Follow me：
substr(p.first_decide_dte,1,10) BETWEEN # prompt('p_begin_date','String','20140502')# AND #prompt('p_end_date','String','20140602')#
当然 你也可以把 '20140502' 换成字段名。谢谢！
浅谈一下Cognos处理大数据的思路，仅针对10.2.1以下的版本，对于10.2.1当中引入的hadloop等分布式数据仓库等不做介绍。我们主要从一个一般中等项目当中，用怎样的思路来优化我们的查询。我们主要从3个思路来思考大数据的处理
一、数据库层次
现在主流的Cognos项目，主要的开发模式还是基于rolap的dmr报表建模。因此，数据库的优化就显得由为重要。主要通过以下几个方面优化我们的数据库：
(1)维度id，维度层次id等关键减缩字段建立索引建立、维护。
(2)根据数据量的大小，按时间等进行分区优化。
(3)高速缓冲表MQT的使用
(4)表空间、缓冲池设置等
(5)数据库性能优化
二、Cognos Server优化
Cognos优化包括对配置文件的优化，集群的搭建，服务和日志的开启等基于cognos 软件安装，配置的优化，主要包括以下几个方面：
2.1 apache 配置优化
Timeout（超时）/MaxKeepAliveRequests（最大的请求数）/KeepAliveTimeout（请求超时）的优化配置
2.2Cognos自带tomcat配置调优
(1)可修改TOMCAT配置文件CRN_ROOT\tomcat.\conf\server.xml。其参数集中在行：
可以对maxProcessors（最大进程数）/AcceptCount(最大连接数) ConnectionTimeout（连接超时）进行修改
(2)文件路径：CRN_ROOT\tomcat.\conf\web.xml
可以对session-timeout进行修改.
2.3Cognos sever配置文件优化
2.3.1 reportservice.xml优化
文件路径：CRN_ROOT\ webapps\p2pd\WEB-INF\services\ reportservice.xml
注：修改文件后，重启服务后配置生效。
包括以下参数 max_process(交互报表处理进程数，和cpu有关) inger_process(交互报表初始化进程数，和cpu优关)
max_non_affine_connections_per_process(交互报表所占线程数) idle_process_check_interval_ms(空闲检测时间)
queue_time_limit_ms(报表服务队列时间限制) async_wait_timeout_ms(Dispatcher请求等待同步时间)
2.3.2 batchreportservice.xml
文件路径：CRN_ROOT\ webapps\p2pd\WEB-INF\services\ batchreportservice.xml
注：修改文件后，重启服务后配置生效。
包括以下参数 max_process(服务批量报表处理所占进程数) linger_process(服务批量报表处理初始化进程数)
max_non_affine_connections_per_process(服务批量报表处理所占线程数) idle_process_check_interval_ms(空闲进程检测时间间隔)
idle_process_max_idle_ticks(空闲进程检测标记) queue_time_limit_ms(批量报表处理排队时间限制) async_wait_timeout_ms(Dispatcher请求等待同步时间)
2.3.3 CQEConfig.xml
主要是与数据库参数设置，文件路径：CRN_ROOT\configuration\ CQEConfig.xml.sample
注：将CQEConfig.xml.sample文件名修改为CQEConfig.xml后，重启服务后配置生效。
可以修改以下参数：Timeout(应用数据库连接超时设置) PoolSize(应用数据库连接池最大连接数设置) queryReuse(查询缓冲设置)
2013-07-08 0
分享
答案对人有帮助，有参考价值1
曾力 - Cognos讲师、Cognos独立顾问、数据仓库架构师 2013-07-08 回答
2.3.4 ppds_cfg.xml
主要进行缓存和日志参数设置，文件路径：\cognos\c8\configuration\ ppds_cfg.xml
注：重启服务后配置生效。
