4. OLAP ürünlerinin sınıflandırılması.

5. OLAP istemcilerinin ilkeleri.

7. OLAP teknolojilerinin gelişim alanları.

8. Satış alanında analiz için OLAP teknolojilerinin kullanılmasının uygulanması.

1. OLAP'ın bir işletmenin bilgi yapısındaki yeri.

"OLAP" terimi "Veri Ambarı" terimiyle yakından ilgilidir.

Veriler, iş süreçlerini otomatikleştirmek için kullanılan işletim sistemlerinden (OLTP sistemleri) kapsamlı bir şekilde toplanır. Ek olarak, duyum, örneğin istatistiksel veriler gibi dış kaynakların etkisinden de etkilenebilir.

Konjonktivanın korunması - analiz için tek bir yerde ve basit, anlamlı bir yapıda "syrovin" verin.

Gizli bir benzetmenin ortaya çıkmasına makul bir şekilde yol açan bir başka neden de, operasyonel bilgilere yönelik karmaşık analitik sorguların şirketin iş akışını engellemesi, tabloları kalıcı olarak engellemesi ve sunucu kaynaklarının israf edilmesidir.

İşin özünde, çok da büyük olmayan veri birikimini anlayabilirsiniz - müstehcenlik, böylece analiz için kullanışlı olur.

Merkezileşme ve manuel yapı bir analistin ihtiyaç duyduğu tek şey değildir. Ayrıca bilgileri gözden geçirmek ve görselleştirmek için bir araca ihtiyacınız var. Geleneksel sesler tek bir senkronizasyon temelinde yaratıldı ve tek bir şey - tevazu - ortadan kaldırıldı. Sunulan verilerin anlamını ortadan kaldırmak amacıyla “bükülemez”, “yakılamaz” veya “yakılamaz”. Haraçları basit ve manuel olarak tıka basa doyurmamı sağlayacak bir araca ihtiyacım var! OLAP böyle bir araçtır.

OLAP bir veri ambarının gerekli bir özelliği olmasa da, bir veri ambarında biriken verilerin analiz edilmesi giderek daha yaygın hale geliyor.

OLAP'ın bir işletmenin bilgi yapısındaki yeri (Şekil 1).

Malyunok 1. MistseOLAP işletmenin bilgi yapısında

Operasyonel veriler çeşitli kaynaklardan toplanır, temizlenir, entegre edilir ve ilişkisel bir sistemde derlenir. Bu durumda, koku, farklı arama türlerinin analizi için zaten mevcuttur. OLAP analizi için ilave (genel olarak veya kısmen) hazırlıklar yapılır. Özel bir OLAP veritabanına dahil edilebilirler veya ilişkisel bir analojide bulunmayabilirler. En önemli unsur, verilerin yapısı, yerleşimi ve dönüşümü hakkında bilgi olan meta verilerdir. Bu, kanalın çeşitli bileşenleri arasında etkili etkileşimi sağlayacaktır.

Başka bir deyişle OLAP, depolamada biriken verilerin geniş kapsamlı analizine yönelik bir dizi yöntem olarak tanımlanabilir.

2. Verilerin operasyonel analitik derlemesi.

OLAP konsepti, verilerin zengin ve çeşitli temsili ilkesine dayanmaktadır. 1993 yılında EF Codd ilişkisel modelin birkaç parçasını inceledi ve her şeyden önce "kurumsal analiz için en yararlı olanı olacak şekilde verileri çok sayıda değişiklik bakış açısıyla birleştirmenin, gözden geçirmenin ve analiz etmenin" imkansızlığına işaret etti. "İşaretli bir şekilde" ve genişletilecek OLAP sistemlerine yönelik gizli yeteneklerin belirlenmesi İlişkisel DBMS'lerin işlevselliği, özelliklerinden biri olarak zengin analiz içerir.

Codd'a göre verilere çok boyutlu kavramsal bakış, verilerin bütününden analiz edilebilen, birkaç bağımsız boyuttan oluşan çok boyutlu bir bakış açısıdır.

Birçok dünyanın bir saatlik analizi, zengin bir dünya analizi olarak kabul edilir. Kozhen vimir, bir dizi ardışık analiz seviyesinden oluşan verilerin doğrudan konsolidasyonunu içerir; mevcut seviye, büyük ölçüde aynı verilerin arkasında verilerin toplandığını gösterir.

Dolayısıyla Vikonavets'in ölümü, “işletme - alt bölüm - bölüm - hizmet” eşitliğinden oluşan doğrudan bir konsolidasyon olarak görülebilir. Değişen saat artık saatlerin aylara oranı ve daha da mantıksız olduğu için iki doğrudan konsolidasyonu içerebilir - "nehir - çeyrek - ay - gün" ve "hafta - gün". Bu durumda cilt tedavisi için istenilen düzeyde bilgi detayını seçmek mümkün hale gelir.

Detaya inme operasyonu, konsolidasyonun yüksek aşamalarından daha düşük aşamalarına doğru bir çöküşü temsil eder; Ancak toparlama işlemi, alt seviyelerden üst seviyelere doğru bir hareket anlamına gelir (Şekil 2).

Şekil 2.Verilerin titreşimi ve doğrudan birleştirilmesi

3. Operasyonel analitik işleme yeteneklerine erişim.

Şaraba yönelik zengin yaklaşım neredeyse bir gecede ve ilişkisel yaklaşımla paralellik gösteriyor. Ancak, ancak 90'ların ortalarından itibaren ve daha doğrusu
1993 doğumlu, şu ana kadar ilgi MDBMS Zagal bir karakter geliştirmeye başlamış olmak. İlişkisel yaklaşımın kurucularından birinin yeni bir programı ortaya çıktı e.kodda Uygulamadan önce 12 ana faydayı formüle ettiğimiz OLAP(Tablo 1).

Tablo 1.

	Dünya çapında çok çeşitli veriler mevcut	Koshti, kavramsal düzeyde verilerin dünya çapında zengin bir görünümünü destekleyebilir.
	Tesadüf	Muhabirin, verileri kaydetmek ve işlemek için hangi spesifik yöntemlerin kullanıldığını, verilerin nasıl organize edildiğini ve delillerin nasıl toplandığını bilmek zorunda değildir.
	Kullanılabilirlik	Bunları kendiniz seçmek ve bir veri türünü formüle etmek için en iyi olanla iletişime geçmek sizin sorumluluğunuzdadır. Kediler, çeşitli heterojen veri kaynaklarında kendi mantıksal devrelerinin otomatik olarak oluşturulmasını sağlamaktan sorumludur.
	Geliştirilmiş üretkenlik	Verimlilik pratik olarak içeceğinizdeki atık miktarına bağlı değildir.
	İstemci-sunucu mimarisi desteği	Koshti istemci-sunucu mimarisinde çalışabilir.
	Tüm dünyaların eşitliği	Yok oluşların kökeni basit olabilir, hepsi eşit (simetrik) olabilir.
	Seyreltilmiş matrislerin dinamik işlenmesi	Önemsiz sorumluluklardan kaçınılmalı ve en etkili şekilde ele alınmalıdır.
	Verilerle zengin sigortalı çalışma rejimi desteği	Birden fazla kişiyle çalışabilme yeteneğinin sağlanması kedilerin sorumluluğundadır.
	Farklı dünyalara dayalı operasyonlar için destek	Dünya çapındaki tüm operasyonlar (örneğin, Toplama) aynı sonuçlara tabidir ve belirli sayıda yok oluş meydana gelene kadar durgunlaşması beklenir.
	Veri manipülasyon kolaylığı	Koshty suçlu anneler, kullanıcı için en kullanıcı dostu, doğal ve konforlu arayüze sahiptir.
	Verilerin sunumundan dolayı özür dileriz	Kostya, verileri görselleştirmenin (göndermenin) farklı yollarını desteklemekten sorumludur.
	Veri toplama ve veri toplama miktarını sınırlamak mümkün değildir	Kendinizi desteklediğiniz yok oluşların sayısıyla sınırlamak yanlış değil.

OLAP sınıfı için yazılım ürünlerini değerlendirme kuralları

Bunlardan bir dizi, gerçek OLAP değerleri haline gelenlerin tavsiye olarak değerlendirilmesini ve belirli ürünlerin, tüm olasılıklarla ideal olarak tutarlı olana kadar adım adım değerlendirilmesini mümkün kıldı.

Daha sonra Codd'un testi, çok sayıda bilgiyi hızlı bir şekilde analiz etme yeteneği sağlayan bir OLAP eklentisi sağlamak üzere tasarlanan FASMI testi olarak yeniden tasarlandı.

Codd'un 12 kuralını hatırlamak çoğu insan için çok zordur. OLAP değerlerini yalnızca beş anahtar kelimeyle özetleyebileceğiniz ortaya çıktı: Ayrı zengin atom bilgilerinin Swidy Analizi - veya kısaca - FASMI (İngilizce'den çeviri:F ast A analizi S öfkeli M aşırı boyutlu BEN bilgi).

Bu önem ilk olarak 1995'in başında formüle edildi ve o zamandan beri herhangi bir revizyon gerektirmedi.

HIZLI ( Shvidky - sistemin, raporların çoğunluğunun yaklaşık beş saniye içinde yatırımcılar tarafından görülebilmesini sağlayabileceği anlamına gelir. En basit durumda, istekler bir saniye içinde ve hatta daha kısa sürede (20 saniyeden fazla) işlenir. Araştırmalar, sonuçların 30 saniye sonra kaldırılmaması nedeniyle son kullanıcıların süreci hemen algıladığını göstermiştir.

İlk bakışta, hvilinanın kredisi elinden alındığında, ihtiyaç günleri yakın zamanda geldiğinden, koristuvach'ın hızla yerleşmeye ihtiyaç duymaya başlaması ve projenin çok daha az başarılı görünmesi şaşırtıcı görünebilir. hatta daha da az, daha az ayrıntılı analiz pahasına farklı türde yanıtlar.

ANALİZ (Analiz)Bu, sistemin belirli bir programın her türlü mantıksal ve istatistiksel analiz özelliğiyle başa çıkabileceği ve tasarrufların son kullanıcı tarafından görülebilmesini sağlayacağı anlamına gelir.

Bu analizin posta operatörünün resmi araçlarına veya elektronik tablo gibi ilgili harici bir yazılım ürününe dayanması o kadar önemli değildir; sadece analizin gerekli olan tüm işlevsel yetenekleri sezgisel bir şekilde yazdırılmadan basılmaz. son kullanıcılar. Analiz, zaman serilerinin analizi, giderlerin bölünmesi, para birimi transferleri, hedef arama, zengin dünya yapılarındaki değişiklikler, prosedürel olmayan modelleme, suçlama durumlarının belirlenmesi, veri madenciliği ve diğer operasyonlar gibi ayrıntılı prosedürleri içerebilir. ek bir takviye olarak. Bu tür olasılıklar, hedef yönelimine bağlı olarak ürünler arasında büyük farklılıklar gösterir.

PAYLAŞILDI sistemin tüm olası gizlilik korumalarını (muhtemelen orta seviyeye kadar) uyguladığı ve çoklu yazma erişimi gerekiyorsa, belirli bir düzeyde değişikliklerin engellenmesini sağlayacağı anlamına gelir. Tüm programlar dönüş verilerinin kaydedilmesini gerektirmez. Ancak bu tür eklemelerin sayısı artıyor ve sistem birçok değişikliği uygun ve güvenli bir şekilde gerçekleştirebiliyor.

ÇOK BOYUTLU (Bagatomirny) - bu anahtar vimoga. OLAP'ı tek kelimeyle tanımlamanız gerekiyorsa yogo'yu seçin. Sistem, bir kuruluşun işini analiz etmenin en mantıklı yolu olarak, hiyerarşiler ve çoklu hiyerarşiler için sürekli destek de dahil olmak üzere, verilerin zengin bir kavramsal temsilini sağlamalıdır. Üretilebilecek minimum rafine etme miktarı belirlenmemiştir, parçalar da programlarda kalacaktır ve çoğu OLAP ürünü, kötü koktuklarından bu pazarlar için yeterli miktarda rafinasyona sahiptir.

BİLGİ - bu kadar. Gerektiğinde gerekli bilgiler kaldırılabilir. Ancak programların arkasında kalan çok şey var. Çeşitli ürünlerin ağırlığı, ne kadar girdinin işlenebileceği ve kaç gigabayt atıktan tasarruf edilebileceğiyle ölçülür. Ürünlerin karmaşıklığı zaten açıktır; en büyük OLAP ürünleri, daha küçük olanlardan binlerce kat daha fazla miktarda veri işleyebilir. Bu sürücü, veri çoğaltma, gerekli RAM, disk alanı, performans göstergeleri, bilgi depolama aygıtlarıyla entegrasyon vb. dahil olmak üzere çeşitli faktörler gerektirir.

FASMI testi, herhangi bir OLAP yönelimine ulaşmak için hedeflerin makul ve makul bir şekilde belirlenmesidir.

4. SınıflandırmaOLAP-Ürünler

OLAP'ın özü Analiz için mevcut bilgilerin zengin boyutlu bir küp biçiminde sunulduğuna ve onu yeterince manipüle etmenin ve gerekli bilgi bölümlerini ondan izole etmenin mümkün olduğuna inanılmaktadır. Aynı zamanda küp, farklı bölümlerden gelen verileri (gerçekleri) otomatik olarak toplayan (karartma) ve hesaplamalar ve bilgi biçimleriyle etkileşimli hesaplamalara olanak tanıyan zengin bir dinamik tablo olarak kullanılır. Bu operasyonlar sağlanacak OLAP -arabayla (veya arabayla) OLAP hesaplaması).

Günümüzde dünya çapında satılabilecek çok çeşitli ürünler bulunmaktadır. OLAP -teknoloji. Aralarında gezinmeyi ve sınıflandırmaları sınıflandırmayı kolaylaştırmak için OLAP -ürünler: analiz için veri kaydetme yöntemi ve satın alma yeri OLAP -Makine. Gelin cilt kategorisine daha yakından bakalım OLAP ürünleri.

Veri kaydetme yöntemine göre sınıflandırma

Zengin küpler çıktı ve toplu verilere dayalı olacaktır. Küplere ilişkin çıktı ve toplama verileri hem ilişkisel hem de küresel veritabanlarında depolanabilir. Bu nedenle, şu anda paradan tasarruf etmenin üç yolu vardır: MOLAP (Çok Boyutlu OLAP), ROLAP (İlişkisel OLAP) ve HOLAP (Hibrit OLAP) ). Görünüşe göre, OLAP - veri saklama yöntemine dayanan ürünler üç benzer kategoriye ayrılır:

1. O Zaman MOLAP , çıktı ve toplu veriler çok dünyalı bir veritabanına veya çok dünyalı bir yerel küpte kaydedilir.

2. ROLAP'ta - ürün çıktı verileri, bir dosya sunucusundaki ilişkisel veritabanlarında veya düz yerel tablolarda saklanır. Toplu veriler aynı veritabanındaki bir hizmet tablosuna yerleştirilebilir. Verilerin ilişkisel bir veritabanından çok sayıda küpe dönüştürülmesi sorgu başına gerçekleştirilir OLAP-koshti.

3. Uraz Vikoristannya HOLAP mimarisinde, çıktı verileri ilişkisel olarak kaldırılır ve kümeler zengin bir dünyada konumlandırılır. Pobudova OLAP - küpün ardından büyük harf gelir OLAP -Koshti ilişkisel ve zengin küresel verilere dayanmaktadır.

Konuma göre sınıflandırma OLAP-Makine.

Bu işaret için OLAP -ürünler ikiye ayrılır OLAP sunucuları ve OLAP istemcileri:

· Sunucu OLAP için - toplu verileri hesaplama ve kaydetme yöntemleri aynı işlem tarafından belirlenir - sunucu.İstemci programı, sunucuya kaydedilen çok sayıda küpe kadar olan sorguların sonuçlarını alır. Deyak'lar OLAP -Sunucular verilerin yalnızca ilişkisel veritabanlarında ve yalnızca büyük ölçekli veritabanlarında depolanmasını destekler. Bugünkü pek çok OLAP -Sunucular veri kaydetmenin üç yolunu da destekler:MOLAP, ROLAP ve HOLAP.

MOLAP.

MOLAP - tse Çok Boyutlu Çevrimiçi Analitik İşleme, Bu zengin bir OLAP'tır.Bu, veri depolama sunucusunun geniş kapsamlı bir veritabanı (WDB) içerdiği anlamına gelir. Sens vikoristannya MBD açıktır. Veritabanına gelen isteklerin sorunsuz bir şekilde sunulmasını sağlayarak verilerinizden etkili bir şekilde büyük miktarda tasarruf sağlayabilirsiniz. Veriler bir veri motoru aracılığıyla büyük bir veritabanına aktarılır ve daha sonra veritabanı toplama işlemine tabi tutulur. İleri düzen, OLAP sorgularını hızlandıran düzendir; verilerin bir kısmı zaten derlenmiştir. Sorma saati, çevredeki veri parçasına ve wiki görünümüne erişmek için gereken saati içeren bir fonksiyondur. Bu yöntem, işin bir kere yapılıp, sonuçların tekrar tekrar analiz edilmesi prensibine dayanmaktadır. Dünyanın zengin üsleri tamamen yeni bir teknoloji içeriyor. MBD'nin gelişimi, yeni teknolojilerin çoğunu ve yalnızca birkaçını içeriyor. Ve kendileri de ilişkisel veritabanları (RDB'ler) kadar kararlı değiller ve kendileri de optimize edilmemişler. MDB'nin diğer bir zayıflığı, yeni bilgilerin analize hazır hale gelmesi için bir saat gerektiren veri toplama süreci sırasında çok sayıda veri tabanını analiz edememesidir.

ROLAP.

ROLAP-tse İlişkisel Çevrimiçi Analitik İşleme, Bu İlişkisel OLAP'tır.ROLAP terimi, OLAP sunucusunun ilişkisel bir veritabanına dayalı olduğu anlamına gelir. Çıktı verileri "yıldız" veya "kar tanesi" şemasına göre ilişkisel bir veritabanına girilir, bu da daha hızlı işlem süresi anlamına gelir. Sunucu, ek optimize edilmiş SQL sorguları için zengin bir veri modeli sağlayacaktır.

Zengin bir veri tabanı yerine oldukça ilişkisel bir veri tabanını seçmek için çok az neden var. RDB, optimizasyon kapsamı olmayan, iyi geliştirilmiş bir teknolojidir. Vikoristannya gerçek anlamda ürünün daha fazla test edilmesiyle sonuçlandı. Ayrıca RDB'ler, MDB'lerden daha fazla veri yükümlülüğünü destekler. Kokular bu tür görevler için tasarlanmıştır. RDB'ye karşı ana argüman, sorguların karmaşıklığı ve SQL kullanarak büyük bir veritabanından bilgi çıkarma ihtiyacıdır. Herhangi bir eksiklik varsa, SQL programcısı, MDB'nin çok daha basit bir şekilde günlüğe kaydedilebileceği benzer herhangi bir sorguda oturum açmayı deneyerek değerli sistem kaynaklarını kolayca boşa harcayabilir.

Toplanmış/İletilmiş toplu veriler.

OLAP için sorguların uygulanması zorunludur. Bu, OLAP'ın temel ilkelerinden biridir; verileri sezgisel olarak işleme yeteneği, bilginin hızlı bir şekilde gelişmesine yol açar. Genel olarak, bir bilgi parçasını çıkarmak için ne kadar çok hesaplama yapmanız gerekiyorsa, o bilgiyi kullanma olasılığınız da o kadar artar. Bu nedenle, isteklerin uygulanmasında az miktarda zaman kazanmak amacıyla, hayvanlar gibi en sık alınan ve hesaplama gerektiren bilgi parçaları ileri toplamaya tabi tutulur. Daha sonra korunurlar ve veritabanına yeni veriler olarak kaydedilirler. Önceden elde edilebilecek veri türüne örnek olarak, verilerin verimli bir şekilde girildiği ve faydalı rakamlar olduğu aylara, çeyreklere veya yıllara ait satış rakamları gibi verileri girebilirsiniz.

Farklı posta yöneticileri, ileri toplamayı ve önceden hesaplanan değerlerin sayısını elde etmek amacıyla parametreleri seçmek için farklı yöntemler kullanır. Toplama yaklaşımı aynı anda veritabanına ve sorgu uygulama saatinde aktarılır. Daha fazla miktar hesaplandıkça, alıcının önceden hesaplanmış bir miktarı talep etme olasılığı artacak ve dolayısıyla saat kısalacak, dolayısıyla hesaplama için koçan miktarı elde edemeyecek. Ancak mümkün olan tüm değerleri hesaplarsak - ancak bu en iyi çözüm değildir - böyle bir durumda veri tabanının boyutu doğal olarak büyür, bunun sınırsız olarak derlenmesi gerekir ve toplama süresi büyük olacaktır. Ayrıca veri tabanına sayısal değerler eklenmesi veya değişmesi durumunda, yeni verilerin arkasında yatan, önceden hesaplanmış değerler üzerinden bilgilerin görüntülenmesi gerekir. Bu nedenle, önceden hesaplanan çok sayıda miktar için veri tabanının güncellenmesi de çok zaman alabilir. Parçalar toplama saati sırasında oluşturulur; veri tabanı bağımsız olarak çalışır, böylece toplama saati uygun şekilde kesintiye uğrar.

OLAP -Müşteri olayları farklı şekilde ele alır. Pobudova zengin dünya küpü OLAP -Hesaplar istemci bilgisayarın hafızasına kaydedilir.OLAP -müşteriler de ikiye ayrılır ROLAP ve MOLAP.Eylemler verilere erişim seçeneklerini destekleyebilir.

Bu yaklaşımların her birinin kendi “artıları” ve “eksileri” vardır. Duma'nın, istemci işlevleri yerine sunucu işlevlerinin önemine ilişkin düşüncesinin genişlemesine rağmen, bazı durumlarda durgunluk yaşanıyor OLAP - Müşteriler için müşteriler etkili ve karlı bulunabilir. OLAP sunucuları.

İstemci OLAP araçlarını kullanarak analitik eklentilerin geliştirilmesi, özel eğitim gerektirmeyen basit bir süreçtir. Bir veritabanının fiziksel uygulamasını bilen bir geliştirici, bir BT uzmanını işe almadan bağımsız olarak bir analitik program geliştirebilir.

OLAP sunucusu kurarken biri sunucu üzerinde küp oluşturmak, diğeri istemci programlarını geliştirmek için olmak üzere iki farklı sistem kullanmak gerekir.

