Una de las “carencias” si se puede decir así que uno ve cuando intenta llevar a la práctica alguna implementación con el nuevo motor In-Memory OLTP es precisamente que supongo que por hitos de desarrollo, algunas características no están implementadas todavía. En este caso, he creado un proyecto en GitHub bajo licenciamiento MIT en el que animo a cualquiera que esté dispuesto a añadir features que no se han implementado todavía nativamente en el motor In-Memory.

Para tener algo de partida he añadido unas funciones para tratamiento de texto bastante básicas que necesitaba para un proyecto que llevo entre manos y aprovechando el tirón lo he dejado publicado como comentaba en este sitio: https://github.com/enriquecatala/InMemoryOLTPUtils. A dia de hoy (28-07-2016) y como primera “batida” he dejado implementadas las siguientes funcionalidades:

Cada una de ellas tiene sus propios métodos de test con los que he intentado validar que el funcionamiento es exactamente el equivalente al que actualmente tenemos implementado bajo el motor OnDisk. Llévate cuidado, porque su utilidad es relativa ya que he estado validando el performance y es bastante malo comparado con CLR, lo que me lleva a escribir otro post al respecto en breve.

No obstante la idea es que si necesitas alguna de las funcionalidades anteriores, con este código lo tienes implementado ya.

 

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

SQSA: SolidQ Social Analyzer – Analiza tus redes sociales con SolidQ

Business Intelligence acaba siendo una herramienta para tomar decisiones de negocio rápidas, fiables y que tengan impacto en el rendimiento de nuestra compañía. Tradicionalmente, y por nuestra experiencia, los datos objeto del análisis provienen de procesos de negocio internos: ventas, stocks, logística, producción… Estos datos, seguro, nos permitirán generar información valiosa para la optimización de procesos y toma de decisiones, pero estamos dejando fuera un componente fundamental de la ecuación, si no el más importante: el cliente.

UNPIVOT “SINCRONO”

Más de una vez nos hemos encontrado en la situación de tener que unpivotar una tabla, teniendo así que recurrir o bien al componente “Unpivot” de SSIS o incluso a tener que guardar los datos en tabla y realizar posteriormente una lectura de esta misma utilizando T-SQL para unpivotarla, con los problemas que ambas soluciones nos puedan conllevar con un gran volumen de datos.