Consideraciones sobre el rendimiento

Los flujos de trabajo de coincidencia transitiva son más lentos que los flujos de trabajo no transitivos porque los registros se procesan en todos los niveles de reglas en lugar de excluirse después de su primera coincidencia. Los siguientes factores afectan al rendimiento:

Recuento de reglas

Más reglas se traduce en más tiempo de procesamiento. Cada nivel de regla adicional agrega iteraciones de fusión porque el sistema debe propagar los ID de coincidencia en todos los niveles.

Procesamiento por lotes e incremental

Los flujos de trabajo incrementales tienen una sobrecarga mayor que los flujos de trabajo por lotes a escala. Los almacenes de registros base más grandes requieren más iteraciones de fusión para propagar los identificadores de coincidencia entre los registros nuevos y existentes.

Sesgo de datos

Los conjuntos de datos con distribuciones asimétricas, como los grupos de coincidencias grandes, aumentan la sobrecarga. Cuando muchos registros se enlazan al mismo grupo coincidente, el sistema requiere más operaciones de enlace transitivo para resolver todas las conexiones.

Le recomendamos que pruebe los flujos de trabajo de coincidencia transitiva con volúmenes de datos representativos antes de utilizarlos en producción. Esto le ayuda a comprender las características de rendimiento de su configuración específica de reglas y datos.