Thiago Zavaschi R2 www.zavaschi.com

1Jun/172

The Rise Of Jerseys, From Knockoffs To A Billion

The Rise Of Jerseys, From Knockoffs To http://www.nfl-jerseys-cheap.com/index.php?main_page=index&cPath=4 A Billion

Take a look at our fan shop and cheap nfl jersey showoff your MLB crew pride with Academy Sports + Outdoors' MLB store, filled with a big selection of MLB jerseys, MLB hats, baseball gear , and different swag out of your favourite professional teams. Our MLB jerseys are produced from one hundred% polyester and are designed to be exact replicas of jerseys from the MLB teams you're keen on and cheer for every week. Our assortment also features a large selection of official hats, comfy staff T-shirts, memorabilia, cups, mugs and attire, all accessible in males's, women's and kids's sizes for gifting to all the passionate followers in your life. Whereas the basketball jersey has lengthy featured the identical fundamental design, a relatively new phenomenon is the short sleeve jersey. The Golden State Warriors were the primary team to debut this new design in-recreation in 2013 Despite masking more of the body, they're actually 26% lighter than the usual jerseys. Many questioned the logic behind this transformation, and part of the explanation was associated to getting more consumers to put on NBA jerseys and presenting extra retail options. Though they have been met with mixed opinions, Adidas plans to roll them out to as many as 5 groups in the upcoming season, including the Los Angeles Lakers. The picture proven to the appropriate is the Swingman version for Harrison Barnes.

Thus far a bid based mostly in Melbourne's south-jap suburbs is taken into account the entrance-runner with the team expected to play within the State Basketball Centre while some folks counsel (or more probably hope) Mark Cowan hasn't dominated out bringing the South Dragons again to the NBL fold.

Pats fans swear Gronk is a victim of the Madden curse (though he pokes fun at it in a brand new industrial ), but possibly there is a best-promoting jersey curse, too. Gronk played just eight video games this yr and has been sidelined since Week 12 because of season-ending surgical procedure.

Underneath the league proposal, which should be permitted by the Board of Governors in April to come back to fruition, teams will have the ability to sell one corporate emblem on their uniforms for the 2017-18 season. That may give groups a yr to promote, and it would line up with the league's new apparel take care of Nike.

The actual fact the retired Ken Griffey Jr. was on the quilt of MLB The Show 17 is both a testament to the Hall of Famer's remaining recognition and a sign there is not an outlined nationwide face of baseball within the current sport. Even Los Angeles Angels great Mike Trout is usually overshadowed in his own market by the Los Angeles Dodgers.

Related Articles:

28May/176

Model Jersey Rules For One Weekend

Model Jersey Rules For One Weekend

Despite the league's excessive-profile issues with domestic violence, thousands and thousands of girls nonetheless love the NFL. They make up some 46 p.c of NFL followers, and they're a serious target for attire makers—both the NFL itself and sporting items chains. Kershaw is not the only Dodgers participant on the list. Shortstop Corey mlb jerseys shop Seager, the reigning https://www.cheap-nfl-jerseyss.com/ Nationwide League rookie of the yr, ranked seventh. Angels heart fielder Mike Trout, the reigning American League MVP, ranked tenth. The Jazz deal is unique as a result of instead of a Qualtrics emblem, the jersey patch shall be a brand for the 5 For the Fight Foundation, a charity that raises cash for most cancers research.

Attended Nova South Eastern College from 2005-2007, he started his skilled profession with the Brisbane Bullets as a improvement player before shifting to the Hawks. Brady is the primary quarterback to win 5 Tremendous Bowl titles. He was named Tremendous Bowl MVP for the fourth time, probably the most all time, in his victory over the Falcons.

Really, I would base in on where their loyalty lies. Put their most well-liked team in shade and the other guys” in white. the nike faculty uniforms are awesome, to not point out the jerseys really fit the players. Reebok does a horrible job making the jerseys match proper on the players. The names on the again are uneven and the jersey are reduce extraordinarily awkward.

Jett finished his faculty career at Saint Louis third in assists, third in steals and eighteenth in scoring. That final one was particularly putting. I grew up going to games populated by rabid fans, however barely half have been in team colors. It simply wasn't a consideration.

Luke Schenscher returned to the Crocs for the 2015/sixteen season after spending three seasons with the Adelaide 36ers. Schenscher beforehand played for the Crocs between 2011-2013. His performance flowed on in the offseason for the Wellington Saints within the NZNBL as he was named within the New Zealand Tall Blacks squad.

