- Unsere Referenzen in 2023 -
machen Sie sich ein Bild unserer Arbeit
Hot Topics 2023
NSE Design für Tabelle ACDOCA
Anforderung: Minimierung Hauptspeichernutzung Tabelle ACDOCA
Ziel: Optimierung RAM durch Nutzung NSE
Ergebnis: 40% RAM Einsparung bei 3% Performanceverlust durch NSE
Zeitraum: 07/2022 - 04/2023
Die ACDOCA ist eine der größten und am schnellsten wachsenden Tabellen eines S/4HANA Systems. Aktuell gibt es noch Restriktionen in Bezug auf die Nutzung der ACDOCA im Kontext NSE seitens SAP. Ein Kunde bat uns es dennoch mit unterschiedlichen Designs zu testen - mit Erfolg! Wir konnten 40% der Tabellengröße einsparen. Der Kunde ist bereits seit mehreren Monaten ohne Einschränkungen live.
S/4HANA Scale-out
Anforderung: PoC für S/4HANA Scale-out
Ziel: zukünftige Architektur bei starkem Wachstum
Ergebnis: ausstehend
Zeitraum: 05/2023 - läuft noch
Ein Kunde sieht die aktuelle Architektur in naher Zukunft als Limitierung und wünscht ein Proof of Concept für einen möglichen Betrieb des S/4 Systems im Scale-out Verfahren. Hierzu erarbeiten wir die Architektur, Tests und Prüfen den Betrieb auf mögliche Limitierungen.
Effektive und Effiziente Nutzung der Ressourcen
Anforderung: Optimale Nutzung der Ressourcen
Ziel: Workload ohne Ressourcenerweiterung abbilden
vorläufiges Ergebnis: CPU Nutzung von >70% auf <50%
Zeitraum: 11/2022 - läuft noch
Ein Kunde sieht die aktuelle Systemstabilität durch den Workload gefährdet. Gemeinsam sollen Lösung erarbeitet werden, um kritischen SQLs ohne Einschränkung im Falle eines Engpasses prozessieren zu können. Die Parallelität soll je nach Workload limitiert werden.
Downsizing Impact Analyse
Anforderung: Downsizing der Hardware
Ziel: kein Verlust von Performance
Ergebnis: 25% RAM + 53% CPU Einsparung bei 34,8% Performancegewinn
Zeitraum: 04/2023 - 07/2023
Durch den Einsatz von NSE konnte der Hauptspeicherbedarf des Kunden darstisch gesenkt werden. Nun sollte der nächste Schritt zur Einsparung erfolgen. Ein Downsizing des verwendeten Servertypen. Nach Migration einer Sandbox zur neuen Hardware konnte via HANA Capture & Replay die Performance verglichen und weitere SQL Optimierungen durchgeführt werden.
Workload Management
________________
Branche
Energieversorger
________________
Sitz
Deutschland
________________
Mitarbeiterzahl
>10.000 Mitarbeiter
________________
Zeitraum
seit 2023/01 - ongoing
________________
Eingesetzte SAP Produkte
HANA 2.0 SPS05
- Identifizierung Engpässe
- Mapping des Workload
- Setzen Tabellen Load/Unload Prioritäten
- Steigerung der Performance
- Senkung Hauptspeicherverbrauch
- Partitionierung
- Health Check
- Parametrisierung
- Hyper Care support
- Einführung NSE
- Einführung Workloadklassen
________________
Plattform
SLES15 SP3 / HANA 2.0 SPS05
________________
Anzahl Systeme
3 SIDs
________________
Ressourcen
6 TB RAM
>400 vCPUs
________________
Ergebnis
Einsparung von über 1TB Hauptspeicher
Senkung der CPU zu Spitzenzeiten um >54%
Conversion S/4HANA 2022 FPS2
________________
Branche
Metallverarbeitung
________________
Sitz
Deutschland
________________
Mitarbeiterzahl
>2000 Mitarbeiter
________________
Zeitraum
seit 2022/04 -
________________
Eingesetzte SAP Produkte
S/4HANA 2022
- Optimierung Downtime
- Fehlerbehebung
- Planung
- Parametrisierung
- Partitionierung
- Health Check
- Hyper Care support
________________
Plattform
Quelle: SLES12 SP4 / DB2
Ziel: SLES15 SP4 / HANA 2.0 SPS05
________________
Anzahl Systeme
5 SIDs
________________
Ressourcen
15 TB RAM
>200 vCPUs on VMware
SAP HANA NSE / NLS
________________
Branche
Retail
________________
Sitz
Deutschland
________________
Mitarbeiterzahl
>30.000 Mitarbeiter
________________
Zeitraum
2022/04 - 2023/06
________________
Eingesetzte SAP Produkte
BW, IQ
- Analyse NSE Kandidaten
- Optimierung Ressourcennutzung
- KPI Definition
- NSE Einsatz auf Tabellenebene
- NLS: SAP IQ
________________
Plattform
Quelle: SLES12 SP5 / HANA 2.0 SPS05 / IBM Power
________________
Anzahl Systeme
3 SIDs
________________
Ressourcen
25 TB RAM
>30 vCPUs on IBM Power
________________
Ergebnis
Einsparung von über 8TB Hauptspeicher
Migration nach MS Azure
________________
Branche
Retail
________________
Sitz
Deutschland
________________
Mitarbeiterzahl
>85.000 Mitarbeiter
________________
Zeitraum
seit 2022/09 - 2023/04
________________
Eingesetzte SAP Produkte
CAR, MDM, MDG, RMM, PO, TM, EWM, FI, SLT, BO, SolMan
- detaillierte Analyse on Premises Systeme
