---
sourceDocument: 요코하마 ServiceNow AI 플랫폼 관리
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ko-KR/yokohama/platform-administration

 Release :

    - yokohama

ft:locale :

    - ko-KR

ft:publication_title :

    - 요코하마 ServiceNow AI 플랫폼 관리

ft:clusterId :

    - platadm

bundleId :

    - platadm

workflow :

    - Platform


---

# 임포트 세트 성능

# 임포트 세트 성능 {#ariaid-title1}

* 릴리스 버전: Yokohama
* 
* 업데이트 날짜 2025년 01월 30일
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 1분

알고리즘은 스테이징 테이블의 임포트 세트를 최종 대상으로 변환합니다.  
임포트 세트를 통해 데이터를 임포트하려면 다음 두 단계가 필요합니다.

1. 데이터가 데이터 소스에서 스테이징 테이블로 로드됩니다.
2. 데이터가 스테이징 테이블에서 대상 테이블로 변환됩니다.
{#c_ImportSetsPerformImprovements__ol_dxl_1l4_y4}

변환 알고리즘은 한 번에 단일 기록을 변환했던 이전 알고리즘과 달리 한 번에 100개 기록의 "블록"에서 작동합니다. 최신 접근 방식을 사용하면 애플리케이션 서버가 각 기록 블록과 관련된 다양한 정보를 미리 가져올 수 있으므로 데이터베이스와의 고유한 상호 작용 수를 줄이고 처리량을 향상시킬 수 있습니다.

누가 성과 향상을 기대해야 합니까?

임포트 세트를 사용하는 모든 고객은 대규모 변환에서 성능 향상을 기대할 수 있습니다.

이러한 변화의 이점을 가장 많이 받는 혁신의 종류는 무엇입니까?

참조 또는 선택 유형 열이 많은 변환은 가장 큰 개선을 볼 수 있습니다.

어떤 종류의 변환이 가장 적은 이점이 있습니까?

복잡하거나 키가 지정되지 않은 병합 조건을 사용하는 변환은 그에 비례하여 이익이 작습니다.