Related Articles:

9Jan/150

AzureML – Criando meu Primeiro Modelo – Parte 1

Olá pessoal,

No meu último post comecei a escrever sobre aprendizagem de máquina na nuvem através do Azure Machine Learning. Hoje iniciaremos uma série sobre como criar nosso primeiro modelo de aprendizagem de máquina.

Primeiramente devemos conhecer alguns conceitos importantes:

  • Características (features): são os elementos que definem um padrão (uma entrada) a ser classificado. São informações que caracterizam o elemento. Estes valores podem ser valores discretos (estado civil, sexo, idade, possui filhos) ou valores contínios (números infinitos / “não contáveis”). Os valores contínuos podem ser extraídos de análises complexas sobre imagens, por exemplo, onde a característica fica sendo representada por um número. Um vetor de características identifica um elemento. Em geral se espera que as características sejam invariantes a rotação e escala.
  • Classe (label): é o que define o objeto. A classe é o valor que desejamos alcançar nos problemas de classificação. Por exemplo, caso o modelo seja para identificar a predisposição para desenvolvimento de câncer de mama, as classes nesse caso poderiam ser: Presença ou não presença de câncer.

Os problemas que possuem duas classes são, em geral, os problemas mais simples, também conhecidos como problemas binários. Muitos classificadores (como o SVM – veremos em post futuro) trabalham com problemas de duas classes.

Problemas multi-classe existem e também são frequentes. Imagine um modelo que identifica a expressão facial que a pessoa está realizando. Este problema facilmente leva à necessidade de se trabalhar com múltiplas classes.

Outros conceitos importantes para a validação do modelo são Acurácia, Recall, Precisão, F1-Score, AUC. Veremos isso quando formos comparar modelos, mas já pode consultar no blog do Nogare esta explicação.

21Oct/142

AzureML – O que é? Primeiros Passos

Olá pessoal,

Hoje o foco será a plataforma de Machine Learning na nuvem da Microsoft, conhecida como Azure Machine Learning (AzureML).

Esta tecnologia (ainda em preview) permite a construção de modelos de aprendizagem de máquina de maneira rápida e permite o acesso a estes modelos através da sua interface web (http://studio.azureml.net) ou através de API (webservices criados e expostos para seus modelos – veremos em posts futuros).

Mas o que é Aprendizagem de Máquina?

Segundo a Wikipedia:

“A aprendizagem automática é um sub-campo da inteligência artificial dedicado ao desenvolvimento de algoritmos e técnicas que permitam ao computador aprender, isto é, que permitam ao computador aperfeiçoar seu desempenho em alguma tarefa. Enquanto que na Inteligência Artificial existem dois tipos de raciocínio - o indutivo, que extrai regras e padrões de grandes conjuntos de dados, e o dedutivo - o aprendizado de máquina só se preocupa com o indutivo.

Algumas partes da aprendizagem automática estão intimamente ligadas à mineração de dados e estatística. Sua pesquisa foca nas propriedades dos métodos estatísticos, assim como sua complexidade computacional. Sua aplicação prática inclui o processamento de linguagem natural, motores de busca, diagnósticos médicos, bioinformática, reconhecimento de fala, reconhecimento de escrita, visão computacional e locomoção de robôs.”

Resumindo de maneira bem curta, aprendizagem de máquina é o cunjunto de técnicas para possibilitar o computador de fazer o aperfeiçoamento de alguma tarefa.

Para conseguir acompanhar e utilizar a plataforma é fundamental conhecer alguns conceitos.

Ao longo desta série de post cobriremos os principais.

Conhecendo o AzureML Studio

image 

Existem 4 abas na região esquerda do ML Studio: Studio Home; Experiments; Web Services e Settings. Vamos abordar cada um no devido tempo :).

O botão “+ NEW” abre a opção para criação de um experimento ou um dataset.

A opção de Dataset serve para fazer o upload de um arquivo local que pode ser dos seguintes formatos:

  • Generic CSV file with a header (.csv)
  • Generic CSV file with no header (.csv)
  • Generic TSV file with a header (.tsv)
  • Generic TSV file with no header (.nh.tsv)
  • Plain text (.txt)
  • SvmLight file (.svmlight)
  • Attribute Relation file format (.arff)
  • Zip (.zip)
  • R Object or Workspace (.RData)

Este dataset se torna disponível na área de Saved Datasets (ver adiante) que é armazenada em blobs do Azure.