OLAP istemcisi, küpleri tanımlamak ve bunlara yönelik istemci arayüzlerini ayarlamak için tek bir görsel arayüz sağlar.

Peki, iş kullanıcıları için OLAP istemcisinin kurulumu hangi durumlarda OLAP sunucusunun kullanımı açısından daha etkili ve faydalı olabilir?

· Durgunluğun ekonomik verimliliği OLAP - veri yükümlülükleri çok büyük ve başa çıkamayacak kadar fazla olduğunda sunucu hatalıdır OLAP -Müşteri, aksi takdirde geri kalanını durdurmak daha haklı olurdu. Bu durumda OLAP -Müşteri yüksek üretkenlik özellikleri ve düşük üretkenlik yaşar.

· Analistlerin PC'lerinin sıkılaştırılması, kendini beğenmişliğin bir başka argümanıdır OLAP -Müşteriler. Dondurulduğunda OLAP -Sunucular ve çabalar vikorizme tabi değildir.

OLAP istemcilerinin ana avantajları şu şekilde adlandırılabilir:

· Vitrati vikoristannya ve suprovid OLAP -Müşteri maliyeti daha düşük, daha az maliyet harcanıyor OLAP sunucusu.

· Vikoristanna ne zaman OLAP - Makinesi satın alınan müşteri için veri aktarımı bir kez gerçekleştirilir. Vikonanne altında OLAP -işlemler yeni veri akışları oluşturmayacak

5. Çalışma ilkeleri OLAP-Müşteriler.

Ek bir istemci aracı kullanarak OLAP oluşturma sürecine bir göz atalım (Şekil 1).

Malyunok 1.Ek istemci ROLAP-way'i kullanarak OLAP-zastosunka'nın oluşturulması

ROLAP istemcilerinin çalışma prensibi, çıktı verilerinin fiziksel yapısını gerektiren anlamsal kürenin ileri açıklamasıdır. Bazı veri türleri şunları içerebilir: yerel tablolar, RDBMS. Desteklenen verilerin listesi belirli bir yazılım ürünü tarafından belirtilir. Bu nedenle kullanıcılar, küpler ve analitik arayüzler oluşturmak için büyük nesneleri etki alanı açısından bağımsız olarak işleyebilirler.

OLAP sunucu istemcisinin çalışma prensibi farklıdır. OLAP sunucusunda küplerin oluşturulması sırasında istemci, veritabanının fiziksel açıklamalarını yönetir. Böylece küpün kendisinde koristuvach envanterleri oluşturulur. OLAP sunucu istemcisi metreküp başına yapılandırılır.

Anlamsal bir kürenin oluşturulmasıyla birlikte veri setleri (Satış ve Fırsat tabloları) mantıklı terimlerle anlatılarak “Ürünler” ve “Keyif”e dönüştürülür. "Ürünler" tablosundaki "Kimlik" alanı "Kod", "Ad" ise "Ürün" vb. olarak yeniden adlandırılmıştır.

Daha sonra “Satış” iş nesnesi oluşturulur. Bir iş nesnesi, zengin bir küpün oluşturulduğu düz bir masadır. Bir iş nesnesi oluşturulduğunda, "Ürünler" ve "Ürünler" tabloları, ürünün "Kod" alanı kullanılarak birleştirilir. Bilgileri görüntülemek için, “Ürün”, “Tarih” ve “Tutar” alanları dışında tablo iş nesnesinin tüm alanlarına ihtiyacınız yoktur.

“Satış” iş nesnesini temel alan uygulamamız, aylar boyunca mal satışını esas almaktadır.

Etkileşimli ses ile çalışma saati boyunca kullanıcı, aynı basit "hedef" kontrollerle filtreleme zihnini ve gruplamayı ayarlayabilir. Bu noktada ROLAP istemcisi önbellekteki verilerle başlar. OLAP sunucu istemcisi büyük bir veritabanı için yeni bir sorgu oluşturur. Örneğin ürün satış raporuna takılıp kalırsanız ürün satış raporunu iptal edebilirsiniz, bu bize yardımcı olacaktır.

OLAP programlarının tüm ayarları bir meta veri deposuna veya büyük bir veritabanının ek sistem deposuna kaydedilebilir.Uygulama, spesifik yazılım ürününe bağlıdır.

Bu eklentilerle birlikte gelen her şey, arayüze standart bir bakış, ardından işlevlerin ve yapının tanımının yanı sıra az çok standart durumlara yönelik çözümleri içerir. Örneğin popüler finansal paketler. Ayrıca, uzmanların bir veri tabanı yapısı veya perde arkası form ve raporlar tasarlamaya gerek kalmadan temel finansal araçlara erişmesine olanak tanıyan finansal programlar oluşturulmuştur.

İnternet yeni bir müşteri şeklidir. Ayrıca pek çok yeni teknolojiyi de taşıdı; kişiliksiz İnternet çözümü Yeteneklerini ve OLAP çözümünün nasıl çalıştığını gerçekten önemsiyorlar. OLAP verilerini İnternet üzerinden oluşturmanın açık bir avantajı vardır. En büyük avantajı bilgiye erişim için özel yazılımlara ihtiyaç duyulmasıdır. Bu, işletmeye çok fazla zaman ve para tasarrufu sağlayacaktır.

6. OLAP programının mimarisini seçin.

Bir bilgi ve analitik sistemi uygularken OLAP eklentisi için mimari seçiminden ödün vermemek önemlidir. Çevrimiçi Analitik Süreç teriminin gerçek çevirisi - "operasyonel analitik işleme" - genellikle kelimenin tam anlamıyla verilerin hızlı bir şekilde analiz edilmesi anlamında alınır. Bu bir uyarıdır; analizin verimliliği, sistemdeki verilerin güncellenme zamanı ile ilgili değildir. Bu özellik, OLAP sisteminin müşteri taleplerine tepki verme süresini ifade eder. Bu durumda, örneğin koleksiyonlardaki veriler günde bir kez güncellendiğinden, veriler genellikle "dün itibariyle" büyük miktarda bilgiyle analiz edilir.

Bu bağlamda OLAP'ın tam çevirisi “etkileşimli analitik işleme”dir. Verileri etkileşimli bir modda analiz etme olasılığı, OLAP sistemlerini düzenleyici raporların hazırlanmasına yönelik sistemlerden genişletir.

OLAP E. Koda'nın kurucusunun formülasyonundaki etkileşimli işlemenin bir diğer özelliği, "verileri birden fazla varyasyon açısından birleştirme, gözden geçirme ve analiz etme yeteneğidir, böylece kurumsal analistler için ve bir bakıma en faydalı olur. " Codd'a göre OLAP terimi aynı zamanda verileri kavramsal düzeyde, yani zengin bir düzeyde sunmanın belirli bir yolunu da ifade ediyor. Veriler fiziksel olarak ilişkisel veritabanlarında saklanabilirken, OLAP araçları genellikle verilerin bir hiperküp biçiminde düzenlendiği büyük veritabanlarıyla çalışır (Şekil 1).

Malyunok 1. OLAP– küp (hiperküp, metaküp)

Bu durumda, bu verilerin alaka düzeyi, hiperküpün yeni verilerle doldurulduğu ana göre belirlenir.

Açıkçası, dünya çapında zengin bir veri tabanı oluşturma aşamasında, ilgilenilecek birçok veri vardır, dolayısıyla bu yükümlülüğün sınırlandırılması mantıklıdır. Neden analiz etmeyi mümkün kılmıyor ve muhabirin tıklanması gereken tüm bilgilere erişmesine izin vermiyorsunuz? İki alternatif yol vardır: Analiz et, sonra sorgula ve Sorgula, sonra analiz et.

İlk yolun takipçileri, örneğin aylık, üç aylık ve çocuklar için nehir malzemeleri gibi güncellenmiş bilgilerin yer aldığı geniş bir küresel veri tabanına erişmeye çalışıyor. Verileri detaylandırmaya ihtiyaç duyulursa, örneğin seçilen çocuğun her bir çalışanı için hangi birim için günlere veya aya göre gerekli seçimi yapmak için ilişkisel temelde bir rapor formüle edilmesi tavsiye edilir.

Ancak diğer yolun takipçileri, gerçeğe sadık olduklarını kanıtlayacaklar; analiz edecekleri verilerle tanımlanacaklar ve bunları bir mikro küpte (küçük, zengin bir veri veritabanı) yakalayacaklar. İki yaklaşım kavramsal düzeyde farklılık gösterir ve avantaj ve dezavantajlarına sahiptir.

Başka bir yaklaşıma geçmeden önce, muhabirin dünyaca ünlü ismi olan “mikroküp”ten uzaklaştırdığı bilginin “tazeliğini” tanıtmak gerekiyor. Mikroküp, mevcut ilişkisel veri tabanındaki yeni bilgilere dayanarak oluşturulur. p align="justify"> Bir mikroküple çalışmak etkileşimli modda çalışır; mikroküp içindeki bilgilerin kesilmesi ve ayrıntılandırılması anında işe yarar. Bir diğer olumlu nokta ise mikroküpün yapısının ve yüzeyinin tasarımının veritabanı yöneticisinin katılımı olmadan "anında" yapılmasıdır. Ancak yaklaşımın ciddi eksiklikleri var. Koristuvach müstehcen resimler çizmiyor ve soruşturmasına doğrudan dahil olduğu için suçlu. Aksi takdirde, mikroküp çok küçük görünebilir ve toplanması gereken tüm verileri içermeyebilir ve sisteminizin yeni bir mikroküpü, sonra yenisini, sonra bir başkasını ve bir başkasını çalıştırması gerekecektir. Sorgu analizi yaklaşımı aynı şirketin BusinessObjects araçlarını ve Company Outline platformunun araçlarını uygularIntersoft Laboratuar.

Analiz et sonra sorgula yaklaştığınızda, uzun süre dayanabilen, düzenlemelere tabi olabilecek ve uzun süre dayanabilen geniş bir veri veritabanında yer alan verileri toplarsınız. Ancak, müşterinin neredeyse tüm gerekli verilere erişimi varsa, hangi kombinasyon olursa olsun, tüm bu eksiklikler bir yıl içinde telafi edilir. İlişkisel bir veri tabanındaki güncel verilerin tersine çevrilmesi yalnızca, örneğin belirli bir fatura için ayrıntılı bilgilerin gerekli olduğu durumlarda son çare olarak mümkündür.

Tek bir zengin veri tabanına dayanarak, ondan önce çalışan yatırımcıların sayısını belirtmek neredeyse imkansızdır. Burada mevcut olan verileri, sınırdaki mikroküp sayısının ve koristuvach sayısının aynı akışkanlıktan büyüyebildiği Sorgu Sonra Analiz yaklaşımı temelinde okumak daha iyidir.

Bu yaklaşımla birlikte, ilişkisel hizmetlerin yanı sıra dünyanın en zengin veritabanlarına hizmet verme ihtiyacı duyan BT hizmetlerine de önem verilmektedir.Bu hizmetlerin kendisi, çok çeşitli veritabanlarından alınan verilerin zamanında ve otomatik olarak güncellenmesi anlamına gelir.

"Analiz et, sonra sorgula" yaklaşımının en iyi örnekleri Cognos'un PowerPlay ve Impromptu araçlarıdır.

Yaklaşım ve onu uygulayan araç seçimi, yeniden incelenen notun önünde yer almalıdır: her zaman bütçe tasarrufları ile son kullanıcılara hizmet vermenin artan maliyeti arasında denge kurulmalıdır. Bu durumda, stratejik plana göre otomasyonun benzersiz maliyetinin değil, bilgi ve analitik sistemlerin oluşturulmasının rekabet avantajı sağlayabileceğini varsaymak gerekir. Örneğin kurumsal bir bilgi ve analitik sistemi, şirket hakkında gerekli, zamanında ve güvenilir bilgileri sağlayabilir; bunların yayınlanması potansiyel yatırımcılar için içgörü ve bilgi aktarımını sağlayacaktır. Bunlar kaçınılmaz olarak yatırım karlılığı kaynağı haline gelecek şirketlerdir.

7. OLAP teknolojilerinin gelişim alanları.

OLAP, çok faktörlü verileri analiz etme görevine dayanmaktadır. Genel olarak, bir açıklayıcı sütun (boyutlar) ve sayıların (girdiler ve gerçekler) yer aldığı bir sütun isteyen veri içeren herhangi bir tablo verildiğinde, bir OLAP aracı genellikle verileri analiz etmenin ve üretmenin etkili bir yolu olacaktır.

OLAP teknolojileri alanındaki gelişmelere gerçek hayattan alınan bir göz atalım.

1. Satış.

Satış yapısının analizine dayanarak yönetim kararları vermek için gerekli bilgiler belirlenir: mal çeşitlerinin, fiyatların değiştirilmesi, mağazaların, şubelerin kapatılması ve açılması, bayilerle anlaşmaların feshi ve imzalanması, daha fazla reklam kampanyası yürütülmesi hakkında.

2. Satın alındı.

Üretim öncesi satış analizi. Birçok işletme, bileşenleri ve malzemeleri tedarikçilerden satın alır. Ticari işletmeler yeniden satış amacıyla mal satın alır. Analiz sırasında olası görevler, geçmiş kanıtlara dayalı planlama maliyetleri şeklinde, herhangi bir sorumluluk olmaksızın satın alınmıştır. yöneticiler üzerinde kontrol, posta müdürlerini ne seçiyorlar?

3. Fiyatlar.

Alımların analizini piyasa fiyatlarının analizi takip etmektedir. Bu analizin yöntemi harcamaların optimizasyonu, en karlı tekliflerin seçilmesidir.

4. Pazarlama.

Pazarlama analizi sırasında alıcıların ve müşterilerin ve hizmet sağlayıcıların analiz alanına dikkat edeceğiz. Bu analizin amaçları arasında ürünün doğru konumlandırılması, hedeflenen reklam için alıcı gruplarının belirlenmesi ve ürün çeşitliliğinin optimizasyonu yer alır. OLAP'ın görevi aynı zamanda veri odaklı bir araçtır, çünkü düşüncelerin akışkanlığı, veri analizi sürecinde sezgisel olarak ortaya çıkan güç kaynağının kaldırılması.

5. Depo.

Depolardaki fazlalık yapısının mal türlerine, depolara göre analizi, mal tasarrufu şartlarının analizi, mal alımının analizi ve işletme için önemli olan diğer birçok analiz türü.depo ortamının organizasyonunda görünürlük .

6. Rukh koştiv.

Kişisel olmayan bir yöntem okuluna tabi olan bütün bir analiz alanı vardır. OLAP teknolojisi, bu tekniklerin değiştirilmesinden ziyade uygulanmasına veya geliştirilmesine yönelik bir araç olabilir. Akışları optimize etme, likidite sağlama vb. yöntemini kullanarak iş operasyonları, karşı taraflar, para birimleri ve saatler genelinde hazırlıksız ve hazır para birimlerinin kuruş cirosunu analiz ediyoruz. Depo işin özelliklerine, hususlara ve yöntemlere bağlıdır.

7. Bütçe.

En faydalı sorunlardan biri OLAP teknolojisinin kullanılmasıdır. Bütçe analizi için OLAP araçlarının mevcut olmaması durumunda günlük bütçeleme sisteminin tamamlanmış sayılmaması boşuna değildir. Çoğu bütçe projesi kolaylıkla OLAP sistemlerine dayandırılabilir. Bu durumda, veriler geniş bir beslenme yelpazesi önermektedir: harcama ve gelir yapısının analizi, çeşitli departmanlardaki mali tablolar için harcama düzeyi, mali tablolar için harcama dinamikleri ve eğilimlerinin analizi, kişisel Maliyet ve kar analizi .

8. Muhasebe belgeleri.

Bir takım hesaplardan ve girdi fazlalarından, ciro ve çıktı fazlalarından oluşan klasik bilanço, OLAP sisteminde daha iyi analiz edilebilir. Buna ek olarak, OLAP sistemi büyük ölçekli bir organizasyonun konsolide bilançolarını, bir aylık, üç aylık ve nehir bilançolarını, bir hesap hiyerarşisinden toplu bilançoları, yedek analitik semboller için analitik bilançoları otomatik ve hızlı bir şekilde hesaplayabilir.

9. Mali bilgiler.

Teknolojik olarak gelişmiş ses kalitesi sistemi, belirli sesleri izole etmek için gruplandırılması ve farklı bölümlerde sınıflandırılması gereken, tarih değerlerine sahip bir dizi adlandırılmış göstergeden başka bir şey değildir. Eğer öyleyse, diğer seslerin temsili OLAP sistemlerinde uygulanması en basit ve ucuz olanıdır. Her durumda, işletmenin iç iletişim sistemi o kadar muhafazakar değildir ve bilginin yaratılması ve zengin operasyonel anal Izu'nun olanaklarının azaltılması nedeniyle teknik çalışmalardan tasarruf edilerek fazla çalıştırılabilir.

10. Siteye tanıtım.

İnternet sunucusunun günlük dosyası doğası gereği zengindir, bu da OLAP analizine uygun olduğu anlamına gelir. Gerçekler: airdrop sayısı, isabet sayısı, sitede geçirilen saatler ve mevcut diğer bilgiler.

11. Obsyagi virobnitstva.

İşte istatistiksel analizin başka bir örneği. Bu şekilde yetiştirilen patateslerin, eritilmiş çeliğin ve üretilen malların miktarlarını analiz edebilirsiniz.

12. Kullanılabilir malzemelerin birikmesi.

Soğuk su, yıkama sıvıları, yağlar, gancherler, zımpara kağıtları ve yüzlerce atık malzemenin kullanıldığı onlarca atölyeden oluşan tesisi keşfedin. Harcamaların doğru planlanması ve optimizasyonu için, harcama malzemelerinin fiili tüketiminin kapsamlı bir analizi gereklidir.

13. Vikoristannya yerleşimi.

Başka bir istatistiksel analiz türü. Uygulamalar: binalar, konferans odaları vb. dahil olmak üzere kiralanabilen birincil oditoryumların öneminin analizi.

14. İşletmeler için çerçevelerin uzunluğu.

Şubeler, branşlar, meslekler, eğitim düzeyi, statü, yüzyıl, saat bazında istihdama yönelik personel çeşitliliğinin analizi.

15. Yolcu taşımacılığı.

Sezonlara, rotalara, araba türlerine (sınıflara), tren türlerine (uçuşlara) göre satılan bilet sayısı ve meblağların analizi.

Bu liste durgunluk alanlarıyla sınırlı değildir OLAP - teknoloji. Mesela teknolojiye bakalım OLAP - satış alanının analizi.

8. Vikoristan poposu OLAP - satış alanında analiz teknolojisi

Çok çeşitli veri sunumlarının projelendirilmesi OLAP - Analiz vimiryuvan haritasının oluşturulmasıyla başlar. Örneğin, satışları analiz ederken pazarın sınırlarını (gelişen, istikrarlı, büyük ve çeşitli ortaklar, yeni ortakların ortaya çıkma olasılığı vb.) tamamen görebilir ve ürünler, bölge Pazarları, alıcılar, pazar segmentleri için satışları değerlendirebilirsiniz. kanallar ve boyutlar oluşturulacaktır. Satışların zengin bir küresel temsilinin - dünyalarının yapısının - koordinat ızgarasını doğrudan yaratırlar.

Herhangi bir işletmenin faaliyetinin çoğu bir saat içinde gerçekleşir, her şeyden önce bir saatlik analiz ve iş geliştirme dinamikleri hakkında bilgi verir. Zaman ekseninin doğru organizasyonu, besin zincirinde net iletişime olanak tanır. Tüm saati dönemlere, çeyreklere ve aylara bölmek için arayın. Önümüzdeki günlerde daha da büyük kırılmalar yaşanabilir. Zaman-saat verilerinin yapısı, veri toplama sıklığına göre oluşturulur; Bilgi almanın periyodikliğini de göz önünde bulundurabilirsiniz.

“Ürün grupları” çeşitliliği, satılan ürünlerin yapısını maksimum düzeyde çeşitlendirecek şekilde bölünmüştür. Bu durumda mükemmel bir denge elde etmek önemlidir, böylece bir yandan en ince ayrıntıları görebilirsiniz (inceleme için çok sayıda gruba erişilebilir), diğer yandan da Pazarın ilgili segmenti.

“Müşteriler” kategorisi bölgesel-coğrafi sınırlara dayalı satış yapısını yansıtmaktadır. Her bölgenin kendine ait hiyerarşileri olabilir, örneğin bu bölge şu yapıya sahip olabilir: Bölgeler – Bölgeler – Yerler – İstemciler.

Ürünlerin etkinliğinin etkinliğini analiz etmek için nem testi oluşturun. Örneğin iki eşit hiyerarşiyi görebilirsiniz: Önlerine gelen departmanlar ve bölümler, “Pidrozdili” dünyasının bir yansıması olarak görülebilir.

Aslında “Saat”, “Ürünler”, “Zamovniki” kategorileri konu alanının kapsamını belirlemeye devam ediyor.

Ayrıca bu alanı zihinsel alanlara bölmek, örneğin vartic ifadeye uyacak aralıklar gibi hesaplanan özellikleri temel almakta fayda var. Daha sonra tüm işletmeler faaliyet gösterdiği düşük aralıklara bölünebilir. Bu durumda şu göstergeleri kullanabilirsiniz: mal satış miktarı, satılan mal sayısı, gelir miktarı, mal sayısı, müşteri sayısı, üreticilerden yapılan toplam satın alma sayısı.

OLAP – analiz matime viglyad için küp (Şekil 2):

Şekil 2.OLAP– analiz ve satış için küp

OLAP terimlerinde böyle bir üç boyutlu dizinin kendisine küp denir. Aslında geleneksel matematiğe göre böyle bir dizi her zaman küp olmayacaktır: bir referans küpü tüm dünyalarda aynı sayıda öğeye sahip olacaktır, ancak OLAP küplerinin böyle bir sınırı olmayacaktır. OLAP küpü mutlaka önemsiz değildir. Eldeki göreve bağlı olarak hem çift hem de zengin olabilirler. Ciddi OLAP ürünleri yaklaşık 20 yıllık bir süre için mevcuttur.Basit masaüstü programları 6 kata kadar destekler.

Küpün tüm öğeleri doldurulmamıştır: Üçüncü çeyrekte Ürün 2'nin Müşteri 3'e satışına ilişkin bilgi olmadığından, ilgili döneme ait değer hesaplanmayacaktır.

