パフォーマンスを向上させるために、さまざまなデータ準備操作とマイニング操作をデータベース内に直接プッシュできます。

SPSS Modeler の最も強力な機能の 1 つは、多くのデータ準備およびマイニング操作をデータベース内で直接実行する機能です。 データベースにブッシュバックして実行可能な SQL コードを生成することにより、サンプリング、ソート、新しいフィールドの作成、およびある種のグラフ化などの多くの処理を、クライアントまたはサーバー・コンピューターではなく、データベース内で実行できます。 大規模なデータ・セットを処理している場合、これらのプッシュバック により、いくつかある手段で、劇的にパフォーマンスを改善できます。

• DBMS から watsonx.aiに転送される結果セットのサイズを小さくすることによって。 大きな結果のセットが、ODBC ドライバ、ネットワーク I/O またはドライバーを介して読み込まれる場合、効率が低下する可能性があります。 この理由のため、SQL 最適化からもっとも利益を受ける操作は、行と列の選択と集計です (条件抽出ノード、サンプリング・ノード、レコード集計ノード)。これらの操作は通常、転送されるデータ・セットのサイズを減らします。 データは、将来パフォーマンスを改善するために、フロー内の重要な地点 (例えば、レコード結合ノードや条件抽出ノードの後) で、データベース内の一時テーブルへキャッシュできます。
• データベースのパフォーマンスとスケーラビリティを活用する方法。 効率は、DBMS が並列処理、より高性能なハードウェア、より洗練されたディスク ストレージの管理、およびインデックスの存在などをしばしば活用することで改善されます。

これらの利点を考慮して、 watsonx.ai は、各 SPSS Modeler フローによって生成される SQL の量を最大化して、SQL にコンパイルできない操作のみが watsonx.aiによって実行されるように設計されています。 ただし、標準 SQL (SQL-92) で説明されている制限のため、ある種の操作がサポートされないことがあります。

現在サポートされているデータベースについて詳しくは、 SPSS Modelerを参照してください。