OLAP තාක්ෂණය. OLAP Olap තාක්ෂණයන් සඳහා හැඳින්වීම භාවිතා කරනු ලැබේ
දත්ත ගබඩාවල ප්රධාන ලක්ෂණ.
- ඓතිහාසික දත්ත අඩංගු වේ;
- සවිස්තරාත්මක තොරතුරු මෙන්ම අර්ධ වශයෙන් සහ සම්පූර්ණයෙන්ම සාරාංශගත දත්ත ගබඩා කරයි;
- දත්ත බොහෝ දුරට ස්ථිතික වේ;
- දත්ත සැකසීමේ තාවකාලික, ව්‍යුහගත නොවන සහ හූරිස්ටික් ක්රමයක්;
- මධ්යම සහ අඩු ගනුදෙනු සැකසුම් තීව්රතාව;
- දත්ත භාවිතා කිරීමේ අනපේක්ෂිත ආකාරය;
- විශ්ලේෂණය සඳහා අදහස් කෙරේ;
- කෙරෙහි අවධානය යොමු කර ඇත විෂය ක්ෂේත්ර;
- උපායමාර්ගික තීරණ ගැනීම සඳහා සහාය;
- සාපේක්ෂව කුඩා කළමනාකරණ සේවකයින් සංඛ්‍යාවක් සේවය කරයි.
OLAP (On-Line Analytical Processing) යන යෙදුම භාවිතා කරනුයේ දත්ත ඉදිරිපත් කිරීමේ ආකෘතිය සහ ඒ අනුව දත්ත ගබඩාවල එය සැකසීමේ තාක්ෂණය විස්තර කිරීමටය. OLAP උපක්‍රමශීලීව ඉක්මන් ප්රවේශය සැපයීම සඳහා එකතු කළ දත්තවල බහුමාන දසුනක් භාවිත කරයි වැදගත් තොරතුරුගැඹුරු විශ්ලේෂණය කිරීමේ අරමුණ සඳහා. OLAP යෙදුම් වලට පහත මූලික ගුණාංග තිබිය යුතුය:
- බහුමාන දත්ත ඉදිරිපත් කිරීම;
- සංකීර්ණ ගණනය කිරීම් සඳහා සහාය;
- කාල සාධකය නිවැරදිව සලකා බැලීම.
OLAP හි වාසි:
- ප්රවර්ධන ඵලදායිතාවනිෂ්පාදන කාර්ය මණ්ඩලය, සංවර්ධකයින් යෙදුම් වැඩසටහන් . උපාය මාර්ගික තොරතුරු සඳහා කාලීන ප්රවේශය.
- පරිශිලකයන්ට ඔවුන්ගේම වෙනස්කම් කිරීමට ප්රමාණවත් අවස්ථාවක් ලබා දීම.
- OLAP යෙදුම් රඳා පවතී දත්ත ගබඩාසහ OLTP පද්ධති, ඔවුන්ගෙන් වත්මන් දත්ත ලබා ගැනීම, සුරැකීමට ඉඩ සලසයි අඛණ්ඩතාව පාලනයආයතනික දත්ත.
- OLTP පද්ධති මත බර අඩු කිරීම සහ දත්ත ගබඩා.
OLAP සහ OLTP. ලක්ෂණ සහ ප්රධාන වෙනස්කම්
| OLAP | OLTP |
|---|---|
| දත්ත ගබඩාවඅභ්යන්තර ආයතනික දත්ත සහ බාහිර දත්ත යන දෙකම ඇතුළත් විය යුතුය | මෙහෙයුම් දත්ත ගබඩාවට ඇතුළු වන තොරතුරු වල ප්රධාන මූලාශ්‍රය සංස්ථාවේ ක්‍රියාකාරකම් වන අතර දත්ත විශ්ලේෂණය සඳහා බාහිර තොරතුරු මූලාශ්ර සම්බන්ධ කර ගැනීම අවශ්ය වේ (උදාහරණයක් ලෙස සංඛ්‍යාන වාර්තා) |
| විශ්ලේෂණාත්මක දත්ත සමුදායේ පරිමාව අවම වශයෙන් ක්රියාත්මක වන ඒවායේ පරිමාවට වඩා විශාල අනුපිළිවෙලකි. විශ්වසනීය විශ්ලේෂණයක් සහ අනාවැකියක් පැවැත්වීම සඳහා දත්ත ගබඩාවඔබට වසර කිහිපයක් පුරා සංස්ථාවේ ක්‍රියාකාරකම් සහ වෙළඳපල තත්ත්වයන් පිළිබඳ තොරතුරු තිබිය යුතුය | ඉක්මන් සැකසුම් සඳහා, පසුගිය මාස කිහිපය සඳහා දත්ත අවශ්ය වේ |
| දත්ත ගබඩාවමෙහෙයුම් දත්ත සමුදායේ අන්තර්ගතයට හැකි තරම් සමීප ඒකාකාරව ඉදිරිපත් කරන ලද සහ ස්ථාවර තොරතුරු අඩංගු විය යුතුය. විවිධ මූලාශ්රවලින් තොරතුරු උපුටා ගැනීම සහ "පිරිසිදු" කිරීම සඳහා සංරචකයක් අවශ්ය වේ. බොහෝ විශාල සමාගම්වල, ඔවුන්ගේම දත්ත සමුදායන් සහිත මෙහෙයුම් තොරතුරු පද්ධති කිහිපයක් එකවර පවතී (ඓතිහාසික හේතූන් මත). | මෙහෙයුම් දත්ත සමුදායන් විවිධ ආකෘතිවලින් ඉදිරිපත් කරන ලද අර්ථකථනයට සමාන තොරතුරු අඩංගු විය හැකිය, එය ලැබුණු වේලාව පිළිබඳ විවිධ ඇඟවීම් සමඟ, සමහර විට පරස්පර විරෝධී වේ. |
| විශ්ලේෂණාත්මක දත්ත සමුදායක් සඳහා වන විමසුම් කට්ටලය පුරෝකථනය කළ නොහැක. දත්ත ගබඩාවිශ්ලේෂකයින්ගේ තාවකාලික ඉල්ලීම් වලට ප්‍රතිචාර දැක්වීමට පවතී. ඔබට ගණන් ගත හැක්කේ ඉල්ලීම් බොහෝ විට නොපැමිණෙන අතර විශාල තොරතුරු ප්‍රමාණයක් ඇතුළත් වන බව පමණි. විශ්ලේෂණාත්මක දත්ත සමුදායේ ප්‍රමාණය සමස්ථයන් සහිත විමසුම් භාවිතය දිරිමත් කරයි (එකතුව, අවම, උපරිම, සාමාන්ය අගයආදිය) | විශේෂිත ගැටළු විසඳීම සඳහා දත්ත සැකසුම් පද්ධති නිර්මාණය කර ඇත. දත්ත සමුදායෙන් තොරතුරු නිතර නිතර සහ කුඩා කොටස් වලින් තෝරා ගනු ලැබේ. සාමාන්යයෙන්, මෙහෙයුම් දත්ත සමුදායක් සඳහා විමසුම් කට්ටලයක් සැලසුම් කිරීමේදී දැනටමත් දන්නා කරුණකි |
| විශ්ලේෂණාත්මක දත්ත සමුදායේ විචල්‍යතාවය අඩු වූ විට (දත්ත පූරණය කිරීමේදී පමණක්), අරා අනුපිළිවෙල, ස්කන්ධ නියැදීම සඳහා වේගවත් සුචිගත කිරීමේ ක්රම සහ පෙර එකතු කළ දත්ත ගබඩා කිරීම සාධාරණ වේ. | දත්ත සැකසුම් පද්ධති ඒවායේ ස්වභාවය අනුව බෙහෙවින් විචල්‍ය වේ, එය භාවිතා කරන DBMS හි සැලකිල්ලට ගනී (සාමාන්ය දත්ත සමුදා ව්යුහය, පිළිවෙලින් බැහැරව ගබඩා කර ඇති පේළි, සුචිගත කිරීම සඳහා B-ගස්, ගනුදෙනු) |
| විශ්ලේෂණාත්මක දත්ත සමුදා තොරතුරු සංස්ථාවක් සඳහා ඉතා වැදගත් වන අතර වැඩි ආරක්ෂාවක් අවශ්ය වේ (වගුවෙහි ඇතැම් පේළි සහ/හෝ තීරු සඳහා පුද්ගල ප්රවේශ හිමිකම්) | දත්ත සැකසුම් පද්ධති සඳහා එය සාමාන්යයෙන් ප්රමාණවත් වේ තොරතුරු ආරක්ෂාවමේස මට්ටමේ |
OLAP පද්ධති සඳහා කෝඩ්ගේ නීති
1993 දී, Codd පරිශීලක විශ්ලේෂකයින් සඳහා OLAP ප්‍රකාශයට පත් කළේය: එය විය යුත්තේ කුමක්ද. එහි, ඔහු මාර්ගගත විශ්ලේෂණවල මූලික සංකල්ප ගෙනහැර දැක්වූ අතර සබැඳි විශ්ලේෂණ හැකියාවන් සපයන නිෂ්පාදන විසින් සපුරාලිය යුතු නීති 12 ක් නිර්වචනය කළේය.
- සංකල්පීය බහුමාන නිරූපණය. OLAP ආකෘතියක් එහි හරයේ බහුමාන විය යුතුය. බහුමාන සංකල්පීය රූප සටහනක් හෝ අභිරුචි නිරූපණයක් ආකෘති නිර්මාණය සහ විශ්ලේෂණය මෙන්ම ගණනය කිරීම් සඳහා පහසුකම් සපයයි.
- විනිවිදභාවය. OLAP එන්ජිමෙන් අවශ්ය සියලුම දත්ත ලබා ගැනීමට පරිශීලකයාට හැකි වේ, එය පැමිණෙන්නේ කොහෙන්ද යන්න පවා නොදැන. OLAP නිෂ්පාදනය පරිශීලකයාගේ මෙවලම්වල කොටසක්ද නැද්ද යන්න නොසලකා, මෙම කරුණ පරිශීලකයාට නොපෙනෙන විය යුතුය. OLAP සපයනු ලබන්නේ සේවාදායක-සේවාදායක පරිගණනය මගින් නම්, මෙම කරුණ හැකි නම්, පරිශීලකයාට නොපෙනෙන විය යුතුය. OLAP සැබවින්ම විවෘත ගෘහ නිර්මාණ ශිල්පයක සන්දර්භය තුළ සැපයිය යුතුය, පරිශීලකයාට ඔහු කොතැනක සිටියත්, සේවාදායකය සමඟ විශ්ලේෂණාත්මක මෙවලමක් හරහා සන්නිවේදනය කිරීමට ඉඩ සලසයි. මීට අමතරව, විශ්ලේෂණ මෙවලම සමජාතීය සහ විෂමජාතීය දත්ත සමුදා පරිසරයන් සමඟ අන්තර්ක්‍රියා කරන විට විනිවිදභාවය ද ලබා ගත යුතුය.
- පවතින බව. OLAP තමන්ගේම සැපයිය යුතුය තාර්කික පරිපථයවිෂමජාතීය දත්ත සමුදා පරිසරයකට ප්රවේශ වීමට සහ පරිශීලකයාට දත්ත සැපයීම සඳහා සුදුසු පරිවර්තන සිදු කිරීමට. එපමනක් නොව, එය කොතැනක සහ කෙසේද යන්න පිළිබඳව කල්තියා සැලකිලිමත් විය යුතු අතර, දත්තවල භෞතික සංවිධානය කුමන ආකාරයේ ඇත්ත වශයෙන්ම භාවිතා කරනු ඇත. OLAP පද්ධතියක් ප්රවේශ විය යුත්තේ ඇත්ත වශයෙන්ම අවශ්ය දත්ත පමණක් වන අතර අදාළ නොවේ පොදු මූලධර්මය"මුළුතැන්ගෙයි පුනීල", අනවශ්‍ය ආදානයක් ඇති කරයි.
- ස්ථාවර කාර්ය සාධනයවාර්තා සංවර්ධනය කිරීමේදී. කාර්ය සාධනයමානයන් සහ දත්ත සමුදායේ ප්‍රමාණය වැඩි වන විට වාර්තා ජනනය කිරීමේ හැකියාව සැලකිය යුතු ලෙස පහත වැටිය යුතු නොවේ.
- සේවාදායක-සේවාදායක ගෘහ නිර්මාණ ශිල්පය. නිෂ්පාදිතය සේවාදායක-සේවාදායක වීම පමණක් නොව, විවිධ සේවාලාභීන්ට අවම උත්සාහයක් සහ ක්‍රමලේඛනය සමඟ සම්බන්ධ වීමට ඉඩ සලසන පරිදි සේවාදායක සංරචකය බුද්ධිමත් වීම අවශ්ය වේ.
- සාමාන්ය බහුමානත්වය. සියලුම මානයන් සමාන විය යුතුය, සෑම මානයක්ම ව්යුහය සහ මෙහෙයුම් හැකියාවන් යන දෙකෙහිම සමාන විය යුතුය. එක් එක් මානයන් සඳහා අතිරේක මෙහෙයුම් හැකියාවන්ට අවසර දී ඇති බව සත්යයකි (අනුමාන වශයෙන් කාලය ඇඟවුම් කර ඇත), නමුත් එවැනි අතිරේක ක්රියාකාරිත්වය ඕනෑම මානයකට සැපයිය යුතුය. එය එතරම් මූලික නොවිය යුතුය දත්ත ව්යුහයන්, පරිගණකමය හෝ වාර්තාකරණ ආකෘති එක් මානයකට වඩාත් විශේෂිත විය.
- ගතික පාලනය විරල matrices. OLAP පද්ධති මාදිලියේ වර්ගය, දත්ත පරිමාවන් සහ දත්ත සමුදායේ විරලත්වය මත පදනම්ව ඔවුන්ගේ භෞතික ක්‍රමලේඛය ස්වයංක්‍රීයව සකස් කළ යුතුය.
- බහු-පරිශීලක සහාය. OLAP මෙවලමක් හැකියාවන් සැපයිය යුතුය බෙදාගැනීම(විමසුම සහ සම්පූර්ණ කිරීම), අඛණ්ඩතාව සහ ආරක්ෂාව.
- අසීමිත හරස් මෙහෙයුම්. ඕනෑම මිනුම් සඳහා සියලු වර්ගවල මෙහෙයුම් වලට ඉඩ දිය යුතුය.
- බුද්ධිමය දත්ත හැසිරවීම. මෙනු සහ බහු මෙහෙයුම් භාවිතා නොකර බැලීමේ මාදිලියේ සෛල මත සෘජු ක්රියා හරහා දත්ත හැසිරවීම සිදු කරන ලදී.
- නම්‍යශීලී වාර්තාකරණ විකල්ප. පරිශීලකයාට අවශ්ය ආකාරයට මානයන් වාර්තාවේ තැබිය යුතුය.
- අසීමිතයි
හි ප්‍රකාශයට පත් කරන ලද “දත්ත සමුදායන් සඳහා හැඳින්වීම” ලිපි මාලාවේ මෑත කාලයේ(පරිගණක මුද්‍රණ අංක 3'2000 - 3'2001 බලන්න), අපි විවිධ තාක්ෂණයන් සහ මෘදුකාංගතොරතුරු පද්ධති - ඩෙස්ක්ටොප් සහ සර්වර් ඩීබීඑම්එස්, දත්ත සැලසුම් මෙවලම්, යෙදුම් සංවර්ධන මෙවලම්, මෙන්ම ව්යාපාර බුද්ධිය - ව්යවසාය පරිමාණ දත්ත විශ්ලේෂණය සහ සැකසුම් මෙවලම් නිර්මාණය කිරීමේදී භාවිතා වේ, ඒවා දැනට අපේ රට ඇතුළුව ලෝකයේ වැඩි වැඩියෙන් ජනප්‍රිය වෙමින් පවතී. කෙසේ වෙතත්, ව්යාපාරික බුද්ධි මෙවලම් භාවිතා කිරීමේ ගැටළු සහ මෙම පන්තියේ යෙදුම් නිර්මාණය කිරීමට භාවිතා කරන තාක්ෂණයන් තවමත් දේශීය සාහිත්‍යයේ ප්රමාණවත් ලෙස ආවරණය කර නොමැති බව අපි සටහන් කරමු. නව ලිපි මාලාවකින් අපි මෙම හිඩැස පිරවීමට උත්සාහ කරන අතර එවැනි යෙදුම් වලට පාදක වන තාක්ෂණයන් මොනවාද යන්න ගැන කතා කරමු. ක්රියාත්මක කිරීමේ උදාහරණ ලෙස, අපි ප්රධාන වශයෙන් Microsoft OLAP තාක්ෂණයන් (Microsoft SQL Server 2000 හි ප්රධාන වශයෙන් විශ්ලේෂණ සේවා) භාවිතා කරනු ඇත, නමුත් ද්‍රව්‍යයේ වැඩි ප්‍රමාණයක් වෙනත් මෙවලම් භාවිතා කරන්නන්ට ප්රයෝජනවත් වනු ඇතැයි අපි බලාපොරොත්තු වෙමු.
