MOLAP: Mehrdimensionales OLAP im Data Warehouse

Inhaltsverzeichnis:

Anonim

Was ist MOLAP?

Multidimensionales OLAP (MOLAP) ist ein klassisches OLAP, das die Datenanalyse mithilfe eines mehrdimensionalen Datenwürfels erleichtert. Die Daten werden vorberechnet, neu zusammengefasst und in einem MOLAP gespeichert (ein wesentlicher Unterschied zu ROLAP). Mit einem MOLAP kann ein Benutzer mehrdimensionale Ansichtsdaten mit unterschiedlichen Facetten verwenden.

Eine mehrdimensionale Datenanalyse ist auch möglich, wenn eine relationale Datenbank verwendet wird. Dies würde das Abfragen von Daten aus mehreren Tabellen erfordern. Im Gegenteil, MOLAP verfügt über alle möglichen Datenkombinationen, die bereits in einem mehrdimensionalen Array gespeichert sind. MOLAP kann direkt auf diese Daten zugreifen. Daher ist MOLAP im Vergleich zu ROLAP (Relational Online Analytical Processing) schneller.

In diesem Tutorial lernen Sie:

  • MOLAP-Architektur
  • Implementierungsüberlegungen sind MOLAP
  • Molap Vorteile
  • Molap Nachteile
  • MOLAP-Tools

Wichtige Punkte

  • In MOLAP werden Operationen als Verarbeitung bezeichnet.
  • MOLAP-Tools verarbeiten Informationen mit der gleichen Antwortzeit, unabhängig vom Grad der Zusammenfassung.
  • MOLAP-Tools beseitigen die Komplexität beim Entwerfen einer relationalen Datenbank zum Speichern von Daten für die Analyse.
  • Der MOLAP-Server implementiert zwei Ebenen der Speicherdarstellung, um dichte und spärliche Datensätze zu verwalten.
  • Die Speichernutzung kann gering sein, wenn der Datensatz spärlich ist.
  • Fakten werden in mehrdimensionalen Arrays gespeichert und Dimensionen, mit denen sie abgefragt werden.

MOLAP-Architektur

Die MOLAP-Architektur enthält die folgenden Komponenten:

  • Datenbankserver.
  • MOLAP-Server.
  • Front-End-Tool.

Betrachten Sie oben gien MOLAP Architectures: -

  1. Die Benutzeranforderung meldet sich über die Schnittstelle
  2. Die Anwendungslogikschicht der MDDB ruft die gespeicherten Daten aus der Datenbank ab
  3. Die Anwendungslogikschicht leitet das Ergebnis an den Client / Benutzer weiter.

Die MOLAP-Architektur liest hauptsächlich die vorkompilierten Daten. Die MOLAP-Architektur verfügt nur über eingeschränkte Funktionen zum dynamischen Erstellen von Aggregationen oder zum Berechnen von Ergebnissen, die nicht vorberechnet und gespeichert wurden.

Beispielsweise kann ein Buchhaltungsleiter einen Bericht erstellen, in dem das P / L-Konto des Unternehmens oder das P / L-Konto für eine bestimmte Tochtergesellschaft aufgeführt ist. Die MDDB würde vorkompilierte Gewinn- und Verlustzahlen abrufen und das Ergebnis dem Benutzer anzeigen.

Implementierungsüberlegungen sind MOLAP

  • In MOLAP ist es wichtig, sowohl die Auswirkungen auf die Wartung als auch auf die Speicherung zu berücksichtigen, um eine Strategie für das Erstellen von Cubes zu erstellen.
  • Eigene Sprachen zum Abfragen von MOLAP. Es beinhaltet jedoch umfangreiche Unterstützung durch Klicken und Ziehen, beispielsweise MDX von Microsoft.
  • Schwierig zu skalieren, da die Anzahl und Größe der Würfel bei zunehmenden Abmessungen erforderlich ist.
  • APIs sollten das Prüfen der Cubes vorsehen.
  • Datenstruktur zur Unterstützung mehrerer Themenbereiche der Datenanalyse, in denen Daten navigiert und analysiert werden können. Wenn sich die Navigation ändert, muss die Datenstruktur physisch neu organisiert werden.
  • Benötigen Sie unterschiedliche Fähigkeiten und Tools, damit der Datenbankadministrator die Datenbank erstellen und warten kann.

MOLAP Vorteile

  • MOLAP kann beträchtliche Mengen mehrdimensionaler Daten verwalten, analysieren und speichern.
  • Schnelle Abfrageleistung durch optimierte Speicherung, Indizierung und Zwischenspeicherung.
  • Kleinere Datengrößen im Vergleich zur relationalen Datenbank.
  • Automatisierte Berechnung einer höheren Ebene von Aggregatdaten.
  • Helfen Sie Benutzern, größere, weniger definierte Daten zu analysieren.
  • MOLAP ist für den Benutzer einfacher, deshalb ist es ein geeignetes Modell für unerfahrene Benutzer.
  • MOLAP-Cubes sind für den schnellen Datenabruf konzipiert und eignen sich optimal für Schneid- und Würfelvorgänge.
  • Alle Berechnungen werden beim Erstellen des Cubes vorgeneriert.

MOLAP Nachteile

  • Eine große Schwäche von MOLAP besteht darin, dass es weniger skalierbar ist als ROLAP, da es nur eine begrenzte Datenmenge verarbeitet.
  • Der MOLAP führt auch Datenredundanz ein, da er ressourcenintensiv ist
  • MOLAP-Lösungen können langwierig sein, insbesondere bei großen Datenmengen.
  • Bei MOLAP-Produkten können Probleme auftreten, wenn Modelle aktualisiert und abgefragt werden, wenn die Abmessungen mehr als zehn betragen.
  • MOLAP kann keine detaillierten Daten enthalten.
  • Die Speichernutzung kann gering sein, wenn der Datensatz stark gestreut ist.
  • Es kann die nur begrenzte Datenmenge verarbeiten, daher ist es unmöglich, eine große Datenmenge in den Cube selbst aufzunehmen.

MOLAP-Tools

  • Essbase - Tools von Oracle mit einer mehrdimensionalen Datenbank.
  • Express Server - Webbasierte Umgebung, die auf einer Oracle-Datenbank ausgeführt wird.
  • Yellowfin - Business Analytics-Tools zum Erstellen von Berichten und Dashboards.
  • Clear Analytics - Clear Analytics ist eine Excel-basierte Geschäftslösung.
  • SAP Business Intelligence - Business Analytics-Lösungen von SAP

Zusammenfassung:

  • Multidimensionales OLAP (MOLAP) ist ein klassisches OLAP, das die Datenanalyse mithilfe eines mehrdimensionalen Datenwürfels erleichtert.
  • MOLAP-Tools verarbeiten Informationen mit der gleichen Antwortzeit, unabhängig vom Grad der Zusammenfassung.
  • Der MOLAP-Server implementiert zwei Speicherebenen, um dichte und spärliche Datensätze zu verwalten.
  • MOLAP kann beträchtliche Mengen mehrdimensionaler Daten verwalten, analysieren und speichern.
  • Es hilft, die Berechnung einer höheren Ebene von Aggregatdaten zu automatisieren
  • Es ist weniger skalierbar als ROLAP, da es nur eine begrenzte Datenmenge verarbeitet.