Дипломная работа на тему: Описание OLAP систем .1 OLAP что это и для чего. Универсальные критерии определения OLAP

Введение

OLAP (англ. <http://ru.wikipedia.org/wiki/%D0%90%D0%ВD%D0%В3%D0%ВВ%D0%В8%D0%В9%D1%81%D0%ВА%D0%В8%D0%B9_%D1%8F%D0%В7%D1%8В%D0%ВА> online analytical processing, аналитическая обработка в реальном времени) - технология обработки данных, заключающаяся в подготовке суммарной (агрегированной) информации на основе больших массивов данных, структурированных по многомерному принципу. Реализации технологии OLAP являются компонентами программных решений класса Business Intelligence <http://ru.wikipedia.org/wiki/Business_Intelligence>.

Основоположник термина OLAP - Эдгар Кодд <http://ru.wikipedia.org/wiki/%D0%9А%D0%ВЕ%D0%В4%D0%В4,_%D0%АD%D0%В4%D0%В3%D0%В0%D1%80>, предложил в 1993 году <http://ru.wikipedia.org/wiki/1993_%D0%В3%D0%ВЕ%D0%В4> "12 законов аналитической обработки в реальном времени".

Действие OLAP

Причина использования OLAP для обработки запросов - это скорость. Реляционные БД <http://ru.wikipedia.org/wiki/%D0%А0%D0%В5%D0%ВВ%D1%8F%D1%86%D0%В8%D0%ВЕ%D0%ВD%D0%ВD%D1%8В%D0%B5_%D0%91%D0%94> хранят сущности в отдельных таблицах, которые обычно хорошо нормализованы. Эта структура удобна для операционных БД (системы OLTP <http://ru.wikipedia.org/wiki/OLTP>), но сложные многотабличные запросы в ней выполняются относительно медленно.структура, созданная из рабочих данных, называется OLAP-куб <http://ru.wikipedia.org/wiki/OLAP-%D0%ВА%D1%83%D0%В1>. Куб создаётся из соединения таблиц с применением схемы звезды <http://ru.wikipedia.org/wiki/%D0%А1%D1%85%D0%В5%D0%ВС%D0%B0_%D0%В7%D0%В2%D0%В5%D0%В7%D0%В4%D1%8В> или схемы снежинки <http://ru.wikipedia.org/wiki/%D0%А1%D1%85%D0%В5%D0%ВС%D0%B0_%D1%81%D0%ВD%D0%В5%D0%В6%D0%В8%D0%ВD%D0%ВА%D0%В8>. В центре схемы звезды находитсятаблица фактов <http://ru.wikipedia.org/wiki/%D0%А2%D0%В0%D0%В1%D0%ВВ%D0%В8%D1%86%D0%B0_%D1%84%D0%В0%D0%ВА%D1%82%D0%ВЕ%D0%В2>, которая содержит ключевые факты, по которым делаются запросы. Множественные таблицы с измерениями присоединены к таблице фактов. Эти таблицы показывают, как могут анализироваться агрегированные <http://ru.wikipedia.org/wiki/%D0%90%D0%В3%D1%80%D0%В5%D0%В3%D0%В8%D1%80%D0%ВЕ%D0%В2%D0%В0%D0%ВD%D0%В8%D0%B5_(%D1%8D%D0%ВА%D0%ВЕ%D0%ВD%D0%ВЕ%D0%ВС%D0%В8%D0%ВА%D0%В0)> реляционные данные. Количество возможных агрегирований определяется количеством способов, которыми первоначальные данные могут быть иерархически отображены.Например, все клиенты могут быть сгруппированы по городам или по регионам страны (Запад, Восток, Север и т. д.), таким образом, 50 городов, 8 регионов и 2 страны составят 3 уровня иерархии с 60 членами. Также клиенты могут быть объединены по отношению к продукции; если существуют 250 продуктов по 20 категориям, 3 группы продукции и 3 производственных подразделения, то количество агрегатов составит 16560. При добавлении измерений в схему количество возможных вариантов быстро достигает десятков миллионов и более.OLAP-куб содержит в себе базовые данные и информацию об измерениях (агрегаты). Куб потенциально содержит всю информацию, которая может потребоваться для ответов на любые запросы. При огромном количестве агрегатов зачастую полный расчёт происходит только для некоторых измерений, для остальных же производится "по требованию".Существуют три типа OLAP: многомерная OLAP (Multidimensional OLAP - MOLAP);реляционная OLAP (Relational OLAP - ROLAP);гибридная OLAP (Hybrid OLAP - HOLAP).MOLAP - это классическая форма OLAP, так что её часто называют просто OLAP. Она использует суммирующую БД, специальный вариант процессора пространственных БД и создаёт требуемую пространственную схему данных с сохранением как базовых данных, так и агрегатов.работает напрямую с реляционным хранилищем, факты и таблицы с измерениями хранятся в реляционных таблицах, и для хранения агрегатов создаются дополнительные реляционные таблицы.использует реляционные таблицы для хранения базовых данных и многомерные таблицы для агрегатов.