මෙම ලිපි මාලාවේ පළමු ලිපිය OLAP (On-Line Analytical Processing) හි මූලික කරුණු සඳහා කැප කර ඇත - බහුමාන දත්ත විශ්ලේෂණය සඳහා තාක්ෂණයක්. එහි දී, අපි දත්ත ගබඩා කිරීම සහ OLAP සංකල්ප, දත්ත ගබඩා කිරීම සහ OLAP මෙවලම් සඳහා අවශ්යතා, OLAP දත්තවල තාර්කික සංවිධානය සහ බහුමාන විශ්ලේෂණය සාකච්ඡා කිරීමේදී භාවිතා කරන මූලික නියමයන් සහ සංකල්ප දෙස බලමු.
දත්ත ගබඩාවක් යනු කුමක්ද?
ව්යවසාය පරිමාණ තොරතුරු පද්ධති, රීතියක් ලෙස, දත්ත සංකීර්ණ බහුමාන විශ්ලේෂණය සඳහා නිර්මාණය කර ඇති යෙදුම්, එහි ගතිකත්වය, ප්රවණතා ආදිය අඩංගු වේ. එවැනි විශ්ලේෂණයක් අවසානයේ දී තීරණ ගැනීම සඳහා සහාය වීමට අදහස් කෙරේ. මෙම පද්ධති බොහෝ විට තීරණ ආධාරක පද්ධති ලෙස හැඳින්වේ.
සාමාන්යයෙන් ප්‍රමාණාත්මක අවශ්ය තොරතුරු නොමැතිව කිසිදු කළමනාකරණ තීරණයක් ගත නොහැක. මේ සඳහා දත්ත ගබඩාවන් නිර්මාණය කිරීම අවශ්ය වේ, එනම් සංඛ්‍යානමය විශ්ලේෂණය සඳහා (සහ බොහෝ විට විශ්ලේෂණ වාර්තා නිර්මාණය කිරීම) පරිශීලකයින්ට ලැබෙන තොරතුරු ලබා දීම සඳහා දත්ත රැස් කිරීම, පෙරීම සහ පෙර-සැකසීමේ ක්‍රියාවලිය අවශ්ය වේ.
දත්ත ගබඩා සංකල්පයේ ආරම්භකයකු වන රැල්ෆ් කිම්බල්, දත්ත ගබඩාවක් විස්තර කළේ “මිනිසුන්ට ඔවුන්ගේ දත්තවලට ප්රවේශ විය හැකි ස්ථානයක්” ලෙසයි (උදාහරණයක් ලෙස, රැල්ෆ් කිම්බල්, “දත්ත ගබඩා මෙවලම් කට්ටලය: මානයන් දත්ත ගබඩා කිරීම සඳහා ප්‍රායෝගික ක්රම බලන්න. ", John Wiley & Sons, 1996 සහ "The Data Webhouse Toolkit: Building the Web-Enabled Data Warehouse", John Wiley & Sons, 2000). ඔහු දත්ත ගබඩා සඳහා මූලික අවශ්යතා ද සකස් කළේය:
- අධිවේගී සහාය දත්ත ලැබීමගබඩාවෙන්;
- අභ්යන්තර දත්ත අනුකූලතාව පවත්වා ගැනීම;
- ඊනියා දත්ත පෙති (පෙත්ත සහ දාදු කැට) ලබා ගැනීම සහ සංසන්දනය කිරීමේ හැකියාව;
- ගබඩාවේ දත්ත බැලීම සඳහා පහසු උපයෝගිතා ලබා ගැනීම;
- ගබඩා කළ දත්තවල සම්පූර්ණත්වය සහ විශ්වසනීයත්වය;
- උසස් තත්ත්වයේ දත්ත නැවත පිරවීමේ ක්‍රියාවලියක් සඳහා සහාය.
එකම නිෂ්පාදනයක් තුළ ඉහත අවශ්යතා සියල්ල සපුරාලීමට බොහෝ විට නොහැකි ය. එබැවින්, දත්ත ගබඩා ක්රියාත්මක කිරීම සඳහා, සාමාන්යයෙන් නිෂ්පාදන කිහිපයක් භාවිතා කරනු ලැබේ, ඒවායින් සමහරක් සත්‍ය දත්ත ගබඩා කිරීමේ මෙවලම් වේ, අනෙක් ඒවා නැවත ලබා ගැනීම සහ බැලීම සඳහා මෙවලම් වේ, අනෙක් ඒවා නැවත පිරවීම සඳහා මෙවලම් වේ.
සාමාන්ය දත්ත ගබඩාවක් සාමාන්යයෙන් සාමාන්ය සම්බන්ධතා දත්ත ගබඩාවකට වඩා වෙනස් වේ. පළමුව, සාමාන්ය දත්ත සමුදායන් සැලසුම් කර ඇත්තේ පරිශීලකයින්ට එදිනෙදා වැඩ කිරීමට උපකාර වන අතර දත්ත ගබඩා සැලසුම් කර ඇත්තේ තීරණ ගැනීම සඳහා ය. උදාහරණයක් ලෙස, භාණ්ඩ විකිණීම සහ ඉන්වොයිසි නිකුත් කිරීම සිදු කරනු ලබන්නේ ගනුදෙනු සැකසීම සඳහා නිර්මාණය කර ඇති දත්ත සමුදායක් භාවිතා කර ඇති අතර, සැපයුම්කරුවන් සමඟ වැඩ සැලසුම් කිරීමට ඉඩ සලසන වසර කිහිපයක් පුරා විකුණුම් ගතිකතාවයන් විශ්ලේෂණය කිරීම දත්ත ගබඩාවක් භාවිතයෙන් සිදු කෙරේ.
දෙවනුව, සාම්ප්‍රදායික දත්ත සමුදායන් පරිශීලකයින් ක්රියා කරන විට නිරන්තර වෙනස්වීම් වලට යටත් වන අතර, දත්ත ගබඩාව සාපේක්ෂව ස්ථායී වේ: සාමාන්යයෙන් එහි දත්ත කාලසටහනකට අනුව යාවත්කාලීන වේ (උදාහරණයක් ලෙස, සතිපතා, දිනපතා හෝ පැයකට වරක්, අවශ්යතා අනුව). ඉතා මැනවින්, පොහොසත් කිරීමේ ක්‍රියාවලිය යනු දැනටමත් ගබඩාවේ ඇති පෙර තොරතුරු වෙනස් නොකර යම් කාලයක් තුළ නව දත්ත එකතු කිරීමයි.
තෙවනුව, නිත්‍ය දත්ත සමුදායන් බොහෝ විට ගබඩාවේ අවසන් වන දත්ත ප්‍රභවය වේ. ඊට අමතරව, සංඛ්‍යාන වාර්තා වැනි බාහිර මූලාශ්රවලින් ගබඩාව නැවත පිරවිය හැක.
OLAP යනු කුමක්ද?
තීරණ ආධාරක පද්ධති සාමාන්යයෙන් පරිශීලකයාට සංජානනය සහ විශ්ලේෂණය සඳහා පහසු ආකෘතියකින් මුල් කට්ටලයේ විවිධ සාම්පල සඳහා සමස්ත දත්ත ලබා දීමට මාධ්‍යයන් ඇත. සාමාන්යයෙන්, එවැනි සමස්ථ ශ්‍රිතයන් බහුමාන (සහ එබැවින් සම්බන්ධතා නොවන) දත්ත කට්ටලයක් (බොහෝ විට හයිපර්කියුබ් හෝ මෙටාකියුබ් ලෙස හැඳින්වේ), ඒවායේ අක්ෂවල පරාමිති අඩංගු වන අතර සෛලවල ඒවා මත රඳා පවතින සමස්ත දත්ත අඩංගු වේ. එක් එක් අක්ෂය ඔස්සේ, දත්ත විවිධ මට්ටම්වල විස්තර නියෝජනය කරමින් ධුරාවලියකට සංවිධානය කළ හැක. මෙම දත්ත ආකෘතියට ස්තූතියි, පරිශීලකයින්ට සකස් කළ හැකිය සංකීර්ණ විමසුම්, වාර්තා උත්පාදනය, දත්ත උප කුලක ලබා ගැනීම.
සංකීර්ණ බහුමාන දත්ත විශ්ලේෂණය සඳහා තාක්ෂණය OLAP (On-Line Analytical Processing) ලෙස හැඳින්වේ. OLAP යනු දත්ත ගබඩා කිරීමේ ප්රධාන අංගයකි. OLAP සංකල්පය 1993 දී කීර්තිමත් දත්ත සමුදා පර්යේෂකයෙකු සහ කර්තෘවරයෙකු වන Edgar Codd විසින් විස්තර කරන ලදී. සම්බන්ධක ආකෘතියදත්ත (බලන්න E.F. Codd, S.B. Codd, සහ C.T. Salley, පරිශීලක-විශ්ලේෂකයින්ට OLAP (මාර්ගගත විශ්ලේෂණ සැකසුම්) සැපයීම: තොරතුරු තාක්ෂණ වරමක්. තාක්ෂණික වාර්තාව, 1993). 1995 දී, Codd විසින් නියම කර ඇති අවශ්යතා මත පදනම්ව, බහුමාන විශ්ලේෂණය සඳහා වන යෙදුම් සඳහා පහත අවශ්යතා ඇතුළුව ඊනියා FASMI පරීක්ෂණය (බෙදාගත් බහුමාන තොරතුරුවල වේගවත් විශ්ලේෂණය) සකස් කරන ලදී:
- අඩු සවිස්තරාත්මක විශ්ලේෂණයක පිරිවැයකින් වුවද, පරිශීලකයාට පිළිගත හැකි කාලයක (සාමාන්යයෙන් තත්පර 5 කට නොවැඩි) විශ්ලේෂණ ප්රතිඵල ලබා දීම;
- ලබා දී ඇති යෙදුමකට විශේෂිත වූ ඕනෑම තාර්කික සහ සංඛ්‍යානමය විශ්ලේෂණයක් සිදු කිරීමට සහ අවසාන පරිශීලකයාට ප්රවේශ විය හැකි පෝරමයකින් එය සුරැකීමට ඇති හැකියාව;
- සුදුසු අගුලු දැමීමේ යාන්ත්රණයන් සහ බලයලත් ප්රවේශ මාධ්‍යයන් සඳහා සහාය ඇතිව දත්ත වෙත බහු-පරිශීලක ප්රවේශය;
- ධූරාවලිය සහ බහු ධූරාවලිය සඳහා පූර්ණ සහාය ඇතුළුව දත්තවල බහුමාන සංකල්පීය නිරූපණය (මෙය OLAP හි ප්රධාන අවශ්‍යතාවයකි);
- එහි පරිමාව සහ ගබඩා ස්ථානය නොසලකා ඕනෑම අවශ්ය තොරතුරු වෙත ප්රවේශ වීමේ හැකියාව.
කාර්යාලීය යෙදුම්වල ඇති සරලම දත්ත විශ්ලේෂණ මෙවලම්වල සිට සේවාදායක නිෂ්පාදන මත පදනම්ව බෙදා හරින ලද විශ්ලේෂණ පද්ධති දක්වා OLAP ක්රියාකාරිත්වය විවිධ ආකාරවලින් ක්රියාත්මක කළ හැකි බව සටහන් කළ යුතුය. නමුත් මෙම ක්‍රියාකාරීත්වයේ විවිධ ක්රියාත්මක කිරීම් ගැන කතා කිරීමට පෙර, තාර්කික දෘෂ්ටි කෝණයකින් OLAP කියුබ් යනු කුමක්දැයි බලමු.
බහුමාන කැට
මෙම කොටසේදී, අපි OLAP සහ බහුමාන කැට සංකල්පය දෙස සමීපව බලමු. අපි OLAP මූලධර්ම නිදර්ශනය කිරීමට භාවිතා කරන සම්බන්ධක දත්ත ගබඩාවක උදාහරණයක් ලෙස, අපි Microsoft SQL Server හෝ Microsoft Access සමඟ ඇතුළත් කර ඇති Northwind දත්ත සමුදාය භාවිතා කරන්නෙමු සහ තොග ආහාර බෙදා හැරීමේ සමාගමක් සඳහා වෙළඳ තොරතුරු ගබඩා කරන සාමාන්ය දත්ත ගබඩාවකි. එවැනි දත්තවලට සැපයුම්කරුවන්, ගනුදෙනුකරුවන්, බෙදා හැරීමේ සමාගම්, සපයන ලද භාණ්ඩ ලැයිස්තුවක් සහ ඒවායේ වර්ග, ඇණවුම් සහ ඇණවුම් කළ භාණ්ඩ පිළිබඳ දත්ත, සමාගම් සේවකයින්ගේ ලැයිස්තුවක් ඇතුළත් වේ. විස්තරාත්මක සටහන Northwind දත්ත සමුදායන් Microsoft SQL Server හෝ Microsoft Access උපකාරක පද්ධති වලින් සොයා ගත හැක - ඉඩ නොමැතිකම නිසා අපි එය මෙහි ලැයිස්තුගත නොකරමු.
OLAP සංකල්පය ගවේෂණය කිරීම සඳහා, අපි ඇණවුම් කළ සියලුම භාණ්ඩ සහ නිකුත් කරන ලද ඉන්වොයිසි පිළිබඳ සවිස්තරාත්මක තොරතුරු ලබා දෙන විමසුමක් නිර්මාණය කිරීමට Northwind දත්ත සමුදායෙන් Invoices දර්ශනය සහ නිෂ්පාදන සහ ප්‍රවර්ග වගු භාවිතා කරන්නෙමු:
dbo.Invoices.Country, dbo.Invoices.City, dbo.Invoices.CustomerName, dbo.Invoices.Salesperson, dbo.Invoices.OrderDate, dbo.Categories.CategoryS.CategoryName, dboams.Invoice , dbo .Invoices.ExtendedPrice FROM dbo.Products INNER JOIN dbo.Categories ON dbo.Products.CategoryID = dbo.Categories.CategoryID INNER JOIN dbo.Invoices ON dbo.Products.Invoducts =dProducts.Invoices.
Access 2000 හි, සමාන විමසුමක් මෙලෙස දිස්වේ:
Invoices.Country, Invoices.City, Invoices.Customers.Companyname AS Customername, Invoices.Salesperson, Invoices.OrderDate, Category.CategoryName, Invoices.ProductName,ComperName, Invoices .ඇතුළත එකතුවන කාණ්ඩ වලින් දිගු මිල ( ඉන්වොයිසි ඉන්වොයිසි මත නිෂ්පාදන එකතු කරන්න. නිෂ්පාදන ID = නිෂ්පාදන. නිෂ්පාදන ID) වර්ග මත
මෙම විමසුම නිකුත් කරන ලද සියලුම ඉන්වොයිසි පිළිබඳ තොරතුරු අඩංගු ඉන්වොයිසි දසුනට ප්රවේශ වේ, පිළිවෙලින් ඇණවුම් කරන ලද නිෂ්පාදන වර්ග සහ නිෂ්පාදන පිළිබඳ තොරතුරු අඩංගු ප්‍රවර්ග සහ නිෂ්පාදන වගු. මෙම ඉල්ලීමේ ප්රතිඵලය වන්නේ ඇණවුම් කළ භාණ්ඩයේ ප්‍රවර්ගය සහ නම, ඇණවුම ලබා දුන් දිනය, ඉන්වොයිසි කරන පුද්ගලයාගේ නම, ඇණවුම් කරන සමාගමේ නගරය, රට සහ සමාගමේ නම ඇතුළු ඇණවුම් දත්ත සමූහයකි. නැව් සමාගමේ නම ලෙස.
පහසුව සඳහා, මෙම ඉල්ලීම Invoices1 ලෙස හඳුන්වමින් දර්ශනයක් ලෙස සුරකිමු. මෙම නිරූපණයට ප්රවේශ වීමේ ප්රතිඵලය රූපයේ දැක්වේ. 1.
මෙම දසුනෙන් අපට ලබාගත හැකි සමස්ත දත්ත මොනවාද? සාමාන්යයෙන් මේවා මෙවැනි ප්‍රශ්නවලට පිළිතුරු වේ:
- ප්‍රංශයේ සිට පාරිභෝගිකයින් විසින් කරන ලද ඇණවුම්වල මුළු වටිනාකම කොපමණද?
- ප්‍රංශයේ පාරිභෝගිකයන් විසින් කරන ලද සහ ස්පීඩි එක්ස්ප්‍රස් විසින් බෙදා හරින ලද ඇණවුම්වල මුළු වටිනාකම කොපමණද?
- 1997 දී ප්‍රංශයේ පාරිභෝගිකයන් විසින් කරන ලද සහ ස්පීඩි එක්ස්ප්‍රස් විසින් බෙදා හරින ලද ඇණවුම්වල මුළු වටිනාකම කොපමණද?
අපි මෙම ප්‍රශ්න SQL හි විමසුම් වලට පරිවර්තනය කරමු (වගුව 1).
