltert nach dem eingegebenen Suchbegriff book. Auf den einzelnen Kacheln sind bereits einige interessante Informationen abzulesen (siehe Abbildung 2.3).
Abbildung 2.3: Space-Kachel
Ganz oben steht der Space-Name (Marketing) mit dem Hinweis, ob der Space aktiv, gesperrt oder im Ruhezustand ist. Das Kreisdiagramm unterhalb stellt dar, wie viel Prozent des Space im Hauptspeicher vorgehalten werden. In diesem Beispiel sind das die vollständigen 3 GB. Die beiden Balken zeigen den Füllstand von Disk und In-Memory an. Ganz unten sehen Sie drei weitere Symbole mit Werten:
Anzahl der zugeordneten Benutzer zum Space (hier 8)
Anzahl der angeschlossenen Quellsysteme (2)
Anzahl der enthaltenen Datenmodelle (139)
Wenn Sie in der Kachel oben rechts auf die drei Punkte klicken, werden Ihnen vier Optionen zum Umgang mit dem Space angeboten (siehe Abbildung 2.4):
Space bearbeiten
Space überwachen
Space löschen
Die Funktion Hibernate (Space in den Ruhezustand versetzen) wird aktuell nicht unterstützt und ist deshalb nicht auswählbar.
Abbildung 2.4: Space-Optionen
Wenn Sie über in die tabellarische Übersicht der Spaces umschalten, sehen Sie prinzipiell die gleichen Informationen, nur in einer anderen Darstellweise (siehe Abbildung 2.5).
Abbildung 2.5: Tabellarische Space-Übersicht
Mit Klick auf einen Space, egal, ob in tabellarischer oder Kacheldarstellung, gelangen Sie zu den Space-Einstellungen, die nachfolgend erklärt werden.
2.2 Allgemeine Space-Einstellungen
In der Titelzeile von Abbildung 2.6 existieren rechts drei Schaltflächen mit den folgenden Funktionen:
Save: Speichern Sie veränderte Werte eines Space.
Monitor: Wechseln Sie zum Monitoring des Space.
und Delete: Löschen Sie einen Space.
Darunter finden Sie die allgemeinen Space-Einstellungen (General Settings). Dazu gehören Space ID, Space Name und Space Status, wobei hier nur der Name geändert werden kann. Außerdem wird angezeigt, wann und von welchem Benutzer der Space angelegt wurde.
Abbildung 2.6: Allgemeine Space-Einstellungen
Im Bereich Storage Assignment ist der zugewiesene Speicherplatz ersichtlich und kann verändert werden. Über die Symbole + und – verändern Sie die Werte in 1-GB-Schritten. Benötigen Sie eine feinere Zuordnung, können Sie durch direkte Eingabe auch kleinere Schritte im Bereich einer Nachkommastelle (also je 100 MB) wählen. Im Beispiel in Abbildung 2.6 sehen Sie einen Wert von 2,5 GB. Rechts daneben gibt das Kreisdiagramm (In-Memory Acceleration) den In-Memory-Anteil am gesamten Speicherplatz aus; hier sind das 40 Prozent.
Der Schieberegler zur Space Priority erlaubt die Festlegung der Priorität eines Space im Vergleich zu anderen Spaces im System (1 ist sehr niedrig und 5 sehr hoch). Der Standardwert liegt bei 3.
2.2.1 Data Lake
Sofern Sie Data Warehouse Cloud mit einem Data Lake gebucht und lizensiert haben, können Sie diesen einem Ihrer Spaces zuordnen, um dort große Datenmengen zu speichern und Zugriff darauf zu erhalten. Die Funktion ist derzeit noch auf einen einzigen Space begrenzt. Diesen können Sie alternativ auch extra für den Data Lake erstellen und das Häkchen bei Data Lake Access setzen (siehe Abbildung 2.7).