Módulos do Azure Machine Learning

Os processos e elementos utilizados dentro de um experimento (além dos dados) são chamados de módulos. A imagem a seguir permite ver a lista com todas as categorias e subcategorias de módulos disponíveis nesse public preview. Conforme avançarmos no tema irei detalhar melhor cada um dos módulos.

image

Experimentos de exempo do AzureML

Na região de Saved Datasets é possível encontrar vários conjuntos de dados para utilizar em seus testes com a plataforma. Estes conjuntos também são utilizados em experimentos de exemplo que são encontrados na sessão de samples.

É possível observar que existem alguns experimentos bastante simplificados (tutorial), porém há análises bastante interessantes, e a quantidade deles é bem razoável.

image

 

Bom pessoal, espero que esse post tenha despertado em vocês o interesse de conhecer mais da plataforma e de Aprendizagem de Máquina. Vamos evoluir no tema juntos. :)

[]s

Zava

13Oct/140

Azure Summit Brasil 2014 – Azure Machine Learning

Olá pessoal,

Sábado passado (11/10) apresentei sobre Azure Machine Learning no Azure Summit Brasil realizado na sede da Microsoft Brasil em São Paulo.

A discussão foi muito interessente, onde foi possível mostrar parte dos recursos disponíveis nesta primeira versão (preview) do AzureML (antigo projeto Passau).

Pretendo cobrir aqui no blog esse assunto e em breve devemos ter mais posts relacionados a esta tecnologia.

No portal da ferramenta existem vídeos-tutoriais e também a documentação: http://studio.azureml.net

O material utilizado na apresentação está aqui:

AzureSummit_thiagoz

Obrigado!

Zava

24Sep/145

CDC – Change Data Capture – O que é? Como Usar?

Olá pessoal,

Publiquei um artigo sobre Change Tracking (CT) e comentei que existe um “irmão” chamado Change Data Capture (CDC). Ambos presentes desde o SQL Server 2008.

O CDC serve para fazer capturas das operações de INSERT, UPDATE e DELETE realizadas em uma tabela, porém, diferentemente do CT, ele consegue armazenar o dado. Isso leva a um overhead maior do que o que o CT causa, devido a necessidade de armazenar os dados modificados.

Os dados capturados são armazenados em uma tabela SQL Server, o que facilita o consumo dos mesmos. E sim, é uma solução muito mais elegante e eficiente do que utilizar TRIGGERs sobre as tabelas.

Já vi cenários onde o CDC é utilizado como mecanismo de auditoria, e, ainda que ele consiga cumprir com esse papel (dados algumas premissas), já vimos aqui no blog sobre o recurso que seria mais recomendado nestes casos: SQL Audit.

Vamos entender um pouco melhor como configurar e como este recurso de captura funciona.

Como Funciona

Olhe a seguinte imagem (extraída de http://msdn.microsoft.com/en-us/library/cc645937.aspx):

Change data capture data flow 

O SQL Server Change Data Capture, captura as alterações diretamente do arquivo de log da database. Ou seja, os processos DML que ocorrem na database não são condicionados ao CDC, como seriam no caso de triggers.

É importante ressaltar a diferença de metodologia do Change Data Capture para o Change Tracking. O CDC é assíncrono e captura as informações do log. Já o CT é um processo leve, porém síncrono (pois as informações das operações são armazenadas no momento da operação). Observe também que o CDC é uma feature enterprise e o CT não é (estando assim disponívél em outras SKUs).

Uma vez o log lido, as informações pertinentes às modificações são aplicadas a tabelas de modificações (que podem crescer rapidamente, de acordo com a alteração dos dados na tabela com o tracking ativo).

O CDC fornece funções que operam sobre estas tabelas para retornar os valores em um formato filtrado para atender em geral aos processos de ETL. Estes processos por sua vez se beneficiam muito pois não precisam comparar os dados da tabela com os dados de um DW por exemplo para determinar se houve mudança ou não. Isso pode baixar consideravelmente o tempo de carga nos seus pacotes de ETL.

Maiores informações (em inglês): http://msdn.microsoft.com/en-us/library/cc645937.aspx

Como Configurar

Para utilizar o CDC é necessário habilitá-lo para a database através da stored procedure: sys.sp_cdc_enable_db. E na sequência habilitar nas tabelas desejadas com sys.sp_cdc_enable_table.