ඉහත ඕනෑම විමසුමක ප්රතිඵලය අංකයකි. පළමු විමසුමේදී ඔබ 'ප්රංශය' පරාමිතිය වෙනුවට 'ඔස්ට්රියාව' හෝ වෙනත් රටක නමක් යෙදුවහොත්, ඔබට මෙම විමසුම නැවත ක්රියාත්මක කර වෙනත් අංකයක් ලබා ගත හැක. සියලුම රටවල් සමඟ මෙම ක්රියාපටිපාටිය සිදු කිරීමෙන්, අපට පහත දත්ත කට්ටලයක් ලැබේ (කොටසක් පහත දැක්වේ):
| රට | එකතුව (දිගු මිල) |
| ආර්ජන්ටිනාව | 7327.3 |
| ඔස්ට්රියාව | 110788.4 |
| බෙල්ජියම | 28491.65 |
| බ්රසීලය | 97407.74 |
| කැනඩාව | 46190.1 |
| ඩෙන්මාර්කය | 28392.32 |
| ෆින්ලන්තය | 15296.35 |
| ප්රංශය | 69185.48 |
| ජර්මනිය | 209373.6 |
| … | … |
ප්රතිඵලයක් ලෙස ලැබෙන සමස්ථ අගයන් සමූහය (මෙම අවස්ථාවෙහිදී, එකතුව) ඒකමාන දත්ත කට්ටලයක් ලෙස අර්ථ දැක්විය හැක. සමග විමසුමක ප්රතිඵලයක් ලෙස ද එම දත්ත කට්ටලයම ලබා ගත හැක GROUP පිරිනැමීමපහත ආකෘති පත්‍රයෙන්:
රට අනුව ඉන්වොයිසි 1 කාණ්ඩයෙන් රට, එකතුව (දිගු කළ මිල) තෝරන්න
දැන් අපි බලමු WHERE වගන්තියේ කොන්දේසි දෙකක් අඩංගු ඉහත දෙවන විමසුම. අපි මෙම විමසුම ක්රියාත්මක කරන්නේ නම්, රට සහ ShipperName පරාමිති සඳහා හැකි සියලුම අගයන් සම්බන්ධ කර, අපට මේ ආකාරයට පෙනෙන ද්විමාන දත්ත කට්ටලයක් ලැබෙනු ඇත (පහත දැක්වෙන කුඩා කොටස):
| නැව්ගත කරන්නාගේ නම | |||
| රට | ෆෙඩරල් නැව්ගත කිරීම | ස්පීඩි එක්ස්ප්‍රස් | එක්සත් පැකේජය |
| ආර්ජන්ටිනාව | 1 210.30 | 1 816.20 | 5 092.60 |
| ඔස්ට්රියාව | 40 870.77 | 41 004.13 | 46 128.93 |
| බෙල්ජියම | 11 393.30 | 4 717.56 | 17 713.99 |
| බ්රසීලය | 16 514.56 | 35 398.14 | 55 013.08 |
| කැනඩාව | 19 598.78 | 5 440.42 | 25 157.08 |
| ඩෙන්මාර්කය | 18 295.30 | 6 573.97 | 7 791.74 |
| ෆින්ලන්තය | 4 889.84 | 5 966.21 | 7 954.00 |
| ප්රංශය | 28 737.23 | 21 140.18 | 31 480.90 |
| ජර්මනිය | 53 474.88 | 94 847.12 | 81 962.58 |
| … | … | … | … |
එවැනි දත්ත කට්ටලයක් විවර්තන වගුවක් හෝ හරස් වගුවක් ලෙස හැඳින්වේ. බොහෝ පැතුරුම්පත් සහ ඩෙස්ක්ටොප් DBMS ඔබට එවැනි වගු සෑදීමට ඉඩ සලසයි - Paradox සිට DOS දක්වා Microsoft Excel 2000. උදාහරණයක් ලෙස, Microsoft Access 2000 හි සමාන විමසුමක් පෙනෙන්නේ මෙයයි:
ප්‍රතිවර්තන එකතුව (ඉන්වොයිසි 1.දිගු කළ මිල) වැඩි කළ මිල ලෙස ඉන්වොයිසි තෝරන්න. ඉන්වොයිසිවලින් රට1 ඉන්වොයිසි අනුව කණ්ඩායම
එවැනි විවර්තන වගුවක් සඳහා වන සමස්ථ දත්ත සාමාන්ය GROUP BY විමසුමක් භාවිතයෙන් ද ලබා ගත හැක:
රට,නැව්කරුගේ නම, එකතුව (දිගු මිල) ඉන්වොයිසි වලින් 1 කණ්ඩායම රට අනුව තෝරන්න,ShipperName සටහන, කෙසේ වෙතත්, මෙම විමසුමේ ප්රතිඵලය විවර්තන වගුව නොව, එහි ඉදිකිරීම් සඳහා වූ සමස්ථ දත්ත කට්ටලයක් පමණක් (පහත දැක්වෙන්නේ ඛණ්ඩනයකි. ):
| රට | නැව්ගත කරන්නාගේ නම | එකතුව (දිගු මිල) |
| ආර්ජන්ටිනාව | ෆෙඩරල් නැව්ගත කිරීම | 845.5 |
| ඔස්ට්රියාව | ෆෙඩරල් නැව්ගත කිරීම | 35696.78 |
| බෙල්ජියම | ෆෙඩරල් නැව්ගත කිරීම | 8747.3 |
| බ්රසීලය | ෆෙඩරල් නැව්ගත කිරීම | 13998.26 |
| … | … | … |
ඉහත සාකච්ඡා කර ඇති විමසුම්වලින් තෙවැන්න දැනටමත් WHERE තත්ත්වය තුළ පරාමිති තුනක් ඇත. ඒවා වෙනස් කිරීමෙන්, අපි ත්රිමාණ දත්ත කට්ටලයක් ලබා ගනිමු (රූපය 2).
රූපයේ දැක්වෙන ඝනකයේ සෛල. 2 කියුබ් අක්ෂවල පිහිටා ඇති WHERE වගන්තියේ විමසුම් පරාමිතිවල අගයන්ට අනුරූප වන සමස්ථ දත්ත අඩංගු වේ.
එහි මුහුණු වලට සමාන්තරව ගුවන් යානා සහිත ඝනකයක් කැපීමෙන් ඔබට ද්විමාන වගු කට්ටලයක් ලබා ගත හැකිය (ඒවා දැක්වීමට හරස්කඩ සහ පෙති යන පද භාවිතා වේ).
පැහැදිලිවම, ඝන කොටු වල අඩංගු දත්ත GROUP BY වගන්තියක් සහිත සුදුසු විමසුමක් භාවිතයෙන් ද ලබාගත හැක. මීට අමතරව, සමහර පැතුරුම්පත් (විශේෂයෙන් Microsoft Excel 2000) ඔබට ත්රිමාණ දත්ත කට්ටලයක් සැලසුම් කිරීමට සහ වැඩ පත්‍රිකාවේ පෙන්වා ඇති මුහුණට සමාන්තරව ඝනකයේ විවිධ කොටස් බැලීමට ඉඩ සලසයි. වැඩපොත(වැඩ පොත).
WHERE වගන්තියේ පරාමිති හතරක් හෝ වැඩි ගණනක් තිබේ නම්, එහි ප්රතිඵලයක් ලෙස ලැබෙන අගයන් සමූහය (OLAP ඝනකයක් ලෙසද හැඳින්වේ) 4-මාන, 5-මාන, ආදිය විය හැක.
බහුමාන OLAP කියුබ් යනු කුමක්දැයි සොයා බැලීමෙන් පසු, අපි බහුමාන දත්ත විශ්ලේෂණයේදී භාවිතා කරන ප්රධාන නියමයන් සහ සංකල්ප වෙත යමු.
සමහර නියමයන් සහ සංකල්ප
එකතු කිරීම් සමඟින්, OLAP ඝනකයක සෛල SQL භාෂාවේ MIN, MAX, AVG, COUNT වැනි අනෙකුත් සමස්ත ශ්‍රිත ක්රියාත්මක කිරීමේ ප්රතිඵල සහ සමහර අවස්ථාවලදී, වෙනත් (විචලනය, සම්මත අපගමනය, ආදිය) අඩංගු විය හැක. සෛලවල දත්ත අගයන් විස්තර කිරීම සඳහා, සාරාංශය යන යෙදුම භාවිතා වේ (සාමාන්යයෙන්, එක් ඝනකයක් තුළ ඒවායින් කිහිපයක් තිබිය හැක), මිනුම් යන පදය ඒවා ගණනය කරනු ලබන මූලාශ්ර දත්ත දැක්වීමට භාවිතා කරයි, සහ කාලීන මානයක් විමසුම් පරාමිතීන් දැක්වීමට භාවිතා කරයි (රුසියානු භාෂාවට පරිවර්තනය කර ඇත්තේ සාමාන්යයෙන් OLAP කැට ගැන කතා කරන විට "මානය" ලෙසත්, දත්ත ගබඩා ගැන කතා කිරීමේදී "මානය" ලෙසත් ය). අක්ෂයන්හි සටහන් කර ඇති අගයන් මාන සාමාජිකයන් ලෙස හැඳින්වේ.
මිනුම් ගැන කතා කරන විට, අක්ෂවල සටහන් කර ඇති අගයන් විවිධ මට්ටම්වල විස්තර තිබිය හැකි බව සඳහන් කිරීම වටී. උදාහරණයක් ලෙස, විවිධ රටවල පාරිභෝගිකයින් විසින් කරන ලද ඇණවුම්වල මුළු වටිනාකම හෝ නගරයෙන් පිටත පාරිභෝගිකයින් හෝ තනි පාරිභෝගිකයින් විසින් කරන ලද ඇණවුම්වල මුළු වටිනාකම ගැන අපි උනන්දු විය හැකිය. ස්වාභාවිකවම, දෙවන සහ තුන්වන අවස්ථාවන්හි ප්රතිඵලයක් වශයෙන් සමස්ථ දත්ත කට්ටලය පළමු අවස්ථාවට වඩා විස්තරාත්මක වනු ඇත. සංසන්දනය කිරීම සහ විශ්ලේෂණය කිරීම සඳහා විවිධ දත්ත කොටස් ලබා ගැනීමේ අවශ්යතාවය - දත්ත ගබඩා සඳහා වන අවශ්‍යතාවයන්ගෙන් එකක් - විවිධ මට්ටමේ විස්තර සහිත සමස්ථ දත්ත ලබා ගැනීමේ හැකියාව සපුරාලන බව සලකන්න.
සලකා බැලූ උදාහරණයේ, පොදුවේ ගත් කල, සෑම රටකටම නගර කිහිපයක් තිබිය හැකි අතර නගරයකට සේවාදායකයින් කිහිප දෙනෙකු සිටිය හැකි බැවින්, අපට මානයන්හි වටිනාකම් ධූරාවලිය ගැන කතා කළ හැකිය. මෙම අවස්ථාවෙහිදී, රටවල් ධුරාවලියේ පළමු මට්ටමේ පිහිටා ඇත, නගර දෙවන ස්ථානයේ සහ සේවාදායකයින් තුන්වන ස්ථානයේ සිටී (රූපය 3).
රූපයේ දැක්වෙන ධුරාවලිය වැනි ධුරාවලිය සමතුලිත කළ හැකි බව සලකන්න. 3, මෙන්ම දිනය-කාලය සහ අසමතුලිත දත්ත මත පදනම් වූ ධුරාවලිය. අසමතුලිත ධූරාවලියක සාමාන්ය උදාහරණයක් වන්නේ “උසස්-පරිපාලක” ධුරාවලියකි (උදාහරණයක් ලෙස, ඉහත සාකච්ඡා කළ උදාහරණයේ මුල් දත්තවල විකුණුම්කරු ක්ෂේත්‍රයේ අගයන් භාවිතා කර එය ගොඩනගා ගත හැකිය), රූපයේ දැක්වේ. 4 .
සමහර විට එවැනි ධුරාවලියක් සඳහා මාපිය-ළමා ධුරාවලිය යන යෙදුම භාවිතා වේ.
සමතුලිත සහ අසමතුලිත අතර අතරමැදි ස්ථානයක් හිමි ධුරාවලියන් ද ඇත (ඒවා ragged යන පදයෙන් නම් කර ඇත). ඒවායේ සාමාන්යයෙන් තාර්කික "දෙමව්පියන්" ක්ෂණික උසස් මට්ටමේ නැති සාමාජිකයින් අඩංගු වේ (උදාහරණයක් ලෙස, භූගෝලීය ධුරාවලියකට රට, නගරය සහ ප්‍රාන්තය යන මට්ටම් ඇත, නමුත් දත්ත කට්ටලයේ රට සහ අතර ප්‍රාන්ත හෝ කලාප නොමැති රටවල් ඇත. නගර මට්ටම් 5).
සියලු OLAP මෙවලම් මගින් අසමතුලිත සහ "අසම" ධූරාවලියට සහය නොදක්වන බව සලකන්න. උදාහරණයක් ලෙස, Microsoft Analysis Services 2000 ධූරාවලිය වර්ග දෙකටම සහය දක්වයි, නමුත් Microsoft OLAP Services 7.0 සහාය දක්වන්නේ සමබර ඒවාට පමණි. විවිධ OLAP මෙවලම්වල ධුරාවලියේ මට්ටම් ගණන, එක් මට්ටමක උපරිම අවසර ලත් සාමාජිකයින් සංඛ්යාව සහ හැකි උපරිම මානයන් ගණන වෙනස් විය හැක.
නිගමනය
මෙම ලිපියෙන් අපි OLAP හි මූලික කරුණු ඉගෙන ගත්තෙමු. අපි පහත සඳහන් දේ ඉගෙන ගත්තා:
- දත්ත ගබඩාවල අරමුණ වන්නේ සංඛ්‍යානමය විශ්ලේෂණය සහ කළමනාකරණ තීරණ ගැනීම සඳහා පරිශීලකයින්ට තොරතුරු සැපයීමයි.
- දත්ත ගබඩා සැපයිය යුතුය අධික වේගයදත්ත ලබා ගැනීම, ඊනියා දත්ත පෙති ලබා ගැනීම සහ සංසන්දනය කිරීමේ හැකියාව මෙන්ම දත්තවල අනුකූලතාව, සම්පූර්ණත්වය සහ විශ්වසනීයත්වය.
- OLAP (On-Line Analytical Processing) යනු දත්ත ගබඩා ගොඩනැගීමේ සහ භාවිතා කිරීමේ ප්රධාන අංගයකි. මෙම තාක්ෂණය බහුමාන දත්ත කට්ටල ගොඩනැගීම මත පදනම් වේ - OLAP කැට, පරාමිති අඩංගු වන අක්ෂ, සහ සෛල ඔවුන් මත රඳා පවතින සමස්ත දත්ත අඩංගු වේ.
- OLAP ක්‍රියාකාරීත්වය සහිත යෙදුම් මඟින් පරිශීලකයාට පිළිගත හැකි කාලයකදී විශ්ලේෂණ ප්රතිඵල සැපයිය යුතුය, තාර්කික සහ සංඛ්‍යානමය විශ්ලේෂණයක් සිදු කළ යුතුය, බහු-පරිශීලක දත්ත වෙත ප්රවේශයට සහාය විය යුතුය, දත්තවල බහු-මාන සංකල්පීය නිරූපණයක් සැපයිය යුතුය, සහ අවශ්ය ඕනෑම තොරතුරකට ප්රවේශ වීමට හැකි විය යුතුය.
ඊට අමතරව, අපි OLAP කැටවල තාර්කික සංවිධානයේ මූලික මූලධර්ම සමාලෝචනය කළ අතර, බහුමාන විශ්ලේෂණයේදී භාවිතා කරන මූලික නියමයන් සහ සංකල්ප ද ඉගෙන ගත්තෙමු. අවසාන වශයෙන්, ඒවා මොනවාදැයි අපි සොයා ගත්තෙමු විවිධ වර්ග OLAP ඝනක මානයන්හි ධුරාවලිය.
මෙම ලිපි මාලාවේ මීළඟ ලිපියෙන්, අපි දත්ත ගබඩාවල සාමාන්ය ව්යුහය දෙස බලමු, සේවාලාභියා සහ සේවාදායකය OLAP යනු කුමක්ද යන්න ගැන කතා කරමු, තවද බහුමාන දත්ත ගබඩා කිරීමේ සමහර තාක්ෂණික අංශ කෙරෙහි අවධානය යොමු කරමු.
ComputerPress 4"2001
දැනුම පදනම සරලයි ඔබේ හොඳ වැඩ යවන්න. පහත පෝරමය භාවිතා කරන්න
සිසුන්, උපාධිධාරී සිසුන්, ඔවුන්ගේ අධ්‍යයන හා වැඩ කටයුතුවලදී දැනුම පදනම භාවිතා කරන තරුණ විද්‍යාඥයින් ඔබට ඉතා කෘතඥ වනු ඇත.
පළ කර ඇත http://www.allbest.ru/
පාඨමාලා වැඩ
විනය: දත්ත සමුදායන්
විෂය: තාක්ෂණOLAP
සම්පූර්ණ කරන ලදී:
චිෂිකොව් ඇලෙක්සැන්ඩර් ඇලෙක්සැන්ඩ්රොවිච්
හැදින්වීම
1. OLAP නිෂ්පාදන වර්ගීකරණය
2. OLAP සේවාදායකයා - OLAP සේවාදායකය: වාසි සහ අවාසි
3. මූලික OLAP පද්ධතිය
3.1 සැලසුම් මූලධර්ම
නිගමනය
භාවිතා කරන ලද මූලාශ්ර ලැයිස්තුව
අයදුම්පත්
තුලපැවැත්වීම
දත්ත සමුදායන් යනු කුමක්ද සහ ඒවා අවශ්ය වන්නේ මන්දැයි අවම වශයෙන් බුද්ධිමය මට්ටමකින්වත් නොතේරෙන පුද්ගලයෙකු පරිගණක ලෝකයේ සොයා ගැනීම දුෂ්කර ය. සාම්ප්‍රදායික සම්බන්ධතා DBMS මෙන් නොව, OLAP සංකල්පය එතරම් පුළුල් ලෙස ප්‍රසිද්ධ නැත, නමුත් සෑම කෙනෙකුම පාහේ "OLAP කැට" යන අද්භූත යෙදුම අසා ඇත. මාර්ගගත විශ්ලේෂණ සැකසුම් යනු කුමක්ද?