Ancak küpün kendisi analize uygun değildir. Üç boyutlu bir küpü yeterince tanımlamak ve temsil etmek hala mümkünse, o zaman altı veya on dokuz yaşında sağdaki girsha anlamına gelir. Bu nedenle çoklu dünya küpünden girmeden önce orijinal iki dünya tabloları çizilir. Bu işleme küpü "kesmek" denir. Analist, kazılacak şeyin işaretlerine göre küpü alır ve "keser". Bu şekilde analist küpün (ses) iki boyutlu bir bölümünü seçer ve onunla çalışır. Yıldızın yapısı Malunku 3 tarafından sunulmuştur.

Figür 3.Analitik raporun yapısı

OLAP küpümüzü dilimlere ayıralım ve üçüncü çeyreğe ait satış verilerine şöyle bir göz atalım (Şekil 4).

Şekil 4.Üçüncü çeyreğe ilişkin satış raporu

Küpü birbirinin ekseni boyunca kesebilir ve ürün grubu 2'ye ait satış verilerini çizgi boyunca çıkarabilirsiniz (Şekil 5).

Malyunok 5.Ürün 2'nin satışına ilişkin üç aylık duyuru

Benzer şekilde, verileri müşteri 4 ile analiz edebilirsiniz, Müşterinin işaretinin arkasındaki küpü kesmek(Şekil 6)

Şekil 6.Malların müşteriye teslimine ilişkin bildirim 4

Raporu aylara göre detaylandırabilir veya malların müşterinin adına teslim edilmesi hakkında konuşabilirsiniz.

OLAP sisteminin uygulanması, organizasyon yönetiminin stratejik düzeyini otomatikleştirmenize olanak tanır. OLAP (Çevrimiçi Analitik İşleme - gerçek zamanlı analitik veri işleme), verilerin işlenmesi ve izlenmesi için gelişmiş bir teknolojidir. OLAP teknolojisine dayalı sistemler, bilgi toplama, karmaşık analitik yapılar geliştirme, nihai tahminler ve senaryolar geliştirme ve çeşitli plan seçenekleri geliştirme konusunda neredeyse sınırsız olanaklar sağlar.

Tam teşekküllü OLAP sistemleri, karar almayı destekleyen bilgi sistemlerinin geliştirilmesinin bir sonucu olarak 90'lı yılların başında ortaya çıktı. Çeşitli, çoğunlukla farklı verilerin orijinal bilgilerden dönüştürülmesi için kullanılırlar. OLAP sistemleri verileri belirli bir dizi kritere göre düzenleyebilir. Ancak kriterlerin çok az belirgin özelliklere sahip olması zorunlu değildir.

OLAP sistemleri bir kuruluşun stratejik yönetiminin birçok alanında kullanım alanı bulmuştur: iş performansı yönetimi, stratejik planlama, bütçeleme, büyüme tahmini, finansal bilgilerin hazırlanması, iş analizi, kuruluşun dış ve iç ortamının simülasyon modellemesi, tasarruf veri ve bilgi.

OLAP sistem yapısı

OLAP sisteminin merkezinde çok çeşitli veri setlerinin işlenmesi yer alır. Zengin masifler, masifin deri elementinin diğer elementlerle çok sayıda bağa sahip olması için hidratlanmıştır. Zengin bir dizi oluşturmak için OLAP sisteminin çıktı verilerini diğer sistemlerden (örneğin ERP veya CRM sistemleri) veya harici giriş yoluyla alması gerekir. Sistemin OLAP sistemi, isteğine göre gerekli verileri yapılandırılmış bir görünümden çıkarır. Belirtilen eylem sırasına göre OLAP sisteminin yapısını belirleyebilirsiniz.

Genel anlamda bir OLAP sisteminin yapısı aşağıdaki unsurlardan oluşur:

• veri tabanı. Veritabanı OLAP sisteminin bilgi kaynağıdır. Veri tabanı OLAP sistemine ve OLAP sunucusunun algoritmalarına dayanmaktadır. Kural olarak ilişkisel veri tabanları, zengin global veri tabanları, veri ambarları vb. kullanılmaktadır.
• OLAP sunucusu. Zengin bir veri yapısının yönetimini ve veritabanı ile OLAP sistem bileşenleri arasındaki bağlantıları sağlayacaktır.
• koristuvatsk programları. OLAP sistem yapısının bu unsuru, müşteri girdilerini yönetir ve bunların veritabanına (raporlar, grafikler, tablolar vb.) özetlenmesinin sonuçlarını oluşturur.

Verilerin düzenlenmesi, işlenmesi ve saklanma yöntemine bağlı olarak OLAP sistemleri kullanıcıların yerel bilgisayarlarına veya diğer sunucuların yardımıyla uygulanabilmektedir.

Verileri kaydetmenin ve işlemenin üç ana yolu vardır:

• yerel olarak. Veriler muhabirlerin bilgisayarlarında bulunmaktadır. İşleme, analiz ve veri yönetimi yerel iş istasyonlarında gerçekleştirilir. OLAP sisteminin bu yapısı, veri işleme hızı, veri güvenliği ve geniş bir analiz yelpazesinin sınırlı karmaşıklığı nedeniyle bazı dezavantajlara sahiptir.
• ilişkisel veritabanları. Bu veri tabanları, bir CRM sistemi veya bir ERP sistemi ile kapsamlı bir OLAP sistemi kullanılarak analiz edilir. Veriler bu sistemlerin ilişkisel veritabanları veya veri ambarları gibi sunucularında depolanır. OLAP sunucusu gerekli zengin yapıları formüle etmek ve analizleri gerçekleştirmek için bu veritabanlarına açılır.
• dünya çapında zengin veritabanları. Ve burada veriler, belirlenmiş bir sunucuda özel bir veri koleksiyonu halinde düzenlenir. Verilerle yapılan tüm işlemler, çıktı verilerini çok çeşitli yapılara dönüştüren bu sunucu üzerinde gerçekleşir. Bu tür yapılara OLAP küpü denir. OLAP küpü oluşturmaya yönelik veri kaynakları ilişkisel veritabanları ve/veya istemci dosyalarıdır. Veri sunucusu gelişmiş veri hazırlama ve işleme işlemlerini gerçekleştirir. OLAP sunucusu, veri dosyalarına (ilişkisel veritabanları, istemci dosyaları vb.) doğrudan erişimi olmayan bir OLAP küpünü çalıştırır.

OLAP sistemlerini görün

Verileri kaydetme ve işleme yöntemine bağlı olarak tüm OLAP sistemleri üç ana türe ayrılabilir.

1. ROLAP (İlişkisel OLAP - ilişkisel OLAP sistemleri) - bu tür OLAP sistemi ilişkisel veritabanlarıyla çalışır. Veriler daha sonra doğrudan ilişkisel bir veritabanına birleştirilir. Veriler ilişkisel bir tablo olarak kaydedilir. Müşteriler geleneksel OLAP sistemleri gibi zengin analizler gerçekleştirebilir. Bu, SQL araçlarının ve özel sorguların kullanılmasıyla mümkündür.

ROLAP'ın avantajlarından biri büyük miktarlardaki verileri verimli bir şekilde işleyebilmesidir. ROLAP'ın bir diğer avantajı da hem sayısal hem de metin verilerini verimli bir şekilde işleyebilmesidir.

Yetersiz ROLAP, düşük üretkenliğe neden olur (geleneksel OLAP sistemlerine kıyasla), çünkü Veriler OLAP sunucusu tarafından işlenir. Diğer bir dezavantaj ise SQL nedeniyle işlevsellik kaybıdır.

2. MOLAP (Çok boyutlu OLAP - zengin OLAP sistemleri). Bu tür OLAP sistemleri geleneksel sistemlerle olumlu şekilde karşılaştırılır. Geleneksel OLAP sisteminin diğer sistemlerle karşılaştırıldığında avantajı, verilerin önceden hazırlanması ve optimizasyonunda yatmaktadır. Bu sistemler ileri veri işlemenin gerçekleşeceği görüntü sunucusunu seçer. Veriler çok çeşitli dizilerden (OLAP küpleri) oluşturulur.

MOLAP sistemleri veri işleme açısından en verimli olanıdır çünkü Verileri farklı amaçlar doğrultusunda kolayca yeniden düzenlemenize ve yapılandırmanıza olanak tanır. MOLAP analitik araçları karmaşık düzenlerin derlenmesini mümkün kılar. MOLAP'ın bir diğer avantajı da hızlı bir şekilde sorgu oluşturma ve sonuçları çıkarma yeteneğidir. Bu, OLAP küplerinin ön kalıplanması için sağlanacaktır.

MOLAP sisteminin eksikliklerinden önce veri işleme zorunluluğu ve verinin uluslarüstü olması söz konusudur, çünkü Büyük küpler oluşturmak için çeşitli yönlerden verilerin kopyalanması gerekir.

3. HOLAP (Hibrit OLAP – hibrit OLAP sistemleri). Hibrit OLAP sistemleri ROLAP ve MOLAP sistemlerini birleştirir. Hibrit sistemlerde iki sistemin avantajlarını birleştirmeye çalıştılar: büyük ölçekli veritabanlarının aranması ve ilişkisel veritabanlarının yönetimi. HOLAP sistemleri, büyük miktarda veriyi ilişkisel tablolara kaydetmenize olanak tanır ve veriler çok sayıda OLAP küpünde depolanır. Bu tür sistemlerin avantajları verinin ölçeğinde, verinin hızlı işlenmesinde ve verilere esnek erişimde yatmaktadır.

Üreticilerin pazarlama taktiği dışında, daha az bağımsız bir OLAP sistemi türü olan başka OLAP sistemi türleri de vardır.

Bu tür görüşlerden önce:

• WOLAP (Web OLAP). Web arayüzü desteğiyle OLAP sisteminin görünümü. Bu OLAP sistemlerinde veritabanlarına bir web arayüzü üzerinden erişebilirsiniz.
• DOLAP (Masaüstü OLAP). Bu tür OLAP sistemi, işletme sahiplerinin bir veritabanını yerel bir masaüstünde barındırmasına ve onunla yerel olarak çalışmasına olanak tanır.
• MobilOLAP. Bu, veritabanıyla, vikorista ve mobil cihazlarla uzaktan çalışmanıza olanak tanıyan OLAP sistemlerinin bir işlevidir.
• SOLAP (Uzaysal OLAP). Bu tür OLAP uygulama sistemleri büyük ölçekli verilerin işlenmesine yöneliktir. Sonuç, coğrafi bilgi sistemleri ile OLAP sistemlerinin entegrasyonunun sonucudur. Bu sistemler, verilerin yalnızca alfanümerik formatta değil, görsel nesneler ve vektörler biçiminde de işlenmesine olanak sağlar.

OLAP sisteminin avantajları

OLAP sisteminin uygulanması, kuruluşa faaliyet akışı ve gelişme beklentileri ile ilgili çeşitli durumları etkili bir şekilde tahmin etme ve analiz etme yeteneği verir. Bu sistemler endüstriyel otomasyon sistemlerine tamamlanabilir. OLAP sistemlerinin tüm avantajları doğrudan çıktı verilerinin doğruluğu, güvenilirliği ve bütünlüğünde yatmaktadır.

OLAP sisteminin başlıca avantajları şunlardır:

• Çıktı bilgilerinin ve analiz sonuçlarının kullanışlılığı. Bir OLAP sistemiyle artık pek çok bilginin üzerinden geçmek ve sonuçlar ile çıktı verileri arasındaki mantıksal bağlantıları tanımlamak mümkün. Analiz sonuçlarının subjektifliği azalır.
• çok çeşitli analizler yapmak. OLAP sisteminin uygulanması, bir dizi çıktı verisine dayalı olarak kör geliştirme senaryoları çalıştırmanıza olanak tanır. Analiz araçlarını kullanarak “ne olacak” prensibini kullanarak durumları modelleyebilirsiniz.
• detay yönetimi. Sunulan sonuçların detayı kullanıcıların ihtiyaçlarına göre değişiklik gösterebilir. Bu durumda karmaşık ayar sistemleri oluşturmaya ve hesaplamaları tekrarlamaya gerek yoktur. Karar vermeniz için gereken bilgileri sağlayabilirsiniz.
• mevduatların tanımlanması. Çok çeşitli bağlantıların analizi için, iş faaliyetini etkileyen çeşitli süreç ve durumlarda tıkanıklığın varlığını tespit etmek ve belirlemek mümkündür.
• tek bir platformun oluşturulması. OLAP sistemi uygulandığında, bir kuruluştaki tüm tahmin ve analiz süreçleri için tek bir platform oluşturmak mümkündür. Genel olarak bu OLAP sistemleri bütçe tahminleri, satış tahminleri, satın alma tahminleri, stratejik geliştirme planları vb. oluşturmanın temelini oluşturur.

p align="justify"> Zengin veri analizi kavramı, OLAP sistemlerinin özelliklerine dayanan operasyonel analizle yakından bağlantılıdır.

OLAP (Çevrimiçi Analitik İşleme), karar verme süreçlerini desteklemek amacıyla çok sayıda veriyi toplamak, kaydetmek ve analiz etmek için gelişmiş yöntemler ve teknikler kullanan operasyonel analitik veri işlemeye yönelik bir teknolojidir.

OLAP sistemlerinin temel amacı, kurumsal analistlerin analitik faaliyetlerini ve kapsamlı (genellikle geçici terim olarak kullanılır) sorgularını desteklemektir. Meta OLAP analizi - ortaya çıkan hipotezlerin yeniden doğrulanması.

OLAP teknolojisine göre ilişkisel yaklaşımın kurucusu E. Codd'dur. 1993'te doğdum “Veri analistleri için OLAP: neye benziyor?” başlıklı bir makale yayınladı. Bu çalışma operasyonel analitik işlemenin temel kavramlarını ortaya koyuyor ve artık 12 kişinin operasyonel analitik işleme olanak tanıyan ürünlerden memnun kalacağını gösteriyor. Tokmak G.P. Basi haraçları. Veritabanı kavramı, ilişkisel veri modeli, SQL dili. S.51

Aşağıda Codd tarafından oluşturulan 12 kural ve orijinal OLAP kuralları bulunmaktadır.

1. Çeşitlilik - Verileri çok boyutlu bir model biçiminde sunmak için kavramsal düzeyde bir OLAP sistemi gereklidir; bu, bilginin analiz edilmesi ve işlenmesi sürecini basitleştirecektir.

2. İçgörü - OLAP sistemi, zengin bir modelin, organizasyon yönteminin, tasarımın, işleme ve kaydetme yöntemlerinin gerçek uygulamasını müşteriden almalıdır.

3. Kullanılabilirlik - Bir OLAP sistemi, nasıl depolandığına bakılmaksızın verilere erişim sağlayan tek ve tutarlı bir veri modeli sağlamalıdır.

4. Veri madenciliğinin kararlı durum üretkenliği - OLAP sistemlerinin üretkenliği, analizi etkileyen değişken sayısının artmasıyla önemli ölçüde değişebilir.

5. İstemci-sunucu mimarisi - bir OLAP sistemi "istemci-sunucu" ortamında çalışacak şekilde tasarlanabilir, çünkü Hızlı analitik işleme için şu anda ihtiyaç duyulan verilerin çoğu ayrı olarak depolanır. Buradaki ana fikir, OLAP aracının sunucu bileşeninin zeka ile zenginleştirilebilmesi ve içgörü etkisini sağlamak için kurumsal veritabanlarının çeşitli mantıksal ve fiziksel şemalarının resmileştirilmesine ve birleştirilmesine dayalı kapsamlı bir kavramsal şemanın geliştirilmesine olanak sağlamasıdır.

6. Dünyaların eşitliği - OLAP sistemi, tüm dünyaların eşit olduğu zengin bir dünya modelini desteklemelidir. Gerekirse komşu vimirlere ek özellikler verilebilir veya herhangi bir vimir'e bu yetenek verilebilir.

7. Seyrek matrislerin dinamik yönetimi - OLAP sistemi, seyrek matrislerin optimum şekilde işlenmesini sağlamaktan sorumludur. Erişim akıcılığı, orta verinin dağılımına bakılmaksızın korunmalı ve değişiklik sayısının ve farklı veri seyreklik düzeylerinin değişebileceği modeller için sabit bir değer olmalıdır.

8. Zengin bir şekilde desteklenen rejim desteği - OLAP sistemi, tek bir analitik model kullanarak birden fazla müşteriyle çalışma veya onlar için aynı verilerden farklı modeller oluşturma olanağı sağlamalıdır. Verilerin hem okunması hem de yazılması mümkün olduğunda, sistemin bütünlüğünü ve güvenliğini sağlaması gerekir.

9. Gerekli çaprazlama işlemleri - OLAP sistemi, ortadaki hiperküp ile görüş, sarmalayıcı, konsol verileri veya ayrıntılardaki herhangi bir işlem arasındaki biçimsel dile ek olarak açıklanan işlevsel çizgilerin korunmasından sorumludur. Sistem, yeniden atanmalarından etkilenmeden, ek parçaların yeniden kurulumunu bağımsız olarak (otomatik olarak) yeniden yapılandırabilir.

10. Sezgisel veri manipülasyonu - OLAP sistemi, karmaşık işlemlere ihtiyaç duymadan bir hiperküp üzerinde işlemleri görselleştirme, sarma, birleştirme ve ayrıntılandırma için bir yol sağlama kapasitesine sahiptir. Arayüzle ne yapılmalı. Analitik modelde tanımlanan değişkenler, tahmine dayalı operasyonların yürütülmesi için gerekli tüm bilgileri içermekten sorumludur.

11. Cevapların çıkarılması için farklı olasılıklar - O halde bir OLAP sistemi, verileri görselleştirmenin farklı yollarını destekleyebilir. Olası herhangi bir oryantasyona başvurmanız gerekmektedir. Verilerin oluşturulma şekli, sentezlenen verileri ve veri modelinden olası herhangi bir yönde akan bilgiyi temsil eder. Bu, suçlunun satırlarının, sütunlarının veya sayfalarının aynı anda 0'dan N'ye kadar değerleri gösterdiği anlamına gelir; burada N, tüm analitik modellerin sayısıdır. Ayrıca her defasında tek bir maddede, sütunda veya tarafta okumak yerine, dünyada var olan unsurların (değerlerin) bir alt kümesini herhangi bir sırayla göstermek gerekir.

12. Eşit toplamaların boyutu ve sayısı belirlenmemiştir - analitik modelde gerekli olan olası modifikasyon sayısı üzerine yapılan araştırma, bir seferde 19'a kadar vimiryuvan elde etmenin mümkün olduğunu göstermiştir. Sonuç, analitik aracın en az 15 ve en önemlisi 20 ayarlamayı hemen uygulayabileceği yönünde bir öneridir. Dahası, analitik analist tarafından belirlenen eşit toplamaların sayısından ve konsolidasyon yollarından ölülerin derisi sorumlu değildir.

Codd'un ek kuralları.

Fiilen OLAP işlevleri olarak hizmet veren bunlardan bir dizi, sıklıkla çeşitli şikayetlere yol açar; örneğin, 1, 2, 3, 6 numaralı kurallar güçlüdür ve 10, 11 numaralı kurallar resmi olmayan nedenlerdir. Tokmak G.P. Basi haraçları. Veritabanı kavramı, ilişkisel veri modeli, SQL dili. S. 68 Bu nedenle, elden geçirilen 12 Codd kuvvetlerinin OLAP'ı doğru bir şekilde hesaplamasına izin verilmiyor. U 1995 r. Codd, vardiyadan önce şu altı kuralı ekledi:

13. Toplu öğrenmeye karşı yorumlama - OLAP sistemi, hem orijinal hem de harici verilere erişimi etkili bir şekilde sağlamalıdır.

14. Tüm OLAP analizi modellerinin desteklenmesi - OLAP sistemi, Codd tarafından tanımlanan tüm veri analizi modellerini desteklemelidir: kategorik, kategorik, geleneksel ve basmakalıp.

15. Normalleştirilmemiş verilerin işlenmesi - OLAP sistemi normalleştirilmemiş verilerle entegre edilebilir. OLAP sistemlerinde oluşturulan verilerde yapılan değişiklikler, harici sistemlerde depolanan verilerde mutlaka değişikliklere yol açmaz.

16. OLAP sonuçlarını kaydetme: bunları çıkış verileri olarak ayrı ayrı kaydetme - okuma-yazma modunda çalışan bir OLAP sistemi, çıkış verilerini değiştirdikten sonra sonuçlar ayrı olarak kaydedilebilir. Başka bir deyişle çıkış verilerinin güvenliği sağlanır.

17. Günlük değerlerin toplanması - Muhabirin verilerini temsil eden OLAP sistemi tüm günlük değerlerin eklenmesinden sorumludur. Yani suçlu olanların günlük değerleri sıfır değerlerden farklılık göstermektedir.

18. Günlük değerlerin işlenmesi - OLAP sistemi, tüm günlük değerleri düzgün bir şekilde düzeltmeden göz ardı etmekten suçludur. Bu özellik 17. kuralla ilgilidir.

Ayrıca Codd, 18 kuralın tamamını dört gruba ayırdı ve bunları tuhaflıklar olarak adlandırdı. Bu gruplara S, R ve D isimleri verildi.

Ana özellikler (B) aşağıdaki kuralları içerir:

Verilerin kavramsal temsilleri çok çeşitlidir (kural 1);

Verilerin sezgisel manipülasyonu (kural 10);

Kullanılabilirlik (kural 3);

Paket öğrenmeye karşı yorumlama (kural 13);

OLAP analizi için tüm modellerin desteklenmesi (Kural 14);

İstemci-sunucu mimarisi (kural 5);

İçgörü (kural 2);

Zengin koristuvachiv desteği için sigortalı (kural 8)

Özel özellikler (S):

anormal verilerin işlenmesi (kural 15);

OLAP sonuçlarını kaydetme: bunları çıktı verileri olarak ayrı ayrı kaydetme (kural 16);

Günlük anlamdaki suçlamalar (kural 17);

Günlük değerlerin işlenmesi (Kural 18). Çağrı sunumunun özellikleri (R):

seslerin şekillendirilmesinde esneklik (kural 11);

Seslerin standart üretkenliği (Kural 4);

Fiziksel seviyenin otomatik ayarlanması (orijinal kural 7 değiştirildi).

Vimirleri Kontrol Etmek (D):

Vimirlerin evrenselliği (kural 6);

Titreşim ve benzeri birikimlerin miktarı sınırlı değildir (kural 12);

Boyutlar arasında değişim yapılmayan işlemler (Kural 9).