Особым случаем ROLAP является ROLAP реального времени (Real-time ROLAP - R-ROLAP <http://ru.wikipedia.org/wiki/R-ROLAP>). В отличие от ROLAP в R-ROLAP для хранения агрегатов не создаются дополнительные реляционные таблицы, а агрегаты рассчитываются в момент запроса. При этом многомерный запрос к OLAP-системе автоматически преобразуется в SQL-запрос к реляционным данным.Каждый тип хранения имеет определённые преимущества, хотя есть разногласия в их оценке у разных производителей. MOLAP лучше всего подходит для небольших наборов данных, он быстро рассчитывает агрегаты и возвращает ответы, но при этом генерируются огромные объёмы данных. ROLAP оценивается как более масштабируемое решение, использующее к тому же наименьшее возможное пространство. При этом скорость обработки значительно снижается. HOLAP находится посреди этих двух подходов, он достаточно хорошо масштабируется <http://ru.wikipedia.org/wiki/%D0%9С%D0%В0%D1%81%D1%88%D1%82%D0%В0%D0%В1%D0%В8%D1%80%D1%83%D0%В5%D0%ВС%D0%ВЕ%D1%81%D1%82%D1%8С> и быстро обрабатывается. Архитектура R-ROLAP позволяет производить многомерный анализ OLTP-данных в режиме реального времени.Сложность в применении OLAP состоит в создании запросов, выборе базовых данных и разработке схемы, в результате чего большинство современных продуктов OLAP поставляются вместе с огромным количеством предварительно настроенных запросов. Другая проблема - в базовых данных. Они должны быть полными и непротиворечивыми.

Оглавление

- Введение

- Описание OLAP систем .1 OLAP что это и для чего

- Универсальные критерии определения OLAP

- Классификация OLAP-продуктов Глава 2. OLAP-клиент - OLAP-сервер за и против

- Объем обрабатываемых данных

- Производительность системы

- Мощность ПК пользователей

- Сетевой трафик

- Затраты на внедрение и сопровождение

- Принципы работы OLAP-клиентов Глава 3. Ядро OLAP системы

- Принципы построения

- Подготовка данных

- Библиотека компонентов CubeBase

- Внутри гиперкуба

- Загрузка данных в гиперкуб

- Реализация гиперкуба

- Построение срезов куба

- Реализации OLAP

- Хорошо известные OLAP-продукты

- Заключение

- Список использованной литературы

Заключение

технологии - это мощный инструмент обработки данных в реальном времени. OLAP-сервер позволяет организовывать и представлять данные в разрезе различных аналитических направлений и превращает данные в ценную информацию, которая помогает компаниям принимать более обоснованные решения.

Использование OLAP-систем обеспечивает стабильно высокий уровень производительности и масштабируемости, поддерживая объемы данных размером в несколько гигабайт, доступ к которым могут получить тысячи пользователей. С помощью OLAP-технологий доступ к информации осуществляется в реальном времени, т.е. обработка запросов теперь не замедляет процесс анализа, обеспечивая его оперативность и эффективность. Визуальные инструменты администрирования позволяют разрабатывать и внедрять даже самые сложные аналитические приложения, делая этот процесс простым и быстрым.

Обеспечивая среду для анализа, OLAP-сервер позволяет организациям использовать данные из ERP и CRM-систем, существующих хранилищ данных и других источников, а также обеспечивает тесную интеграцию с целым рядом систем, что позволяет существенно снизить расходы организации на развертывание, внедрение и сопровождение аналитических приложений.система предоставляет пользователям возможность проводить сложный анализ данных, что позволяет лучше понять принципы функционирования компании и найти способы улучшения результатов ее деятельности. Аналитические приложения, построенные на основе OLAP-технологий , позволяют решать целый спектр аналитических задач, таких как анализ производства, финансовый анализ, маркетинговые исследования, анализ электронного бизнеса, CRM-анализ, анализ трудовых ресурсов (HRM-анализ). OLAP дает возможность создания аналитических приложений, охватывающих анализ всего производственного и финансового цикла предприятия, при этом не возникнет проблем с преемственностью и сопоставимостью данных.

Список литературы

. <http://www.basegroup.ru/library/> - библиотека сайта BaseGroupLabs

. Foundations оf Decision Support Systems. Bonczek, R. Н., С. W. Holsapple, and А. Whinston. Academic Press, 2001.

. Building Effective Decision Support Systems. Englewood Cliffs, N.J. Sprague, R. Н. and Е. D. Carlson. - Prentice-Hall, Inc., 1998.

6. Корпоративные хранилища данных. Планирование, разработка и реализация. Том первый. Эрик Спирли <http://www.ozon.ru/context/detail/id/147851/?partner=lissianski> - Издательство: Вильямс <http://www.ozon.ru/context/detail/id/856490/>, 400 стр, 2003

7. Хранилища данных. С. Я. Архипенков, Д. В. Голубев, О. Б. Максименко - Издательство: Диалог-МИФИ, 2002 г.

. Методы и модели анализа данных: OLAP и Data Mining. А.А. Барсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод - Издательство: БХВ-Петербург, 2004 г.