OLAP යනු වෙනම මෘදුකාංග නිෂ්පාදනයක්, ක්‍රමලේඛන භාෂාවක් හෝ විශේෂිත තාක්ෂණයක් නොවේ. අපි OLAP එහි සියලුම ප්‍රකාශනයන් තුළ ආවරණය කිරීමට උත්සාහ කරන්නේ නම්, එය විශ්ලේෂකයින්ට දත්ත වෙත ප්රවේශ වීම පහසු කරන මෘදුකාංග නිෂ්පාදනවලට යටින් පවතින සංකල්ප, මූලධර්ම සහ අවශ්යතා සමූහයකි. එවැනි නිර්වචනයකට කිසිවකු එකඟ නොවනු ඇතත්, එය විශේෂඥයන් නොවන අය විෂයය අවබෝධ කර ගැනීමට එක අංශු මාත්‍රයක්වත් සමීප කරවනු ඇතැයි සැක සහිතය. එබැවින්, OLAP අවබෝධ කර ගැනීමට ඔබගේ ගවේෂණයේදී, වෙනත් මාර්ගයක් ගැනීම වඩා හොඳය. පළමුව, විශ්ලේෂකයින් කෙසේ හෝ දත්ත වෙත ප්රවේශය සඳහා විශේෂයෙන් පහසුකම් සැලසිය යුත්තේ මන්දැයි සොයා බැලිය යුතුය.
කාරණය නම් විශ්ලේෂකයින් විශේෂ පාරිභෝගිකයින් වීමයි ආයතනික තොරතුරු. විශ්ලේෂකයාගේ කාර්යය වන්නේ දත්ත විශාල ප්‍රමාණයක රටා සෙවීමයි. එබැවින්, විශ්ලේෂකයා එක් කරුණක් කෙරෙහි අවධානය යොමු නොකරනු ඇත, ඔහුට සිදුවීම් සිය ගණනක් සහ දහස් ගණනක් පිළිබඳ තොරතුරු අවශ්ය වේ. මාර්ගය වන විට, OLAP මතුවීමට තුඩු දුන් එක් වැදගත් කරුණක් වන්නේ ඵලදායිතාව සහ කාර්යක්ෂමතාවයි. විශ්ලේෂකයෙකුට තොරතුරු ලබා ගැනීමට අවශ්ය වූ විට කුමක් සිදුවේදැයි අපි සිතමු, නමුත් ව්‍යවසායයේ OLAP මෙවලම් නොමැත. විශ්ලේෂකයා ස්වාධීනව (එය විය නොහැක්කකි) හෝ ක්‍රමලේඛකයෙකුගේ සහාය ඇතිව සුදුසු SQL විමසුම සිදු කරන අතර උනන්දුවක් දක්වන දත්ත වාර්තාවක ස්වරූපයෙන් ලබා ගනී හෝ පැතුරුම්පතකට අපනයනය කරයි. මෙම නඩුවේ බොහෝ ගැටලු පැන නගී. පළමුවෙන්ම, විශ්ලේෂකයාට ඔහුගේ කාර්යය (SQL වැඩසටහන්කරණය) හැර වෙනත් දෙයක් කිරීමට හෝ ක්‍රමලේඛකයින් ඔහු සඳහා කාර්යය සම්පූර්ණ කරන තෙක් බලා සිටීමට බල කෙරේ - මේ සියල්ල ශ්‍රම ඵලදායිතාවයට අහිතකර ලෙස බලපායි, හෘදයාබාධ හා ආඝාතය වැඩි වීම යනාදිය. දෙවනුව, තනි වාර්තාවක් හෝ වගුවක්, නීතියක් ලෙස, චින්තනයේ යෝධයන් සහ රුසියානු විශ්ලේෂණයේ පියවරුන් ඉතිරි නොකරයි - සහ සම්පූර්ණ ක්රියා පටිපාටිය නැවත නැවතත් කිරීමට සිදුවනු ඇත. තෙවනුව, අප දැනටමත් සොයාගෙන ඇති පරිදි, විශ්ලේෂකයින් ට්රයිෆල් ගැන අසන්නේ නැත - ඔවුන්ට සියල්ල එකවර අවශ්ය වේ. මෙයින් අදහස් වන්නේ (තාක්ෂණය වේගයෙන් ඉදිරියට ගියත්) විශ්ලේෂකයා විසින් ප්රවේශ කරන ලද ආයතනික සම්බන්ධතා DBMS සේවාදායකයට අනෙකුත් ගනුදෙනු අවහිර කරමින් ගැඹුරින් හා දිගු කාලයක් සිතිය හැකි බවයි.
එවැනි ගැටළු විසඳීම සඳහා OLAP සංකල්පය හරියටම දර්ශනය විය. OLAP කියුබ් යනු අත්‍යවශ්‍යයෙන්ම මෙටා වාර්තා වේ. මෙටා-වාර්තා (කියුබ්, එනම්) මානයන් දිගේ කැපීමෙන්, විශ්ලේෂකයාට ඇත්ත වශයෙන්ම ඔහුට උනන්දුවක් දක්වන “සාමාන්ය” ද්විමාන වාර්තා ලැබේ (මේවා යෙදුමේ සාමාන්ය අර්ථයෙන් අනිවාර්යයෙන්ම වාර්තා නොවේ - අපි කතා කරන්නේ දත්ත ව්යුහයන් ගැන ය. එකම කාර්යයන්). කැට වල වාසි පැහැදිලිය - ඝනකයක් තැනීමේදී එක් වරක් පමණක් සම්බන්ධිත DBMS වෙතින් දත්ත ඉල්ලා සිටිය යුතුය. විශ්ලේෂකයින්, රීතියක් ලෙස, පියාසර කරන විට පරිපූරක සහ වෙනස් කරන ලද තොරතුරු සමඟ වැඩ නොකරන බැවින්, ජනනය කරන ලද ඝනකයක් සෑහෙන කාලයක් සඳහා අදාළ වේ. මෙයට ස්තූතිවන්ත වන්නට, සම්බන්ධිත DBMS සේවාදායකයේ ක්‍රියාකාරිත්වයේ බාධා ඉවත් කරනවා පමණක් නොව (ප්‍රතිචාර මාර්ග දහස් ගණනක් සහ මිලියන ගණනක් සමඟ විමසීම් නොමැත), නමුත් විශ්ලේෂකයාගේ දත්ත වෙත ප්රවේශ වීමේ වේගය ද තියුනු ලෙස වැඩි වේ. මීට අමතරව, දැනටමත් සටහන් කර ඇති පරිදි, ඝනකයක් ගොඩනඟන අවස්ථාවේ දී ධුරාවලියේ සහ අනෙකුත් එකතු කරන ලද අගයන් වල උප ශේෂයන් ගණනය කිරීමෙන් කාර්ය සාධනය ද වැඩි දියුණු වේ.
ඇත්ත වශයෙන්ම, මේ ආකාරයෙන් ඵලදායිතාව වැඩි කිරීමට ඔබ ගෙවිය යුතුය. දත්ත ව්යුහය සරලව “පිපිරෙන” බව සමහර විට කියනු ලැබේ - OLAP ඝනකයක් මුල් දත්තවලට වඩා දස ගුණයකින් හෝ සිය ගුණයකින් වැඩි ඉඩක් ගත හැකිය.
දැන් අපට OLAP ක්රියා කරන්නේ කෙසේද සහ එය සේවය කරන්නේ කුමක්ද යන්න පිළිබඳව කුඩා අවබෝධයක් ඇති බැවින්, අපගේ දැනුම තරමක් විධිමත් කිරීම සහ සාමාන්ය මිනිස් භාෂාවට එකවර පරිවර්තනය නොකර OLAP නිර්ණායක ලබා දීම තවමත් වටී. මෙම නිර්ණායක (මුළු 12) 1993 දී E.F. කෝඩ් - සම්බන්ධතා DBMS සංකල්පයේ නිර්මාතෘ සහ, සමගාමීව, OLAP. OLAP නිෂ්පාදන සඳහා අවශ්යතා තීරණය කරන ඊනියා FASMI පරීක්ෂණයට පසුව ඒවා ප්‍රතිනිර්මාණය කරන ලද බැවින් අපි ඒවා කෙලින්ම සලකා බලන්නේ නැත. FASMI යනු එක් එක් පරීක්ෂණ අයිතමයේ නම සඳහා කෙටි යෙදුමකි:
වේගවත් (වේගවත්).මෙම ගුණාංගයෙන් අදහස් වන්නේ පද්ධතිය සාමාන්ය තත්පර පහකින් පරිශීලක ඉල්ලීමකට ප්‍රතිචාරයක් සැපයිය යුතු බවයි; කෙසේ වෙතත්, බොහෝ ඉල්ලීම් තත්පරයක් තුළ සකසනු ලබන අතර, වඩාත් සංකීර්ණ ඉල්ලීම් තත්පර විස්සක් ඇතුළත සකස් කළ යුතුය. මෑත අධ්‍යයනයන් පෙන්වා දී ඇත්තේ ඉල්ලීමක් තත්පර තිහකට වඩා ගත වුවහොත් පරිශීලකයා එහි සාර්ථකත්වය සැක කිරීමට පටන් ගන්නා බවයි.
විශ්ලේෂණය (විශ්ලේෂණාත්මක).ව්යාපාරික යෙදුම් සඳහා සාමාන්ය ඕනෑම තාර්කික සහ සංඛ්‍යානමය විශ්ලේෂණයක් හැසිරවීමට පද්ධතියට හැකි විය යුතු අතර, අවසාන පරිශීලකයාට ප්රවේශ විය හැකි පෝරමයක ප්රතිඵල ගබඩා කර ඇති බවට සහතික විය යුතුය. විශ්ලේෂණ මෙවලම්වලට කාල ශ්‍රේණි, පිරිවැය බෙදා හැරීම, මුදල් පරිවර්තනය, ආයතනික ව්‍යුහවල ආකෘති වෙනස් කිරීම් සහ තවත් සමහරක් විශ්ලේෂණය කිරීමේ ක්රියා පටිපාටි ඇතුළත් විය හැකිය.
බෙදාගෙන ඇත.පද්ධතිය දත්ත වෙත ප්රවේශය සීමා කිරීම සහ බොහෝ පරිශීලකයින්ගේ එකවර ක්රියාත්මක වීම සඳහා ඕනෑ තරම් අවස්ථා සැපයිය යුතුය.
බහුමාන (බහු මාන).පද්ධතිය බහු ධූරාවලිය සඳහා පූර්ණ සහාය ඇතුළුව දත්ත පිළිබඳ සංකල්පීය බහුමාන දසුනක් සැපයිය යුතුය.
විස්තර.විවිධ මෘදුකාංග නිෂ්පාදනවල බලය සකසන ලද ආදාන දත්ත ප්‍රමාණය මගින් සංලක්ෂිත වේ. විවිධ OLAP පද්ධතිවලට විවිධ ධාරිතාවන් ඇත: උසස් OLAP විසඳුම් අවම බලගතු ඒවාට වඩා දහස් ගුණයකින් වැඩි දත්ත හැසිරවිය හැක. OLAP මෙවලමක් තෝරාගැනීමේදී, දත්ත අනුපිටපත් කිරීම, මතක අවශ්යතා, තැටි ඉඩ භාවිතය, කාර්ය සාධන ප්‍රමිතික, තොරතුරු ගබඩා සමඟ ඒකාබද්ධ කිරීම සහ යනාදිය ඇතුළු කරුණු ගණනාවක් සැලකිල්ලට ගත යුතුය.
1. OLAP නිෂ්පාදන වර්ගීකරණය
එබැවින්, OLAP හි සාරය නම්, විශ්ලේෂණය සඳහා මූලික තොරතුරු බහුමාන ඝනකයක් ආකාරයෙන් ඉදිරිපත් කර ඇති අතර, එය අත්තනෝමතික ලෙස හැසිරවීමට සහ අවශ්ය තොරතුරු කොටස් ලබා ගැනීමට හැකි වේ - වාර්තා. මෙම අවස්ථාවෙහිදී, අවසාන පරිශීලකයා ඝනකය බහුමාන ගතික වගුවක් ලෙස දකින අතර එය විවිධ අංශවල (මාන) දත්ත (කරුණු) ස්වයංක්‍රීයව සාරාංශ කරයි, සහ ගණනය කිරීම් සහ වාර්තා ආකෘතියේ අන්තර්ක්‍රියාකාරී කළමනාකරණයට ඉඩ දෙයි. මෙම මෙහෙයුම් සිදු කරනු ලබන්නේ OLAP එන්ජිම (හෝ OLAP ගණනය කිරීමේ එන්ජිම) මගිනි.
අද වන විට, OLAP තාක්ෂණයන් ක්රියාත්මක කරන බොහෝ නිෂ්පාදන ලොව පුරා සංවර්ධනය කර ඇත. ඒවා අතර සැරිසැරීම පහසු කිරීම සඳහා, OLAP නිෂ්පාදන වර්ගීකරණයන් භාවිතා කරනු ලැබේ: විශ්ලේෂණය සඳහා දත්ත ගබඩා කිරීමේ ක්රමය සහ OLAP යන්ත්රයේ පිහිටීම අනුව. OLAP නිෂ්පාදනවල එක් එක් කාණ්ඩය දෙස සමීපව බලමු.
මම දත්ත ගබඩා කිරීමේ ක්රමය මත පදනම්ව වර්ගීකරණයකින් ආරම්භ කරමි. බහුමාන කැට ගොඩනගා ඇත්තේ මූලාශ්ර සහ සමස්ත දත්ත පදනම් කරගෙන බව මම ඔබට මතක් කරමි. කියුබ් සඳහා මූලාශ්ර සහ සමස්ථ දත්ත යන දෙකම සම්බන්ධක සහ බහුමාන දත්ත සමුදායන්හි ගබඩා කළ හැක. එබැවින්, දත්ත ගබඩා කිරීමේ ක්රම තුනක් දැනට භාවිතා වේ: MOLAP (Multidimensional OLAP), ROLAP (Relational OLAP) සහ HOLAP (හයිබ්රිඩ් OLAP). ඒ අනුව, දත්ත ගබඩා කිරීමේ ක්රමය මත පදනම්ව OLAP නිෂ්පාදන සමාන කාණ්ඩ තුනකට බෙදා ඇත:
1.MOLAP සම්බන්ධයෙන් ගත් කල, මූලාශ්ර සහ සමස්ථ දත්ත බහුමාන දත්ත ගබඩාවක හෝ බහුමාන දේශීය ඝනකයක ගබඩා කෙරේ.
2.ROLAP නිෂ්පාදනවල, මූලාශ්ර දත්ත සම්බන්ධක දත්ත සමුදායන්හි හෝ ගොනු සේවාදායකයක පැතලි දේශීය වගුවල ගබඩා කෙරේ. සමස්ථ දත්ත එකම දත්ත ගබඩාවේ සේවා වගු තුළ තැබිය හැකිය. සම්බන්ධතා දත්ත ගබඩාවක දත්ත බහුමාන ඝනක බවට පරිවර්තනය කිරීම OLAP මෙවලමක ඉල්ලීම මත සිදු වේ.
3. HOLAP ගෘහ නිර්මාණ ශිල්පය භාවිතා කරන විට, මූලාශ්ර දත්ත සම්බන්ධතා දත්ත ගබඩාවේ පවතින අතර, සමස්ථයන් බහුමාන එකෙහි තබා ඇත. OLAP ඝනකයක් ගොඩනඟා ඇත්තේ OLAP මෙවලමක ඉල්ලීම මත සම්බන්ධතා සහ බහුමාන දත්ත මත පදනම්වය.
ඊළඟ වර්ගීකරණය OLAP යන්ත්රයේ පිහිටීම මත පදනම් වේ. මෙම විශේෂාංගය මත පදනම්ව, OLAP නිෂ්පාදන OLAP සේවාදායකයන් සහ OLAP සේවාදායකයින් ලෙස බෙදා ඇත:
සේවාදායක OLAP මෙවලම් තුළ, ගණනය කිරීම් සහ සමස්ත දත්ත ගබඩා කිරීම සිදු කරනු ලබන්නේ වෙනම ක්‍රියාවලියක් මගිනි - සේවාදායකය. සේවාදායක යෙදුමට ලැබෙන්නේ සේවාදායකයේ ගබඩා කර ඇති බහුමාන කියුබ් වලට එරෙහි විමසුම්වල ප්රතිඵල පමණි. සමහර OLAP සේවාදායකයන් දත්ත ගබඩා කිරීමට සහය දක්වන්නේ සම්බන්ධතා දත්ත සමුදායන් තුළ පමණක් වන අතර සමහර ඒවා බහුමාන ඒවා තුළ පමණි. බොහෝ නවීන OLAP සේවාදායකයන් දත්ත ගබඩා කිරීමේ ක්රම තුනටම සහය දක්වයි: MOLAP, ROLAP සහ HOLAP.