Abbildung 2.7: Data Lake zu Space hinzufügen
Definition: SAP HANA Cloud, Data Lake
SAP HANA Cloud, Data Lake ist ein vollständig verwalteter Cloud-Service zur sicheren Speicherung und Analyse großer Datenmengen, die eher selten aktualisiert werden. Es ist eine günstige Speicheroption, um Kosten zu senken und gleichzeitig eine gute Performance sowie einen vollständigen SQL-Zugriff auf Daten zu gewährleisten. Die Lösung ist vollständig in die unterliegende SAP HANA Cloud integriert.
Weitere Informationen zum Data Lake finden Sie in der SAP-Hilfe, wenn Sie den Suchbegriff »SAP HANA Cloud, Data Lake« eingeben.
Auf die Tabellen im Data Lake greifen Sie über virtuelle Tabellen im Open-SQL-Schema zu. Diese Tabellen können im Data Builder zur Modellierung verwendet werden.
2.2.2 Gesperrter Space
Was tun, wenn ein Space gesperrt ist?
Ein Space wird gesperrt, wenn sein Platzbedarf die zugewiesene Speicherkapazität übersteigt. Sobald dies passiert, erzeugt das System eine Warnung, die Sie über die Benachrichtigungen 
aufrufen können, und weist auf die Übernutzung hin. Es bleibt eine Stunde Zeit, um entweder nicht benötigte Daten zu löschen oder für diesen Space den zugeordneten Speicher zu erhöhen, bevor der Sperrmechanismus aktiv wird.
Wenn der Space gesperrt ist, ergeben sich daraus folgende Einschränkungen:
Änderungen an Objekten im Data Builder können noch gespeichert, aber nicht implementiert werden.
Open-SQL-Schema-Benutzer können nicht mehr darauf zugreifen.
Es lassen sich keine weiteren Daten oder CSV-Dateien hinzufügen.
Das System blockiert das Anlegen von neuen Benutzern, Verbindungen und Open-SQL-Schemata innerhalb des gesperrten Space.
Die Sperre wird bereits in der Space-Übersicht deutlich in Rot und mit einem Schlosssymbol visualisiert (siehe Abbildung 2.8).
Abbildung 2.8: Gesperrter Space
In den Space-Einstellungen wird ebenfalls ein entsprechender Warnhinweis ausgegeben. Diese Sperre können Sie über die Funktion Unlock Space für 24 Stunden aufheben , um die Probleme zu beheben.
2.3 Zuordnung von Benutzern
Im nächsten Bereich der Space-Einstellungen nehmen Sie die Zuordnung von Benutzern (Member Assignment) vor. Klicken Sie dazu auf Add (siehe Abbildung 2.9). Daraufhin wählen Sie aus einer Liste aller dem System bekannten Benutzer. Diese werden Ihnen hier nebst ihren Rollen angezeigt. Durch Auswahl eines Benutzers und einen Klick auf Remove können Sie zugeordnete Benutzer wieder entfernen.
Abbildung 2.9: Zuordnung von Benutzern
Das Suchfeld auf der rechten Seite ermöglicht durch Filterung die gezielte Suche von Benutzern. Das ist insbesondere dann hilfreich, wenn sehr viele Benutzer zugeordnet sind.
2.4 Quellsysteme
Quellsystemverbindungen werden im Space gepflegt, und dort werden auch alle bestehenden Verbindungen aufgelistet (siehe Abbildung 2.10).