- Projektmanagement mit internationalen Projektteams
- Isolation der Systeme
- Export der Systeme
- Unterstützung bei Reimplementierung nach Import in MS Azure
________________
Plattform
Quelle: SLES12 SP5 / HANA 2.0 SPS05
________________
Anzahl Systeme
>85 SIDs
________________
Ressourcen
>3,5 TB RAM
>180 vCPUs on HyperScaler
PoC: SAP HANA Architektur GeoDB
________________
Branche
Forstwirtschaft
________________
Sitz
Deutschland
________________
Mitarbeiterzahl
3.000 Mitarbeiter
________________
Zeitraum
seit 2023/04
________________
Eingesetzte Produkte
SAP HANA, ESRI
- Architektur / Sizing
- Workshops bzgl. HANA Funktionsweise
- HA / DR Szenarien
- Optimierung tenantübergreifende SQL Zugriffe
- Analyse NSE Kandidaten
- Optimierung Ressourcennutzung
________________
Plattform
Quelle: SLES15 SP4 / HANA 2.0 SPS05 / VMware
________________
Anzahl Systeme
1 SIDs
________________
Ressourcen
256 GB RAM
48 vCPUs
HANA Performance Tuning
________________
Branche
Bau und Industrie
________________
Sitz
Dänemark
________________
Mitarbeiterzahl
>1.000 Mitarbeiter
________________
Zeitraum
ab 2021/12
________________
Eingesetzte SAP Produkte
ERP
- Architektur
- Sizing
- Health Check
- HANA SQL Performance Tuning
________________
Plattform
IBM Power
________________
Plattform
Quelle: SLES15 SP2 / HANA 2.0 SPS05
________________
Anzahl Systeme
3 SIDs
________________
Ressourcen
>6 TB RAM
HANA Health Checks
________________
Branche
Sanitärbereich
________________
Sitz
Schweiz
________________
Mitarbeiterzahl
>12.000 Mitarbeiter
________________
Zeitraum
ab 2021/10
________________
Eingesetzte SAP Produkte
ERP, BW, CRM
- Architektur
- Sizing
- VMware Optimierungen
- HA/DR Konzept
- Skalierbarkeit
- HANA Partitioning
- Workshops für Wissenstransfer neuer HANA Features
- HANA Performance Tuning
- Capture & Replay
SAP HANA NSE / Performance Tuning
________________
Branche
Maschinenhersteller
________________
Sitz
Deutschland
________________
Mitarbeiterzahl
>30.000 Mitarbeiter
________________
Zeitraum
ab 2022/01
________________
Eingesetzte SAP Produkte
ERP
- Architektur
- Sizing
- Ermittlung Einsparungspotential
- Skalierbarkeit
- HANA Partitioning
- Workshops für Wissenstransfer neuer HANA Features
- HANA SQL Performance Tuning
________________
Plattform
IBM Power
________________
Plattform
Quelle: SLES15 SP2 / HANA 2.0 SPS05
________________
Anzahl Systeme
3 SIDs
________________
Ressourcen
>6 TB RAM
Einsatz HANA NSE
________________
Branche
Versicherung
________________
Sitz
Österreich/Deutschland
________________
Mitarbeiterzahl
>25.000 Mitarbeiter
________________
Zeitraum
ab 2022/01
________________
Eingesetzte SAP Produkte
ERP
- Architektur
- Sizing
- Ermittlung Einsparungspotential
- Skalierbarkeit
- HANA Partitioning
- KPI Definition
- SQL Optimierung
- NSE Einsatz auf Spalten-, Tabellen-, Index- und Partitionsebene
________________
Plattform
x86 + VMware
________________
Plattform
Quelle: SLES12 / HANA 2.0 SPS05
________________
Anzahl Systeme
6 SIDs
________________
Ressourcen
>24 TB RAM
SAP HANA NSE / NLS
________________
Branche
Retail
________________
Sitz
Deutschland
________________
Mitarbeiterzahl
>170.000 Mitarbeiter
________________
Zeitraum
seit 2021/11
________________
Eingesetzte SAP Produkte
ERP, S/4HANA, BW
- Analyse NSE Kandidaten
- Optimierung Ressourcennutzung
- Housekeeping / Archivierung
- Partitionierung
- KPI Definition
- SQL Optimierung
- NSE Einsatz auf Spalten-, Tabellen-, Index- und Partitionsebene
- BW NLS: SAP IQ
________________
Plattform
Quelle: SLES12 SP5 / HANA 2.0 SPS05
________________
Anzahl Systeme
>50 SIDs
________________
Ressourcen
>170 TB RAM
>11000 vCPUs on HyperScaler
________________
Ergebnis
Einsparung von über 27TB Hauptspeicher
Unterstützung SAP Betrieb
________________
Branche
Möbelhersteller
________________
Sitz
Deutschland
________________
Mitarbeiterzahl
>4.000 Mitarbeiter
________________
Zeitraum
ab 2022/06
________________
Eingesetzte SAP Produkte
ERP, EWM, SCM
- Maintenance SAP / OS
- SAP Upgrades
- HANA Upgrades
- SAP Installationen
- Performance Tuning
- Troubleshooting
- Integration neuer Architekturen
- Aktivierung neuer HANA Features
- stetiges Sizing / Wachstumsanalysen
- Health Checks
________________
Plattform
x86 + VMware
________________
Betriebssystem
RHEL7 / 8
________________
Anzahl Systeme
>30 SIDs
>40 HDBs
>60 AS
________________
Ressourcen
>25 TB RAM
>400 vCPUs on VMware