OLAP සේවාලාභියා වෙනස් ලෙස නිර්මාණය කර ඇත. බහුමාන ඝනකයක් ඉදිකිරීම සහ OLAP ගණනය කිරීම් සේවාදායක පරිගණකයේ මතකය තුළ සිදු කෙරේ. OLAP සේවාලාභීන් ද ROLAP සහ MOLAP ලෙස බෙදා ඇත. සමහරක් දත්ත ප්රවේශ විකල්ප දෙකටම සහය විය හැක.
මෙම සෑම ප්රවේශයක්ම එහි වාසි සහ අවාසි ඇත. සේවාදායක මෙවලම්වලට වඩා සේවාදායක මෙවලම්වල වාසි පිළිබඳ ජනප්‍රිය විශ්වාසයට පටහැනිව, අවස්ථා ගණනාවකදී, පරිශීලකයින් සඳහා OLAP සේවාදායකයක් භාවිතා කිරීම OLAP සේවාදායකයක් භාවිතා කිරීමට වඩා ඵලදායී සහ ලාභදායී විය හැකිය.
2. OLAP සේවාදායකයා - OLAP සේවාදායකය: වාසි සහ අවාසි
තොරතුරු පද්ධතියක් ගොඩනඟන විට, OLAP ක්රියාකාරිත්වය සේවාදායක සහ සේවාදායක OLAP මෙවලම් භාවිතයෙන් ක්රියාත්මක කළ හැක. ප්රායෝගිකව, තේරීම කාර්ය සාධනය සහ මෘදුකාංග පිරිවැය අතර වෙළඳාමකි.
දත්ත පරිමාව තීරණය වන්නේ පහත සඳහන් ලක්ෂණ වල එකතුවෙනි: වාර්තා ගණන, මානයන් ගණන, මාන මූලද්රව්ය ගණන, මානයන්හි දිග සහ කරුණු ගණන. සමාන පරිගණක බලයක් සහිත OLAP සේවාදායකයකුට වඩා OLAP සේවාදායකයකට විශාල දත්ත පරිමාවක් සැකසීමට හැකි බව දන්නා කරුණකි. මෙයට හේතුව OLAP සේවාදායකය ගබඩා කිරීමයි දෘඪ තැටිපූර්ව-පරිගණක කැට අඩංගු බහුමාන දත්ත සමුදායක්.
OLAP මෙහෙයුම් සිදු කරන විට, සේවාදායක වැඩසටහන් SQL වැනි භාෂාවකින් එය මත විමසුම් ක්රියාත්මක කරයි, සම්පූර්ණ ඝනකයක් නොව එහි ප්රදර්ශනය කරන ලද කොටස් ලබා ගනී. ක්රියාත්මක වන විට, OLAP සේවාදායකයා සතුව තිබිය යුතුය අහඹු ප්රවේශ මතකයමුළු ඝනකය ROLAP ගෘහ නිර්මාණ ශිල්පයකදී, කියුබ් ගණනය කිරීමට භාවිතා කරන සම්පූර්ණ දත්ත අරාව මතකයට පැටවීම අවශ්ය වේ. අතිරේක වශයෙන්, මානයන්, කරුණු හෝ මාන සාමාජිකයින් සංඛ්යාව වැඩි වන විට, සමස්ථ සංඛ්යාව ඝාතීය ලෙස වර්ධනය වේ. මේ අනුව, OLAP සේවාදායකයා විසින් සකසන ලද දත්ත ප්‍රමාණය පරිශීලකයාගේ පරිගණකයේ ඇති RAM ප්‍රමාණය මත කෙලින්ම රඳා පවතී.
කෙසේ වෙතත්, බොහෝ OLAP සේවාලාභීන් විසින් බෙදා හරින ලද පරිගණකකරණය සපයන බව සලකන්න. එබැවින්, සේවාදායක OLAP මෙවලමෙහි කාර්යය සීමා කරන සකසන ලද වාර්තා ගණන, ආයතනික දත්ත ගබඩාවේ ප්‍රාථමික දත්ත පරිමාව ලෙස නොව, එයින් එකතු කරන ලද නියැදියේ ප්‍රමාණය ලෙස වටහා ගනී. OLAP සේවාලාභියා DBMS වෙත ඉල්ලීමක් ජනනය කරයි, එය පෙරීමේ කොන්දේසි සහ ප්‍රාථමික දත්තවල මූලික කණ්ඩායම්ගත කිරීම සඳහා ඇල්ගොරිතම විස්තර කරයි. සේවාදායකය තවදුරටත් OLAP ගණනය කිරීම් සඳහා සංයුක්ත තේරීමක් සොයා, කණ්ඩායම් වාර්තා කර ආපසු ලබා දෙයි. මෙම නියැදියේ විශාලත්වය ප්‍රාථමික, එකතු නොකළ වාර්තා පරිමාවට වඩා දස ගුණයකින් හෝ සිය ගුණයකින් කුඩා විය හැක. එහි ප්රතිඵලයක් වශයෙන්, PC සම්පත් වල එවැනි OLAP සේවාලාභියෙකු සඳහා අවශ්යතාවය සැලකිය යුතු ලෙස අඩු වේ.
මීට අමතරව, මානයන් සංඛ්යාව මානව සංජානනයේ සීමාවන්ට යටත් වේ. සාමාන්ය පුද්ගලයෙකුට 3-4, උපරිම 8 මාන සමඟ එකවර ක්රියා කළ හැකි බව දන්නා කරුණකි. ගතික වගුවක මානයන් විශාල සංඛ්‍යාවක් සමඟ, තොරතුරු පිළිබඳ සංජානනය සැලකිය යුතු ලෙස දුෂ්කර වේ. OLAP සේවාදායකයාට අවශ්ය විය හැකි RAM ප්‍රාථමික ගණනය කිරීමේදී මෙම සාධකය සැලකිල්ලට ගත යුතුය.
OLAP ඝනකයක් ගණනය කිරීමේදී OLAP එන්ජිමේ ලිපින අවකාශයේ ප්රමාණයට ද මානයන්හි දිග බලපායි. මානයන් දිගු වන තරමට, බහුමාන අරාවක් පෙරනිමිති කිරීමට වැඩි සම්පත් අවශ්ය වේ, සහ අනෙක් අතට. මූලාශ්ර දත්තවල කෙටි මිනුම් පමණක් OLAP සේවාදායකයාට පක්ෂව තවත් තර්කයකි.
මෙම ලක්ෂණය තීරණය වන්නේ ඉහත සාකච්ඡා කරන ලද සාධක දෙක මගිනි: සැකසූ දත්ත පරිමාව සහ පරිගණකවල බලය. උදාහරණයක් ලෙස, මානයන්හි සංඛ්යාව වැඩි වන විට, සමස්ත සංඛ්‍යාවේ සැලකිය යුතු වැඩි වීමක් හේතුවෙන් සියලුම OLAP මෙවලම්වල ක්රියාකාරිත්වය අඩු වේ, නමුත් අඩුවීමේ අනුපාතය වෙනස් වේ. ප්‍රස්ථාරයක් මත මෙම යැපීම නිරූපණය කරමු.
යෝජනා ක්රමය 1. දත්ත පරිමාවේ වැඩි වීමක් මත සේවාදායක සහ සේවාදායක OLAP මෙවලම්වල ක්‍රියාකාරීත්වය මත යැපීම
OLAP සේවාදායකයේ වේග ලක්ෂණ දත්ත වර්ධනයට අඩු සංවේදී වේ. OLAP සේවාදායකය සහ OLAP සේවාදායකයා විසින් පරිශීලක ඉල්ලීම් සැකසීම සඳහා විවිධ තාක්ෂණයන් මගින් මෙය පැහැදිලි කෙරේ. උදාහරණයක් ලෙස, සරඹ-පහළ මෙහෙයුමකදී, OLAP සේවාදායකය ගබඩා කර ඇති දත්ත වෙත ප්රවේශ වන අතර මෙම "ශාඛාවෙන්" දත්ත "අදින්න". OLAP සේවාලාභියා පූරණය වන අවස්ථාවේදී සම්පූර්ණ එකතුව ගණනය කරයි. කෙසේ වෙතත්, නිශ්චිත දත්ත ප්‍රමාණයක් දක්වා, සේවාදායකයේ සහ සේවාදායක මෙවලම්වල ක්රියාකාරිත්වය සැසඳිය හැකිය. බෙදා හරින ලද පරිගණනයට සහය දක්වන OLAP සේවාලාභීන් සඳහා, කාර්ය සාධනය සංසන්දනය කිරීමේ විෂය පථය පරිශීලකයින් විශාල සංඛ්‍යාවකගේ OLAP විශ්ලේෂණ අවශ්යතා ආවරණය කරන දත්ත පරිමාවන් දක්වා ව්‍යාප්ත විය හැකිය. MS OLAP සේවාදායකයේ සහ OLAP සේවාලාභියා "Kontur Standard" හි අභ්යන්තර පරීක්ෂණවල ප්රතිඵල මගින් මෙය සනාථ වේ. IBM PC Pentium Celeron 400 MHz, 256 Mb මත මෙම පරීක්ෂණය සිදු කරන ලද්දේ සාමාජිකයින් 10 සිට 70 දක්වා වූ මාන 7ක් සහිත අද්විතීය (එනම්, එකතු කරන ලද) වාර්තා මිලියන 1ක සාම්පලයක් සඳහාය. අවස්ථා දෙකේදීම කියුබ් පැටවීමේ කාලය තත්පර 1 නොඉක්මවන අතර, විවිධ OLAP මෙහෙයුම් (සරඹ, සරඹ, චලනය, පෙරහන, ආදිය) තත්පරයෙන් සියයෙන් පංගුවකින් සම්පූර්ණ වේ.
නියැදි ප්‍රමාණය RAM ප්‍රමාණය ඉක්මවා ගිය විට, තැටිය සමඟ හුවමාරු කිරීම ආරම්භ වන අතර OLAP සේවාලාභියාගේ ක්රියාකාරිත්වය තියුනු ලෙස පහත වැටේ. OLAP සේවාදායකයේ වාසිය ගැන කතා කළ හැක්කේ මේ මොහොතේ සිට පමණි.
OLAP විසඳුමක පිරිවැයෙහි තියුණු වැඩිවීමක සීමාව "බිඳීමේ ලක්ෂ්යය" තීරණය කරන බව මතක තබා ගත යුතුය. එක් එක් විශේෂිත පරිශීලකයාගේ කාර්යයන් සඳහා, මෙම ලක්ෂ්යය OLAP සේවාදායකයාගේ කාර්ය සාධන පරීක්ෂණ මගින් පහසුවෙන් තීරණය කරනු ලැබේ. එවැනි පරීක්ෂණ සංවර්ධන සමාගමෙන් ලබා ගත හැකිය.
මීට අමතරව, පරිශීලකයින් සංඛ්යාව වැඩි වන විට සේවාදායක OLAP විසඳුමක පිරිවැය වැඩිවේ. කාරණය වන්නේ OLAP සේවාදායකය එක් පරිගණකයක සියලුම පරිශීලකයින් සඳහා ගණනය කිරීම් සිදු කරයි. ඒ අනුව, භාවිතා කරන්නන් ගණන වැඩි වන තරමට RAM සහ සැකසුම් බලය වැඩි වේ. මේ අනුව, සකසන ලද දත්ත පරිමාවන් සේවාදායක සහ සේවාදායක පද්ධතිවල සංසන්දනාත්මක කාර්ය සාධනයේ ප්‍රදේශයේ නම්, අනෙක් දේවල් සමාන නම්, OLAP සේවාදායකයක් භාවිතා කිරීම වඩා ලාභදායී වනු ඇත.
"සම්භාව්‍ය" මතවාදයේ OLAP සේවාදායකයක් භාවිතා කිරීම සම්බන්ධිත DBMS දත්ත බහුමාන දත්ත ගබඩාවකට උඩුගත කිරීම ඇතුළත් වේ. උඩුගත කිරීම යම් කාල සීමාවක් තුළ සිදු කරනු ලැබේ, එබැවින් OLAP සේවාදායක දත්ත වත්මන් තත්ත්වය පිළිබිඹු නොකරයි. මෙම අඩුපාඩුවෙන් නිදහස් වන්නේ ROLAP මෙහෙයුම් මාදිලියට සහය දක්වන OLAP සේවාදායකයන් පමණි.
ඒ හා සමානව, OLAP සේවාලාභීන් ගණනාවක් ඔබට දත්ත සමුදායට සෘජු ප්රවේශය සහිත ROLAP සහ ඩෙස්ක්ටොප් ගෘහ නිර්මාණ ශිල්පය ක්රියාත්මක කිරීමට ඉඩ සලසයි. මෙය මූලාශ්ර දත්ත මාර්ගගත විශ්ලේෂණය සහතික කරයි.
OLAP සේවාදායකය ඉදිරිපත් කරයි අවම අවශ්යතාසේවාදායක පර්යන්තවල බලයට. වෛෂයිකව, OLAP සේවාලාභියෙකුගේ අවශ්යතා වැඩි වේ, මන්ද... එය පරිශීලකයාගේ PC RAM හි ගණනය කිරීම් සිදු කරයි. OLAP මෙවලමක් තෝරාගැනීමේදී සැලකිල්ලට ගත යුතු වැදගත්ම දර්ශකය වන්නේ කිසියම් සංවිධානයක දෘඪාංග සමූහයේ තත්වයයි. නමුත් මෙහි "වාසි" සහ "අවාසි" ද ඇත. OLAP සේවාදායකයක් නවීන පුද්ගලික පරිගණකවල අතිවිශාල පරිගණක බලය භාවිතා නොකරයි. සංවිධානයකට දැනටමත් නවීන පරිගණක සමූහයක් තිබේ නම්, ඒවා සංදර්ශක පර්යන්ත ලෙස පමණක් භාවිතා කිරීම අකාර්යක්ෂම වන අතර ඒ සමඟම මධ්යම සේවාදායකය සඳහා අමතර වියදම් දැරීමට සිදුවේ.
පරිශීලකයින්ගේ පරිගණකවල බලය "අපේක්ෂා කිරීමට බොහෝ දේ ඉතිරි කරයි" නම්, OLAP සේවාලාභියා සෙමින් ක්රියා කරයි හෝ කිසිසේත් වැඩ කිරීමට නොහැකි වනු ඇත. එක් බලවත් සේවාදායකයක් මිලට ගැනීම ඔබගේ සියලුම පරිගණක යාවත්කාලීන කිරීමට වඩා ලාභදායී විය හැකිය.
මෙහිදී දෘඩාංග සංවර්ධනයේ ප්රවණතා සැලකිල්ලට ගැනීම ප්රයෝජනවත් වේ. විශ්ලේෂණය සඳහා දත්ත පරිමාව ප්රායෝගිකව නියත බැවින්, පරිගණක බලයේ ස්ථාවර වැඩිවීමක් OLAP සේවාදායකයින්ගේ හැකියාවන් පුළුල් කිරීමට සහ OLAP සේවාදායකයන් ඉතා විශාල දත්ත සමුදායන් වෙත විස්ථාපනය කිරීමට හේතු වේ.
ජාලය හරහා OLAP සේවාදායකයක් භාවිතා කරන විට, ප්රදර්ශනය කළ යුතු දත්ත පමණක් සේවාදායක පරිගණකයට මාරු කරනු ලැබේ, OLAP සේවාදායකයාට ප්‍රාථමික දත්තවල සම්පූර්ණ පරිමාව ලැබේ.
එබැවින්, OLAP සේවාදායකයක් භාවිතා කරන විට, ජාල තදබදය වැඩි වනු ඇත.
නමුත්, OLAP සේවාදායකයක් භාවිතා කරන විට, පරිශීලක මෙහෙයුම්, උදාහරණයක් ලෙස, විස්තර කිරීම, බහුමාන දත්ත සමුදාය වෙත නව විමසුම් උත්පාදනය කිරීම සහ, එබැවින්, නව දත්ත හුවමාරු කිරීම. OLAP සේවාලාභියෙකු විසින් OLAP මෙහෙයුම් ක්රියාත්මක කිරීම RAM හි සිදු කරනු ලබන අතර, ඒ අනුව, ජාලය තුළ නව දත්ත ප්රවාහයන් ඇති නොකරයි.
නවීන ජාල දෘඩාංග ඉහළ මට්ටමේ ප්‍රතිදානයක් සපයන බව ද සටහන් කළ යුතුය.
එබැවින්, අති විශාල බහුතර අවස්ථාවන්හිදී, OLAP සේවාලාභියෙකු භාවිතයෙන් "මධ්යම" ප්රමාණයේ දත්ත ගබඩාවක් විශ්ලේෂණය කිරීම පරිශීලකයාගේ කාර්යය මන්දගාමී නොවේ.
OLAP සේවාදායකයක පිරිවැය තරමක් ඉහළ ය. මෙයට කැපවූ පරිගණකයක පිරිවැය සහ බහුමාන දත්ත ගබඩාවක් පරිපාලනය කිරීමේ දැනට පවතින පිරිවැයද ඇතුළත් විය යුතුය. මීට අමතරව, OLAP සේවාදායකයක් ක්රියාත්මක කිරීම සහ නඩත්තු කිරීම සඳහා තරමක් ඉහළ සුදුසුකම් ලත් පිරිස් අවශ්ය වේ.
