När du använder en OLAP-kub

När du använder en OLAP-kub?

Det finns tre skäl till att använda en OLAP-kub i tillägg till relationsdatabasen – prestanda, drill-down funktionalitet och tillgänglighet av mjukvaruverktyg.

Online Analytical Processing (OLAP) är en teknik för att snabbt analysera en åtgärd, t.ex. vinstmarginal, av flera kategorier eller dimensioner, t.ex. kund, region, räkenskapsperioden och produktlinje. Typiskt slutanvändaren programvara har kapacitet att dra kategorier för rader och kolumner och aggregera åtgärden vid varje skärningspunkten mellan en rad och kolumn (kallas ofta en tvär flik rapport). Detta liknar det välbekanta kalkylbladsformat. Denna numeriskt format kan oftast också representeras i form av ett diagram eller graf. Den verkliga kraften i OLAP är förmågan att borra ner på en kategori för att se fler detaljer. Till exempel kan du bläddra ner på ett tillstånd för att se detaljer av staden.


En OLAP-kub är en teknik som lagrar data på ett optimerat sätt att ge snabba svar på frågor av dimension och åtgärd. De flesta kuber före aggregera åtgärder av olika kategorier i dimensioner för att möjliggöra snabb responstid. Slutanvändaren programvara kommer att göra att fråga en kub mycket lätt, men utvecklare som kan vana vid att använda SQL-språket, kommer att behöva lära sig ett nytt språk – MDX (Multi-Dimensional uttryck).

Det finns tre skäl till att lägga till en kub på din lösning:

  1. Prestanda. En kub struktur och pre-aggregering gör det möjligt att ge mycket snabba svar på frågor som skulle ha krävt läsning, gruppera och sammanfatta miljontals rader av relationsstjärnschemadata. Borrningen och skivning och tärning att en analytiker skulle vilja utföra för att utforska data skulle vara omedelbar användning av en kub, men kunde ha långa pauser när du använder en relationsdatakälla.
  2. Borra ner funktionalitet. Många rapportering mjukvara kommer automatiskt att borra upp och ned på dimensioner med datakällan är en OLAP-kub. Vissa verktyg, som IBM Cognos ”Dimensionellt modellerade relationsmodellen gör att du kan använda sin produkt på en relations källa och borra ner som om det vore OLAP men du inte skulle ha prestandavinster man kan njuta av en kub.
  3. Tillgång till mjukvara. Vissa klientprogramvara rapporteringsverktyg kommer endast att använda en OLAP-datakälla för rapportering. Dessa verktyg är utformade för flerdimensionell analys och använder MDX bakom kulisserna för att söka i data.

post navigering

10 tankar “ När du använder en OLAP-kub? ”

Tack för din hjälp artikel. Är OLAP-kuber värt att överväga om det inte finns några beräknade värden men många sätt vi vill rapportera om de uppgifterna?

Vi är en stor utbildningsleverantör och behöver interaktivt rapportera om ett stort antal provresultat. För närvarande använder vi Microsoft Reporting Services med en offline omräknas till verkligt värde resultattabell (1/2 miljoner rader) med många index för att stödja de olika sätt som vi vill rapportera (av kund, undervisning centrum, avdelning, datum, chef etc).

Vi har för avsikt att lägga till ytterligare 3 miljoner rader i framtiden.

Nicholas, I ditt fall skulle jag försöka läsa in den i QlikView: det kommer att hålla un aggregerade data i minnet (mycket presterande) och kommer inte att precalculate något, vilket ger dig möjlighet att analysera med någon dimension. Du kan ladda ner QlikView Personal Edition från deras hemsida.

Medan syftet med OLAP-kuber är att analysera aggregerade data av olika kategorier, är det möjligt att använda dem för att kategorisera händelser, stater och andra data som inte är numeriskt av naturen. Typiskt rapporteringen innebär räknas av olika skivor och hierarkier med förmågan att borra igenom detaljerna från en viss räkning. Kuber är inte riktigt så bekvämt för listrapporter som har ett antal attribut som pelare och ett stort antal rader; är lämpligare för den detaljerade borra genom rapporter Reporting Services.

Genom att använda QlikView är ett bra förslag om du vill klicka på filter för att begränsa de data som visas på en instrumentpanel typ rapport. QlikView inte använda fördefinierade hierarkier med borr ned banor; det kan du välja filter i valfri kombination och visar resultaten mycket snabbt. Det finns ett antal roliga demos på deras hemsida. Deras menysystem för att välja en demo är faktiskt en QlikView-applikation. De lagrar data i minnet i en egen kolumn baserade associativa format. Ett ord lagras endast en gång, även om det sker i en miljon rader så det finns en hel del kompression.

Ur prestandasynpunkt är det en gräns för det maximala antalet detalj rader på en borr-thru som ska ställas in?

Till exempel i scenariot nedan, är det en rimlig förväntan på resultat svarstid tillbaka till användaren?
filter hierarki: org / stat / kund / status / amt skyldig
databasposter på kundnivå: 2 miljoner rader

Jag ser Qlikview nämns flera gånger ovan och har använt verktyget själv. Jag håller med om att det är ganska bra för en grundläggande parameter stil rapportering gränssnitt men personligen skulle jag rekommendera att titta på ett verktyg som Web Intelligence från Business Objects. Vi använder detta verktyg internt i samband med data Federator att hämta data i minnet och det är extremt snabb. Fördelen här över Qlikview är att Web Intelligence tillhandahåller ett semantiskt lager där jag kan dra och släppa för att skapa mina egna frågor och borra igenom som jag vill i jämförelse med Qlikview där jag bara välja från en fördefinierad uppsättning parametrar för att ändra vad som visas på rapportera. Lycka till med ditt projekt!

Hej Will,
Thanx för detta användbara artikeln. Jag har några frågor (om u inte har något emot &# 128578; ).
1 – Är kuber som används för att behandla specifika områden. som att använda kub för försäljning. en annan för kunderna. och så vidare.
2 – Jag är inte säker på om jag förstår dimensioner. De är riktade mot särskilda aspekt. liknande tidsdimension som kan användas tillsammans med andra dimensioner för att bilda kub.

Än på förhand

Kuber itu ett ämnesområde för ett företag. Det är uppbyggt så att det tillåter dig att analysera fakta och åtgärder som försäljningstransaktioner eller finansiella transaktioner i samband med dimensioner, som kund, produkt eller konto. Dimensionerna agerar oftast en kval som du använder för att klassificera eller filtrera data. Till exempel, i "Jag vill se försäljning i östra regionen av Kundens namn."Skulle försäljningen vara det faktum, kan regionen vara en dimension och kund kan vara en dimension. Affärs behov är att filtrera på försäljningsregion och rapportera kundnamn.

Dimensioner kan delas mellan kuber. Exempelvis kan dimensionen Product användas i både en försäljnings kub och en inventering kub.

Jag hoppas det här hjälper.

Källa: willthrash.com

Kommentera

E-postadressen publiceras inte. Obligatoriska fält är märkta *

nitton − 12 =