Imagine que temos uma database chamada MonitorarCDC e que gostaríamos de monitorar algumas de suas tabelas. A começar com a tabela chamada Empregados.

Primeiramente habilitamos o CDC na database MonitorarCDC:

USE MonitorarCDC
GO
EXECUTE sys.sp_cdc_enable_db;

Se atente que o nome da databe não é passada como parâmetro, é utilizado o contexto atual.

Perceba também que isso irá criar na sua database um schema chamado cdc, bem como algumas tabelas de sistema para gerenciar seu CDC.

image

A função de cada uma destas tabelas você pode ver abaixo:

cdc.captured_columns – Retorna a lista de colunas capturadas.
cdc.change_tables – Armazena a lista de todas as tabelas habilitadas para captura.
cdc.ddl_history – Contém toda a modificação de estrutura (DDL) desde que a captura foi habilitada.
cdc.index_columns – Contém os índices associados às tabelas capturadas.
cdc.lsn_time_mapping – Esta tabela mapeia o número LSN e o tempo.

Agora vamos criar uma tabela para monitorar e vamos inserir alguns valores:

CREATE TABLE Empregados
( matricula int primary key,
  nome varchar(255) not null,
  nascimento datetime not null,
  cargo varchar(255) null,
  ativo bit not null
)

INSERT INTO Empregados
VALUES
(1000, 'Thiago', '1980-01-01', 'Gerente Geral', 1),
(1001, 'Maria', '1987-01-01', 'Auxiliar Administrativo', 1),
(1002
, 'Pedro', '1980-01-01', 'Operação Fiscal', 1),
(1003, 'Jorge', '1980-01-01', 'Analista Financeiro', 1)

Agora vamos habilitar o CDC para a tabela Empregados. O exemplo não cobre, mas existem outros parâmetros na procedure sp_cdc_enable_table, como por exemplo a possibilidade de especificar o monitoramento de apenas algumas colunas. Para maiores informações desta procedure segue a documentação: http://technet.microsoft.com/en-us/library/bb522475(v=sql.120).aspx

EXEC sys.sp_cdc_enable_table
@source_schema = N'dbo',
@source_name   = N'Empregados',
@role_name     = NULL
GO

O parametro “role_name” serve para atribuir acesso a esta tabela somente aos pertecentes a esta role passada, caso a role não exista ela é criada. Em caso de NULL, como no exemplo, todos possuem acesso a tabela de tracking.

Existem alguns erros que você pode receber caso tenha instalado o SQL Server e depois renomeado a maquina (servidor). No meu caso isso aconteceu e eu recebi o seguinte erro:

Msg 22832, Level 16, State 1, Procedure sp_cdc_enable_table_internal, Line 645
Could not update the metadata that indicates table [dbo].[Empregados] is enabled for Change Data Capture. The failure occurred when executing the command '[sys].[sp_cdc_add_job] @job_type = N'capture''. The error returned was 22836: 'Could not update the metadata for database MonitorarCDC to indicate that a Change Data Capture job has been added. The failure occurred when executing the command 'sp_add_jobstep_internal'. The error returned was 14234: 'The specified '@server' is invalid (valid values are returned by sp_helpserver).'. Use the action and error to determine the cause of the failure and resubmit the request.'. Use the action and error to determine the cause of the failure and resubmit the request.

Como descobri isso?

O retorno da variável @@SERVERNAME foi “ZAVA-SP3” sendo que atualmente é “THIAGOZ-MS”. Isso significa que os metadados do SQL Server estão desatualizados.

Para resolver siga os passos presentes aqui:

http://msdn.microsoft.com/en-us/library/ms143799.aspx

image

Basicamente no meu caso eu precisei utilizar o seguinte comando:

sp_dropserver 'ZAVA-SP3';
GO
sp_addserver 'thiagoz-ms', local;
GO

Perceba que a sp_helpserver retorna o valor atualizado, porém o @@SERVERNAME me retorna o valor antigo. Para completar o procedimento é necessária a reinicialização da instância.

Agora ao executar a proc sys.sp_cdc_enable_table vemos que funciona e a mensagem de retorno é:

Job 'cdc.MonitorarCDC_capture' started successfully.
Job 'cdc.MonitorarCDC_cleanup' started successfully.