OLAP සේවාලාභියෙකුගේ පිරිවැය OLAP සේවාදායකයක පිරිවැයට වඩා අඩු විශාලත්වයේ අනුපිළිවෙලකි. සේවාදායකය සඳහා පරිපාලනය හෝ අතිරේක තාක්ෂණික උපකරණ අවශ්ය නොවේ. OLAP සේවාලාභියෙකු ක්රියාත්මක කිරීමේදී පුද්ගල සුදුසුකම් සඳහා ඉහළ අවශ්යතා නොමැත. OLAP සේවාදායකයක් OLAP සේවාදායකයකට වඩා වේගයෙන් ක්රියාත්මක කළ හැක.
සේවාදායක OLAP මෙවලම් භාවිතයෙන් විශ්ලේෂණාත්මක යෙදුම් සංවර්ධනය කිරීම වේගවත් ක්‍රියාවලියක් වන අතර විශේෂ පුහුණුවක් අවශ්ය නොවේ. දත්ත සමුදායේ භෞතික ක්රියාත්මක කිරීම දන්නා පරිශීලකයෙකුට තොරතුරු තාක්ෂණ විශේෂඥයෙකුගේ සහභාගීත්වයෙන් තොරව ස්වාධීනව විශ්ලේෂණාත්මක යෙදුමක් සංවර්ධනය කළ හැකිය. OLAP සේවාදායකයක් භාවිතා කරන විට, ඔබ 2 ඉගෙන ගත යුතුය විවිධ පද්ධති, සමහර විට විවිධ වෙළෙන්දන්ගෙන්, - සේවාදායකයේ කැට නිර්මාණය කිරීම සඳහා සහ සේවාදායක යෙදුමක් සංවර්ධනය කිරීම සඳහා. OLAP සේවාලාභියා කැට විස්තර කිරීම සහ ඒවා සඳහා පරිශීලක අතුරුමුහුණත් සැකසීම සඳහා තනි දෘශ්‍ය අතුරු මුහුණතක් සපයයි.
සේවාදායක මෙවලම භාවිතයෙන් OLAP යෙදුමක් නිර්මාණය කිරීමේ ක්‍රියාවලිය හරහා ගමන් කරමු.
රූප සටහන 2. ROLAP සේවාදායක මෙවලමක් භාවිතයෙන් OLAP යෙදුමක් නිර්මාණය කිරීම
ROLAP සේවාලාභීන්ගේ මෙහෙයුම් මූලධර්මය යනු මූල දත්තවල භෞතික ව්යුහය සැඟවී ඇති අර්ථකථන ස්ථරයේ මූලික විස්තරයකි. මෙම අවස්ථාවේදී, දත්ත මූලාශ්ර විය හැක: දේශීය වගු, RDBMS. සහාය දක්වන දත්ත මූලාශ්ර ලැයිස්තුව නිශ්චිත මෘදුකාංග නිෂ්පාදනයක් මගින් තීරණය වේ. මෙයින් පසු, පරිශීලකයාට කැට සහ විශ්ලේෂණ අතුරුමුහුණත් නිර්මාණය කිරීම සඳහා විෂය ප්‍රදේශය අනුව ඔහු තේරුම් ගන්නා වස්තූන් ස්වාධීනව හැසිරවිය හැකිය.
OLAP සේවාදායක සේවාලාභියාගේ මෙහෙයුම් මූලධර්මය වෙනස් වේ. OLAP සේවාදායකයක් තුළ, කියුබ් සෑදීමේදී, පරිශීලකයා දත්ත සමුදායේ භෞතික විස්තර හසුරුවයි.
ඒ සමගම, කැටය තුළම අභිරුචි විස්තර නිර්මාණය වේ. OLAP සේවාදායක සේවාදායකය වින්යාස කර ඇත්තේ කියුබ් සඳහා පමණි.
ගතික විකුණුම් වාර්තාවක් නිර්මාණය කිරීමේ උදාහරණය භාවිතා කරමින් ROLAP සේවාදායකයාගේ ක්‍රියාකාරිත්වයේ මූලධර්මය අපි පැහැදිලි කරමු (රූප සටහන 2 බලන්න). විශ්ලේෂණය සඳහා මූලික දත්ත වගු දෙකකින් ගබඩා කිරීමට ඉඩ දෙන්න: විකුණුම් සහ ගනුදෙනු.
අර්ථකථන ස්තරයක් නිර්මාණය කිරීමේදී, දත්ත මූලාශ්ර - විකුණුම් සහ ගනුදෙනු වගු - විස්තර කර ඇත්තේ අවසාන පරිශීලකයාට තේරුම් ගත හැකි සහ “නිෂ්පාදන” සහ “ගනුදෙනු” බවට හැරවිය හැකි කොන්දේසි අනුව ය. "නිෂ්පාදන" වගුවේ "ID" ක්ෂේත්‍රය "කේතය" ලෙසත්, "නම" "නිෂ්පාදනය" ලෙසත් නැවත නම් කර ඇත.
එවිට විකුණුම් ව්යාපාර වස්තුව නිර්මාණය වේ. ව්යාපාරික වස්තුවක් යනු බහුමාන ඝනකයක් සාදනු ලබන පදනම මත පැතලි වගුවකි. ව්යාපාරික වස්තුවක් නිර්මාණය කිරීමේදී, "නිෂ්පාදන" සහ "ගනුදෙනු" වගු නිෂ්පාදනයේ "කේත" ක්ෂේත්‍රය මගින් ඒකාබද්ධ කෙරේ. වාර්තාවේ සංදර්ශනය සඳහා සියලුම වගු ක්ෂේත්ර අවශ්ය නොවන බැවින්, ව්යාපාරික වස්තුව "අයිතමය", "දිනය" සහ "මුදල්" ක්ෂේත්ර පමණක් භාවිතා කරයි.
ඊළඟට, ව්යාපාරික වස්තුව මත පදනම්ව OLAP වාර්තාවක් සාදනු ලැබේ. පරිශීලකයා ව්යාපාරික වස්තුවක් තෝරා එහි ගුණාංග වාර්තා වගුවේ තීරු හෝ පේළි ප්‍රදේශවලට ඇද දමයි. අපගේ උදාහරණයේ දී, "විකුණුම්" ව්යාපාරික වස්තුව මත පදනම්ව, මාසය අනුව නිෂ්පාදන අලෙවිය පිළිබඳ වාර්තාවක් නිර්මාණය කරන ලදී.
අන්තර්ක්‍රියාකාරී වාර්තාවක් සමඟ වැඩ කරන විට, පරිශීලකයාට එකම සරල මූසික චලනයන් සමඟ පෙරීමේ සහ කණ්ඩායම් කිරීමේ කොන්දේසි සැකසිය හැක. මෙම අවස්ථාවේදී, ROLAP සේවාදායකයා හැඹිලියේ ඇති දත්ත වෙත ප්රවේශ වේ. OLAP සේවාදායක සේවාදායකයා බහුමාන දත්ත සමුදාය වෙත නව විමසුමක් උත්පාදනය කරයි. උදාහරණයක් ලෙස, විකුණුම් වාර්තාවක නිෂ්පාදනයක් අනුව පෙරහනක් යෙදීමෙන්, ඔබට අප ගැන උනන්දුවක් දක්වන නිෂ්පාදනවල විකුණුම් පිළිබඳ වාර්තාවක් ලබා ගත හැකිය.
සියලුම OLAP යෙදුම් සැකසුම් විශේෂිත පාර-දත්ත ගබඩාවක, යෙදුමේ හෝ බහුමාන දත්ත සමුදා පද්ධති ගබඩාවක ගබඩා කළ හැක. ක්රියාත්මක කිරීම විශේෂිත මෘදුකාංග නිෂ්පාදනය මත රඳා පවතී.
ඉතින්, OLAP සේවාදායකයක් භාවිතා කිරීම OLAP සේවාදායකයක් භාවිතා කිරීමට වඩා පරිශීලකයින්ට වඩාත් ඵලදායී සහ ලාභදායී විය හැක්කේ කුමන අවස්ථාවලදීද?
OLAP සේවාදායකයක් භාවිතා කිරීමේ ආර්ථික ශක්‍යතාව පැන නගින්නේ දත්ත පරිමාව ඉතා විශාල වන අතර OLAP සේවාදායකයා සඳහා අතිමහත් වූ විට, එසේ නොමැති නම් දෙවැන්න භාවිතා කිරීම වඩාත් යුක්ති සහගත ය. මෙම අවස්ථාවෙහිදී, OLAP සේවාදායකයා ඉහළ කාර්යසාධන ලක්ෂණ සහ අඩු පිරිවැය ඒකාබද්ධ කරයි.
විශ්ලේෂකයින් සඳහා බලවත් පරිගණක OLAP සේවාදායකයින්ට පක්ෂව තවත් තර්කයකි. OLAP සේවාදායකයක් භාවිතා කරන විට, මෙම ධාරිතාවයන් භාවිතා නොකෙරේ. OLAP සේවාදායකයින්ගේ වාසි අතර පහත දැක්වේ:
OLAP සේවාදායකයක් ක්රියාත්මක කිරීමේ සහ නඩත්තු කිරීමේ පිරිවැය OLAP සේවාදායකයක පිරිවැයට වඩා සැලකිය යුතු ලෙස අඩුය.
කාවැද්දූ යන්ත්‍රයක් සමඟ OLAP සේවාදායකයක් භාවිතා කරන විට, දත්ත එක් වරක් ජාලය හරහා මාරු කරනු ලැබේ. OLAP මෙහෙයුම් සිදු කරන විට, නව දත්ත ප්රවාහයන් උත්පාදනය නොවේ.
ROLAP සේවාලාභීන් පිහිටුවීම අතරමැදි පියවර ඉවත් කිරීම මගින් සරල කර ඇත - බහුමාන දත්ත සමුදායක් නිර්මාණය කිරීම.
3. මූලික OLAP පද්ධතිය
3.1 සැලසුම් මූලධර්ම
යෙදුම් සේවාදායක මූලික දත්ත
දැනටමත් පවසා ඇති දේ අනුව, OLAP යාන්ත්‍රණය අද දත්ත විශ්ලේෂණයේ ජනප්‍රිය ක්රමයක් බව පැහැදිලිය. මෙම ගැටළුව විසඳීම සඳහා ප්රධාන ප්රවේශයන් දෙකක් තිබේ. ඒවායින් පළමුවැන්න බහුමාන OLAP (MOLAP) ලෙස හැඳින්වේ - සේවාදායකයේ පැත්තේ බහුමාන දත්ත සමුදායක් භාවිතා කරමින් යාන්ත්‍රණය ක්රියාත්මක කිරීම සහ දෙවන Relational OLAP (ROLAP) - මත පදනම්ව පියාසර කිරීම මත කැට ගොඩනැගීම SQL විමසුම්සම්බන්ධක DBMS වෙත. මෙම සෑම ප්රවේශයක්ම එහි වාසි සහ අවාසි ඇත. ඔවුන්ගේ සංසන්දනාත්මක විශ්ලේෂණයමෙම කාර්යයේ විෂය පථයෙන් ඔබ්බට ය. ඩෙස්ක්ටොප් ROLAP මොඩියුලයේ මූලික ක්රියාත්මක කිරීම පමණක් මෙහි විස්තර කෙරේ.
Borland Delphi හි අඩංගු Decision Cube සංරචක පදනම මත ගොඩනගා ඇති ROLAP පද්ධතියක් භාවිතා කිරීමෙන් පසුව මෙම කාර්යය පැන නැගුනි. අවාසනාවකට, මෙම සංරචක කට්ටලය භාවිතා කිරීම විශාල දත්ත ප්‍රමාණයක දුර්වල ක්‍රියාකාරිත්වයක් පෙන්නුම් කළේය. කැට වලට පෝෂණය කිරීමට පෙර හැකි තරම් දත්ත කපා හැරීමට උත්සාහ කිරීමෙන් මෙම ගැටළුව අවම කර ගත හැකිය. නමුත් මෙය සෑම විටම ප්රමාණවත් නොවේ.
ඔබට OLAP පද්ධති පිළිබඳ බොහෝ තොරතුරු අන්තර්ජාලයේ සහ පුවත්පත් වලින් සොයාගත හැකිය, නමුත් එය ඇතුළත ක්රියා කරන ආකාරය ගැන කොතැනකවත් නොකියයි.
වැඩ යෝජනා ක්රමය:
ඩෙස්ක්ටොප් OLAP පද්ධතියේ ක්‍රියාකාරීත්වයේ සාමාන්ය යෝජනා ක්රමය පහත පරිදි නිරූපණය කළ හැකිය:
රූප සටහන 3. ඩෙස්ක්ටොප් OLAP පද්ධතියක ක්රියාකාරිත්වය
මෙහෙයුම් ඇල්ගොරිතම පහත පරිදි වේ:
1. පැතලි වගුවක ආකාරයෙන් දත්ත ලබා ගැනීම හෝ SQL විමසුමක් ක්රියාත්මක කිරීමේ ප්රතිඵලය.
2. දත්ත ගබඩා කර බහුමාන ඝනකයක් බවට පරිවර්තනය කිරීම.
3. හරස් පටිත්තක් හෝ ප්‍රස්ථාරයක් භාවිතා කරමින් ඉදිකරන ලද ඝනකය ප්රදර්ශනය කිරීම යනාදිය. සාමාන්යයෙන්, අත්තනෝමතික දර්ශන සංඛ්‍යාවක් එක් ඝනකයකට සම්බන්ධ කළ හැක.
එවැනි පද්ධතියක් අභ්යන්තරව සකස් කළ හැකි ආකාරය සලකා බලමු. අපි මෙය ආරම්භ කරන්නේ පෙනෙන සහ ස්පර්ශ කළ හැකි පැත්තෙන්, එනම් සංදර්ශක වලින්. OLAP පද්ධතිවල භාවිතා වන සංදර්ශක බොහෝ විට වර්ග දෙකකින් පැමිණේ - හරස් ටැබ් සහ ප්‍රස්ථාර. අපි බලමු හරස් ටැබ් එකක්, එය ඝනකයක් ප්රදර්ශනය කිරීමේ මූලික සහ වඩාත් පොදු ක්‍රමයයි.
පහත රූපයේ, එකතු කළ ප්රතිඵල අඩංගු පේළි සහ තීරු කහ පැහැයෙන් ද, කරුණු අඩංගු සෛල ලා අළු පැහැයෙන් ද, මාන දත්ත අඩංගු කොටු තද අළු පැහැයෙන් ද දැක්වේ.
මේ අනුව, වගුව පහත සඳහන් අංග වලට බෙදිය හැකි අතර, අපි අනාගතයේදී වැඩ කරන්නෙමු:
කරුණු සමඟ අනුකෘතිය පුරවන විට, අපි පහත පරිදි ඉදිරියට යා යුතුය:
මිනුම් දත්ත මත පදනම්ව, අනුකෘතියේ එකතු කළ යුතු මූලද්රව්යයේ ඛණ්ඩාංක තීරණය කරන්න.
එකතු කරන ලද මූලද්රව්ය මගින් බලපෑමට ලක්වන එකතුවෙහි තීරු සහ පේළි වල ඛණ්ඩාංක නිර්ණය කරන්න.
න්‍යාසයට මූලද්රව්යයක් සහ ඊට අදාළ සම්පූර්ණ තීරු සහ පේළි එක් කරන්න.
එහි ප්රතිඵලය වන න්‍යාසය ඉතා විරල වනු ඇති බව සැලකිල්ලට ගත යුතුය, එබැවින් ද්විමාන අරාවක (මතුපිට ඇති විකල්පය) ස්වරූපයෙන් එහි සංවිධානය අතාර්කික පමණක් නොව, බොහෝ විට, විශාල නිසා කළ නොහැක. මෙම matrix හි මානය, නොමැති ගබඩා කිරීම සඳහා RAM ප්‍රමාණයක් ප්රමාණවත් නොවේ. උදාහරණයක් ලෙස, අපගේ ඝනකයේ වසරක් සඳහා විකුණුම් පිළිබඳ තොරතුරු තිබේ නම් සහ එහි මාන 3ක් පමණක් තිබේ නම් - පාරිභෝගිකයින් (250), නිෂ්පාදන (500) සහ දිනය (365), එවිට අපට පහත මානයන්හි කරුණු අනුකෘතියක් ලැබෙනු ඇත: අංකය මූලද්රව්ය = 250 x 500 x 365 = 45,625,000 න්යාසයේ පිරවූ මූලද්රව්ය කිහිපයක් පමණක් තිබිය හැක. එපමණක් නොව, මානයන් වැඩි වන තරමට න්‍යාසය විරල වේ.
එබැවින්, මෙම matrix සමඟ වැඩ කිරීම සඳහා, ඔබ විරල matrices සමඟ වැඩ කිරීම සඳහා විශේෂ යාන්ත්රණ භාවිතා කළ යුතුය. විරල අනුකෘතියක් සංවිධානය කිරීම සඳහා විවිධ විකල්ප තිබේ. ඒවා ක්‍රමලේඛන සාහිත්‍යයේ හොඳින් විස්තර කර ඇත, නිදසුනක් ලෙස, ඩොනල්ඩ් නූත් විසින් රචිත "ද ආර්ට් ඔෆ් ක්‍රමලේඛන" නම් සම්භාව්‍ය පොතේ පළමු වෙළුමේ.