Sie können folgende Aktionen vornehmen:
Neue Verbindung erstellen oder anpassen
Verbindung löschen
Verbindung validieren
Verbindung pausieren und erneut starten
Liste der Verbindungen erneut laden
Verbindungen nach verschiedenen Kriterien sortieren
Abbildung 2.10: Quellsystemverbindungen
In der tabellarischen Übersicht sehen Sie zuerst den Namen, den Sie selbst der Verbindung gegeben haben, und daneben den Verbindungstyp (Type) – im Beispiel SAP HANA, SAP ABAP und SAP S/4HANA On-Premise. Sofern Ihre Verbindung zum Quellsystem nur eingeschränkt nutzbar ist, wird dies durch einen Warnhinweis 
signalisiert. Wenn Sie mit der Maus über das Symbol fahren, erhalten Sie genauere Auskunft über die Art der Einschränkung. Daneben sehen Sie den Benutzernamen des Erstellers (Owner) und das Anlagedatum. Der Replikationsstatus zeigt an, ob aktive Replikationen zu dieser Verbindung existieren.
Zur Neuanlage einer Verbindung klicken Sie auf das -Symbol und gelangen zu einem geführten Dialog (siehe Abbildung 2.11). In einem ersten Schritt wählen Sie den Verbindungstyp aus. Auf der linken Seite können Sie komfortabel nach verschiedenen Kriterien filtern.
Benötigte Verbindungsdetails je Konnektor
Je nach Quellsystem müssen verschiedene Voraussetzungen erfüllt sein, wie z.B. die Existenz eines Datenprovisionierungsagenten (im weiteren Verlauf DP-Agent genannt), des Cloud Connector, von Zertifikaten oder eines entsprechenden Treibers.
Die Details für jeden Konnektor finden Sie in der SAP-Hilfe der Data Warehouse Cloud, wenn Sie nach dem Begriff »Connection Types« suchen.
Abbildung 2.11: Neues Quellsystem anlegen – Schritt 1
Das Informationssymbol 
der jeweiligen Kachel verrät Ihnen, welche Funktionen die einzelne Verbindung unterstützt.
Im nächsten Schritt geben Sie die Bezeichnung der Verbindung (Business Name) und einen technischen Namen an (siehe Abbildung 2.12). Bitte beachten Sie, dass der technische Name automatisch mit einem Präfix des Space-Namens versehen wird. Sie können zusätzlich eine längere Beschreibung im Feld Description hinterlegen.
Zuletzt wählen Sie noch den passenden DP-Agenten aus, den Sie zuvor installiert haben sollten (wie das geht, erfahren Sie in Kapitel 6).
Abbildung 2.12: Neues Quellsystem anlegen – Schritt 2
Im dritten Schritt benötigen Sie die Verbindungsdaten zum Quellsystem und müssen die Verbindungseigenschaften angeben (siehe Abbildung 2.13 am Beispiel von SAP HANA On-Premises).
Abbildung 2.13: Neues Quellsystem anlegen – Schritt 3
Einige Quellsystemverbindungen bieten noch einen optionalen vierten Schritt an, um spezielle Parameter einzustellen. Im Beispiel in Abbildung 2.14 sind das die erweiterten Eigenschaften des SAP-HANA-Adapters im DP-Agenten. Sie können diese Parameter auch nach dem Anlegen der Verbindung unter 
noch editieren ().
Abbildung 2.14: Erweiterte Eigenschaften des SAP-HANA-Adapters
Die Liste der möglichen Quellsystemverbindungen wächst stetig, wobei nicht jeder Konnektor alle Funktionen unterstützt. Tabelle 2.1 soll diesbezüglich Klarheit schaffen.
Tabelle 2.1: Unterstützte Funktionen der Quellsysteme
* Adverity und Precog sind Drittanbieterwerkzeuge, welche die Daten direkt in ein Open-SQL-Schema schreiben. Diese Aktion wird aus der Partnerlösung gesteuert.
** Die SAP Open Connectors sind ein Service in der SAP Business Technology Platform (BTP, ehemals SAP Cloud Platform) und ermöglichen den Zugriff auf über 170 weitere Datenquellen. Sofern Sie ein Nutzungsrecht für die Open Connectors in der BTP besitzen, können Sie Ihren BTP-Account mit Data Warehouse Cloud koppeln und diese Konnektoren verwenden.