Girmek

Günümüzde hemen hemen her kuruluş, özellikle geleneksel olarak müşterilerle etkileşime yönelik olanlar olmak üzere, veritabanı yönetim sistemleri olmadan yapamaz. Bankalar, sigorta şirketleri, havayolları ve diğer taşımacılık şirketleri, süpermarket zincirleri, telekomünikasyon ve pazarlama firmaları, hizmet sektörüyle uğraşan kuruluşlar ve diğerleri - hepsi müşteriler, ürünler ve hizmetler hakkında gigabaytlarca veri içeren veritabanından para toplar ve biriktirir. Bu tür kanıtların değeri şüphe götürmez. Bu tür veritabanlarına operasyonel veya işlemsel denir ve çok sayıda küçük işlem veya yazma-okuma işlemiyle karakterize edilirler. İşlemleri ve işlem veritabanlarına erişimi yöneten bilgisayar sistemlerine genellikle çevrimiçi işlem işleme sistemleri (OLTP - Çevrimiçi İşlem İşleme) veya bulut sistemleri denir.

Bulut sistemleri, kısa sürede maksimum işlem sayısına ulaşacak şekilde ayarlanmış ve optimize edilmiştir. Küçük ve birbiriyle ilişkili bile birkaç işlemi düşünün. Bununla birlikte, müşteriyle etkileşimi karakterize eden verilerin (destek hizmetini arama, nakit işlem, katalog isteme, şirket web sitesini gönderme vb.) günlük olarak kaydedilmesi, yeni bilgilerin açıkça yakalanması ve oluşturulması için kullanılabilir. Şirket faaliyetlerinin sonuçları ve analizi.

Bulut sistemlerindeki analitik işlevler kümesi sınırlara bağlıdır. OLTP eklentilerinde kullanılan şemalar basit veriler oluşturma eğilimindedir, veri parçaları çoğunlukla tablolar arasında dağıtılır ve bunların toplanmasının karmaşık işlemlerle birleştirilmesi gerekir. Kural olarak, karmaşık süreçler çok fazla çaba harcamaya çalışır ve üretkenlik kaybına yol açar.

Ayrıca bulut sistemleri sürekli değişen verileri depolar. Toplanan işlemler dünyasında toplam değerler hızlı bir şekilde değiştiği için aynı anda aralıklarla yapılan iki analiz farklı sonuçlar verebilmektedir. Çoğu zaman analiz, ışık periyodunun bitiminden sonra tamamlanır, aksi takdirde resim bozulabilir. Ayrıca analiz için gerekli veriler birden fazla sistemde saklanabilir.

Her türlü analiz, sürekli bir operasyonel ortamda kabul edilemez olan bu tür yapısal değişiklikleri gerektirir. Örneğin şirketin yeni ürünler piyasaya sürmesi durumunda ne olacağını anlamak gerekir. Böyle bir incelemenin canlı olarak yapılması mümkün değildir. Ancak bulut sisteminde etkili analiz nadiren mümkün olur.

Destek sistemleri, görünümün işlenmesi ve analizi için çıktı kümesinden farklı numuneler için toplu verilerle sisteme manuel olarak veri sağlama ihtiyacına dayalı olarak kararlar alır. Kural olarak, bu tür toplama işlevleri, eksenleri parametreler ve hesaplamalar (bunlardan depolanan toplam veriler) içeren zengin (ve dolayısıyla ilişkisel olmayan) bir veri kümesi (genellikle hiperküp veya metaküp olarak adlandırılır) oluşturur ve bu tür verileri kaydeder. ilişkisel tablolarda da saklanabilir. Tüm dış görünüm eksenleri, farklı ayrıntı düzeylerini temsil eden hiyerarşiler halinde düzenlenebilir. Geliştiriciler bu tür veri modellerini kullanarak karmaşık sorgular formüle edebilir, veri oluşturabilir ve veri alt kümelerini çıkarabilir.

Bu, OLTP sistemlerinin “cevherini” hazır hale getiren OLAP'ın (On-Line Analitik İşleme, çevrimiçi analitik işleme, çevrimiçi veri analizi) ana alanı haline gelen karar destek sistemlerine ilgi yarattı. Çekirdek Nicky Ta Analistleri olan virib” tamamen galip gelebilir. Bu yöntem, analistlerin, yöneticilerin ve analistlerin geniş bir bilgi yelpazesine hızlı erişim ve kolay erişim yoluyla birikmiş verilerin "en alt kısmına inmelerine" olanak tanır.

Kursun konusu OLAP teknolojisine bir bakış.

zengin dünyevi analitik rapor

Ana bölüm

1 OLAP hakkında temel bilgiler

OLAP konsepti, verilerin zengin ve çeşitli temsili ilkesine dayanmaktadır. 1993 yılında OLAP terimi Edgar Codd tarafından icat edildi. İlişkisel modelin eksikliklerine baktıktan sonra ilk olarak “kurumsal analistler için çok sayıda değişiklikten elde edilen verileri en mantıklı şekilde birleştirmenin, incelemenin ve analiz etmenin” imkansızlığına dikkat çekerek, OLAP sistemleriyle uyumsuz olduğunu belirterek, İlişkisel DBMS'lerin işlevselliği ve geniş bir analiz yelpazesini içermesi özelliklerinden biridir.

Birçok yayında OLAP kısaltması, verilerin zengin görünümünü ve verilerin zengin bir veritabanında saklanmasını belirtmek için kullanılır. Görünüşe göre Codd'un kendisi "İlişkisel veritabanları kurumsal verileri depolamak için en uygun teknoloji olacaktır. Yeni veritabanı teknolojisine ihtiyaç yoktur ve dahası, mevcut DBMS'lerin ve işlevleri tamamlayan analiz tekniklerine ihtiyaç vardır" diyor. Çeşitli akıllı analiz türlerini (power OLAP) aktarmak ve otomatikleştirmek için yeterli araç var." Bu tür bir karışıklık, tamamen doğru olmayan "OLAP veya ROLAP" formülüne yerleştirilebilir, çünkü kavramsal düzeyde ROLAP (ilişkisel OLAP), OLAP işlevselliği terimi tarafından desteklenir. Daha da önemlisi, MOLAP özel terimi olan çok çeşitli DBMS'lere dayanan OLAP'ın geliştirilmesidir. Codd'a göre, verilerin bütününden analiz edilebilecek, birbirinden bağımsız birçok boyuttan oluşan çok boyutlu bir kavramsal bakış, çok boyutlu bir bakış açısı vardır. Birçok dünyanın bir saatlik analizi, zengin bir dünya analizi olarak kabul edilir. Kozhen vimir, bir dizi ardışık analiz seviyesinden oluşan verilerin doğrudan konsolidasyonunu içerir; mevcut seviye, büyük ölçüde aynı verilerin arkasında verilerin toplandığını gösterir. Evet vimir.

Günümüzde geleneksel “işletme – alt bölüm – şube – hizmet”ten oluşan doğrudan konsolidasyonları görmekteyiz. Değişen saat artık saatlerin aylara oranı ve daha da mantıksız olduğu için iki doğrudan konsolidasyonu içerebilir - "nehir - çeyrek - ay - gün" ve "hafta - gün". Bu durumda cilt tedavisi için istenilen düzeyde bilgi detayını seçmek mümkün hale gelir. Detaya inme işlemi, en yüksek konsolidasyon seviyelerinden en düşük konsolidasyon seviyelerine doğru hareketi takip eder; Ancak toparlanma operasyonu en düşük seviyelerden en yüksek seviyelere doğru bir hareket anlamına geliyor.

Codd, yazılım ürününün OLAP sınıfında karşılanmasını mümkün kılan 12 kural belirlemiştir.

1.2 Operasyonel analitik işlemenin faydaları

Çok Boyutlu Kavramsal Görünüm. Bir OLAP ürününün kavramsal veri modeli, doğası gereği zengin olabilir ve analistlerin "dilim ve zar", döndürme ve yerleştirme (pi.vot) gibi sezgisel işlemleri doğrudan birleştirmeden anlamalarına olanak tanır. Şeffaflık. Muhabir, verileri kaydetmek ve işlemek için hangi spesifik yöntemlerin kullanıldığını, verilerin nasıl organize edildiğini ve kanıtların nasıl alındığını bilmekten sorumlu değildir.

Ulaşılabilirlik. Analist, analizi perde arkası kavramsal şemalar çerçevesinde inşa etme yeteneğinden sorumludur ve bu durumda eski felaket sonucu kaybedilen DBMS'nin kontrolünü bu durumda kaybedebilir. Olay perde arkası analitik modellere bağlıydı. Bu nedenle, OLAP aracının mantıksal şemasını fiziksel veri dizilerine dayatması ve sonuçta toplanan bilgilerin tek, kullanıcı dostu ve kapsamlı bir görünümünü sağlamak için her şeyi dönüştürmesi gerekir.

Tutarlı Raporlama Performansı. Veri tabanının artan hacmi ve boyutuyla birlikte analitiklerin üretkenlikte herhangi bir değişiklik yaşaması kaçınılmazdır. OLAP'ı hayata geçirmek için gereken geliştirme kolaylığını ve karmaşıklıktan kurtulmayı sürdürmek için tutarlı üretkenlik esastır.

İstemci – sunucu mimarisi (İstemci-Sunucu Mimarisi). Hızlı analitik işlem gerektiren verilerin çoğu ana bilgisayar sistemlerinde depolanır ve kişisel bilgisayarlardan alınır. Bu nedenle istemci-sunucu ortamında OLAP ürünleri oluşturmak mümkündür. Buradaki ana fikir, OLAP aracının sunucu bileşeninin, içgörü etkisini sağlayacak şekilde kurumsal veritabanlarının çeşitli mantıksal ve fiziksel şemalarının resmileştirilmesi ve konsolidasyonuna dayanan entelektüel ve pratik bir tasarımla geliştirilmesi gerektiğidir.

Genel Boyutluluk. Tüm bu veriler eşit olabilir. Benzer vimirlere ek özellikler atanabilir, ancak tüm öğeler simetrik olduğundan bu ek işlevsellik herhangi bir vimir'e atanabilir. Verinin temel yapısı, verinin formül ve formatları tek bir dünya ile karıştırılmamalıdır.

Dinamik Seyrek Matris İşleme. OLAP aracı, seyrek matrislerin en iyi şekilde işlenmesini sağlamaktan sorumludur. Erişimin akışkanlığı, orta verinin dağılımına bakılmaksızın korunmalı ve modeller için değişkenlik miktarına ve veri seyrekliğindeki farka göre değişebilen sabit bir değerde olmalıdır.

Zengin korumalı mod desteği (Çoklu Kullanıcı Desteği). Çoğu zaman birden fazla analistin aynı anda tek bir analitik model üzerinde çalışması veya aynı kurumsal verilere dayalı farklı modeller oluşturması gerekecektir. OLAP aracı, eşzamanlı erişim sağlamaktan, verilerin bütünlüğünü ve güvenliğini sağlamaktan sorumludur.

Sınırsız Çapraz Boyutlu İşlemler desteği. Verilerin herhangi bir nedenle hesaplanması ve manipülasyonu engellenmemeli veya veriler arasında ayrılmamalıdır. Yeterli önem gerektiren bir yeniden yaratmaya işlevsel olarak yeni bir kalıplaşmış dil verilmelidir.

Sezgisel Veri İşleme. Konsolidasyon direktiflerinin yeniden yönlendirilmesi, sütun ve satırlarda veri detaylandırması, toplama ve diğer manipülasyonlar, güç yapıları ve konsolidasyon direktiflerinin hiyerarşileri muhtemelen maksimum manuel, doğal ve rahat kullanıcı arayüzüne ulaşacaktır.

Esnek raporlama mekanizması. İsteklerinizin olası herhangi bir yönde sunulması için lütfen verileri görselleştirmenin farklı yollarını düşünün.

Sınırsız Boyutlar ve Toplama Düzeyleri. Analitik modelde OLAP aracının en az on beş ve çoğunlukla yirmiden fazla dönem boyunca kullanılması önemle tavsiye edilir.

2 OLAP bileşeni

2.1 Sunucu. Müşteri. internet

OLAP, büyük miktarda verinin hızlı ve etkili analizini yapmanızı sağlar. Veriler, gerçek iş verilerinin doğal durumunu en yakın şekilde yansıtan zengin bir dünya görünümünde depolanır. Ayrıca OLAP, bilgisayar bilimcilerine verileri daha hızlı ve daha kolay çıkarma olanağı sağlar. Bu yardımla, daha ayrıntılı bilgi için bu veriler yerine, gerekirse kokular incelenebilir.

Bir OLAP sistemi birçok bileşenden oluşur. Sunulan sistem temel olarak bir veri sunucusu, bir OLAP sunucusu ve bir istemciden oluşmaktadır. Verinin kaynağı, analiz için verilerin alındığı kaynaktır. Veriler OLAP sunucusuna aktarılır veya kopyalanır, ardından sistemleştirilir ve sonraki nesil sorgu yanıtları için hazırlanır. İstemci, istemci ile OLAP sunucusu arasındaki arayüzdür. Makalenin bu bölümünde cilt bileşenlerinin işlevleri ve tüm damar sisteminin önemi anlatılmaktadır. Dzherela. OLAP sistemlerinde Jerel, analiz için veri alan bir sunucudur. OLAP ürününün yakın çevresinde bir veri ambarı, gizli verileri içerecek bir veritabanı, mali verileri toplamak için bir tablo veya aşırı sigortanın herhangi bir kombinasyonunu kullanabilirsiniz. Bir OLAP ürününün farklı türdeki cihazlardan gelen verilerle çalışabilmesi çok önemlidir. Tek bir formata veya tüm çıktı verilerinin depolandığı tek bir veritabanına duyulan ihtiyaç, veritabanı yöneticileri için uygun değildir. Ayrıca bu yaklaşım OLAP ürününün sertliğini ve sertliğini azaltır. Yöneticiler ve işletme sahipleri, hem farklı hem de zengin kaynaklardan veri çıkarmayı sağlayan OLAP ürünlerinin, daha sert olabilen ürünlere göre daha sıkıcı ve kahverengi olduğunu takdir etmektedir.

Sunucu OLAP sisteminin uygulama kısmı OLAP sunucusudur. Bu depo, tüm çalışmaları (sistem modeline bağlı olarak) saklar ve aktif erişim sağlanana kadar tüm bilgileri saklar. Sunucu mimarisi farklı konseptlere tabidir. Zokrem, OLAP ürününün temel işlevsel özelliği, zengin (MMDB, MDDB) veya ilişkisel (RDB, RDB) veritabanlarının hızlı bir şekilde depolanmasıdır. Birleştirilmiş/İletilmiş toplu veriler

OLAP için sorguların uygulanması zorunludur. Bu, OLAP'ın temel ilkelerinden biridir; verileri sezgisel olarak işleme yeteneği, bilginin hızlı bir şekilde gelişmesine yol açar. Genel olarak, bir bilgi parçasını çıkarmak için ne kadar çok hesaplama yapmanız gerekiyorsa, o bilgiyi kullanma olasılığınız da o kadar artar. Bu nedenle, isteklerin uygulanmasında az miktarda zaman kazanmak amacıyla, hayvanlar gibi en sık alınan ve hesaplama gerektiren bilgi parçaları ileri toplamaya tabi tutulur. Daha sonra korunurlar ve veritabanına yeni veriler olarak kaydedilirler. Önceden elde edilebilecek veri türüne örnek olarak, verilerin etkili bir şekilde girildiği ve yararlı göstergeler olduğu aylara, çeyreklere veya yıllara ait satış rakamları gibi verileri girebilirsiniz.

Farklı posta yöneticileri, ileri toplamayı ve önceden hesaplanan değerlerin sayısını elde etmek amacıyla parametreleri seçmek için farklı yöntemler kullanır. Toplama yaklaşımı aynı anda veritabanına ve sorgu uygulama saatinde aktarılır. Daha fazla miktar hesaplandıkça, alıcının önceden hesaplanmış bir miktarı talep etme olasılığı artacak ve dolayısıyla saat kısalacak, dolayısıyla hesaplama için koçan miktarı elde edemeyecek. Ancak mümkün olan tüm değerleri hesaplarsak - ancak bu en iyi çözüm değildir - böyle bir durumda veri tabanının boyutu doğal olarak büyür, bunun sınırsız olarak derlenmesi gerekir ve toplama süresi büyük olacaktır. Ayrıca veri tabanına sayısal değerler eklenmesi veya değişmesi durumunda, yeni verilerin arkasında yatan, önceden hesaplanmış değerler üzerinden bilgilerin görüntülenmesi gerekir. Bu nedenle, önceden hesaplanan çok sayıda miktar için veri tabanının güncellenmesi de çok zaman alabilir. Parçalar toplama saati sırasında oluşturulur; veri tabanı bağımsız olarak çalışır, böylece toplama saati uygun şekilde kesintiye uğrar.

Müşteri. İstemci, bir veritabanındaki verileri temsil etmek ve değiştirmek için kullanılan bir istemcidir. İstemci karmaşık olabilir; veri sarma (döndürme) ve veri sondajı (sondaj) gibi OLAP yeteneklerini içeren ve yıldızlara bakacağım veya bakacağım basit olduğu kadar özel bir görevi de temsil eden bir tablo biçiminde olabilir. programın oluşturulduğu gibi, verilerin karmaşık manipülasyonu için tasarlanmış ağır hizmet tipi bir araç için de aynı şey geçerlidir. İnternet yeni bir müşteri şeklidir. Ayrıca pek çok yeni teknolojiyi de taşıdı; Anonim İnternet çözümleri genel olarak yetenekleri ve OLAP çözümlerinin nasıl korunduğu konusunda oldukça endişelidir. Bu bölümde, müşterilerin cilt tipinin farklı işlevsel güçleri tartışılmaktadır.

Sunucunun OLAP çözümünün "omurgası" olmasına rağmen istemci de daha az önemli değildir. Sunucu, daha kolay veri manipülasyonu için mükemmel bir temel sağlayabilir, ancak istemci katlanabilir veya düşük işlevli olduğundan, sabit bir sunucunun tüm avantajlarına hızlı bir şekilde ulaşabilir. Müşteri o kadar önemlidir ki birçok müşteri, müşterinin deneyimi de dahil olmak üzere çabalarına yatırım yapar. Bu eklentilerle birlikte gelen her şey, arayüze standart bir bakış, ardından işlevlerin ve yapının tanımının yanı sıra az çok standart durumlara yönelik çözümleri içerir. Örneğin popüler finansal paketler. Ayrıca, uzmanların bir veri tabanı yapısı veya perde arkası form ve raporlar tasarlamaya gerek kalmadan temel finansal araçlara erişmesine olanak tanıyan finansal programlar oluşturulmuştur. Ses aracı/Ses üreteci. Sorgu aracı veya sorgu oluşturucu OLAP verilerine kolay erişim sağlar. Basit bir grafik arayüze sahiptirler ve kullanıcıların “sürükle bırak” yöntemini kullanarak nesne hareketleri oluşturmalarına olanak tanırlar. Geleneksel bir ses üreteci sisteme hızlı bir şekilde biçimlendirilmiş mesajlar üretme yeteneği sağlarken, OLAP'ı destekleyen ses üreteçleri gerçek mesajlar üretir. Nihai ürün, verilerde aynı ayrıntıya kadar kaybolabilen, seslerin sarıldığı (kakalandığı), hiyerarşinin desteklendiği vb. bir sestir. Eklentiler (ek) elektronik tablo.

Bugün birçok doğrudan işletme, çeşitli kurumsal veri analizi biçimleri oluşturmak için elektronik elektronik tablolar kullanıyor. Şarkı söyleme hissi, sesler yaratmak ve verileri gözden geçirmek için ideal bir amaca sahiptir. Analist, seçilen veriler üzerinde çalışan makrolar oluşturabilir ve şablon, veriler girildiğinde formüllerin tekrar tekrar basit hesaplamalar girme ihtiyacı da dahil olmak üzere doğru değerleri sağlayacak şekilde tasarlanabilir.

Bu daha az doğru değil, ancak sonuç "düz" bir ses, bu da tüm yaratımlar gibi ona farklı yönlerden bakmanın önemli olduğu anlamına geliyor. Örneğin, şema, örneğin bir ay boyunca, on saatlik bilgileri görüntüler. Ve eğer günde daha fazla veri elde etmek istiyorsanız (aksine, bunu ayda bir yapalım), tamamen yeni bir diyagram oluşturmanız gerekecek. Daha sonra yeni veri kümeleri seçin, diyagrama yeni etiketler ekleyin ve diğer çeşitli basit veya zor değişiklikleri yapın. Buna ek olarak, toleransların yapılabileceği ve dolayısıyla güvenilirliği değiştirebilecek bir dizi alan vardır. OLAP tabloya eklenirse, tek bir diyagram oluşturmak ve ardından gerekli bilgileri kullanarak, kendinize yük olmadan tüm olası tezahürleri kullanarak çeşitli manipülasyonlar gerçekleştirmek mümkündür. İstemci olarak internet. OLAP istemci ailesinin en yeni üyesi İnternet'tir. OLAP verilerini İnternet üzerinden oluşturmanın açık bir avantajı vardır. En büyük avantajı bilgiye erişim için özel yazılımlara ihtiyaç duyulmasıdır. Bu, işletmeye çok fazla zaman ve para tasarrufu sağlayacaktır.

Kozhen İnternet ürünü spesifiktir. Bu, Web sayfalarının oluşturulmasını basitleştirecek ancak daha az esneklikle sonuçlanacaktır. Diğerleri veri ifadeleri oluşturmanıza ve bunları statik HTML dosyaları olarak kaydetmenize olanak tanır. Bütün bunlar, verileri İnternet üzerinden görüntüleme fırsatı verir, ancak daha fazlasını değil. Yardım için verileri aktif olarak manipüle etmek imkansızdır.

Diğer başlıca ürün türleri ise etkileşimli ve dinamik olup, bu tür ürünleri çok işlevli araçlara dönüştürür. Koristuvach verilerde emilim, dönme, batma vb. yaratabilir. İnternet'i uygulamayı seçmeden önce, bir Web çözümünde hangi işlevsel yeteneklerin mevcut olduğunu anlamak ve ardından hangi ürünün bu işlevselliği en iyi şekilde entegre edeceğini belirlemek önemlidir.

programı Program, OLAP veritabanlarını destekleyen bir istemci türüdür. Kokular yukarıda açıklanan güç kaynağı cihazları ve ses üreteçleriyle aynıdır ancak ayrıca ürüne daha geniş işlevsel yetenekler kazandırır. Program, kural olarak daha zordur, alt alete güç verilir.