可以修改以下参数：ReadCacheSize(可减少用户访问时服务器的磁盘IO。提高访问速度。) pcQueryLogFile(建议生产环境关闭该日志的跟踪，一般默认也是关闭状态)
2.4 Cognos content store优化
2.4.1优化内容库连接服务
内容库最好外配为db2 oracle等数据库，不要用自带的derby.因为项目中的日志信息会非常多，严重影响内容库的效率。
Cognos Administration，在系统下选择选择对应的服务，选择ContentManagerService的属性，设置相应的连接参数信息。
2.4.2日志优化
适当开启各个cognos服务的日志级别，越高级的级别对应更详细，更明确的日志，但也会影响整个系统的效率。
这是一把双刃剑，需要适当调整。日志级别设置得越高，就越降低系统性能。通常情况下，您可以将级别设置为
“最小”或“基本”来收集错误，或设置为“请求”来收集错误和警告。
2.5提高访问数据库速度
Cognos和数据库间参数在cer\bin\cogdm.ini文件中,(根据版本不同是安装目录的数字，根据连接的数据库不同，是对应数据库名称的关键字)
以oracle数据库为例,参数在cogdmor.ini文件中，打开这个文件查找字符串Fetch Number of Rows=去掉这行前面的分号，将10改成2000；
这样这行就成了Fetch Number of Rows=2000，表示是每次从数据库取2000条数据。其他数据库基本上都有类似的配置。用以提高从数据库中提取数据的速度。
2.6加大缓存
cer\bin\Cer.ini(*根据版本不同是安装目录的数字)：
SortMemory=5120
（这里 SortMemory 单位是 2kbytes，5120代表 2k x 5120 = 10M）（技巧：一般 SortMemory 取空闲内存的十分之一到八分之一大小）
2.7修改cognos configuration中的参数来优化
在cognos configuration中有很多参数可以优化来提高整体软件的运行效率，比如增加内存、增加查询缓存
2.8分布式部署
分布式部署可以大大提升Cognos服务器的负载能力，同时容错保护功能可以使服务器更为稳定的运行，很好的支持大用户量的并发使用。
2013-07-08 0
答案对人有帮助，有参考价值1
曾力 - Cognos讲师、Cognos独立顾问、数据仓库架构师 2013-07-08 回答
3.报表设计优化
Cognos报表作为一个工具，在非cube模式下，最终我们执行报表查询的时候，我们的报表发送到数据库进行查询的本质还是sql，所以，在我们制作一张报表的时候，我们要尽可能的利用fm,rs当中的功能，优化报表最终执行生成的SQL实现整个报表的优化。而CUBE模式下，我们更多要考虑配置、存放和数据库大小所造成的影响，下面我会细细说来。
2013-07-08 0
答案对人有帮助，有参考价值1
曾力 - Cognos讲师、Cognos独立顾问、数据仓库架构师 2013-07-08 回答
3.1 FM建模优化
3.1.1手写SQL定制查询主题
右键点击查询主题的菜单项Edit Definition…可以进入SQL语句编写框，调整查询主题的SQL语句。默认情况下，这里的SQL语句为Cognos SQL类型。如果需要编写应用数据库可以直接运行的本地SQL需要将这里的SQL类型进行设置。点击右上方的Options按钮，选择SQL Settings标签页，选择SQL Type为Native。这个时候，我们手写SQL就非常注重这个SQL的优化，尽量避免SELECT *,用EXISTS替代IN,多使用DECODE来进行判断，条件语句注意点等常用SQL优化策略，编写对应的SQL.
3.1.2尽量使用特定数据的数据库函数
在菜单项Actions中选择Specify Package Function List…指定报表定制中可以使用的数据库函数列表。将除应用数据库意外的其他数据库类型从Selected function sets中选到Available function sets中，尽量使用特定数据库的自带函数可以提高查询效率。
3.1.3表关联设定
在建立表关联尽量避免使用外关联关系（包括左外关联、右外关联、全外关联）。外关联的使用会使数据库的查询压力骤增，从而影响前端报表的生成。在星型结构、雪花型结构的数据仓库模型中，尽量按照一对一、一对多的关联关系设定维表与实事表之间的关联，Cognos Server会依照这里的关联关系自动优化提交给数据库的SQL语句。如果关联关系中出现了环状连接关系，可以通过别名表或是快捷键的方式解决环状连接问题.