2.5 Datenbankbenutzer und externe Schnittstellen
Data-Warehouse-Systeme sind in den seltensten Fällen unabhängige Insellösungen, sondern sehr häufig eng mit anderen Applikationen und Datenbeständen verzahnt. Für diese hohe Integration stehen in Data Warehouse Cloud Schnittstellen über spezielle Datenbankbenutzer zur Verfügung.
In diesem Bereich können Sie auch die Bibliotheken für maschinelles Lernen aus dem HANA-Cloud-Scriptserver aktivieren, um Data-Science-Projekte auf den vorhandenen Datenbeständen durchzuführen.
Sie können pro Space einen oder mehrere Datenbankbenutzer mit unterschiedlichen Berechtigungen anlegen (siehe Abbildung 2.15) und diese – je nach Berechtigung – auch zur Datenmodellierung mit anderen Werkzeugen einsetzen.
Abbildung 2.15: Datenbankbenutzer im Space
Mit dem Anlegen eines Datenbankbenutzers erzeugen Sie gleichzeitig ein SQL-Schema auf der HANA-Cloud-Datenbank. Dieses Schema wird auch als Open-SQL-Schema bezeichnet.
Aus der Übersicht der Datenbankbenutzer lässt sich direkt der SAP-Datenbank-Explorer (DB-Explorer) starten, indem Sie einen Benutzer mittels 
markieren und 
auswählen. Daraufhin öffnet sich der DB-Explorer und ermöglicht den Zugriff auf das Open-SQL-Schema sowie die exponierten Views aus dem Space-Schema.
Unabhängig davon können Sie oberhalb der Tabelle der Datenbankbenutzer per Schalter festlegen, ob alle neu angelegten Datenmodelle in diesem Space automatisch als konsumierbar (Expose for Consumption by Default) gekennzeichnet werden sollen oder nicht.
Den Effekt Ihrer Wahl sehen Sie im Data Builder. Wenn Sie dort beispielsweise einen neuen View anlegen (siehe Abbildung 2.16), dann ist die Funktion Expose for Consumption automatisch ein- bzw. ausgeschaltet. Ist diese Funktion aktiv, werden konsumierende Zugriffe von SAP Analytics Cloud oder von externen Analysewerkzeugen erlaubt. Steht der Schalter auf OFF, dann ist der Zugriff auf diesen View mit Analysewerkzeugen nicht möglich. Diese Einstellung ist jederzeit änderbar.
Abbildung 2.16: Datenzugriff mit analytischen Werkzeugen
2.5.1 Lesezugriff auf das Space-Schema
Einige Anwender möchten den Datenzugriff mit Werkzeugen anderer Software-Hersteller vornehmen. Durch die Erzeugung eines Datenbankbenutzers im Space können Sie über eine SQL-basierte Schnittstelle für diese Werkzeuge die Konsumierung der Daten in Data Warehouse Cloud ermöglichen.
Navigieren Sie hierzu über Space Management in den Bereich des Datenbankzugriffs (Database Access) und dort zu den Datenbankbenutzern (Database Users) (siehe Abbildung 2.15). Wählen Sie Create (erstellen), um einen neuen Benutzer zu erzeugen. Vergeben Sie einen Namen und weisen Sie dem Benutzer Berechtigungen zu.
Der Name hat eine maximale Länge von 31 Zeichen und kann im Nachhinein nicht mehr verändert werden. Als Präfix wird automatisch der Name des Space vorangestellt, sodass sich der Benutzername wie folgt zusammensetzt:
<Name des Space>#<Name des Schemas>
Der in Abbildung 2.17 beispielhaft gezeigte Benutzer BOOKSPACE#EXCEL darf lesend auf die Daten des Space-Schemas zugreifen.
Abbildung 2.17: Datenbankbenutzer erstellen
In diesem Dialogschritt können Sie auch festlegen, ob dieser Datenbankbenutzer der Kennwortrichtlinie (Password Policy) folgen soll. Mehr dazu erfahren Sie in Abschnitt 6.4.