Rozrobka. OLAP yükleyicilerinin güçlü özelleştirilmiş programların oluşturulması için orta yolu sağladığından emin olun. Bir bütün olarak geliştirmenin özü, eklentilerin nesne odaklı gelişimini teşvik eden grafiksel bir arayüzdür. Ayrıca çoğu müşteri, OLAP veritabanlarını diğer eklentilerle entegre etmek için kullanılabilecek bir API sağlayacaktır.

2.2 OLAP istemcileri

Kurulu OLAP makinesindeki OLAP istemcileri, istemcinin bilgisayarına kurulur. Hesaplamalar için sunucuları kullanmazlar ve sıfır yönetime sahiptirler. Bu tür istemciler, müşterilerinin diğer veritabanlarına bağlanmasına olanak tanır; Kural olarak bu, nesnel açıklamasının ardındaki verinin fiziksel yapısını, makul bir açıklamayı açıklayan bir sözlük oluşturur. Bundan sonra OLAP istemcisi diğer sorguları tamamlar ve sonuçlarını OLAP tablosunda görüntüler. Bu tablo ile kullanıcı kendi yöntemiyle verileri işleyebilir ve ekranda yüzlerce farklı görünüm görüntüleyebilir. RDBMS ile çalışmak üzere tasarlanan OLAP istemcileri, halihazırda şirkette bulunan, örneğin bir OLTP veritabanına kaydedilmiş verileri analiz etmenize olanak tanır. Ancak başka nedenlerden dolayı veri ambarları veya veri pencereleri oluşturmak daha ucuz olabilir; bu durumda kuruluşların programcılarının ilişkisel veritabanlarında ve veri toplama prosedürlerinde "ayna" türünde bir tablo oluşturması gerekir. İşin en zor kısmı - sorgu ve yanıtlar için çok sayıda seçeneğe sahip arayüz yazma - bir OLAP istemcisinde kelimenin tam anlamıyla sadece birkaç yıl içinde uygulanır. Böyle bir programa hakim olmak için Kintsevoy Koristuvachev'in yaklaşık 30 dakikaya ihtiyacı var. OLAP istemcileri, hem küresel hem de ilişkisel olarak veritabanı satıcılarının kendileri tarafından sağlanır. Buna, güvenilirlik ve güzellik açısından başka bir standart ürün olan SAS Corporate Reporter, Oracle Discoverer, MS Pivot Services ve Pivot Table yazılımı vb. dahildir. MS OLAP Hizmetleriyle çalışmak üzere tasarlanmış çok sayıda program, Microsoft Corporation tarafından yürütülen “Mac'te OLAP” kampanyasının bir parçası olarak sağlanmaktadır. Kural olarak Pivot Table'ın daha kısa versiyonlarını kullanırlar ve MS Office'e veya bir Web tarayıcısına güvenirler. Matryx, Knosys vb. markaların bu ürünleri basitlikleri, ucuzluğu ve etkililiği nedeniyle Zahod'da büyük popülerlik kazanmıştır.

3 OLAP ürünlerinin sınıflandırılması

3.1 Dünya Çapında OLAP

Şu anda piyasada hem bu dünyada hem de diğer dünyalarda OLAP işlevselliği sağlayan çok sayıda ürün bulunmaktadır. Arka uç arayüzünden çıktı veri tabanına kadar zengin bir kavramsal anlayış sağlayan tüm OLAP ürünleri, çıktı veri tabanı türüne göre üç sınıfa ayrılmaktadır.

1. En büyük operasyonel analitik işleme sistemleri (örneğin, Arbor Software'den Essbase, Oracle'dan Oracle Express Server) MOLAP sınıfına kadardı, böylece kendi büyük veritabanlarıyla çalışabiliyorlardı. Dünyanın en büyük ve en pahalı DBMS'leri için patentli teknolojilere güveniyorlar. Bu sistemler en son OLAP işleme döngüsünü sağlayacaktır. Sunucu bileşenine ek olarak istemci arayüzünün entegrasyon gücünü dahil edebilir veya harici programlara ve elektronik tablolara bağlanmak için bir vicor kullanabilirsiniz. Bu tür sistemlerin bakımını yapmak için, sistemin kurulumunda, bakımında ve terminal bileşenlerine ilişkin verilerin oluşturulmasında görev alan özel bir servis teknisyeni kadrosuna ihtiyaç vardır.

2. İlişkisel verilerin çevrimiçi analitik işlenmesine yönelik sistemler (ROLAP), ilişkisel bir veritabanında depolanan verilerin zengin dünya biçiminde sunulmasına olanak tanır ve bilgileri bir ara niy top meta verileri aracılığıyla güvenli bir şekilde zengin dünya modeline dönüştürür. Bu sınıf, MicroStrategy'den DSS Suite'i, Informix'ten MetaCube'u, Information Advantage'dan DecisionSuite'i ve diğerlerini içerir. Rusya'da Ivanovo Devlet Enerji Üniversitesi'nde geliştirilen InfoVisor yazılım kompleksi de bu sınıfın bir sistemidir. ROLAP sistemleri büyük avantajlarla çalışmaya çok uygundur. MOLAP sistemlerine benzer şekilde, bilgi teknolojisi çalışanlarının bakımı için önemli maliyetler yaratırlar ve maliyetleri zengin otomasyona sahip bir çalışma sistemine aktarırlar.

3. Hibrit sistemler (Hibrit OLAP, HOLAP), ilerlemeyi artırma ve önde gelen sınıfların ayrıcalıklı gücünü en aza indirme yöntemi kullanılarak ayrıştırılmıştır. Hangi sınıf Media/MR şirketi Speedware'e aittir? Satıcılara göre bu, ROLAP tarafından desteklenen gerçek verilere anında erişimle MOLAP platformunun analitik esnekliğini ve esnekliğini sağlayacak.

Aşırı sigorta maliyetlerine ek olarak, masaüstü bilgisayarlar için sorgular ve sesler oluşturmaya yönelik, OLAP işlevleriyle desteklenen veya bu tür işlevleri ekleyecek harici yöntemlerden entegrasyonla desteklenen başka bir sınıf araçları daha vardır. Sistem iyi geliştirildiğinde, çıkış cihazlarından veri seçmek, bunları dönüştürmek ve bunları son müşterinin istemci istasyonunda çalışan dinamik, zengin bir veritabanına yerleştirmek mümkündür. Bu sınıfın ana temsilcileri aynı şirkete ait BusinessObjects, Brio Technology'ye ait BrioQuery ve Cognos'a ait PowerPlay'dir. Programda tüm OLAP ürünlerine genel bir bakış sunulmaktadır.

Zengin bir veri kaynağına dayanan özel DBMS'lerde veriler ilişkisel bir tablo biçiminde düzenlenir ve zengin bir veri dizisinin sıralanması gibi görünür:

1) hiperküpler (ancak, en eksiksiz yok oluş veri tabanında kalmak için hepsi suçlu annenin ortasındaki veri tabanına kaydedilir) veya

2) poliküpler (cilt değişiklikleri nem setinden korunur ve bununla ilişkili tüm işlem zorlukları sistemin iç mekanizmalarına aktarılır).

Operasyonel analitik işleme sistemlerinde zengin veri tabanlarının kullanılması da aynı faydalara sahiptir.

1. Çok çeşitli DBMS aramaları ve veri seçimi durumunda, zengin dünya veritabanı normalleştirilmediğinden, ilişkisel veritabanının zengin kavramsal görünümüne göre çok daha hızlıdır, onu arka plana koymak Toplu görüntüler ve sorgulanan ortama optimize edilmiş erişim sağlayın.

2. Çoğu modern DBMS, çeşitli fonksiyonların bilgi modeline dahil edilme görevleriyle kolayca başa çıkabilir, daha sonra nesnel olarak, SQL ara bağlantıları bu görevleri ilişkiye dayalı olarak çözebilir.Bazı DBMS'ler esnektir, ancak diğerleri inatçıdır.

Öte yandan maddi bir değişim var.

1. Birçok uluslararası DBMS, büyük veritabanlarıyla çalışmaya izin vermez. Üstelik, denormalizasyon ve büyük bir küresel veri tabanından önceden oluşturulmuş verilerin toplanması nedeniyle, bu genellikle (Codd'un tahminine göre) 2,5-100 kat daha az ayrıntılı veri çıkışına karşılık gelir.

2. Büyük ölçekli DBMS'ler ve ilişkisel DBMS'ler harici belleği etkili bir şekilde kullanmaz. Çoğu durumda, bilgi hiperküpü çok seyrektir ve veri parçaları sıralı bir biçimde depolanır; önemsiz değerler yalnızca en uygun sıralama düzeni seçilerek sıralanabilir. verileri mümkün olduğunca sorunsuz bir şekilde gruplar halinde düzenlemenize olanak tanır . Ancak bu durumda sorun daha az sıklıkta ortaya çıkar. Ek olarak, nadir verileri kaydetme açısından en uygun sıralama düzeni, sorgularda en sık kullanılan sırayla tamamen tutarsızdır. Bu nedenle, gerçek sistemlerde hız kodu ile veritabanının kapladığı büyük miktarda disk alanı arasında bir denge vardır.

Dünyanın pek çok DBMS'si bu tür beyinler için çok daha fazla ödüllendirildi.

1. Analiz için çıktı verilerinin miktarı küçüktür (birkaç gigabayttan fazla değildir), dolayısıyla veri toplama düzeyi yüksek olmalıdır.

2. Bilgi değişiklikleri kümesi kararlıdır (yapılarındaki herhangi bir değişiklik gelecekte hiperküpün yeni bir uyanışını gerektirebilir).

3. Düzenlenmemiş güç kaynağında sistemin tepki süresi kritik bir parametredir.

4. Hiperküpün ortası üzerinden muazzam hesaplamalar yapmak için, karşılık gelen fonksiyonların yazılması olasılığı da dahil olmak üzere, daha geniş bir yelpazede katlama fonksiyonlarına ihtiyaç vardır.

İlişkisel veritabanlarının operasyonel analitik işleme sistemlerinde anında kullanılması aynı avantajlara sahiptir.

1. Çoğu kurumsal veri toplama türünde, ilişkisel DBMS kullanılarak uygulanır ve ROLAP araçları bunları doğrudan analiz etmenize olanak tanır. Bu durumda tendonun boyutu MOLAP tipinde olduğu kadar kritik bir parametre değildir.

2. Görevin boyutlarının değişmesi durumunda, yapıda sık sık değişiklik yapılması gerekiyorsa, bu tür değişiklikler veri tabanının fiziksel olarak kişisel olarak yeniden düzenlenmesini gerektirmediğinden dinamik boyutlara ve optimum çözümlere sahip ROLAP sistemleri.

3. İlişkisel DBMS'ler, önemli ölçüde daha fazla veri güvenliği ve erişim haklarını farklılaştırma konusunda iyi bir yetenek sağlar.

Zengin bir DBMS'ye sahip bir dünyada ROLAP'ın temel eksikliği daha az üretkenliktir. MOLAP ile gelen üretkenliği sağlamak için ilişkisel sistemler, veritabanı şemalarının dikkatli bir şekilde işlenmesini ve indekslerin ayarlanmasını gerektirir ve bu da veritabanı yöneticilerinin çabalarına büyük katkı sağlar. İyi ayarlanmış ilişkisel sistemlerin verimliliği ancak yüksek verimli şemaların kullanılmasıyla dünyanın en zengin veritabanlarına dayanan sistemlerin verimliliğine yakın olabilir.

Verilen işin doğru şekilde uygulanması için yıldız şemasını ve önerileri anlatacağım. Buradaki fikir, cilt vimiri için tablolar olması ve tüm gerçeklerin, diğer vimirlerin anahtarlarından özetlenen çoklu bir anahtarla indekslenen tek bir tabloya yerleştirilmesidir (Ek A). Ayna şemalarının deri değişimi, Codd'un terminolojisinde, benzer bir türden elde edilen verilerin doğrudan konsolidasyonunu belirtir.

Zengin vimirlere sahip karmaşık binalarda, ayna şemalarını (gerçek takımyıldızı şeması ve kar tanesi şeması) genişletme duygusu vardır. Bu gibi durumlarda, farklı yok oluşların olası karşılaştırması için gerçek tabloları oluşturulur (Ek B). Bu, daha fazla üretkenlik elde etmenize olanak tanır, ancak çoğu zaman verilerin insanüstü olmasına ve anonim bir gerçekler tablosu olarak görünen veritabanı yapısında önemli ölçüde karmaşıklığa yol açar.

Veri tabanındaki daha fazla sayıda olgu tablosu, yalnızca farklı yok oluşların rakiplerinin çokluğundan değil, aynı zamanda gerçeklerin bazen farklı yok oluş miktarlarından ortaya çıkabileceği gerçeğinden de kaynaklanabilir. Çevredeki dünyalardan soyutlama yaparken, muhabir mümkün olan maksimum hiperküpün bir projeksiyonunu çizmek zorundadır ve göstergelerin önemi her zaman temel bir varsayımın sonucu değildir. Bu nedenle, çok sayıda bağımsız değişiklikle, değişikliklerin hesaplanmasında yapılan seçimlerin olası cilt reaksiyonlarını gösteren bağımsız bir gerçekler tablosunun tutulması gerekir, bu da ekonomik olmayan bir çevreye yol açar. Harici cihazlardan ve yönetim işlevlerinden şemaların izlenmesi yoluyla veri tabanından veri alımı.

Bu sorun genellikle SQL dilinin genişletilmesiyle ortaya çıkar (GROUP BY CUBE, GROUP BY ROLLUP ve GRUP BY GRUPING SETS operatörleri), buna ek olarak, süper dünyevilik ile hız kodu arasında bir uzlaşma bulma mekanizması savunulur. Gerçek tabloları oluşturmak için değil, yapabilen herkesi öldüreceğiz ve yalnızca yapabilenleri öldüreceğiz , ortadaki değerlerin daha yüksek olgu tablolarının ek gelişmiş toplaması kullanılarak kaldırılamaz (Ek B).

Her durumda, zengin model ilişkisel bir veritabanı biçiminde uygulanıyorsa, uzun "küçük" olgu tabloları oluşturmalı ve küçük ve "geniş" tabloları ölü tutmalısınız. Gerçek tabloları hiperküpün orta noktalarının sayısal değerlerini içerir ve diğer tablolar bunların zengin temellerini gösterir. Toplamayı etkinleştirmek için ne yazmanız gerektiğini hatırlamak istiyorsanız, son derece normalleştirilmiş bir veritabanı yapısıyla, normalleştirilmemiş yapılara bölünmüş ek dinamik veri toplama kullanılarak bilgilerin bir kısmı çıkarılabilir. Yapabildikleri sürece durup bitirebilirler. .

Sağlam ilişkisel modeller kullanarak zengin dünya bilgileri sunmaya odaklanmak, zengin DBMS'lerin acilen karşılaştığı seyrek matrislerin tasarrufunu optimize etme sorunlarını ortadan kaldırmamıza olanak tanır (burada seyrekleşme sorunu özel devre seçiminden kaynaklanır). Görünümü kurtarmak için, değerlerin kendilerine ek olarak, gerçekler tablosuna gönderilen ikincil anahtarları içeren, bilinmeyen değerlerin olgu tablosuna dahil edilmediği bir kayıt oluşturulur.

Visnovok

Beslenme robotlarına ve OLAP teknolojisinin mevcut durumuna bakıldığında şirketler, müşterinin ihtiyaçlarına en uygun ürünü seçmelerine olanak tanıyan beslenme çözümleriyle karşı karşıya kalıyor.

Bunlar:

Herhangi bir veriye ihtiyacınız var mı? – Analizi destekleyen veriler farklı yerlerde bulunabilir. OLAP veritabanının kurumsal Veri Ambarı veya OLTP sisteminden kaldırılması mümkündür. Bir OLAP ürünü zaten herhangi bir veriye erişimi reddedebildiğinden, verileri kategorilere ayırma ve temizleme süreci hızlıdır.

Koristuvach'ın veriler üzerinde ne tür manipülasyonları var? -
Sadece veritabanına erişimi kaybeden ve analizi kapatmaya başlayanlar için verileri doğru bir şekilde yönetmeniz önemlidir. Kullanıcının ihtiyaçlarına bağlı olarak, güçlü bir ses oluşturucuya veya dinamik web sayfaları oluşturma ve barındırma yeteneğine ihtiyacınız olduğunu görebilirsiniz. Aynı zamanda güç katkılarının basit ve hızlı oluşturulması sayesinde siparişinizde annenizden daha güzel olabilirsiniz.

Onlara ne tür bir zagalny takıntılı görev verildi? - OLAP veritabanının geliştirilmesi için en önemli yetkilidir. İlişkisel OLAP üretim ürünleri büyük miktarlardaki verileri daha basit ve daha az kapsamlı bir şekilde işler. Bu veriler farklı bir ilişkisel temel gerektirmediği için zengin bir ürün daha az başarı ile kullanılabilir.

Kim ve koristuvach? - OLAP sistemi müşterisi seçerken görüşmecinin yeterlilik düzeyi de önemlidir. Bazı geliştiriciler için OLAP'ı tabloya entegre etmek daha kolayken diğerleri özel bir eklentiden faydalanacaktır. Beslenme eğitimi uygulayıcı hemşirenin niteliklerine bağlıdır. Büyük bir şirket iş profesyonellerinin eğitimleri için ödeme yapabilir; daha küçük şirketler ise onlardan eğitim alabilir. Müşteri, savunucuların kendilerini güvende hissetmelerini ve onu etkili bir şekilde vikorize edebilmelerini sağlayacak şekilde hareket etmekle yükümlüdür.

Günümüzde çoğu aydınlatma şirketi, karar vericilere bilgi sağlamak için temel teknoloji olarak OLAP'ı benimsemiştir. Sağlanması gereken beslenmenin önemi, elektronik tabloların raporlama, bütçeleme ve tahmin için ana platform olarak kullanılmaya devam edeceği anlamına gelmiyor. Şirketler, olgunlaşmadan ve alternatif teknolojileri değerlendirmeden önce, rekabet avantajlarını yanlış, ilgisiz ve ilgisiz bilgiler yoluyla çarçur etmeye istekli olduklarının farkında olmalıdır.

Ayrıca, sonuç olarak, OLAP teknolojilerinin analitik yeteneklerinin, kurumsal bilgi deposunda depolanan veri miktarını artırarak şirketlerin müşterilerinizle daha etkin etkileşim kurmasına olanak tanıdığını da belirtmek gerekir.

Sözlük

	Konsept	Viznachennya
1	BI araçları	Bilgiye erişmek için kullanılan araçlar ve teknolojiler. OLAP teknolojilerini, veri madenciliği ve analizini içerir; Nihai kontrol sisteminin özellikleri ve düzenlenmemiş talepleri harekete geçirmeye yönelik araçlar, hükümet faaliyetlerini izlemeye yönelik araç panelleri ve kurumsal tanıtım oluşturucular.
2	Çevrimiçi Analitik İşleme, OLAP (Operasyonel analitik işleme)	İncelemelerin ve belgelerin karmaşık ve dinamik yayınlanmasını da içeren, bilgilerin gerçek zamanlı olarak analitik olarak işlenmesine yönelik teknoloji.
3	Dilim ve Zar (Daha sonra ve enine kesimler, kelimenin tam anlamıyla - “küpler ve küpler halinde dilimleme”)	OLAP tarafından sağlanan karmaşık veri analizini tanımlamak için kullanılan bir terim. Zengin bir küpten belirtilen değerlere ve belirtilen karşılıklı değişikliklere sahip verilerin seçilmesi.
4	Veri Pivotu	Bir tabloyu verilerle sarmalama, ardından sütunları satırlar halinde yeniden düzenleme ve benzeri işlem.
5	Hesaplanan üye	Değeri diğer elemanların değerlerine göre belirlenen bir eleman (örneğin, matematiksel ve mantıksal eklemeler). Hesaplama öğesi, bir OLAP sunucusunun parçası olabilir veya etkileşimli bir oturum sırasındaki bir açıklamanın parçası olabilir. Hesaplama öğesi girilebilen veya hesaplanabilen bir öğe değildir.
6	Küresel İş Modelleri	Farklı iş sistemleri arasında dağıtılan ve farklı alt bölümlerin veya bölümlerin kontrolü altında olan, farklı veri tabanları ve veri modellerine sahip bilgilere erişim sağlayacak bir veri ambarı türüdür. Bu tür Veri Sunucusu, farklı alt bölümlerin Sunucu için kapsamlı bir veri modeli geliştirme çabalarını birleştirme ihtiyacı yoluyla teşvik etmek açısından önemlidir.
7	Veri madenciliği	Vikorist yazılım araçlarının teknik teknikleri, kural olarak ne aradığını önceden söyleyemeyen, yalnızca bir şarkıyı gösterip doğrudan arama yapabilen böyle bir kistuvach için tasarlanmıştır.
8	Müşteri sunucusu	Sürecin farklı işlevlere bölünmesini destekleyen teknolojik bir yaklaşım. Sunucunun bir dizi işlevi vardır - iletişim yönetimi, güvenli veritabanı bakımı vb. Müşteri, müşteri hizmetinin bireysel işlevlerini seçer - ek arayüzlerin sağlanması, ekranlar arası gezinmenin oluşturulması, yardım fonksiyonlarının sağlanması vb.
9	Çok Boyutlu Veritabanı, MDBS ve MDBMS	Güçlü bir veritabanı, veri bilimcilerinin büyük miktarda veriyi analiz etmesine olanak tanır. Veritabanında, bir dizi gerçek olarak kaydedilen verilerle yüksek düzeyde çalışma akışkanlığı ve daha sonra toplamların hesaplanmasını sağlayan özel bir depolama organizasyonu - küpler bulunur.
10	Derinlemesine	Toplam veri düzeyinin analizi sırasında analiz edilen ayrıntılı verileri çıkarma yöntemi. “Yıkım” seviyeleri, verinin detaylandırılması seviyesindedir [yara.
11	Merkez Depo	1. Kuruluşun işletim sistemlerinden toplanan verileri içeren bir veritabanı. Veri analizine elverişli bir yapıya sahiptir. Karar almayı ve kurum için tek bir bilgi alanı oluşturulmasını desteklemeyi amaçlamaktadır. 2. Bakımı yapılan tüm bilgi sistemlerini tek bir yerde saklayan bir otomasyon yöntemidir.

