En SQL Server 2005, podemos tener más de una instancia de Analysis Services en el mismo servidor físico. Para que una configuración de este tipo funcione adecuadamente debemos de tener en cuenta algunas consideraciones:

  • Especificar el puerto que utilizará cada instancia. De forma predeterminada Analysis Services utiliza el puerto 2383. Si cuando la instancia se inicia, este puerto está ya ocupado, entonces utilizaré el primero de los puertos disponibles de un rango dinámico. Debido a posibles problemas que nos podemos encontrar, sobre todo si necesitamos atravesar firewalls, no es conveniente dejar esta configuración. Para ello, podemos especificar los puertos que queremos que utilice cada una de las instancias de Analysis Services. Para ello no tenemos más que especificar un valor diferente a 0 en la Propiedad Port de la instancia.
  • Iniciar SQL Browser. Cuando la instancia de Analysis Services se inicia, registra su nombre de instancia y el puerto en el servicio SQL Browser. Concretamente en un módulo denominado Analysis Services redirector service, que escucha en el puerto 2382.
  • Cómo se conectan los clientes. De forma predeterminada el cliente se conecta al puerto 2383. Si especificamos una instancia con nombre, entonces se redirige la petición al Analysis Services redirector, que se encargará de redireccionar al puerto determinado.
  • Cómo me conecto a través de un Firewall. Muy fácil, o abrimos el puerto 2382 del redirector, o abrimos el puerto por el que la instancia que está escuchando.
  • Si queremos hacer una instancia invisible. Tan solo tenemos que configurar la propiedad InstanceVisible a 0, de modo que la instancia no será visible por los clientes a no ser que especifiquen el puerto.
0 Shares:
Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

You May Also Like
Leer más

Cálculos de tiempo personalizados en SSAS Multidimensional

Si para ciertas cuentas no queremos sumar en los cálculos temporales, sino hacer otra operación, por ejemplo, la media, podemos definir una columna (TBAverage) que para cada cuenta indique si suma (0) o hace la media (1). La usaremos en el cubo como una medida que comprobaremos para cada nivel para detectar si esa cuenta debe sumar o hacer la media para los cálculos temporales.

Un paseo por Azure ML Services 

Azure ML y sus recursos han expandido enormemente las posibilidades para los desarrolladores de Machine Learning y los Científicos de Datos para obtener datos, analizarlos, entrenar modelos y publicarlos. Acompañame en éste artículo para conocer los elementos básicos y saber cómo puedes aprovechar la potencia de Azure para tus desarrollos ML.