Nachdem Sie einen Namen eingegeben haben, werden Ihnen im nächsten Dialogschritt die Verbindungsdaten (siehe Abbildung 2.18) für Ihr externes Werkzeug ausgegeben: Host Name, Port, User Name und Password.
Abbildung 2.18: Space-Schema – Benutzerdetails
Mit diesen Verbindungsdaten schließen Sie jetzt Ihr externes Werkzeug über eine sichere Verbindung an den Space an und erhalten Zugriff auf die freigegebenen Daten. Damit diese Verbindung funktioniert, benötigen Sie für Ihr Werkzeug häufig noch einen zuvor installierten ODBC-Treiber, beispielsweise, wenn Sie Microsoft Excel anschließen möchten.
2.5.2 Schreibzugriff auf das Open-SQL-Schema
Neben dem Zugriff auf vorhandene Daten ist die Datenbeladung und -modellierung (SQL Data Definition Language (DDL) und Data Manipulation Language (DML)) mittels externer Werkzeuge sehr wichtig. Zuvor haben Sie gelernt, dass Daten und Datenmodelle in einem Space-Schema »leben«, in dem sie mit den Editoren und Werkzeugen von Data Warehouse Cloud verwaltet werden.
Wozu also noch eine weitere Möglichkeit, Daten ins System zu laden oder zu modellieren?
Speziell die Zielgruppen Entwickler oder Data Scientists sind es gewohnt, mit ihren lieb gewonnenen Werkzeugen zu arbeiten und ein Data Warehouse aufzubauen. Das können unterschiedliche Werkzeuge für vielfältige Zwecke sein:
Datenintegration, also das Extrahieren, Transformieren und Laden von Daten (auch als »ETL« bezeichnet)
Datenmodellierung
SQL-Programmierung
Data-Science-Werkzeuge (z.B. Jupyter Notebook)
Etc.
Aus Sicherheitsgründen finden die Operationen dieser externen Werkzeuge in einem getrennten Schema (dem Open-SQL-Schema) und nicht im Space-Schema statt. Damit soll nicht nur Datensicherheit, sondern auch die Konsistenz der Daten und Datenmodelle im Space-Schema sichergestellt werden.
Mit dem Anlegen des Datenbankbenutzers erhalten Sie gleichzeitig ein Open-SQL-Schema. Dort können externe Werkzeuge der SAP, aber auch anderer Anbieter sicher konnektieren, Datenmodellierungen und -beladungen sowie SQL-Operationen (DDL und DML) vorgenommen werden, ohne die Stabilität der Modelle im Space-Schema zu beeinträchtigen. In Abbildung 2.19 ist der Zusammenhang zwischen einem Space-Schema und den Open-SQL-Schemata dargestellt.
Abbildung 2.19: HDI-Container, Space- und Open-SQL-Schema
Beispiel zur Nutzung von ETL-Werkzeugen
Sie haben mit einem Datenintegrationswerkzeug bereits einen Datenfluss aufgebaut, den Sie nun auch in SAP Data Warehouse Cloud verwenden möchten. Dafür tauschen Sie einfach das Zielsystem in Ihrem Datenfluss aus. Damit ersparen Sie sich Migrationsaufwand, denn Sie müssen nicht den kompletten Datenfluss erneut mit den Werkzeugen in Data Warehouse Cloud nachbilden, sondern können direkt wiederverwenden, was Sie bereits aufgebaut haben. Im Open-SQL-Schema können Sie anschließend auch weitere Datenmodellierungen vornehmen.
Um einen neuen Datenbankbenutzer zu erzeugen und ein Open-SQL-Schema anzulegen, wählen Sie Create (siehe Abbildung 2.15), und für die Berechtigung zum Schreiben aktivieren Sie das Feld Enable Write Access (siehe Abbildung 2.20). Vergeben Sie einen Namen, hier BOOKSPACE#EXTERN.