කරුණක ඛණ්ඩාංක තීරණය කරන්නේ කෙසේදැයි අපි දැන් සලකා බලමු, එයට අනුරූප මානයන් දැන ගැනීම. මෙය සිදු කිරීම සඳහා, අපි ශීර්ෂ ව්යුහය දෙස සමීපව බලමු:
මෙම අවස්ථාවෙහිදී, ඔබට අනුරූප සෛලයේ සංඛ්යා සහ එය වැටෙන මුළු සංඛ්යාව තීරණය කිරීමට ක්රමයක් පහසුවෙන් සොයාගත හැකිය. මෙහිදී ප්රවේශයන් කිහිපයක් යෝජනා කළ හැකිය. එකක් තමයි ගැළපෙන සෛල සොයා ගැනීමට ගසක් භාවිත කිරීම. මෙම ගස තෝරා ගැනීම හරහා ගමන් කිරීමෙන් ගොඩනගා ගත හැකිය. මීට අමතරව, අවශ්ය ඛණ්ඩාංකය ගණනය කිරීම සඳහා විශ්ලේෂණාත්මක පුනරාවර්තන සූත්රයක් පහසුවෙන් අර්ථ දැක්විය හැක.
වගුවේ ගබඩා කර ඇති දත්ත භාවිතා කිරීම සඳහා පරිවර්තනය කළ යුතුය. මේ අනුව, හයිපර්කියුබ් තැනීමේදී කාර්ය සාධනය වැඩි දියුණු කිරීම සඳහා, ඝනකයේ මානයන් වන තීරු තුළ ගබඩා කර ඇති අද්විතීය මූලද්රව්ය සොයා ගැනීම යෝග්ය වේ. මීට අමතරව, ඔබට එකම මාන අගයන් ඇති වාර්තා සඳහා මූලික කරුණු එකතු කිරීම සිදු කළ හැකිය. ඉහත සඳහන් කළ පරිදි, මිනුම් ක්ෂේත්‍රවල ඇති අද්විතීය අගයන් අපට වැදගත් වේ. එවිට ඒවා ගබඩා කිරීම සඳහා පහත ව්යුහය යෝජනා කළ හැකිය:
යෝජනා ක්රමය 4. ගබඩා ව්යුහය අද්විතීය අගයන්
මෙම ව්යුහය භාවිතා කිරීමෙන්, අපි මතක අවශ්යතාව සැලකිය යුතු ලෙස අඩු කරමු. එය ඉතා අදාළ වේ, මන්ද ... මෙහෙයුම් වේගය වැඩි කිරීම සඳහා, RAM හි දත්ත ගබඩා කිරීම යෝග්ය වේ. ඊට අමතරව, ඔබට ගබඩා කළ හැක්කේ මූලද්රව්ය මාලාවක් පමණක් වන අතර ඒවායේ අගයන් තැටියට දමන්න, මන්ද අපට ඒවා අවශ්ය වන්නේ හරස් ටැබය ප්රදර්ශනය කිරීමේදී පමණි.
ඉහත විස්තර කර ඇති අදහස් CubeBase සංරචක පුස්තකාලය නිර්මාණය කිරීමේ පදනම විය.
රූප සටහන 5. CubeBase සංරචක පුස්තකාලයේ ව්යුහය
TСubeSource දත්ත අභ්යන්තර ආකෘතියක් බවට හැඹිලිගත කිරීම සහ පරිවර්තනය කිරීම මෙන්ම දත්තවල මූලික එකතු කිරීම සිදු කරයි. TcubeEngine සංරචකය එය සමඟ හයිපර්කියුබ් ගණනය කිරීම් සහ මෙහෙයුම් සිදු කරයි. ඇත්ත වශයෙන්ම, එය පැතලි වගුවක් බහුමාන දත්ත කට්ටලයක් බවට පරිවර්තනය කරන OLAP එන්ජිමකි. TcubeGrid සංරචකය හරස් ටැබ් එක පෙන්වන අතර හයිපර්කියුබ් සංදර්ශකය පාලනය කරයි. TСubeChart ඔබට ප්‍රස්ථාර ආකාරයෙන් හයිපර්කියුබ් බැලීමට ඉඩ සලසයි, සහ TСubePivote සංරචකය කියුබ් හරයේ ක්රියාකාරිත්වය පාලනය කරයි.
ඉතින්, මම OLAP යන්ත්‍රයක් තැනීමට භාවිතා කළ හැකි සංරචකවල ගෘහ නිර්මාණ ශිල්පය සහ අන්තර් ක්රියාකාරිත්වය දෙස බැලුවෙමි. දැන් අපි සමීපව බලමු අභ්යන්තර සංවිධානයසංරචක.
පද්ධතියේ පළමු අදියර වන්නේ දත්ත පැටවීම සහ එය අභ්යන්තර ආකෘතියක් බවට පරිවර්තනය කිරීමයි. තාර්කික ප්‍රශ්නයක් වනුයේ: මෙය අවශ්ය වන්නේ ඇයි, ඔබට සරලව පැතලි මේසයකින් දත්ත භාවිතා කළ හැකි බැවින්, කියුබ් පෙත්තක් තැනීමේදී එය බැලීම. මෙම ප්රශ්නයට පිළිතුරු සැපයීම සඳහා, OLAP යන්ත්රයේ දෘෂ්ටි කෝණයෙන් වගු ව්යුහය දෙස බලමු. OLAP පද්ධති සඳහා, වගු තීරු කරුණු හෝ මානයන් විය හැක. කෙසේ වෙතත්, මෙම තීරු සමඟ වැඩ කිරීම සඳහා තර්කනය වෙනස් වනු ඇත. හයිපර්කියුබ් එකක, මානයන් ඇත්ත වශයෙන්ම අක්ෂ වන අතර මාන අගයන් එම අක්ෂවල ඛණ්ඩාංක වේ. මෙම අවස්ථාවෙහිදී, ඝනකය ඉතා අසමාන ලෙස පුරවනු ඇත - කිසිදු වාර්තාවකට අනුරූප නොවන ඛණ්ඩාංක සංයෝජන ඇති අතර මුල් වගුවේ වාර්තා කිහිපයකට අනුරූප වන සංයෝජන ඇත, සහ පළමු තත්වය වඩාත් පොදු වේ, එනම් , ඝනකයක් විශ්වයට සමාන වනු ඇත - හිස් අවකාශය, සමහර ස්ථානවල පොකුරු පොකුරු (කරුණු) ඇත. මේ අනුව, අපි මූලික දත්ත පැටවීමේදී දත්ත එකතු කිරීම සිදු කරන්නේ නම්, එනම්, අපි එකම මිනුම් අගයන් ඇති වාර්තා ඒකාබද්ධ කරන්නේ නම්, මූලික එකතු කළ කරුණු අගයන් ගණනය කිරීමේදී, අනාගතයේදී අපට අඩු වාර්තා සමඟ වැඩ කිරීමට සිදුවනු ඇත, එය වැඩි කරයි. කාර්යයේ වේගය සහ RAM ප්රමාණයට අවශ්යතා අඩු කිරීම.
හයිපර්කියුබ් පෙති තැනීමට, අපට පහත හැකියාවන් අවශ්ය වේ - වගු වාර්තා සඳහා ඛණ්ඩාංක (ඇත්ත වශයෙන්ම මිනුම් අගයන්) නිර්වචනය කිරීම මෙන්ම නිශ්චිත ඛණ්ඩාංක (මිනුම් අගයන්) ඇති වාර්තා නිර්වචනය කිරීම. මෙම හැකියාවන් සාක්ෂාත් කරගත හැකි ආකාරය සලකා බලමු. හයිපර්කියුබ් ගබඩා කිරීමට ඇති පහසුම ක්රමය නම් එහි අභ්යන්තර ආකෘතියේ දත්ත සමුදායක් භාවිතා කිරීමයි.
ක්‍රමානුකූලව, පරිවර්තන පහත පරිදි නිරූපණය කළ හැකිය:
රූපය 6: අභ්යන්තර ආකෘති දත්ත සමුදායක් සාමාන්ය දත්ත සමුදායක් බවට පරිවර්තනය කිරීම
එනම්, එක් වගුවක් වෙනුවට අපට සාමාන්‍යකරණය කළ දත්ත සමුදායක් ලැබුණි. ඇත්ත වශයෙන්ම, සාමාන්‍යකරණය පද්ධතියේ වේගය අඩු කරයි, දත්ත සමුදා විශේෂඥයින් පැවසිය හැකි අතර, ශබ්ද කෝෂ මූලද්රව්ය සඳහා අපට අගයන් ලබා ගැනීමට අවශ්ය වූ විට (අපගේ නඩුවේදී, මිනුම් අගයන්) ඔවුන් නිසැකවම නිවැරදි වනු ඇත. නමුත් කාරණය නම් පෙත්තක් තැනීමේ අදියරේදී අපට මෙම අගයන් කිසිසේත් අවශ්ය නොවේ. ඉහත සඳහන් කළ පරිදි, අපි අපගේ හයිපර්කියුබ්හි ඛණ්ඩාංක ගැන පමණක් උනන්දු වෙමු, එබැවින් අපි මිනුම් අගයන් සඳහා ඛණ්ඩාංක නිර්වචනය කරන්නෙමු. කළ යුතු පහසුම දෙය නම් මූලද්රව්ය අගයන් නැවත අංකනය කිරීමයි. එක් මානයක් තුළ අංකනය නොපැහැදිලි වීම සඳහා, අපි මුලින්ම මාන අගයන් ලැයිස්තුව (ශබ්දකෝෂ, දත්ත සමුදාය අනුව) අකාරාදී අනුපිළිවෙලට වර්ග කරමු. ඊට අමතරව, අපි කරුණු නැවත ගණනය කරන්නෙමු, සහ කරුණු පූර්ව එකතු කර ඇත. අපි පහත රූප සටහන ලබා ගනිමු:
යෝජනා ක්රමය 7. මිනුම් අගයන්හි ඛණ්ඩාංක තීරණය කිරීම සඳහා සාමාන්‍යකරණය කළ දත්ත සමුදාය නැවත අංකනය කිරීම
දැන් ඉතිරිව ඇත්තේ විවිධ වගු වල මූලද්රව්ය එකිනෙකට සම්බන්ධ කිරීමයි. සම්බන්ධතා දත්ත සමුදා න්‍යාය තුළ, මෙය විශේෂ අතරමැදි වගු භාවිතයෙන් සිදු කෙරේ. මිනුම් වගු වල ඇති සෑම ප්රවේශයක්ම ලැයිස්තුවක් සමඟ සම්බන්ධ කිරීම අපට ප්රමාණවත් වේ, එහි මූලද්රව්ය මෙම මිනුම් භාවිතා කරන ලද කරුණු සංඛ්යා වේ (එනම්, එකම අගයක් ඇති සියලුම කරුණු තීරණය කිරීම සඳහා. මෙම මිනුම මගින් විස්තර කර ඇති ඛණ්ඩාංකය). කරුණු සඳහා, එක් එක් වාර්තාව සඳහා, අපි එය හයිපර්කියුබ් තුළ පිහිටා ඇති ඛණ්ඩාංකවල අගයන් සම්බන්ධ කරන්නෙමු. අනාගතයේදී, අධි කියුබ් එකක වාර්තාවක ඛණ්ඩාංක මිනුම් අගයන්හි වගු වල අනුරූප වාර්තාවල සංඛ්යා ලෙස වටහා ගනු ඇත. අපගේ උපකල්පිත උදාහරණය සඳහා හයිපර්කියුබ් හි අභ්යන්තර නිරූපණය නිර්වචනය කරන පහත කට්ටලය අපට ලැබේ:
රූප සටහන 8. හයිපර්කියුබ් එකක අභ්යන්තර නිරූපණය
මෙය හයිපර්කියුබ් හි අපගේ අභ්යන්තර නිරූපණය වනු ඇත. අපි එය සම්බන්ධක දත්ත සමුදායක් සඳහා නොවන බැවින්, අපි මිනුම් අගයන් සම්බන්ධ කිරීම සඳහා ක්ෂේත්ර ලෙස විචල්‍ය දිග ක්ෂේත්ර භාවිතා කරමු (වගු තීරු ගණන එහි කලින් තීරණය කර ඇති බැවින් අපට මෙය RDB තුළ කළ නොහැක).
හයිපර්කියුබ් ක්‍රියාවට නැංවීම සඳහා අපට තාවකාලික වගු කට්ටලයක් භාවිතා කිරීමට උත්සාහ කළ හැකිය, නමුත් මෙම ක්රමය ඉතා අඩු කාර්ය සාධනයක් ලබා දෙනු ඇත (උදාහරණයක් ලෙස, තීරණ කියුබ් සංරචක කට්ටලයක්), එබැවින් අපි අපගේම දත්ත ගබඩා ව්යුහයන් භාවිතා කරමු.
හයිපර්කියුබ් ක්රියාත්මක කිරීම සඳහා, අපි උපරිම කාර්ය සාධනය සහ අවම RAM පරිභෝජනය සහතික කරන දත්ත ව්යුහයන් භාවිතා කළ යුතුය. නිසැකවම, අපගේ ප්රධාන ව්යුහයන් ශබ්දකෝෂ සහ කරුණු වගු ගබඩා කිරීම සඳහා වනු ඇත. ශබ්දකෝෂයක් උපරිම වේගයෙන් ඉටු කළ යුතු කාර්යයන් දෙස බලමු:
ශබ්ද කෝෂයේ මූලද්රව්යයක් තිබේදැයි පරීක්ෂා කිරීම;
ශබ්දකෝෂයට මූලද්රව්යයක් එකතු කිරීම;
නිශ්චිත ඛණ්ඩාංක අගයක් ඇති වාර්තා අංක සඳහා සොයන්න;
මිනුම් අගය අනුව ඛණ්ඩාංක සොයන්න;
එහි ඛණ්ඩාංකය මගින් මිනුම් අගයක් සෙවීම.
මෙම අවශ්යතා ක්රියාත්මක කිරීම සඳහා විවිධ දත්ත වර්ග සහ ව්යුහයන් භාවිතා කළ හැක. උදාහරණයක් ලෙස, ඔබට ව්යුහයන් අරා භාවිතා කළ හැකිය. සත්‍ය අවස්ථාවකදී, මෙම අරාවලට දත්ත පැටවීමේ සහ තොරතුරු ලබාගැනීමේ වේගය වැඩි කරන අතිරේක සුචිගත කිරීමේ යාන්ත්රණ අවශ්ය වේ.
හයිපර්කියුබ් ක්රියාකාරිත්වය ප්රශස්ත කිරීම සඳහා, ප්‍රමුඛතාවය ලෙස විසඳිය යුතු කාර්යයන් තීරණය කිරීම අවශ්ය වන අතර, කාර්යයේ ගුණාත්මකභාවය වැඩි දියුණු කිරීමට අපට අවශ්ය නිර්ණායක මොනවාද. අපට ප්‍රධානතම දෙය නම් වැඩසටහනේ වේගය වැඩි කිරීම වන අතර ඉතා විශාල RAM ප්‍රමාණයක් අවශ්ය නොවේ. හඳුන්වා දීමෙන් කාර්ය සාධනය වැඩි කර ගත හැකිය අතිරේක යාන්ත්රණදත්ත ප්රවේශය, උදාහරණයක් ලෙස, සුචිගත කිරීම හඳුන්වාදීම. අවාසනාවන්ත ලෙස, මෙය RAM ප්‍රමාණය වැඩි කරයි. එබැවින්, අපි ඉහළම වේගයකින් සිදු කළ යුතු මෙහෙයුම් මොනවාදැයි අපි තීරණය කරමු. මෙය සිදු කිරීම සඳහා, හයිපර්කියුබ් ක්රියාත්මක කරන තනි සංරචක සලකා බලන්න. මෙම සංරචක ප්රධාන වර්ග දෙකක් ඇත - මානය සහ කරුණු වගුව. මිනුම් සඳහා, සාමාන්ය කාර්යයක් වනුයේ:
නව අගයක් එකතු කිරීම;
මිනුම් අගය මත පදනම්ව ඛණ්ඩාංකය තීරණය කිරීම;
ඛණ්ඩාංක මගින් වටිනාකම තීරණය කිරීම.