3.1.4Edit Governors查询性能设置
在菜单项Project中选择Edit Governors，可以设置查询的查询性能
Report table limits 该属性设置报表中运行SQL所涉及的TABLE数量
Data retrieval limits 该属性设置报表中运行SQL返回结果的数量
Query execution time limits 该属性设置报表中运行SQL的执行时间
Large text items limit 该属性设置报表中运行SQL返回大文字块的字符数量限制
2013-07-08 0
答案对人有帮助，有参考价值1
曾力 - Cognos讲师、Cognos独立顾问、数据仓库架构师 2013-07-08 回答
3.2 RS报表调优
3.2.1报表函数的使用
在报表函数的使用上，尽可能使用应用数据库能够解析的本地数据库函数，函数列表中的通用函数，在处理时会将函数放在报表服务器进行运算，从而增大了报表服务器的性能开销。
3.2.2 观察查询的SQL
我们选择查询页面，GENERATE SQL/MDX观察这个报表生成的SQL并进行不断优化，
3.3.33.2 RS报表调优
3.2.1报表函数的使用
在报表函数的使用上，尽可能使用应用数据库能够解析的本地数据库函数，函数列表中的通用函数，在处理时会将函数放在报表服务器进行运算，从而增大了报表服务器的性能开销。
3.2.2 观察查询的SQL
我们选择查询页面，GENERATE SQL/MDX观察这个报表生成的SQL并进行不断优化，
3.3.3查询字段、查询表顺序调整
根据数据库的优化策略，可能需要将查询字段的顺序进行调整，可以在Data Items窗口中进行设置。查询SQL语句中，From关键字后面的表顺序是按照select关键字后出现的字段顺序进行设置的。在为表顺序进行设置时，属性为Identifier或Attribute的字段比属性为Fact的字段在为表排序时的优先级要高，即，先以Identifier、Attribute字段的出现顺序为表进行排序，如果没有上述两类字段，才以Fact字段的出现顺序为表进行排序。
3.3.4聚合前后设置过滤条件
将过滤条件的Application属性设置为After aggregation或Before aggregation可以调整过滤条件在聚合前或是聚合后生效。After aggregation生成过滤条件的SQL语句使用的是关键字having，而Before aggregation生成过滤条件的SQL语句使用的是关键字where。
3.3.5取消报表自动分组提高明细报表查询速度
如果报表要展现明细数据，不想使用任何汇总，我们可以到此报表对应的查询中将自动分组属性定义为否。修改地方：对象的属性Auto Group &Summarize可以设置当前SQL语句的查询中是否加入distinct、sum、group by这样的关键字。默认情况下，该属性设置为Yes，可以根据查询情况关掉此开关项，减少SQL语句的复杂度。
3.3.6自动排序设置
在Query的Auto-sort属性中可以为查询设置是否自动排序。如果选择是，则会在生成的SQL语句中自动加入Order By关键字，排序字段将自动根据数据项的属性进行设置（如果查询字段的usage属性为Attribute、Identifier则排序，如果为Fact则不排序）；如果选择否、则不排序；如果选择最小，则根据数据项的排序属性进行排序设置。默认值为最小。
3.3.7报表Processing设置
在Query的Processing属性中可以为查询设置SQL的处理设置。Cognos Report Studio会将报表的所有设置首先转换为Cognos SQL提交给报表服务器，服务器在进行必要处理后，会将SQL语句转换为应用数据库本地执行的SQL语句，进行数据库处理。为提高报表的处理速度，要尽可能的将报表的处理运算放在数据库进行，以保证其运行速度。将该属性设置为Database only会将报表页面生成的Cognos SQL不经报表服务器处理全部转换为数据库能够执行的本地数据库SQL，如果将该属性设置为Limited Local，则将报表页面生成的Cognos SQL先进行必要的报表服务器运算，然后再将剩余的部分提交给数据库进行本地SQL的处理。默认值为Framework中为Datasource对象的设置的queryProcessing属性。
3.3.8使用With子句
在Query的Use SQL With Clause属性中可以为查询设置是否使用With子句。部分数据库例如Oracle支持With关键字，当查询中嵌套子查询时，可以通过With子句的使用，减轻报表服务器对Cognos SQL的处理，从而提升报表的运行性能。如果将该属性设置为Yes，则允许使用With关键字，查询中生成的Native SQL将出现With子句；如果将该属性设置为No，虽然拒绝使用With关键字。默认值为Framework中Edit Governors下的Use WITH clause when generating SQL属性设置。