O CDC, como vimos, é assíncrono e (caso não tenha replicação) irá utilizar jobs para fazer a leitura do log de transações, cuja principal função é a execução das procedures sys.sp_MScdc_capture_job e sys.sp_MScdc_cleanup_job.

Quando há a replicação para não haver competição entre o capture e o transactional logreader da replicação, ambos passam a utilizar o transactional logreader.

image

Além destes jobs no SQL Agent, há a criação de uma tabela de sistema com o nome e estrutura parecidas, com o seguinte padrão de nomenclatura cdc.<schema>_<nome_da_tabela>_CT. No meu caso: cdc.dbo_Empregados_CT.

 image

A estrutura da tabela é semelhante, porém com 5 colunas a mais. Veja na imagem abaixo:

image

__$start_lsn: LSN associado com o commit da transação de mudança. Todas as mudanças feitas em uma mesma transação compartilham o mesmo valor de __$start_lsn. Se houve deleção de 10 linhas, as 10 linhas possuirão o mesmo valor.

__$end_lsn: Para propósitos informacionais apenas. Não suportado e a compatibilidade futura não é garantida (atualmente insere o valor NULL para todos os valores).

__$seqval: Valor usado para ordenar as operações dentro de uma transação.

__$operation: Identifica a operação (DML) realizada. 1 – DELETE, 2 – INSERT, 3 - UPDATE (valores antigos), 4 – UPDATE (novos valores).

__$update_mask: Mostra os valores alterados no update (1 para as posições alteradas). No caso de DELETE e INSERT onde todas as colunas são afetadas, virá uma máscara com 1’s em todas as posições.

Maiores informações sobre esta tabela criada pode ser vista na documentação: http://msdn.microsoft.com/en-us/library/bb500305.aspx.

Como Obter os Valores

Bom, agora que já temos o CDC implementado e já conhecemos as estruturas criadas, vamos realizar algumas alterações e ver como consumir estas informações.

Vamos executar algumas operações:

INSERT INTO Empregados
VALUES
(1010, 'Mariano', '1975-01-01', 'Atendente', 1),
(1011, 'Paulo', '1990-01-01', 'Atendente', 1)

DELETE FROM Empregados WHERE matricula IN (1002, 1010)

UPDATE Empregados SET cargo = 'Diretor Financeiro' WHERE matricula = 1003

Vamos verificar o que há na tabela de tracking (as imagens correspondem às mesmas linhas):

image

image 

Ok, consigo ver as operações que foram realizadas e os dados, mas como sei quando aconteceu?

Bom, o LSN é sequencial e corresponde a um tempo específico, esta informação fica armazenada na tabela cdc.lsn_time_mapping criada na database monitorada no momento em que você habilitou o CDC.

Para facilitar o consumo destas tabelas, sem termos que executar uma série de joins e análises, o CDC criou para nós algumas funções que nos auxiliam neste consumo, tais como: sys.fn_cdc_map_time_to_lsn e cdc.fn_cdc_get_all_changes_<schema>_<tabela>.

Veja abaixo um exemplo do consumo de dados utilizando estas funções no nosso exemplo para trazer as modificações das últimas 24 horas:

DECLARE
    @begin_time DATETIME,
    @end_time DATETIME,
    @begin_lsn BINARY(10),
    @end_lsn BINARY(10)

SELECT @begin_time = GETDATE()-1, @end_time = GETDATE();
SELECT @begin_lsn = sys.fn_cdc_map_time_to_lsn('smallest greater than', @begin_time);
SELECT @end_lsn = sys.fn_cdc_map_time_to_lsn('largest less than or equal', @end_time);
SELECT *
FROM cdc.fn_cdc_get_all_changes_dbo_Empregados(@begin_lsn,@end_lsn,'all')
GO

A função fn_cdc_map_time_to_lsn pode receber um dos seguintes parâmetros (auto explicativos):

  • largest less than
  • largest less than or equal
  • smallest greater than
  • smallest greater than or equal

Essa tabela de tracking pode crescer muito?

Se as suas tabelas monitoradas são altamente transacionais, você pode esperar um rápido crescimento das mesmas. O job de cleanup é o responsável pela limpeza destas tabelas.

Por padrão há a limpeza a cada 3 dias, porém esse período de retenção é configurável. Na realidade este valor é configurado em minutos, neste caso: 4320 minutos.