Abbildung 2.20: Open-SQL-Schema
Direkt unter Enable Write Access sehen Sie zwei weitere Kontrollkästchen, die Sie auch später noch jederzeit ein- oder ausschalten können. Pro Open-SQL-Schema können Sie darüber steuern, ob Sie Lese- oder Änderungsoperationen in diesem Schema über eine Auditierungsfunktion protokollieren lassen wollen (mehr dazu folgt in Abschnitt 2.7.1).
Nachdem Sie einen Namen und die Berechtigungen vergeben haben, erhalten Sie im nächsten Dialogschritt die Verbindungsdaten (siehe Abbildung 2.18) für Ihr externes Werkzeug: Host Name, Port, User Name und Password.
In Abbildung 3.105 sehen Sie darüber hinaus, dass Sie die im Open-SQL-Schema erzeugten Objekte direkt in der Datenmodellierung im Data Builder verwenden können. Dabei ist es unerheblich, ob die Objekte über Quellsystemverbindungen oder über ein Open-SQL-Schema zur Verfügung stehen. Das Thema »Datenmodellierung mit externen Werkzeugen im Open-SQL-Schema« wird in Abschnitt 3.9 ausführlicher erläutert.
2.5.3 HDI-Container
Sie können über Data Warehouse Cloud auf Container der HANA Deployment Infrastructure (HDI) zugreifen und diese Daten im Data Builder verwenden. HDI-Container spielen besonders bei hybriden Einsatzszenarien von Data Warehouse Cloud und SQL-basierten Data Warehouses mit SAP HANA 2.0 oder HANA Cloud eine wesentliche Rolle.
Im Prinzip stellt ein Space für sich genommen bereits einen Container dar. Weshalb sollte also ein HDI-Container innerhalb eines Space notwendig sein?
Die Antwort ist einfach: Viele Kunden setzen bereits HDI-Container ein und möchten die in diesen Container implementierten Datenmodelle auf einfachem Weg auch mit Data Warehouse Cloud nutzen.
Was ist ein HDI-Container?
Die HANA Deployment Infrastructure stellt einen Service bereit, der Datenbankobjekte in Containern erzeugen kann, den HDI-Container. Der Service beinhaltet Design-Time-Artefakte für SAP-HANA-Datenbankfunktionen, welche den Zielzustand der Runtime-Objekte in konsistenter Form beschreiben (z.B. Tabellen, Views, Prozeduren). Diese konsistente Form wird während des sogenannten Build-Prozesses in der HANA-Datenbank implementiert. Der Service steht auf SAP HANA Cloud oder SAP HANA 2.0 bereit.
Weitere Informationen finden Sie in der SAP-Hilfe unter dem Suchbegriff »SAP HANA Deployment Infrastructure in the Cloud«.
Unter Space Management können Sie den Zugriff auf HDI-Container ermöglichen (siehe Abbildung 2.21).
Abbildung 2.21: HDI-Container im Space registrieren
Damit Ihr Data Warehouse Cloud Tenant zu Ihrem SAP-Cloud-Foundry-Benutzer (Global Account) zugeordnet werden kann, müssen Sie über https://launchpad.support.sap.com/ ein Supportticket öffnen.
Folgende Informationen werden im Ticket benötigt:
Tenant-ID des Data-Warehouse-Cloud-Systems (Sie finden diese im Menü unter , siehe Abbildung 1.9)
ID der Organisation der SAP Business Technology Platform, in der sich Ihre HDI-Container befinden
ID des SAP Business Technology Platform Space, der zur Organisation der SAP Business Technology Platform gehört
Space-Auditierung und HDI-Container
Die Auditeinstellungen auf Space-Ebene werden auch auf die Modelle Ihres HDI-Containers angewandt.