3.3.9报表服务器本地缓存设置
在Query的Use Local Cache属性中可以为查询设置是否使用本地缓存。如果将该属性设置为Yes，则启用服务器的本地缓存，服务器将为查询结果保存在session中，当用户在浏览器内再次打开同一张报表时，查询结果将取自缓存，从而减轻了数据库的负载压力；如果将该属性设置为No，则禁用服务器的本地缓存，查询结果全部取自数据库的实时数据。默认值为Framework中Edit Governors下的Allow usage of local cache属性设置。
我用的是finereport，比这个方便
引言在大数据分析解决方案中，用户通常需要通过商业智能（Business Intelligence）或数据可视化工具来进行数据分析，探索数据价值。Cognos是IBM旗下的应用广泛的商务智能软件，善于进行联机分析处理(OLAP) 。在大数据架构中，企业对OLAP分析的数据量、实效性、并发能力等方面提出了更高的要求，迫切需要面向下一代的可扩展的高性能OLAP分析平台，而Cognos 在查询性能、并发能力、权限管理等方面存在不足，因此越来越多的企业用户寻求基于大数据技术的解决方案。
Kyligence Analytics Platform (KAP)大数据智能分析平台是基于Apache Kylin的，在超大数据集上提供亚秒级分析能力的企业级数据仓库产品。KAP提供行业标准的ODBC驱动程序，无缝对接行业主流商业智能和数据可视化软件，提供交互式分析能力。
KAP可以作为Cognos标准数据源导入，无需用户重写原有应用，无需数据迁移，无需重新建模，KAP为Cognos用户带来透明的、高性能的、高并发的、可扩展的下一代数据引擎，是Cognos企业级用户实施基于Hadoop的下一代数据仓库时的最佳技术选择。
本文将就如何使用Cognos连接KAP进行报表分析做入门引导。
安装Kylin ODBC驱动
Cognos在windows上以通用ODBC的方式可以连接到KAP，首先用户需要在Cognos服务器所在的环境中安装Kylin ODBC驱动程序，具体流程请参考KAP手册的相关章节 （ https://kyligence.gitbooks.io/kap-manual/content/zh-cn/driver/odbc.cn.html），为了得到更好的支持，请安装Kylin ODBC Driver v1.6 64 bit或更高版本。如果你安装有早前版本，请卸载后再重新安装。
创建本地DSN
Kylin ODBC安装好后，需要在Cognos服务器所在环境配置一个本地DSN。打开Window上的ODBC数据源管理器（64位）创建一个DSN连接KAP。此处我们以KAP的样例数据集Learn_kylin为例。
创建一个Cognos数据源
DSN创建好后打开一个已有Cognos项目或者创建一个新项目。在本例中我们将创建一个新项目。
然后使用元数据向导创建新数据源。
在新建数据源向导第一步中输入数据源名称。
下一步选择ODBC作为连接类型。在隔离级别中，选择使用默认对象Gateway。
下一步在ODBC数据源中填入上一步创建的DSN的名称，勾选Unicode ODBC， 在登陆项中勾选无身份验证，随后点击测试连接。
如果一切配置正确的话，测试连接会顺利通过。
这样数据源就创建成功了。点击下一步你可以继续在元数据向导中测试表的连接。
测试连接
下面我们对已创建的数据源连接进行测试。首先选择需要导入项目中的表。
下一步的所有参数可以保留默认配置。
现在新数据源已经被导入到项目中了。右键一个表测试表的连接。
在测试的d窗中，点击测试示样来测试与表的连接。如果连接配置正确，测试结果会返回在d窗中。
发布数据包
在项目查看器中，右键数据包->新建->数据包将需要使用的表进行发布。
首先创建数据包，在创建流程中第一步先为数据包命名。
第二步选择数据包中需要包含的表和列。
第三步选择包中支持的函数集，这里可以保留默认的设置。
这样数据包就创建成功了，接下来进入发布数据包向导。发布的步骤都可以保留默认配置。
这样数据包就发布成功了。
创建一个简单的图表
下面我们可以使用发布好的数据包来制作一个简单的图表。在Cognos网页端启动Report Studio。
选择之前创建好的数据包。
在Report Studio中选择新建。
在Report Studio中选择新建。
选择一个图表类型。
将维度和度量拉拽到报表上。
点击菜单中的运行键运行报表。这样你就成功的使用KAP作为数据源创建了一个图表。
总结
本文为读者使用Cognos以KAP为数据源做报表分析做了入门引导。使用Cognos+KAP+Hadoop这样的大数据分析解决方案升级传统的Cognos+RDBMS架构，解决了数据可扩展性、查询性能慢等常见分析痛点，新的架构为用户带来更高性能的、可拓展的、更低成本的OLAP解决方案，满足了企业级用户下一代数据仓库系统的核心需求。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）