1 Golitsin O.L., Maksimov N.V., Popov I.I. Veritabanı: Navchalnyi pos_bnik. - M.: FORUM: INFRA-M, 2003. - 352 s.

2 Tarih K. Veritabanı sistemine giriş. - M .: Nauka, 2005 - 246 s.

3 Elmanova N.V., Fedorov A.A. Microsoft OLAP teknolojilerine giriş. - M .: Diyalog-MIFI, 2004. - 312 s.

4 Karpova T.S. Veritabanları: modeller, geliştirme, uygulama. - St. Petersburg: Peter, 2006. - 304 s.

5 Korovkin S.D., Levenets I. A., Ratmanova İ. D., Starikh V. A., Shchavelov L. V. Bilgi ve veri depolamanın karmaşık operasyonel analizi sorununun virüsü // DBMS. – 2005. – Sayı 5-6. – 47-51 sn.

6 Krechetov N., Ivanov P. Akıllı veri analizi ürünleri ComputerWeek-Moskova. – 2003. – Sayı 14-15. – 32-39 sn.

7 Przhiyalkovsky U. U. Harika verilerin bileşik analizi: bilgisayarlaştırma için yeni beklentiler // DBMS. – 2006. – Sayı 4. – 71-83 s.

8 Sakharov A. A. Veri analizine yönelik bilgi sistemlerinin motivasyonu ve uygulanması kavramı // DBMS. – 2004. – Sayı 4. – 55-70 s.

9 Ullman J. Veritabanı sistemlerinin temelleri. - M .: Finans ve istatistik, 2003. - 312 s.

10 Hubbard J. Veri tabanlarının otomatik tasarımı. - M.: Svit, 2007. - 294 s.

Korovkin S.D., Levenets I. A., Ratmanova İ. D., Starikh V. A., Shchavelov L. V. Bilgi ve veri depolamanın karmaşık operasyonel analizi sorununun virüsü // DBMS. – 2005. – Sayı. 5-6. – 47-51 sn.

Ullman J. Veritabanı sistemlerinin temelleri. - M .: Finans ve istatistik, 2003. - 312 s.

Barseghyan A.A., Kupriyanov M.S. Veri analizi teknolojileri: DataMining, VisualMining, TextMining, Olap. - St. Petersburg: BHV-Petersburg, 2007. - 532 s.

Elmanova N.V., Fedorov A.A. Microsoft OLAP teknolojilerine giriş. - M .: Diyalog-MIFI, 2004. - 312 s.

Tarih K. Veritabanı sistemine giriş. - M .: Nauka, 2005 - 246 s.

Golitsina O.L., Maksimov N.V., Popov I.I. Veritabanı: Navchalnyi pos_bnik. - M.: FORUM: INFRA-M, 2003. - 352 s.

Sakharov A. A. Veri analizine yönelik bilgi sistemlerinin uygulanmasına yönelik konsept // DBMS. – 2004. – Sayı 4. – 55-70 s.

Przhiyalkovsky V.V. Büyük obsyagu verilerinin kompozit analizi: bilgisayarlaştırma için yeni beklentiler // DBMS – 2006. – No. 4. – 71-83 s.

Paranızı robota üsse göndermek kolaydır. Vikorist formu daha düşük gölgelendiriyor

Yeni işlerinde güçlü bir bilgi birikimine sahip olan öğrenciler, yüksek lisans öğrencileri, gençler size daha da minnettar olacaklardır.

Yayınlanan http://www.allbest.ru/

Ders çalışması

disiplinden: Veritabanları

Ders: TeknolojiOLAP

- Vikonav:

Çizhikov Oleksandr Oleksandrovich

Girmek

1. OLAP ürünlerinin sınıflandırılması

2. OLAP istemcisi - OLAP sunucusu: artıları ve eksileri

3. OLAP sisteminin özü

3.1 İlkeler

Visnovok

Wikirista Gerel'lerin listesi

programı

İÇİNDEVedennya

Bilgisayar dünyasında bu tür veritabanlarının gerekli olduğunu sezgisel olarak anlayamayan bir kişiyi tanımak önemlidir. Geleneksel ilişkisel DBMS'lerle karşılaştırıldığında, OLAP kavramı o kadar yaygın olarak bilinmemektedir, ancak gizemli "OLAP küpleri" terimi sıklıkla duyulmaktadır. Çevrimiçi Analitik İşleme Nedir?

OLAP, bir yazılım ürünü, dil dışı bir program ve belirli bir teknolojinin birleşimidir. OLAP'ı tüm tezahürleriyle keşfetmeye çalışırsak, yazılım ürünlerinin altında yatan kavramların, ilkelerin ve faydaların bütünlüğü, analistlerin verilere erişmesini kolaylaştıracaktır. Bu tür övgülerin işe yarama ihtimali düşük olmasına rağmen, uzman olmayanları konuyu anlamaya bir nebze olsun yaklaştıracağı şüphelidir. Bu nedenle henüz OLAP öğrenmemiş birinin farklı bir yol izlemesi daha iyi olur. Başlangıç ​​olarak analistlerin verilere özel erişime sahip olmaları gerektiğini anlamak gerekir.

Gerçek şu ki analistler kurumsal bilgilerin özel tüketicileridir. Gelişmiş analitik, harika veri kümelerindeki kalıpları tanır. Bu nedenle analistin alınan gerçeğe saygısı yoktur çünkü yüzlerce ve binlerce yaklaşım hakkında bilgiye ihtiyacı vardır. Konuşmadan önce, OLAP'ın ortaya çıkmasından önce ilgi çeken ana noktalardan biri üretkenlik ve verimlilikti. Analistin bilgi alması gerektiğinde bunun gerekli olduğu ve OLAP maliyetlerinin günlük olarak üretimde olduğu açıktır. Analist bağımsız olarak (ki bu pek güvenilir değildir) veya ek bir program kullanarak aşağıdaki SQL sorgusunu çalıştırabilir ve çıkarılacak verileri çıkarabilir veya bunu bir elektronik tabloya aktarabilir. Sorun ilgisizlikten kaynaklanıyor. Her şeyden önce, bir gürültü analisti kendi işi (SQL programlama) dışında bir şey yapma veya yeni bir iş için programların ne zaman silindiğini kontrol etme eğiliminde olur - tüm bunların üretkenlik üzerinde olumsuz bir etkisi vardır ve kalp krizi-inme salgınına yol açar, ve benzeri. Başka bir deyişle, bir kelime veya tablo, kural olarak, düşünce devlerini ve Rus analizinin babalarını temsil etmez - ve tüm prosedürün tekrar tekrar tekrarlanması gerekecektir. Üçüncüsü, daha önce de açıkladığımız gibi, kesirli analistlere soru sorulamaz - her şeye hemen ihtiyaçları vardır. Bu, (teknoloji hızla ilerlemesine rağmen) analistin önünde başlatıldığı kurumsal ilişkisel DBMS sunucusunun diğer işlemleri engellemede ciddi şekilde rol oynayabileceği anlamına gelir.

OLAP kavramı bu tür sorunları çözecek gibi göründü. OLAP küpleri özünde meta verilerdir. Analist, dünyaların arkasındaki meta verileri (yani küpleri) parçalara ayırarak aslında "birincil" iki dünya verilerini tanımlar (ancak en yaygın anlamda konuşmak zorunlu değildir - veri yapılarından bahsediyoruz) aynı işlevler). Küplerin avantajları açıktır - her küp oluşturulduğunda veriler ilişkisel bir DBMS'den yalnızca bir kez sorgulanmalıdır. Analitik parçaları, kural olarak, "anında" tamamlanan ve değiştirilen, bir küp oluşturan ve son saate kadar dayanmaya devam eden bilgilerle çalışmaz. Bu nedenle, yalnızca ilişkisel DBMS sunucusunun çalışmasında kesintiler olmakla kalmıyor (binlerce veya milyonlarca satırdan çok sayıda sorgu var), aynı zamanda analistin kendisi için veri erişiminin kullanılabilirliği de hızla artıyor. Ek olarak, daha önce de belirtildiği gibi üretkenlik, küpün etkinleştirildiği anda hiyerarşinin ara toplamlarının ve diğer toplam değerlerin depolanmasıyla sağlanır.

Tabii ki, bu tür üretkenlikte ilerlemek için para ödemeniz gerekiyor. Bazen veri yapısının basitçe "patlama" yaptığı görülüyor - bir OLAP küpü, çıktı verilerinden onlarca, hatta yüzlerce kat daha fazla yer kaplayabilir.

Şimdi, OLAP'ın nasıl ve neden kullanıldığına dair biraz bilgimiz varsa, orijinal insan diline eşzamanlı çeviri olmadan OLAP'a yönelik bilgimizi ve kriterlerimizi resmileştirmek hala önemlidir. Bu kriterler (12 numaralı) 1993 yılında E.F. Kodd, ilişkisel DBMS kavramının ve nihayetinde OLAP'ın yaratıcısıdır. Onlara daha yakından bakmayacağız, koku parçaları OLAP ürünlerinin yeteneklerini gösteren FASMI testine dönüştürüldü. FASMI, cilt testi noktasının adının kısaltmasıdır:

Hızlı (İsveççe). Bu güç, sistemin danışanın sorusuna beş saniyede yanıt verilmesini sağlamakla sorumlu olduğu anlamına gelir; bu sayede çoğu sorgu bir saniye içinde işlenir ve en karmaşık sorgular yirmi saniye içinde işlenir. Geri kalan araştırma, otuz saniyeden fazla sürdüğü için kullanıcının isteğin başarısından şüphe etmeye başladığını gösterdi.

Analiz (analitik). Sistem, iş uygulamalarının her türlü mantıksal ve istatistiksel analiz özelliğiyle başa çıkmalı ve sonuçların son müşterinin erişebileceği bir şekilde kaydedilmesini sağlayacaktır. Analiz, zaman serilerini, harcamaların dağılımını, para birimi dönüşümlerini, organizasyon yapılarındaki değişiklikleri modellemeyi ve diğerlerini analiz etmeye yönelik prosedürleri içerebilir.

Paylaşıldı. Sistem, zengin müşterilere geniş bir yelpazede veri erişimi ve anlık çalışma sağlamakla yükümlüdür.

Çok boyutlu (zengin). Sistem, zengin hiyerarşinin sürekli desteği de dahil olmak üzere, verilerin kavramsal olarak zengin bir sunumunu sağlamaktan sorumludur.

Bilgi.Çeşitli yazılım ürünlerinin karmaşıklığı, işlenen girdi verilerinin miktarıyla karakterize edilir. Farklı OLAP sistemlerinin karmaşıklığı farklılık gösterir: Gelişmiş OLAP çözümleri, daha eski ve daha az karmaşık olanlardan binlerce kat daha fazla veriyi işleyebilir. Bir OLAP aracı seçerken veri çoğaltma, gerekli RAM, disk alanı, performans hususları, bilgi varlıklarıyla entegrasyon vb. dahil olmak üzere bir dizi faktörü göz önünde bulundurmanız gerekir.

1. OLAP ürünlerinin sınıflandırılması

OLAP'ın özü, analiz için mevcut bilgilerin büyük bir küp olarak temsil edilmesi ve onu yeterince manipüle etmenin ve gerekli bilgi bölümlerini izole etmenin mümkün olmasıdır - çünkü öyle. Aynı zamanda küp, farklı bölümlerden gelen verileri (gerçekleri) otomatik olarak toplayan (karartma) ve hesaplamalar ve bilgi biçimleriyle etkileşimli hesaplamalara olanak tanıyan zengin bir dinamik tablo olarak kullanılır. Bu işlemlerin tümü bir OLAP makinesi (veya bir OLAP hesaplama makinesi) tarafından gerçekleştirilir.

Bugün dünyada OLAP teknolojilerini uygulayan çok sayıda ürün geliştirildi. Aralarında gezinmeyi kolaylaştırmak için OLAP ürünlerinin sınıflandırmasını seçin: analiz için veri kaydetme yöntemi ve OLAP makinesinin konumu. OLAP ürünlerinin her kategorisine bir göz atalım.

Veri kaydetme yönteminin sınıflandırılmasıyla başlayacağım. Pek çok dünya küpünün çıktı ve toplu verilere dayanacağını tahmin ediyorum. Küplere ilişkin çıktı ve toplama verileri hem ilişkisel hem de küresel veritabanlarında depolanabilir. Bu nedenle artık verileri kaydetmenin üç yolu var: MOLAP (Çok Boyutlu OLAP), ROLAP (İlişkisel OLAP) ve HOLAP (Hibrit OLAP). Görünüşe göre OLAP ürünleri, verileri kaydetme biçimlerine göre üç benzer kategoriye ayrılıyor:

1. MOLAP modunda çıktı ve toplam veriler, çok dünyalı bir veritabanında veya çok dünyalı bir yerel küpte depolanır.

2. ROLAP ürünlerinde çıktı verileri, bir dosya sunucusundaki ilişkisel veritabanlarında veya düz yerel tablolarda depolanır. Toplu veriler aynı veritabanındaki bir hizmet tablosuna yerleştirilebilir. Verilerin ilişkisel bir veritabanından büyük küplere dönüştürülmesi OLAP aracı kullanılarak gerçekleştirilir.

3. Farklı bir HOLAP mimarisi durumunda, çıktı verileri ilişkisel veritabanında kaybolur ve kümeler zengin dünyada bulunur. Her OLAP küpü, ilişkisel ve küresel verilere dayalı OLAP görevlerine güç sağlayacak şekilde yapılandırılmıştır.

Sınıflandırma, OLAP makinesinin konumundan sonra başlar. Bu amaçla OLAP ürünleri OLAP sunucuları ve OLAP istemcileri olarak ikiye ayrılır:

Sunucu OLAP sistemlerinde, toplu verilerin hesaplanması ve depolanması tek bir işlemle, yani sunucuyla sınırlıdır. İstemci programı yalnızca sunucuda depolanan çok sayıda küpe kadar olan sorguların sonuçlarını okur. Bazı OLAP sunucuları, verilerin ilişkisel veritabanlarına kaydedilmesini teşvik eder, ancak zengin veritabanlarına kaydetmeyi desteklemez. Mevcut OLAP sunucularının çoğu, veri depolamanın üç yöntemini de destekler: MOLAP, ROLAP ve HOLAP.

OLAP istemcisini farklı bir şekilde kullanın. Büyük bir küp ve OLAP hesaplaması istemci bilgisayarın belleğinde depolandığında. OLAP istemcileri ayrıca ROLAP ve MOLAP olarak ikiye ayrılır. Eylemler verilere erişim seçeneklerini destekleyebilir.

Bu yaklaşımların her birinin kendi “artıları” ve “eksileri” vardır. Sunucu işlevlerinin istemci işlevlerine göre önceliği hakkındaki düşüncenin genişletilmesine ek olarak, bazı durumlarda, iş kullanıcıları için OLAP istemcisinin kullanılması, OLAP sunucusunun değiştirilmesi için daha etkili ve faydalı görünebilir.

2. OLAP istemcisi - OLAP sunucusu: artıları ve eksileri

Bir bilgi sistemi kullanıldığında, OLAP işlevselliği hem sunucu hem de istemci OLAP araçları tarafından uygulanabilir. Uygulamada seçim, performans özellikleri ile yazılımın kullanılabilirliği arasındaki dengenin sonucudur.

Verilerin bütünlüğü şu özelliklerin toplamı tarafından belirlenir: kayıt sayısı, değişiklik sayısı, değişiklik öğelerinin sayısı, değişiklik sayısı ve olgu sayısı. Bir OLAP sunucusunun bilgisayarla aynı anda bir OLAP istemcisinden daha fazla veri işleyebileceği açıktır. Bu, OLAP sunucusunun küplerin hesaplanmasına uyum sağlamak için sabit disklere büyük bir veritabanı kaydettiği anlamına gelir.

Bir OLAP işleminin yürütülmesi sırasında, istemci programları küpün tamamını değil, görüntülenen parçalarını çıkaran SQL benzeri bir dille işlemi tamamlar. Çalışma anında OLAP istemcisi tüm RAM küpünden sorumludur. ROLAP mimarisi söz konusu olduğunda, küpün hesaplanması için işlenen tüm veri dizisinin ilk olarak belleğe kaydedilmesi gerekir. Ek olarak, yok oluşların, yok oluş olgularının veya unsurlarının sayısının artmasıyla birlikte geometrik ilerlemede birim sayısı da artar. Bu nedenle, OLAP istemcisi tarafından toplanan verilerin doğrudan istemci bilgisayarının RAM'inde saklanması gerekir.

Çoğu OLAP istemcisinin ayrı hesaplamalar sağladığını lütfen unutmayın. Bu nedenle, istemci OLAP bilgisayarının çalışmasıyla kesişen gözlemlenebilir kayıtların sayısı elbette kurumsal veritabanının birincil verileriyle değil, ondan alınan toplu seçimin boyutuyla ilgilidir. OLAP istemcisi, DBMS'ye, birincil verilerin daha fazla gruplandırılması için zihinsel filtrelemeyi ve algoritmayı açıklayan bir sorgu üretir. Sunucu, kayıtları nasıl gruplandıracağını bilir ve daha fazla OLAP hesaplaması için kompakt bir seçimi döndürür. Numunenin boyutu, orijinal, birleştirilmemiş kayıtlardan onlarca veya yüzlerce kat daha küçük olabilir. Bu nedenle, böyle bir OLAP istemcisinin PC kaynaklarına olan talebi önemli ölçüde azalır.

Ayrıca yok oluşun büyüklüğü insanların iletişim olasılığını da sınırlıyor. Görünüşe göre ortalama bir insan bir saat içinde 3-4, en fazla 8 vimirle başa çıkabilir. Sayının artmasıyla dinamik tablodaki bilgilerin işlenmesi çok zorlaşır. OLAP istemcisinin gerekebileceği RAM'in ilk genişletilmesi sırasında bu faktörün dikkate alınması gerekir.

İkiye katlama aynı zamanda OLAP küpü hesaplanırken kullanılan OLAP görevinin adres alanının boyutunu da artırır. Dünya ne kadar eskiyse, zengin dünya kitlesinin daha fazla sınıflandırılması için o kadar fazla kaynağa ihtiyaç duyulur ve bu böyle devam eder. Çıkış verilerindeki yalnızca kısa gecikmeler, OLAP istemcisinin yararına olan başka bir argümandır.

Bu özellik iki ana faktör tarafından belirlenir: verilerin kullanılabilirliği ve bilgisayarların karmaşıklığı. Örneğin sayı arttıkça, tüm OLAP fonksiyonlarının verimliliği, birim sayısında önemli bir artış veya çeşitlilikteki azalma oranında azalır. Bu depozitoyu grafiklerde gösteriyoruz.

Şema 1. Artan veri kullanımı nedeniyle istemci ve sunucu OLAP özelliklerinin üretkenliğine bağımlılık

Mevcut OLAP sunucusu özellikleri veri büyümesine karşı daha az duyarlıdır. Bu, istemci isteklerinin OLAP sunucusu ve OLAP istemcisi tarafından işlenmesine yönelik farklı teknolojilerle açıklanmaktadır. Örneğin, bir detay işlemi gerçekleştirirken OLAP sunucusu depolanan verileri açar ve verileri bir araya "çeker". OLAP istemcisi, satın alma sırasında tüm birim setini hesaplar. Ancak günün sonuna kadar sunucu ve istemci fonksiyonlarının verimliliği değişmeden kalır. Faturalama bölümlerini destekleyen OLAP müşterileri için üretkenlik kapsamı, çok sayıda müşterinin OLAP analiz ihtiyaçlarını karşılayacak şekilde genişletilebilir. Bu, MS OLAP Sunucusu ve OLAP istemcisi "Kontour Standard"ın dahili testlerinin sonuçlarını doğrular. 10 ila 70 üye arasında değişen 7 vimirden 1 milyon benzersiz (veya toplu) kaydı örneklemek için IBM PC Pentium Celeron 400 MHz, 256 Mb PC'de girişlerin testi. Her iki durumda da bir küpün işlenme saati 1 saniyeyi geçmez ve çeşitli OLAP işlemlerinin (detaydan çıkma, detaya gitme, taşıma, filtreleme vb.) tamamlanması saniyenin yüzlerce kesirini alır.

Seçimler RAM'e taşınırsa disk değişimi başlar ve OLAP istemcisinin üretkenliği keskin bir şekilde düşer. Ancak bu noktada OLAP sunucusunun geliştirilmesinden bahsedebiliriz.

Dönüm noktasının, OLAP çözümünün fiyatındaki keskin yükseliş arasındaki noktayı işaret ettiğini unutmayın. Belirli bir hedef belirlemek için bu nokta, OLAP istemcisinin üretkenliği test edilerek kolayca belirlenebilir. Bu tür testler dağıtım şirketinden temin edilebilir.

Ayrıca, istemci sayısı arttıkça OLAP sunucu çözümünün üretkenliği de artar. Sağ tarafta OLAP sunucusunun tek bir bilgisayardaki tüm hesaplar için ödemeleri hesapladığı görülmektedir. Görünüşe göre ne kadar çok bilgisayar varsa, o kadar fazla RAM ve işlem gücü vardır. Dolayısıyla, toplanan veriler sunucu ve istemci sistemlerinin eşit üretkenliği alanında yer aldığından, diğer eşit akıllar için bir OLAP istemcisi daha avantajlı olacaktır.

“Klasik” ideolojideki alternatif OLAP sunucusu, veri madenciliğini ilişkisel DBMS'lerden geniş kapsamlı bir veritabanına aktarır. Görüntüleme belirli bir zaman diliminde gerçekleşir, dolayısıyla OLAP sunucusundan gelen veriler dönemi tam olarak görüntülemez. ROLAP çalışma modunu destekleyen birkaç OLAP sunucusu da vardır.

Benzer şekilde, geniş bir OLAP istemcisi yelpazesi, veritabanına doğrudan erişimle bir ROLAP ve Masaüstü mimarisi uygulamanıza olanak tanır. Bu, çevrimiçi modda çıktı verilerinin analizini sağlayacaktır.

OLAP sunucusu istemci terminallerine minimum düzeyde destek sağlar. Objektif olarak OLAP istemcisinin faydaları daha fazladır çünkü Buna müşterinin bilgisayarının RAM'indeki hesaplamalar da dahildir. Belirli bir kuruluşun donanım envanteri, bir OLAP aracı seçerken nelerin beklenebileceğinin en önemli göstergesidir. Aslında bunun da kendine göre “artıları” ve “eksileri” var. Bir OLAP sunucusu, modern bilgisayarların muazzam hesaplama yüküyle başa çıkamaz. Ne yazık ki, kuruluşun halihazırda mevcut bilgisayarlardan oluşan bir filosu olduğundan, bunları görüntüleyen terminaller olarak depolamak etkisizdir ve aynı zamanda merkezi sunucuda ek masraflara neden olur.