Doch Achtung: Spätere Änderungen an den Auditeinstellungen werden nicht automatisch für den HDI-Container vorgenommen!
Sollen die neuen Einstellungen ebenso für Ihren vorhandenen HDI-Container gelten, dann müssen Sie die Zuordnung dieses HDI-Containers aufheben und ihn nach der Änderung der Auditeinstellungen erneut zuordnen. Bestehende Modelle auf der Basis Ihrer HDI-Modelle werden verfügbar, sobald der HDI-Container wieder Ihrem Space zuwiesen ist.
Zukünftig ist geplant, diesen ticketbasierten Prozess direkt durch einen Self-Service-Dialog in der Software abzulösen.
Anschließend können Sie über die -Schaltfläche Ihrem Space die verfügbaren HDI-Container zuweisen (siehe Abbildung 2.22). Während ein HDI-Container einem Space nur einmal zugeordnet werden kann, lassen sich einem Space mehrere HDI-Container zuordnen.
Abbildung 2.22: HDI-Container auswählen
Wenn Ihnen keine HDI-Container angezeigt werden, kann das mehrere Gründe haben:
Das Supportticket ist noch nicht erstellt bzw. umgesetzt.
Es sind keine HDI-Container vorhanden.
Ihr HDI-Container enthält nicht die erforderlichen Rollen.
Folgende Rollen werden in einem HDI-Container benötigt:
DWC_CONSUMPTION_ROLE – um z.B. die erforderlichen Tabellen auszuwählen,
DWC_CONSUMPTION_ROLE# – diese Rolle besitzt zwar dieselben Berechtigungen wie die Rolle DWC_CONSUMPTION_ROLE, kann jedoch darüber hinaus weitere Berechtigungen erteilen.
Nach erfolgreicher Zuordnung lassen sich die Artefakte aus dem HDI-Container in Ihren Modellen weiterverwenden. Im Data Builder werden nun neben der Quellsystemverbindung und dem Open-SQL-Schema auch HDI-Container angezeigt.
Umgekehrt können Sie ebenfalls erlauben, aus dem HDI-Container auf exponierte Modelle und Daten aus Ihrem Space-Schema zuzugreifen. Dafür müssen Sie beim Datenbankbenutzer die HDI-Consumption gestatten (siehe Abbildung 2.23).
Abbildung 2.23: HDI-Zugriff erlauben
2.5.4 HANA Cloud Scriptserver aktivieren
Aktivieren Sie für Ihr Data-Warehouse-Cloud-System den HANA Cloud Scriptserver, um damit Funktionen aus den Bibliotheken für maschinelles Lernen (Automated Predictive Library (APL) und Predictive Analysis Library (PAL)) auszuführen.
Dies ist insbesondere bei Anwendungsfällen rund um Data-Science-Projekte interessant, denn HANA Cloud bietet die beiden genannten Bibliotheken integriert an. Hier können Sie den DB-Explorer oder das bei Data Scientists populäre Jupyter Notebook als externes Werkzeug verwenden.
Um diese Bibliotheken in Ihrem Space einsetzen zu können, müssen Sie zunächst ein Ticket erstellen. Daraufhin werden die APL- und PAL-Bibliothek für Sie eingerichtet.
Sobald der Scriptserver in Ihrem Tenant nutzbar ist, wird Ihnen bei den Berechtigungen der Datenbankbenutzer eine zusätzliche Option angezeigt (siehe Abbildung 2.24).
Abbildung 2.24: Bibliotheken aktivieren
Sie können für jeden Datenbankbenutzer explizit entscheiden, ob die beiden Bibliotheken verwendet werden dürfen.
Eine Anleitung zum Erstellen eines SAP-Tickets und zum Aktivieren der Bibliotheken für maschinelles Lernen finden Sie im SAP-Hinweis 2994416.
Ücretsiz ön izlemeyi tamamladınız.