Para alterar o período de retenção utilize a procedure abaixo. Há um limite de tempo máximo para a retenção que é de 52494800 minutos (100 anos), e caso seja especificado deve ser um valor inteiro e positivo. Maiores informações na documentação (em inglês): http://technet.microsoft.com/en-us/library/bb510626(v=sql.110).aspx.

sp_cdc_change_job @job_type='cleanup', @retention=minutes


Bom pessoal, e era isso o que eu queria mostrar hoje. Espero que seja útil!

Abraços,
Zava

11Aug/140

SQL Saturday #325 – Estarei presente!

Olá pessoal,

Com grande alegria comunico que estarei presente ao SQL Saturday #325 que será realizado dia 27 de setembro de 2014 em São Paulo.

Irei realizar duas palestras:

Junte, manipule e conecte dados com o Power Query
Conheça essa poderosa ferramenta para recuperar dados de diferentes fontes e prepará-los para análise. Parte da suíte de Power BI da Microsoft. Em muitos casos pode ser considerada uma ferramenta de "self-service ETL", podendo trazer e manipular dados de Hadoop, Facebook, fontes relacionais, entre muitas outras.

Analysis Services Internals
Se você quer conhecer mais sobre o Analysis Services (SSAS) internamente, arquitetura e como ele lida com memória, arquivos e threads essa é a sua sessão!

 

Não sabe o que é o SQL Saturday (SQLSat)?

Veja a descrição do próprio site do evento:

"SQLSaturday é um evento de capacitação para profissionais de SQL Server, Business Intelligence e aqueles que querem aprender sobre o universo da Plataforma de dados da Microsoft. Este evento será realizado em 27 de setembro de 2014, na UNIP Tatuapé, Rua Antônio Macedo, 505 - Parque São Jorge, Tatuapé - São Paulo - SP, São Paulo, 03087-040, Brasil. A entrada ao evento é gratuita, todos os custos são cobertos por doações e patrocínios. Os lugares são limitados, registre-se para garantir sua vaga, e compartilhe com os outros para que todos possam comparecer."

O link para as inscrições é o seguinte (já está praticamente lotado):

http://www.sqlsaturday.com/325/eventhome.aspx

Obrigado e aguardo vocês lá!

30May/142

Change Tracking – O que é? Como Usar?

Olá pessoal,

Hoje comentarei sobre um recurso velho no SQL Server (desde o 2008) mas que vejo pouco utilizado e que muitas vezes os desenvolvedores fazem algumas coisas “mirabolantes” para ter resultados similares.

O Change Tracking (CT) e o Change Data Capture (CDC) são ferramentas de suporte a sincronização. O CDC abordarei no próximo post.

Os cenários em que o CT se aplica são aqueles cenários onde você trabalha com aplicações offline, aplicações ocasionalmente conectadas ou aplicações que não necessitam conhecer em tempo real que houve atualização nos dados.

O Change tracking lhe garante a informação sobre qual linha foi modificada (linha inserida, coluna atualizada, deletada, etc.). O seu “irmão” Change Data Capture armazena todo o histórico do dado modificado (por essa razão pode ser vista como uma solução mais custosa).

Em cenários de DW ambas tecnologias podem ajudar a identificar as linhas que sofreram modificação para que seja extraído do sistema transacional somente as linhas que foram modificadas e assim diminuir a carga sobre os sistemas transacionais fontes (CT e CDC são features do SQL Server, no SQL Server 2012 há a possibilidade de utilizar o CDC para Oracle – Instalador externo presente na mídia do SQL Server 2012).

26Apr/140

SQL Saturday #284 – Porto Alegre

Olá pessoal,

Hoje estamos tendo a edição #284 do SQL Saturday (Porto Alegre).
Fiz uma apresentação sobre MDX (ainda há muito chão para ele mesmo com o DAX), e aqui disponibilizo os materiais.

Materiais download

Obrigado a todos os presentes! :)

Tagged as: , , No Comments
23Oct/133

Whitepaper de Performance Tuning para o Modelo Tabular do SSAS 2012

Olá pessoal,

Este post é apenas para informar que já foi lançado o Performance Guide para o modelo tabular do Analysis Service 2012. Recebi já muitas perguntas sobre ele e aqui está.

Performance Tuning of Tabular Models in SQL Server 2012 Analysis Services

http://msdn.microsoft.com/en-us/library/dn393915.aspx

Enjoy!

PS: Esse post ficou algum tempo nos drafts, o guide já saiu há alguns meses e em breve teremos atualização para cobrir servidores NUMA.