Bilgisayarların karmaşıklığı çok fazla olduğundan OLAP istemcisi mümkün olduğu kadar çalışabilir veya hiç çalışamaz. Güçlü bir sunucu satın almak, tüm bilgisayarları yükseltmekten daha ucuz olabilir.

Burada donanım güvenliğinin geliştirilmesindeki eğilimleri dikkate almakta fayda var. Analiz için gereken veri miktarı neredeyse sabit olduğundan, PC kullanımındaki istikrarlı artış, OLAP istemcilerinin artan yeteneklerinden ve büyük veritabanları segmentindeki OLAP sunucularının artan kullanılabilirliğinden kaynaklanmaktadır.

OLAP sunucusu kurulduğunda, ağ üzerinden istemci PC'ye yalnızca görüntülenecek veriler aktarılırken, OLAP istemcisi ilk seçimden tüm verileri alır.

Bu nedenle OLAP istemcisinin durgun olduğu durumlarda uç trafiği daha fazla olacaktır.

Ancak OLAP sunucusu kapatıldığında istemcinin işlemleri, örneğin detaylandırma, zengin bir veritabanına yeni istekler ve dolayısıyla yeni bir veri aktarımı oluşturacaktır. OLAP istemcisi tarafından gerçekleştirilen tüm OLAP işlemleri RAM'de gerçekleştirilir ve görünüşe göre bu arada yeni veri akışları gerektirmez.

Mevcut donanım güvenliğinin yüksek düzeyde verim sağlayacağını da belirtmek gerekir.

Bu nedenle, çoğu durumda, "orta" büyüklükteki veritabanlarının bir OLAP istemcisinin yardımıyla analizi, muhabirin çalışmasına müdahale etmez.

OLAP sunucusunun performansı yüksektir. Bu, gördüğünüz bilgisayarın maliyetini ve büyük bir küresel tabanı yönetmenin devam eden maliyetlerini içerir. Ayrıca bir OLAP sunucusunun bakımı ve bakımı yüksek vasıflı personel gerektirir.

OLAP istemcisinin performansı, OLAP sunucusunun performansından çok daha düşüktür. Sunucu için yönetim ve ek teknik uzmanlık gerekli değildir. Yeterlilik öncesinde, personelin OLAP istemcisinin teslimi sırasında üst düzey görevleri yerine getirmesi gerekmemelidir. OLAP istemcisi, OLAP sunucusundan önemli ölçüde daha az ödeme yapabilir.

İstemci OLAP araçlarını kullanarak analitik eklentilerin geliştirilmesi, Vikonavian'dan özel eğitim gerektirmeyen basit bir süreçtir. Bir veritabanının fiziksel uygulamasını bilen bir geliştirici, bir BT uzmanını işe almadan bağımsız olarak bir analitik program geliştirebilir. OLAP sunucusu kurarken, sunucu üzerinde küpler oluşturmak ve istemci programları geliştirmek için farklı sunucular dahil olmak üzere iki farklı sistemin kullanılması gerekir. OLAP istemcisi, küpleri tanımlamak ve bunlara yönelik istemci arayüzlerini ayarlamak için tek bir görsel arayüz sağlar.

Ek istemci araçlarını kullanarak OLAP programları oluşturma sürecine bakalım.

Şema 2. İstemci ROLAP yöntemini kullanarak OLAP programlarının oluşturulması

ROLAP istemcilerinin çalışma prensibi, çıktı verilerinin fiziksel yapısını gerektiren anlamsal kürenin ileri açıklamasıdır. Bazı veri türleri şunları içerebilir: yerel tablolar, RDBMS. Desteklenen verilerin listesi belirli bir yazılım ürünü tarafından belirtilir. Bu nedenle kullanıcılar, küpler ve analitik arayüzler oluşturmak için büyük nesneleri etki alanı açısından bağımsız olarak işleyebilirler.

OLAP sunucu istemcisinin çalışma prensibi farklıdır. OLAP sunucusunda küplerin oluşturulması sırasında istemci, veritabanının fiziksel açıklamalarını yönetir.

Böylece küpün kendisinde koristuvach envanterleri oluşturulur. OLAP sunucu istemcisi metreküp başına yapılandırılır.

Dinamik satış raporu oluşturma uygulamasında ROLAP istemcisinin çalışma prensibini açıklayalım (böl. diyagram 2). Analiz için çıktı verileri iki tabloda saklanır: Satış ve Anlaşma.

Anlamsal bir küre oluşturulduğunda veri alanları (Satış ve Fırsat tabloları) mantıklı terimlerle tanımlanarak “Ürünler” ve “Hoşlar”a dönüştürülür. "Ürünler" tablosundaki "Kimlik" alanı "Kod" olarak, "Ad" - "Ürün" vb. olarak yeniden adlandırılmıştır.

Daha sonra “Satış” iş nesnesi oluşturulur. Bir iş nesnesi, zengin bir küpün oluşturulduğu düz bir masadır. Bir iş nesnesi oluşturulduğunda ürüne ait “Kod” alanında “Ürünler” ve “Ürünler” tabloları aranır. Bilgileri görüntülemek için, “Ürün”, “Tarih” ve “Tutar” alanları dışında tablo iş nesnesinin tüm alanlarına ihtiyacınız yoktur.

Daha sonra iş nesnesine dayalı olarak bir OLAP bağlantısı oluşturulur. Kullanıcı bir iş nesnesi seçer ve onun niteliklerini tablonun sütun veya satır alanına sürükler. “Satış” iş nesnesini temel alan uygulamamız, malların aylar süren satışına dayanmaktadır.

Etkileşimli sesle çalışırken kullanıcı, filtrelemeyi ve gruplamayı aynı basit "hedef" kontrollerle ayarlayabilir. Bu noktada ROLAP istemcisi önbellekteki verilerle başlar. OLAP sunucu istemcisi büyük bir veritabanı için yeni bir sorgu oluşturur. Örneğin ürün satış raporuna takılıp kalırsanız ürün satış raporunu iptal edebilirsiniz, bu bize yardımcı olacaktır.

OLAP programlarının tüm ayarları bir meta veri deposuna veya büyük bir veritabanının ek sistem deposuna kaydedilebilir. Uygulama, spesifik yazılım ürününe bağlıdır.

Peki, iş kullanıcıları için OLAP istemcisinin kurulumu hangi durumlarda OLAP sunucusunun kullanımı açısından daha etkili ve faydalı olabilir?

OLAP sunucusunu çalıştırmanın maliyet etkinliği, veri yükü çok büyük olduğunda ve OLAP istemcisinin kaldıramayacağı kadar fazla olduğunda devreye girer, aksi takdirde geri kalanını çalıştırmak daha mantıklı olur. Bu tür OLAP istemcisi yüksek üretkenlik özelliklerine ve düşük üretkenliğe sahip olacaktır.

Analistlerin bilgisayarlarının sıkılığı OLAP istemcilerinin yararına olan bir başka argümandır. OLAP sunucusunu kullanıyorsanız lütfen kullanmaya çalışmayın. OLAP istemcilerinin ana avantajları şu şekilde adlandırılabilir:

OLAP istemcisini çalıştırmanın ve sürdürmenin maliyeti, OLAP sunucusunun maliyetinden önemli ölçüde düşüktür.

Bir OLAP istemcisini kurulu bir makineye bağlarken, ağ üzerinden veri aktarımı bir kez gerçekleştirilir. OLAP işlemi tamamlandığında yeni veri akışı oluşturulmayacaktır.

ROLAP istemcilerinin kurulumu, orta şeridin kapatılmasıyla basitleştirilir ve zengin bir veritabanı oluşturulur.

3. OLAP sisteminin özü

3.1 İlkeler

Ek istemci temel verileri

Daha önce söylenenlerden OLAP mekanizmasının günümüzde en popüler veri analizi yöntemlerinden biri olduğu açıktır. Bu hedefe ulaşmak için iki temel yaklaşım vardır. Bunlardan ilkine Çok Boyutlu OLAP (MOLAP) adı verilir - zengin bir sunucu veritabanı kullanan bir mekanizmanın uygulanması, diğeri ise ilişkisel bir DBMS'ye yapılan SQL sorgularına dayanan küp başına bir sistem olan İlişkisel OLAP (ROLAP). Bu yaklaşımların her birinin kendine göre avantajları ve dezavantajları bulunmaktadır. Bu genel analiz bu çalışmanın kapsamı dışındadır. Burada yalnızca masaüstü ROLAP modülünün çekirdeğinin uygulanmasını açıklayacağız.

Bu durum, Borland Delphi deposunda bulunan Decision Cube bileşenlerini temel alan ROLAP sisteminin kapatılmasının ardından ortaya çıktı. Ne yazık ki, bu bileşen setinin seçimi, bu büyük çabada düşük verimlilik gösterdi. Küplere göndermeden önce mümkün olduğu kadar çok veri toplanarak bu sorunun ciddiyeti azaltılabilir. Alec'e asla doyma.

İnternette OLAP sistemleri hakkında pek çok bilgi bulabilirsiniz, ancak ortada kontrol edilenler hakkında neredeyse hiçbir şey söylenmiyor.

Robot şeması:

Bir masaüstü OLAP sisteminin temel diyagramı aşağıdaki gibi gösterilebilir:

Şema 3. Masaüstü OLAP sisteminin çalışması

Robot saldırı algoritması:

1. Verileri görünüşte düz bir tablodan eğitin veya sonucu SQL'e girin.

2. Verilerin depolanması ve zengin dünya küpüne dönüştürülmesi.

3. Seçilen küpün ek bir çapraz tablo veya diyagramlar vb. kullanılarak görüntülenmesi. Helal konfigürasyonda bir küp kadar yeterli sayıda titreşim bağlanabilir.

Böyle bir sistemin ortada nasıl kontrol edilebileceğine bakalım. Hayret edebileceğiniz ve ovuşturabileceğiniz bu tarafa bir bakalım çünkü bu iyi bir fikir. OLAP sistemlerinde analiz edilen görüntüler çoğunlukla iki türdendir; çapraz tablolar ve diyagramlar. Bir küpü görüntülemenin ana ve en kapsamlı yolu olan çapraz tabloya bir göz atalım.

Aşağıda uçan küçükte, aynı renk, toplu sonuçları göstermek için satırları ve sütunları gösterir, açık gri renk, gerçekleri temsil eden ortaları, koyu gri renkler ise güllerin verilerini, huzuru gösterir.

Böylece tabloyu daha önce de belirttiğimiz gibi aşağıdaki öğelere ayırabiliriz:

Matrisi gerçeklerle birlikte depoladıktan sonra şu şekilde çalışabiliriz:

Titreşimle ilgili veri tabanında matriste yer alan elemanın koordinatlarını belirtin.

Eklenecek elemanın döküleceği sütun ve torba sıralarının koordinatlarını belirleyin.

Matrise ve karşılık gelen sütun ve torba sıralarına bir öğe ekleyin.

Bu durumda, ortaya çıkan matrisin çok seyrek olacağını hesaba katmak gerekir, böylece iki boyutlu bir dizi (yüzeyde yatan seçenek) biçimindeki organizasyonu sadece mantıksız değil, aynı zamanda, her şey için daha iyidir ve matrisin büyüklüğü nedeniyle paradan tasarruf etmek için gerekli miktarda operasyonel hafızayı kaldırmak imkansızdır. Örneğin, küpümüz bir döneme ait satışlarla ilgili bilgi içeriyorsa ve gelecekte yalnızca 3 boyut olacaksa - Müşteriler (250), Ürünler (500) ve Tarih (365), o zaman mevcut gerçeklerin bir matrisini oluştururuz boyutlar: miktar öğeleri = 250 x 500 x 365 = 45.625.000 Bu, matriste birkaç binden fazla öğe olabileceği gerçeğine rağmen geçerlidir. Ayrıca titreşim sayısı ne kadar fazla olursa matris de o kadar seyrek olacaktır.

Bu nedenle, bu matrisle çalışmak için, seyreltilmiş matrislere sahip özel robotik mekanizmaların kullanılması gerekmektedir. Seyrek matrisi düzenlemek için çeşitli seçenekler vardır. Koku, programlama literatüründe, örneğin Donald Knuth'un "Programlamanın Gizemi" adlı klasik kitabının ilk cildinde çok iyi tanımlanmıştır.

Şimdi farklı dünyaları bilerek gerçeğin koordinatlarını nasıl belirleyebileceğimize bakalım. Bu amaçla raporun başlık yapısına bakalım:

Bu durumda telefon numarasının numaralarını ve kullanıldığı çantalara nasıl atama yapacağınızı kolaylıkla öğrenebilirsiniz. Burada çeşitli yaklaşımları tanıtabilirsiniz. Bunlardan biri de özgün orta arayışı için ahşap seçimidir. Bu ağaç seçimden geçildiğinde kurtarılabilir. Ayrıca gerekli koordinatları hesaplamak için analitik yinelenen formülü kolayca bulabilirsiniz.

Tabloya kaydedilen veriler, yedek olarak kullanılmak üzere dönüştürülmelidir. Bu nedenle hiperküp kullanırken üretkenliği artırmak için küpün boyutları olan öğelerde korunan benzersiz öğelerin bulunması önemlidir. Ek olarak, aynı boyut değerlerine sahip olan kayıtlar için olguların ileriye doğru toplanmasını gerçekleştirmek de mümkündür. Dünya çizildiği için yok olan alanlardaki benzersiz anlamlar bizim için önemlidir. Bunları kaydetmek için aşağıdaki yapıyı oluşturabilirsiniz:

Şema 4. Benzersiz değerleri kaydetmenin yapısı

Bu yapıyı kullanarak bellek gereksinimini önemli ölçüde azaltıyoruz. Eklemekle alakalı olan şey, çünkü... Çalışma hızını artırmak için verileri RAM'e kaydetmelisiniz. Ek olarak, yalnızca geniş bir öğe dizisini kaydedebilir ve değerlerini diske kaydedebilirsiniz, böylece artık çapraz tablo görüntülerken bunlara ihtiyacımız olmayacak.

CubeBase bileşen kitaplığının temelini oluşturan daha büyük fikirlerin açıklamaları.

Şema 5. CubeBase bileşen kütüphanesinin yapısı

TСubeSource, verilerin önbelleğe alınmasını ve dahili bir formata dönüştürülmesini ve ayrıca verilerin ileriye doğru toplanmasını sağlar. TCubeEngine bileşeni onunla hiperküp hesaplamaları ve işlemleri gerçekleştirir. Aslında geniş bir veri kümesiyle düz bir tablo oluşturan OLAP motorudur. TcubeGrid bileşeni, ekrandaki çapraz tabloları ve hiperküp görünümlerini görüntüler. TСubeChart, grafik görünümünde bir hiperküp oluşturmanıza olanak tanır ve TСubePivote bileşeni küp çekirdeklerini yönetir.

OLAP makinelerini çalıştırmak için kullanılabilecek bileşenlerin mimarisine ve etkileşimine bir göz attım. Şimdi bileşenlerin iç bileşenleri hakkındaki rapora bakalım.

Sistemin ilk aşaması verilerin toplanması ve içsel bir formata dönüştürülmesi olacaktır. Beslenme doğal olacaktır - ve gerekli olan da budur ve verileri düz bir tablodan küp perspektifinden bakarak kolayca sıralayabilirsiniz. Konuyu daha iyi anlayabilmek için tablonun yapısına OLAP makinesinin bakış açısından bakalım. OLAP sistemleri için tablo sütunları gerçekler veya görünümler olabilir. Bu durumda bu sütunlarla çalışmanın mantığı farklı olacaktır. Bir hiperküpte boyutlar aslında eksenler tarafından belirlenir ve boyutların değerleri bu eksenlerin koordinatlarıdır. Bu durumda küp çok dengesiz bir şekilde dolacaktır - her kayıtla tutarlı olmayan koordinatlar olacak ve çıktı tablosundaki kayıt sayısıyla tutarlı eklemeler olacak ve ilk durum aynı olacaktır. çoğu zaman küp tüm dünyaya benzer olacaktır - boş bir alan, bazı yerlerde kalabalık satın alma noktaları (gerçekler) haline gelirler. Bu şekilde, verilerin ilk edinimiyle birlikte verileri iyice yeniden bir araya getirdiğimizden, kayıtlar birleştirildiğinden, ancak bunlar önemli gerçeklerin daha fazla bir araya getirilmesiyle çözülmüş olan önemli değişikliklere sahip olabilir. iş hızını arttırmak ve operasyonel hafızaya kadar olan faydaları değiştirmek için daha az kayıtla uğraşmak zorunda kalıyoruz.

Hiperküp görünümleri oluşturmak için aşağıdaki yeteneklere ihtiyacımız var - tablo girişleri için koordinatlar atamak (aslında yok olma değerleri) ve belirli koordinatlar (yok olma değerleri) oluşturmak için atanmış girişleri atamak. Gelin bu olasılıkların nasıl hayata geçirilebileceğine bakalım. Bir hiperküpü kaydetmenin en kolay yolu veritabanını dahili formatına dönüştürmektir.

Dönüşüm şematik olarak aşağıdaki gibi temsil edilebilir:

Şema 6. Veritabanını dahili formattan normalleştirilmiş bir veritabanına dönüştürme

Daha sonra tek bir tablo yerine normalleştirilmiş bir veritabanı oluşturduk. Veritabanı uzmanları genel olarak normalleştirmenin robotik sistemin akışkanlığını azalttığını söyleyebilir ve bunda kesinlikle haklıdırlar, çünkü sözlüklerdeki öğelerin anlamını kaldırmamız gerekir (bizim durumumuzda anlam yok olmaktır). Sağdaki Ale ise bu değerlere şu aşamada hemen ihtiyacımız yok. Hiperküpümüzle koordinatlara sahip olmamız gerektiğine karar verildiği için koordinatlar dünyaların anlamı açısından önemlidir. En basit yol, elemanların değerlerini yeniden numaralandırmak olacaktır. Bir vimir arasındaki numaralandırmanın net olmasını sağlamak için öncelikle vimir değerlerinin (DB terimlerine dayalı kelimeler) listelerini alfabetik sıraya göre sıralıyoruz. Ayrıca gerçekler yeniden numaralandırılır ve gerçekler yeniden bir araya getirilir. Aşağıdaki diyagramı ele alalım:

Şema 7. Normalleştirilmiş veritabanının yeniden numaralandırılması, koordinatların atanması, değişiklik değeri

Artık farklı tabloların öğelerini birbirine bağlamak mümkün değil. Teorik olarak ilişkisel veritabanları özel ara tablolar yardımıyla oluşturulur. Her tabloya, unsurları verilerin oluşumunda kullanılan gerçeklerin sayısı olacak bir liste girmemiz yeterlidir (açıklanan aynı koordinat değerlerine sahip tüm gerçekleri belirlemek için) m vimir tarafından). Görünüm kaydıyla tutarlı gerçekler için, hiperküpte arkasında taşındığı koordinat değerlerinin türünü ayarladık. Daha sonra, hiperküp kaydının koordinatları altında, değer tablolarında karşılık gelen kayıtların numaraları görünecektir. Bu nedenle, varsayımsal kıçımız için, hiperküpün iç tezahürü anlamına gelen saldırı setini reddediyoruz:

Şema 8. Hiperküpün iç belirtileri

Hiperküpün iç yapısına bu şekilde sahip olacağız. İlişkisel veri tabanı için çalışırsak, ölmekte olan dünyaların değerinin bağlantısındaki alanların rolleri, yalnızca değiştirilebilir tarihin alanları tarafından belirlenir (RDB'de bunu yapabiliriz, çünkü bir dizi sütun vardır). önceden belirtilen tabloda) alegid).

Saatlik tabloyu çeviren bir hiperküp uygulamak için vicoristics'i deneyebilirsiniz, eğer bu yöntem çok düşük hızlı kod sağlıyorsa (örneğin, bir dizi Karar Küpü bileşeni), o zaman veri kaydetme yapılarınızı başarıya ulaştıracağız.

Bir hiperküp uygulamak için, maksimum hız ve minimum RAM israfını sağlamak amacıyla veri yapılarını özelleştirmemiz gerekir. Açıkçası, ana yapılarımız sözlükleri ve bilgi tablolarını depolamak için olacaktır. Maksimum esnekliğe sahip bir sözlük oluşturmak için kullanılabilecek göreve bir göz atalım:

sözlükte bir öğenin varlığının kontrol edilmesi;

sözlüğe bir öğe eklemek;

belirli koordinat değerlerini gösteren kayıt numaralarını arayın;

vimiru değerleri için arama koordinatları;

Koordinatınızın arkasındaki vimir'i arayın.

Bunu uygulamak için farklı veri yapıları türlerini kullanabilirsiniz. Örneğin massivi yapıları vikoristati yapabilirsiniz. Aslında birçok dizi, veri toplama ve bilgi çıkarmanın akışkanlığını artırmak için ek indeksleme mekanizmaları gerektirir.

Hiperküpün çalışmasını optimize etmek için, ilk sırada yapılması gereken görevleri ve robotun hızında bir artış elde etmek için hangi kriterlere ihtiyacımız olduğunu belirlemek gerekir. Bizim için asıl önemli olan robotik programların hızını arttırmaktır, bu durumda gerekli RAM miktarının küçük olması önemlidir. Veri erişimi için indeksleme gibi ek mekanizmaların eklenmesiyle hız kodunda iyileştirmeler yapılabilir. Ne yazık ki, RAM israfıyla ilişkili büyük bir yük var. Bu nedenle tüm operasyonları mümkün olan en yüksek verimlilikle gerçekleştirmemiz gerekiyor. Öyleyse bir hiperküp uygulamak için gereken bileşenlere bakalım. Bu bileşenler iki ana türden oluşur: simülasyon ve olgu tablosu. Görselleştirme için tipik atamalar şöyle olacaktır:

yeni bir anlam katmak;

değerlerin arkasındaki değer koordinatları;

koordinatların değeri.

Yeni bir değer öğesi eklerken, halihazırda aynı değerlerin olup olmadığını kontrol etmemiz gerekir ve bu nedenle yeni bir tane eklemek yerine açık koordinatı değiştirmemiz gerekir, aksi takdirde yeni bir öğe eklemek ve koordinatını değiştirmek gerekir. Bu amaçla gerekli elemanın varlığının hızlı bir şekilde aranması gerekir (ayrıca bu görev, elemanın koordinat değeri belirtildiğinde de gerçekleşir). Bu amaçla en uygun çözüm Vikoristannya Kheshuvannya olacaktır. Bu durumda en uygun yapı, elemanlar üzerinde harcanan çabadan tasarruf sağlayan tek bir hash ağacı olacaktır. Bu durumda öğeler Vimiru sözlüğünün satırları olacaktır. O halde vimir değerinin yapısı şu şekilde temsil edilebilir:

PFactLink = ^TFactLink;

TFactLink = kayıt

GerçekNo: tamsayı; // Tablodaki olgu dizini

TDimensionRecord = kayıt

Değer: dize; // Dünyanın önemi

Dizin: tamsayı; // koordinat değerleri

FactLink: PFactLink; // olgu tablosundaki öğelerin listesini göster

Ve karma ağacında mesajlar benzersiz öğelere kaydedilir. Ayrıca kapının yeniden yaratılması sorununu da dünyanın koordinatına ve değerine göre çözmemiz gerekiyor. Maksimum üretkenliği sağlamak için doğrudan adreslemeyi takip edin. Bu nedenle, dizini seçimin koordinatı olan ve değeri sözlükteki özel bir girişe gönderilen başka bir dizi oluşturabilirsiniz. Ancak, öğe dizisini, öğenin indeksi onun koordinatı olacak şekilde sıralayarak bunu daha basit bir şekilde yapabilirsiniz (ve hafızadan biraz tasarruf edebilirsiniz).

Olgular akışını uygulayan bir kitlenin örgütlenmesi, basit yapısı sayesinde herhangi bir özel sorun yaratmaz. İhtiyaç duyulabilecek ve artımlı olarak finanse edilebilecek (örneğin bir toplam) tüm toplama yöntemlerini kapsamanın önemli olduğunu unutmamak önemlidir.

Hiperküp gibi verileri depolamak için bir yöntem tanımladık. Veri ambarında bulunan bilgilere dayanarak geniş bir uzay dünyasında bir dizi noktayı formüle etmenize olanak tanır. Bir kişinin bu verilerle çalışabilmesi için bunların işleme konusunda uzman birine teslim edilmesi gerekir. Bu nedenle ana veri sunum türleri olarak tablo ve grafikler derlenmiştir. Üstelik bu yöntemler aslında bir hiperküpün izdüşümleridir. Uyanıklık tezahürleri sırasında maksimum etkinliğin sağlanması için bu projeksiyonların ne olduğu belirlenir. Veri analizi açısından çok önemli olduğundan bu tabloya son bir göz atalım.

Böyle bir yapıyı hayata geçirmenin yollarını biliyoruz. Tabloyu oluşturan üç bölümü görebilirsiniz: satır başlıkları, sütun başlıkları ve toplanmış olgu değerleri tablosu. Bir olgu tablosunu sunmanın en basit yolu, boyutu başlıklar kullanılarak belirlenebilen iki boyutlu bir diziye bakmaktır. Ne yazık ki, en basit yöntem etkisiz olacaktır çünkü tablo çok seyrek olacaktır ve bellek çok verimsiz kullanılacaktır, bunun sonucunda yalnızca çok küçük küpler kalacaktır ve diğer belleğin parçaları kullanılamayabilir. Bu nedenle, bilgileri depolamak için maksimum hızda yeni öğe arama/ekleme ve aynı zamanda minimum RAM israfını sağlayan bir veri yapısı seçmemiz gerekiyor. Bu yapı, Knuth'un raporunu okuyabileceğiniz, seyrekleştirilmiş matris olarak adlandırılan yapı olacaktır. Matrisin düzenlenmesinin farklı yöntemleri vardır. Bir seçeneği seçmek için öncelikle tablo başlıklarının yapısına bakalım.

Başlıkların net bir hiyerarşik yapısı vardır, dolayısıyla ağacı kurtarmalarına izin vermek doğaldır. Bu durumda bir ağaç düğümünün yapısı şematik olarak şu şekilde temsil edilebilir:

Ek C

Değişikliğin önemi göz önüne alındığında, zengin dünya küpünün değişiklik tablosunun ikincil öğesine gönderilen verileri kaydetmek mantıklıdır. Paradan tasarruf etmek ve işinizi hızlandırmak için belleği hızla boşa harcayabilirsiniz. Baba-kız üniversiteleri gibi onlara da vikor gönderiliyor.

Ağaca bir öğe eklemek için hiperküpteki konum hakkında bilgiye ihtiyacınız vardır. Bu tür bilgilerin koordinatlarında saklanması gerektiğinden kelimenin anlamı sözlükte saklanır. Birleştirilmiş tablonun başlıklar ağacına öğe ekleme şemasına bir göz atalım. Bu durumda çıktı bilgisi koordinatların vikoristik değerlerine göre belirlenir. Verilerin aşırı sigortalanma sırası, gerekli toplama yöntemi ve başlık ağacının hiyerarşi düzeylerinden kaçınılmasıyla belirlenir. Sonuç olarak, bir öğe eklemek için birleştirilmiş tablonun sütun veya satır listesinin seçilmesi gerekir.

ekD

Yapının değerini belirlemek için çıktı verileri olarak vikoristik koordinatlar vimiruvan'dır. Ayrıca, basitlik adına, matriste ne demek istediğimizi de hesaba katacağız (biraz sonra bir dizi düşünceyi kastedeceğimiz için, diğer veri yapılarını orada dışkılamak daha kolay olduğundan, bu seçimin nedeni şudur: ayrıca şaşırtıcı. daha düşük). Tam sayı nasıl koordine edilir - yukarıda açıklandığı gibi hesaplanabilen sayılar ve değer belirlenir.

Ayrıca bu prosedür tamamlandıktan sonra mesaj dizisi seyrek matrisin yığınlarına gönderilir. Şimdi tüm satırları iptal etmeniz gerekiyor. Bu tip cilt bakımı için gerekli olan unsuru bilmek ve oraya uygun değeri eklemek gerekir. Kaplamanın değerini belirlemek için benzersiz değerlerin sayısını ve bu değerlerin nasıl seçileceğini bilmek gerekir.

Şimdi gerekli satırı belirlemek için sütunların ortasındaki anlamları tanımlamanın hangi bakış açısıyla yapılması gerektiğine bakalım. Bu amaçla bir takım yaklaşımlar bulunmaktadır. En basit şey, vektörün kaplamasını tanımlamak olacaktır, ancak parçalar çok inceyse hafıza tamamen etkisiz olacaktır. Bunun benzersiz olmasını sağlamak için, seyrek tek boyutlu dizilerin (vektörler) temsilinde daha fazla verimlilik sağlamak amacıyla verinin yapısını tanımlarız. Bunlardan en basiti bir veya iki bağlantıdan oluşan birincil liste olacaktır, ancak öğelere erişim açısından ekonomik olmayacaktır. Bu nedenle öğelere en iyi erişimi sağlayacak bir ağaç seçiyoruz.

Örneğin, deri için kullandığınız ağacın aynısını hasat edebilirsiniz, ancak bu durumda deri için kendi ağacınızı başlatmanız gerekir; bu da bellek ve işleme süresi açısından önemli miktarda genel masrafa yol açar. Bunu biraz daha kurnaz bulalım - kombinasyon sıralarında oluşan tüm yok oluşları kurtarmak için bir ağaç biliyoruz, bunlar açıklananlarla aynı olacaktır, ancak onun unsurları satırların sıralayıcıları olmayacaktır (bunlardan bazıları vardır). çok) ama indeksleri, indeks değerleri neden bizi rahatsız etmiyor? Tuşlar sadece benzersiz anahtarlar olarak seçiliyor. Daha sonra sahnenin ortasında gerekli öğeyi aramak için tuşlar seçiliyor. Yapının kendisi en kolay şekilde temel iki ağaç olarak tanınır. Yapı grafiksel olarak aşağıdaki gibi temsil edilebilir:

Şema 9. Yığılmış bir tablonun iki ağaçlı bir ağaç olarak temsili

Özel sayıda satır atamak için, tabloda sütun atama konusunda yukarıda açıklanan prosedürün aynısını takip edebilirsiniz. Bu durumda, satır numaraları tek bir özet tablo içinde benzersizdir ve özet tablonun üyesi olan vektörlerdeki öğeleri tanımlar. Bu sayıları oluşturmanın en basit seçeneği doktoru çalıştırmak ve satır başlığı ağacına yeni bir öğe eklerken bunları birer birer artırmak olacaktır. Anahtar, satır numarasının değeri olduğundan, vektörleri iki ağaçlı ağaçlar biçiminde kaydetmek en kolay yoldur. Ayrıca karma tablosunu da kullanabilirsiniz. Bu ağaçlarla çalışma prosedürleri diğer bölümlerde detaylı olarak incelendiği için kimse üzerinde durmayacağız ve standarda eleman eklemenin gizli şemasına bakacağız.

Resmileştirilmiş biçimde, matrise bir öğe ekleme eylemlerinin sırası şu şekilde tanımlanabilir:

1. Elemanların eklendiği satırların sayısını belirleyin

2. Öğelerin ekleneceği öğe kümesini belirleyin

3. Tüm Stovptziv için, Trekvyv Elemin sayılarıyla Elehement, çiçek açan Elehement (ek PIDKOVICHENNYA KILOSTI'ye dahildir, agregatların bir araya gelmesi gerçeği, Yaki izmontal olarak kibirli olabilir).

Bu algoritmayı tamamladıktan sonra oluşturmamız gereken bir tablo olan matris oluşturulur.

Şimdi uyanık saatlerde filtreleme hakkında birkaç kelime. Bunu doğrudan matris matrisi aşamasında yapmak en kolay yoldur, çünkü bu aşamada gerekli tüm alanlara erişebilirsiniz ve ayrıca değerlerin toplanması da meydana gelir. Bu durumda, bir giriş önbellekten kaldırıldığında, filtreleme sisteminin geçerliliği kontrol edilir ve kırpılmamış girişler atılır.

Yapı tabloda gösterildiği gibi tam olarak anlatılırsa görselliği önemsiz olacaktır. Bu durumda Windows'un hemen hemen tüm programlarında bulunan standart tablo bileşenlerini kullanabilirsiniz.

OLAP ile birlikte gelen ilk ürün Express'tir (IRI şirketi). OLAP terimi, "ilişkisel veritabanlarının babası" Edgar Codd tarafından icat edildi. Ve Codd'un çalışması, güçlü OLAP ürünü Essbase'i (2007'de Oracle tarafından satın alınan Hyperion'un satın alınmasından sonra) - kaçınılmaz olarak daha erken piyasaya süren Arbor şirketi tarafından finanse edildi. Diğer iyi bilinen OLAP ürünleri arasında Microsoft Analysis Services (önceden OLAP Services olarak adlandırılıyordu, SQL Server'ın bir parçası), Oracle OLAP Option, IBM'den DB2 OLAP Server (aslında ek IBM ürünleriyle birlikte EssBase), SAP BW, Brio ürünleri, BusinessObjects, Cognos, MicroStrategy ve diğer virobnikler.

Teknik açıdan piyasada sunulan ürünler “fiziksel OLAP” ve “sanal” olarak ikiye ayrılıyor. İlk aşamada birimlerin ilk gelişimlerini kaydeden ve daha sonra sistemin güçlendirilmesini sağlayacak özel zengin bir veri tabanına kaydedilen bir program bulunmaktadır. Bu tür ürünlere örnek olarak Microsoft Analysis Services, Oracle OLAP Option, Oracle/Hyperion EssBase, Cognos PowerPlay verilebilir. Başka bir durumda, veriler ilişkisel DBMS'lerde saklanır ve kümeler hemen saklanmayabilir ancak DBMS'den veya analitik yazılımın önbelleğinden gelen ilk talep üzerine oluşturulabilir. Bu tür ürünlere örnek olarak SAP BW, BusinessObjects, Microstrategy verilebilir. "Fiziksel OLAP"ı temel alan sistemler, "sanal OLAP" sistemlerden sürekli olarak daha kısa çalışma süresi sağlayacaktır. “Sanal OLAP” sistemlerinin savunucuları, daha büyük veri hacimlerini desteklemek için ürünlerinin daha fazla ölçeklenebilir olduğunu iddia ediyor.

Bu robotla BaseGroup Labs şirketinin ürünü olan Deductor'a daha yakından bakmak istiyorum.

O halde Deductor analitik bir platformdur. tamamlanmış uygulamalı çözümlerin yaratılmasının temeli. Deductor'da uygulanan teknolojiler, tek bir mimari temelinde dinamik bir analitik sistemin tüm aşamalarının geçmesine olanak tanır: veri toplamadan otomatik model seçimine ve sonuçların görselleştirilmesine kadar.

Depo sistemi:

Deductor Studio, Deductor platformunun analitik çekirdeğidir. Deductor Studio, büyük miktarda veriden bilgi almanıza, tüm işlem döngüsünü gerçekleştirmenize (verileri temizleme, dönüştürme, modeller oluşturma), sonuçları en gelişmiş şekilde görüntülemenize (OLAP, tablolar, vb.) sonuçları dışa aktaran agramlar, ağaç çözümleri...).

Deductor Viewer, son kullanıcı için bir çalışma alanıdır. Program, personele sağlanan faydaları en aza indirmenize olanak tanır, çünkü Daha önceki işlem komut dosyalarının hazırlanmasının ardından gerekli tüm işlemler otomatik olarak tamamlanır; veri çıkarma yöntemi ve işleme mekanizmaları konusunda endişelenmenize gerek yoktur. Koristuvachev Deduсtor Viewer'da yalnızca tıklamak istediğiniz sesi seçmeniz gerekir.

Deductor Warehouse, bir konu alanını analiz etmek için gerekli tüm bilgileri toplayan, platformlar arası zengin bir veri ambarıdır. Tek bir senkronizasyonun kullanılması, manuel erişime, yüksek işlem hızına, bilgilerin tutarlılığına, merkezi kaydetmeye ve tüm veri analiz sürecinin otomatik olarak desteklenmesine olanak tanır.

4. İstemci-Sunucu

Deductor Server, uzaktan analitik işleme için tasarlanmıştır. Sunucudaki mevcut komut dosyaları aracılığıyla verileri otomatik olarak "çalıştırmanıza" ve mevcut modelleri yeniden atamanıza olanak tanır. Deductor Server wiki'si, eklenti sunucusunun işlevi de dahil olmak üzere tam teşekküllü bir Trilank mimarisini uygulamanıza olanak tanır. Sunucuya erişim Deductor Client tarafından sağlanır.

Robot prensipleri:

1. Veri içe aktarma

Deductor'daki herhangi bir bilginin analizi, veri aktarımıyla başlar. İçe aktarma sonucunda veriler, programda bulunan tüm mekanizmalar kullanılarak daha ileri analizlere uygun bir forma getirilir. Verinin doğası, formatı, DBMS ve diğer şeylerin hiçbir önemi yoktur çünkü Robotik mekanizmalar tamamen birleştirilmiştir.

2. Veri aktarımı

İhracat mekanizmalarının varlığı, üçüncü taraf programlarda elde edilen sonuçların geçersiz kılınmasını mümkün kılar; örneğin, teslimat için sipariş oluşturmak veya hazırlıkları kurumsal web sitesinde yayınlamak için satış tahminlerini sisteme aktarmak.

3. Haraçların işlenmesi

Deductor'da işlem yaparken, filtreleme, rastgele modeller, saflaştırma vb. gibi verilerin önceki dönüşümüyle ilgili herhangi bir eyleme dikkat edilmelidir. Durumun analizi açısından bloğu en önemlisi titreşen Vlasna. Deductor'da uygulanan işleme mekanizmalarının en büyük özelliği, veri işleme sonucunda kaldırılanların mevcut yöntem sistemlerinden herhangi biri kullanılarak yeniden işlenebilmesidir. Bu sayede ayrıntılı üretim senaryoları oluşturmak mümkün oluyor.

4. Görselleştirme

Verileri Deductor Studio'da (Görüntüleyici) işlemenin herhangi bir aşamasında görselleştirebilirsiniz. Sistem hangi şekilde çalışabileceğini bağımsız olarak belirler, örneğin bir sinir ağı oluşturulursa tablo ve diyagramlara ek olarak sinir ağı grafiğine de bakabilirsiniz. Listeden gerekli seçeneği seçmeli ve bir dizi parametreyi ayarlamalısınız.

5. Entegrasyon mekanizmaları

Deductor veri girişi seçenekleri sunmuyor; platform yalnızca analitik işlemeye odaklanıyor. Farklı sistemlerde saklanan değerli bilgiler için bir takım ithalat-ihracat mekanizmaları aktarılır. Etkileşim, ek bir toplu bağlantı, OLE sunucu modundaki robotlar ve Deductor Server'a kadar kullanılarak organize edilebilir.

6. Dolaşım bilgisi

Deductor, herhangi bir analitik sistemin en önemli işlevlerinden birini uygulamanıza olanak tanır - yani bilgi çoğaltma sürecini destekler. Analiz yöntemlerine ve şu veya bu sonucu çıkarma yöntemlerine aşina olmayan uygulayıcıların, uzman tarafından hazırlanan modellere dayanarak bir sonuç seçebilme yeteneğini sağlar.

Zistisna

Bu çalışma, mevcut bilgi teknolojilerinin veri analiz sistemleri gibi bir alanını inceledi. Analitik bilgi işlemenin ana aracı olan OLAP teknolojisi analiz edildi. OLAP kavramının özü ve OLAP sistemlerinin günlük iş süreçlerindeki önemi anlatılmaktadır. Bir ROLAP sunucusunun yapısı ve işleyişi ayrıntılı olarak anlatılmıştır. Bu OLAP teknolojilerinin uygulanmasına örnek olarak Deductor analitik platformu geliştirildi. Sunulan belgeler bölünmüştür ve faydaları doğrular.

OLAP teknolojileri, verileri gerçek zamanlı olarak işlemek için önemli bir araçtır. OLAP sunucusu, verileri çeşitli analitik hatlarda düzenlemenize ve sunmanıza olanak tanır ve verileri değerli bilgilere dönüştürerek şirketlerin daha bilinçli kararlar almasına yardımcı olur.

OLAP sistemlerinin kullanımı, gigabayt boyutunda ve binlerce kullanıcı tarafından erişilebilen verileri destekleyerek sürekli olarak yüksek düzeyde üretkenlik ve ölçeklenebilirlik sağlayacaktır. OLAP teknolojilerinin yardımıyla bilgiye erişim her saat mümkündür. Sorgu işleme artık analiz sürecini hız ve verimlilik sağlayacak şekilde iyileştirmiyor. Görsel yönetim araçları, karmaşık analitik programları analiz etmenize ve uygulamanıza olanak tanıyarak süreci basit ve anlaşılır hale getirir.

Benzer belgeler

OLAP (On-Line Analytical Processing) konseptinin temeli, verilerin özellikle istemci ve sunucu üzerinde operasyonel analitik olarak işlenmesidir. OLAP sistemlerinin ana özelliklerinin ve bunlardan veri kaydetme yöntemlerinin ayrıntılı bir açıklaması.

özet, ek 10/12/2010


OLAP: temel özellikler, amaç, hedefler, amaç. OLAP ürünlerinin sınıflandırılması. OLAP sistemi oluşturmanın ilkeleri, CubeBase bileşen kütüphanesi. Veri tüketiminde istemci tarafı ve sunucu tarafı OLAP özelliklerinin verimliliği artar.

ders çalışması, 25.12.2013 ekleyin


Verilerinizi sonsuza kadar kaydedin. OLAP'ın (Çevrimiçi Analitik İşleme) özü ve önemi. Temel, verilerin toplanması ve özellikleridir. Yapı, veri kaydetme mimarisi, posta çalışanları. OLAP küplerinin üretkenliğinin arttığını görmekten memnuniyet duyuyoruz.

robot kontrolü, 23.10.2010 ekleyin


Pobudova veri analiz sistemleri. Bir OLAP küpü tasarlamaya ve birleştirilmiş bir tabloya sorgular oluşturmaya yönelik algoritmaları temel alır. Zengin veri analizi için OLAP teknolojisi. Yönetim kararlarını desteklemek için kurumsal bilgilerin güvenliğini sağlamak.

ders çalışması, 19.09.2008 ekle


OLAP hakkında temel bilgiler. Verilerin operasyonel analitik derlemesi. OLAP ürünlerinin sınıflandırılması. Operasyonel analitik işleme yeteneklerine erişim. Operasyonel analitik işleme sistemlerinde zengin veri tabanlarının kullanımı, avantajları.

ders çalışması, ekleme 06/10/2011


Microsoft Access ve Olap teknolojisini kullanarak web sitesi analiz alt sistemlerinin geliştirilmesi. Müzik portalı bilgi sisteminin veri analizi alt sisteminin geliştirilmesinin teorik yönleri. İncelenen nesneyi analiz etmek için alt sistemdeki Olap teknolojileri.

ders çalışması, ekleme 06.11.2009


OLAP özelliklerine bir bakış: pencerelerin ve bilgi depolarının sınıflandırılması, veri küpleri kavramları. Destek sisteminin mimarisi çözülecek. "Abitura" sisteminin yazılım uygulaması. Raporlama Hizmetlerinin ek teknolojisini kullanarak bir Web sitesinin oluşturulması.

ders çalışması, ekleme 05.12.2012


Bir sürü veri, organizasyon ilkeleri. Çalışmayı verilerden işleyin. OLAP yapısı, teknik açıdan zengin veri tasarrufu. Entegrasyon Hizmetleri, depolama ve veri görüntüler. Microsoft teknolojilerini temel alan sistemlerin yetenekleri.

ders çalışması, ekleme 05.12.2012


Pobudov'un ticari işletmelerden veri toplama planları. Konjonktiva şemalarının tanımı. Ürünle ilgili bilgilerin görüntülenmesi. Bilginin daha fazla analizi için bir OLAP küpünün oluşturulması. Süpermarketin çalışmalarının etkinliğini değerlendirmemizi sağlayan soruların analizi.

kontrol robotu, 12/19/2015 ekleyin


Veri toplamanın amacı. SAP BW mimarisi. SAP BW sisteminde OLAP küplerine dayalı analitik verilerin sağlanması. Veri ambarı ile OLTP sistemi arasındaki ana işlevler. BEx fonksiyonel fırtınaların muayenesi. Oluşturma BEx Query Designer kullanılarak yapılır.