නව මූලද්රව්ය අගයක් එකතු කරන විට, අපට දැනටමත් එවැනි අගයක් තිබේදැයි පරීක්ෂා කළ යුතු අතර, එසේ නම්, නව එකක් එකතු නොකරන්න, නමුත් පවතින ඛණ්ඩාංකය භාවිතා කරන්න, එසේ නොමැතිනම් අපි එකතු කළ යුතුය. නව මූලද්රව්යයසහ එහි ඛණ්ඩාංක තීරණය කරන්න. මේ සඳහා මාර්ගයක් අවශ්ය වේ ඉක්මන් සෙවීමඅවශ්ය මූලද්රව්යයේ සිටීම (ඊට අමතරව, මූලද්රව්යයේ අගය අනුව ඛණ්ඩාංකය තීරණය කිරීමේදී එවැනි ගැටළුවක් පැන නගී). මෙම කාර්යය සඳහා, හැෂිං භාවිතා කිරීම ප්රශස්ත වේ. මෙම අවස්ථාවෙහිදී, ප්රශස්ත ව්යුහය වනුයේ අපි මූලද්රව්ය සඳහා යොමු ගබඩා කරන හැෂ් ගස් භාවිතා කිරීමයි. මෙම අවස්ථාවේ දී, මූලද්රව්ය මාන ශබ්ද කෝෂයේ රේඛා වනු ඇත. එවිට මිනුම් අගයෙහි ව්යුහය පහත පරිදි නිරූපණය කළ හැකිය:
PFactLink = ^TFactLink;
TFactLink = වාර්තාව
සත්‍ය අංකය: පූර්ණ සංඛ්යාව; // වගුවේ ඇති කරුණු දර්ශකය
TDimensionRecord = වාර්තාව
අගය: string; // මිනුම් අගය
දර්ශකය: පූර්ණ සංඛ්යාව; // ඛණ්ඩාංක අගය
FactLink: PFactLink; // කරුණු වගු මූලද්රව්ය ලැයිස්තුවේ ආරම්භයට දර්ශකය
හැෂ් ගස තුළ අපි අද්විතීය මූලද්රව්ය වෙත සබැඳි ගබඩා කරමු. මීට අමතරව, අපි ප්රතිලෝම පරිවර්තනයේ ගැටලුව විසඳා ගත යුතුය - මිනුම් අගය තීරණය කිරීම සඳහා ඛණ්ඩාංකය භාවිතා කිරීම. සැපයීමට උපරිම කාර්ය සාධනයඔබ සෘජු ලිපිනය භාවිතා කළ යුතුය. එමනිසා, ඔබට වෙනත් අරාවක් භාවිතා කළ හැකිය, එහි දර්ශකය මානයෙහි ඛණ්ඩාංකය වන අතර, අගය ශබ්දකෝෂයේ අනුරූප ප්රවේශයට සබැඳියක් වේ. කෙසේ වෙතත්, මූලද්රව්යයේ දර්ශකය එහි ඛණ්ඩාංකය වන පරිදි ඔබ මූලද්රව්ය අරාව ඒ අනුව සකසන්නේ නම් ඔබට එය පහසු කර ගත හැක (සහ මතකය මත සුරකින්න).
කරුණු ලැයිස්තුවක් ක්‍රියාවට නංවන අරාවක් සංවිධානය කිරීම එහි සරල ව්යුහය නිසා විශේෂිත ගැටළු කිසිවක් ඉදිරිපත් නොකරයි. එකම ප්‍රකාශය වනුයේ අවශ්ය විය හැකි සහ වර්ධක ලෙස ගණනය කළ හැකි සියලුම එකතු කිරීමේ ක්රම ගණනය කිරීම යෝග්ය බවයි (උදාහරණයක් ලෙස, එකතුව).
එබැවින්, අපි හයිපර්කියුබ් ආකාරයෙන් දත්ත ගබඩා කිරීමේ ක්රමයක් විස්තර කර ඇත. දත්ත ගබඩාවේ පිහිටා ඇති තොරතුරු මත පදනම්ව බහුමාන අවකාශයක ලක්ෂ්ය කට්ටලයක් උත්පාදනය කිරීමට ඔබට ඉඩ සලසයි. පුද්ගලයෙකුට මෙම දත්ත සමඟ වැඩ කිරීමට හැකි වීම සඳහා, එය සැකසීමට පහසු ආකෘතියකින් ඉදිරිපත් කළ යුතුය. මෙම අවස්ථාවෙහිදී, දත්ත ඉදිරිපත් කිරීමේ ප්රධාන වර්ග ලෙස විවර්තන වගුවක් සහ ප්‍රස්ථාර භාවිතා වේ. එපමණක් නොව, මෙම ක්රම දෙකම ඇත්ත වශයෙන්ම හයිපර්කියුබ් ප්‍රක්ෂේපන වේ. නිරූපණයන් තැනීමේදී උපරිම කාර්යක්ෂමතාව සහතික කිරීම සඳහා, අපි මෙම ප්රක්ෂේපණ නියෝජනය කරන දෙයින් ආරම්භ කරමු. දත්ත විශ්ලේෂණය සඳහා වඩාත්ම වැදගත් එක ලෙස, විවර්තන වගුව සමඟ ආරම්භ කරමු.
එවැනි ව්යුහයක් ක්රියාත්මක කිරීමට ක්රම සොයා බලමු. විවර්තන වගුවක් සෑදෙන කොටස් තුනක් ඇත: පේළි ශීර්ෂ, තීරු ශීර්ෂ, සහ එකතු කළ කරුණු අගයන්හි සත්‍ය වගුව. වඩාත් සරල ආකාරයකින්කරුණු වගු දර්ශනය ද්විමාන අරාවක් භාවිතා කරනු ඇත, ශීර්ෂ ගොඩනැගීමෙන් එහි මානය තීරණය කළ හැක. අවාසනාවකට මෙන්, සරලම ක්රමය වඩාත්ම අකාර්යක්ෂම වනු ඇත, මන්ද මේසය ඉතා විරල වනු ඇති අතර මතකය අතිශයින් අකාර්යක්ෂම ලෙස භාවිතා කරනු ඇත, එහි ප්‍රති result ලයක් ලෙස ඉතා කුඩා කැට පමණක් තැනීමට හැකි වනු ඇත, එසේ නොමැතිනම් ප්රමාණවත් නොවිය හැකිය. මතකය. මේ අනුව, අපි සපයන තොරතුරු ගබඩා කිරීම සඳහා දත්ත ව්යුහයක් තෝරාගත යුතුය උපරිම වේගයනව මූලද්රව්යයක් සෙවීම/එකතු කිරීම සහ ඒ සමඟම RAM හි අවම පරිභෝජනය. මෙම ව්යුහය ඊනියා විරල න්‍යාසයන් වනු ඇත, ඒ ගැන ඔබට Knuth වෙතින් වඩාත් විස්තරාත්මකව කියවිය හැකිය. හැකි විවිධ ක්රම matrix සංවිධානය. අපට ගැලපෙන විකල්පය තෝරාගැනීම සඳහා, අපි මුලින්ම වගු ශීර්ෂයේ ව්යුහය සලකා බලමු.
ශීර්ෂයන්ට පැහැදිලි ධූරාවලි ව්යුහයක් ඇත, එබැවින් ඒවා ගබඩා කිරීම සඳහා ගසක් භාවිතා කිරීම ස්වාභාවිකය. මෙම අවස්ථාවේ දී, ගස් නෝඩයක ව්යුහය ක්‍රමානුකූලව පහත පරිදි නිරූපණය කළ හැකිය:
උපග්රන්ථය C
මෙම අවස්ථාවෙහිදී, මාන අගයක් ලෙස බහුමාන ඝනකයක මාන වගුවේ අනුරූප මූලද්රව්යයට සබැඳියක් ගබඩා කිරීම තාර්කික වේ. මෙය පෙත්ත ගබඩා කිරීම සඳහා මතක පිරිවැය අඩු කර කාර්යය වේගවත් කරයි. සබැඳි මාපිය සහ ළමා නෝඩ් ලෙසද භාවිතා වේ.
ගසකට මූලද්රව්යයක් එකතු කිරීම සඳහා, හයිපර්කියුබ් තුළ එහි පිහිටීම පිළිබඳ තොරතුරු තිබිය යුතුය. එවැනි තොරතුරු ලෙස, ඔබ එහි ඛණ්ඩාංකය භාවිතා කළ යුතුය, එය මිනුම් අගයන් ශබ්ද කෝෂයේ ගබඩා කර ඇත. විවර්තන වගුවක ශීර්ෂක ගසට මූලද්රව්යයක් එකතු කිරීමේ යෝජනා ක්රමය දෙස බලමු. මෙම අවස්ථාවේදී, අපි මූලික තොරතුරු ලෙස මිනුම් ඛණ්ඩාංකවල අගයන් භාවිතා කරමු. මෙම මානයන් ලැයිස්තුගත කර ඇති අනුපිළිවෙල අපේක්ෂිත එකතු කිරීමේ ක්රමය මගින් තීරණය කරනු ලබන අතර ශීර්ෂක ගසෙහි ධුරාවලියේ මට්ටම් වලට ගැලපේ. කාර්යයේ ප්රතිඵලයක් වශයෙන්, ඔබට මූලද්රව්යයක් එකතු කිරීමට අවශ්ය වන විවර්තන වගුවේ තීරු හෝ පේළි ලැයිස්තුවක් ලබා ගත යුතුය.
අයදුම්පතඩී
මෙම ව්යුහය තීරණය කිරීම සඳහා මූලික දත්ත ලෙස අපි මිනුම් ඛණ්ඩාංක භාවිතා කරමු. ඊට අමතරව, නිශ්චිතභාවය සඳහා, අපි අනුකෘතියේ අපට උනන්දුවක් දක්වන තීරුව නිර්වචනය කරන බව උපකල්පනය කරන්නෙමු (වෙනත් දත්ත ව්යුහයන් එහි භාවිතා කිරීම වඩාත් පහසු බැවින් පේළියක් අර්ථ දක්වන්නේ කෙසේදැයි අපි ටිකක් පසුව සලකා බලමු; හේතුව මෙම තේරීම ද පහත බලන්න). ඛණ්ඩාංක ලෙස, අපි නිඛිල ලබා ගනිමු - ඉහත විස්තර කර ඇති පරිදි තීරණය කළ හැකි මිනුම් අගයන් ගණන.
එබැවින්, මෙම ක්රියාපටිපාටිය සිදු කිරීමෙන් පසු, අපි විරල න්යාසයේ තීරු වෙත යොමු මාලාවක් ලබා ගනිමු. දැන් ඔබ සෑම දෙයක්ම කළ යුතුයි අවශ්ය ක්රියාරේඛා සමඟ. මෙය සිදු කිරීම සඳහා, ඔබ එක් එක් තීරුව තුළ අවශ්ය මූලද්රව්යය සොයා ගත යුතු අතර එහි අනුරූප අගය එකතු කරන්න. එකතුවේ එක් එක් මානයන් සඳහා, ඔබ අනන්‍ය අගයන් ගණන සහ මෙම අගයන්හි සත්‍ය කට්ටලය දැන සිටිය යුතුය.
දැන් අපි බලමු තීරු තුළ ඇති අගයන් නිරූපණය කළ යුතු පෝරමය - එනම්, අවශ්ය පේළිය තීරණය කරන්නේ කෙසේද යන්නයි. මෙය සාක්ෂාත් කර ගැනීම සඳහා ඔබට භාවිතා කළ හැකි ප්රවේශයන් කිහිපයක් තිබේ. සරලම දෙය නම් සෑම තීරුවක්ම දෛශිකයක් ලෙස නිරූපණය කිරීමයි, නමුත් එය ඉතා විරල වන බැවින්, මතකය අතිශයින් අකාර්යක්ෂම ලෙස භාවිතා කරනු ඇත. මෙය වළක්වා ගැනීම සඳහා, අපි විරල ඒකමාන අරා (දෛශික) නියෝජනය කිරීමේදී වැඩි කාර්යක්ෂමතාවයක් සපයන දත්ත ව්යුහයන් භාවිතා කරන්නෙමු. ඒවායින් සරලම වන්නේ තනි හෝ ද්විත්ව සම්බන්ධිත නිත්‍ය ලැයිස්තුවක් වනු ඇත, නමුත් මූලද්රව්ය වෙත ප්රවේශ වීමේ දෘෂ්ටි කෝණයෙන් එය ආර්ථිකමය නොවේ. එබැවින්, අපි වැඩිපුර ලබා දෙන ගසක් භාවිතා කරමු වේගවත් ප්රවේශයමූලද්රව්ය වෙත.
උදාහරණයක් ලෙස, ඔබට තීරු සඳහා හරියටම එකම ගස භාවිතා කළ හැකිය, නමුත් එවිට ඔබට එක් එක් තීරුව සඳහා ඔබේම ගසක් නිර්මාණය කිරීමට සිදුවනු ඇත, එය සැලකිය යුතු මතකයේ උඩිස් සහ සැකසුම් කාලයකට තුඩු දෙනු ඇත. අපි එය තව ටිකක් කපටි ලෙස කරමු - නූල් වල භාවිතා වන මානයන්හි සියලුම සංයෝජන ගබඩා කිරීම සඳහා අපි එක් ගසක් සාදන්නෙමු, එය ඉහත විස්තර කර ඇති එකට සමාන වනු ඇත, නමුත් එහි මූලද්රව්ය නූල් වලට දර්ශක නොවනු ඇත (එය එසේ නොපවතී. ), නමුත් ඒවායේ දර්ශක සහ දර්ශකවල අගයන් අපට උනන්දුවක් නොදක්වන අතර ඒවා අද්විතීය යතුරු ලෙස පමණක් භාවිතා කරයි. පසුව අපි තීරුව තුළ අපේක්ෂිත මූලද්රව්යය සොයා ගැනීමට මෙම යතුරු භාවිතා කරමු. තීරු ඉතා පහසුවෙන් සාමාන්ය ද්විමය ගසක් ලෙස නිරූපණය කෙරේ. රූපමය වශයෙන්, ප්රතිඵලය වන ව්යුහය පහත පරිදි නිරූපණය කළ හැක:
රූප සටහන 9. ද්විමය ගසක් ලෙස විවර්තන වගුවක රූපය
ඔබට සුදුසු පේළි අංක තීරණය කිරීම සඳහා විවර්තන වගු තීරු නිර්ණය කිරීම සඳහා ඉහත විස්තර කර ඇති ක්රියා පටිපාටියම භාවිතා කළ හැක. මෙම අවස්ථාවේදී, පේළි අංක එක් විවර්තන වගුවක් තුළ අද්විතීය වන අතර විවර්තන වගුවේ තීරු වන දෛශිකවල මූලද්රව්ය හඳුනා ගනී. මෙම සංඛ්යා උත්පාදනය කිරීම සඳහා ඇති සරලම විකල්පය වනුයේ පේළි ශීර්ෂක ගසට නව මූලද්රව්යයක් එක් කරන විට කවුන්ටරයක් පවත්වාගෙන යාම සහ එය එකකින් වැඩි කිරීමයි. මෙම තීරු දෛශික ඉතා පහසුවෙන් ද්විමය ගස් ලෙස ගබඩා කර ඇත, එහිදී පේළි අංක අගය යතුර ලෙස භාවිතා කරයි. මීට අමතරව, හෑෂ් වගු භාවිතා කිරීමටද හැකිය. මෙම ගස් සමඟ වැඩ කිරීමේ ක්රියා පටිපාටි වෙනත් මූලාශ්‍රවල විස්තරාත්මකව සාකච්ඡා කර ඇති බැවින්, අපි මේ ගැන වාසය නොකරන අතර සලකා බලමු සාමාන්ය යෝජනා ක්රමයතීරුවකට මූලද්රව්යයක් එකතු කිරීම.
සාමාන්යයෙන්, අනුකෘතියට මූලද්රව්යයක් එකතු කිරීම සඳහා වන ක්රියා අනුපිළිවෙල පහත පරිදි විස්තර කළ හැක:
1. මූලද්රව්ය එකතු කරන රේඛා අංක තීරණය කරන්න
2. මූලද්රව්ය එකතු කරන තීරු කට්ටලයක් නිර්වචනය කරන්න
3. සියලුම තීරු සඳහා, අවශ්ය පේළි අංක සහිත මූලද්රව්ය සොයාගෙන ඒවාට වත්මන් මූලද්රව්යය එක් කරන්න (එකතු කිරීමට අවශ්ය කරුණු අගයන් සංඛ්යාව සම්බන්ධ කිරීම සහ එකතු කළ අගයන් ගණනය කිරීම ඇතුළත් වේ, ඒවා වර්‍ගයෙන් තීරණය කළ හැකිය).
මෙම ඇල්ගොරිතම ක්රියාත්මක කිරීමෙන් පසු, අපි න්‍යාසයක් ලබා ගනිමු, එය අපට ගොඩනගා ගැනීමට අවශ්ය සාරාංශ වගුවකි.
දැන් පෙත්තක් තැනීමේදී පෙරීම ගැන වචන කිහිපයක්. මෙය කිරීමට පහසුම ක්රමය වන්නේ න්‍යාසය තැනීමේ අදියරේදීය, මන්ද මෙම අවස්ථාවෙහිදී අවශ්ය සියලුම ක්ෂේත්ර වෙත ප්රවේශය ඇති අතර, ඊට අමතරව, අගයන් එකතු කිරීම සිදු කරනු ලැබේ. මෙම අවස්ථාවෙහිදී, හැඹිලියෙන් ප්‍රවේශයක් ලබා ගැනීමේදී, පෙරීමේ කොන්දේසි සමඟ එහි අනුකූලතාවය පරීක්ෂා කරනු ලබන අතර, එය සපුරා නොමැති නම්, ප්රවේශය ඉවත දමනු ලැබේ.
ඉහත විස්තර කර ඇති ව්යුහය විවර්තන වගුව සම්පූර්ණයෙන්ම විස්තර කරන බැවින්, එය දෘශ්‍යමාන කිරීමේ කාර්යය සුළුපටු වනු ඇත. මෙම අවස්ථාවේදී, ඔබට වින්ඩෝස් සඳහා සියලුම ක්‍රමලේඛන මෙවලම්වල ඇති සම්මත වගු සංරචක භාවිතා කළ හැකිය.
OLAP විමසුම් සිදු කළ පළමු නිෂ්පාදනය වූයේ Express (IRI) ය. කෙසේ වෙතත්, OLAP යන යෙදුම "සම්බන්ධතා දත්ත සමුදායේ පියා" වන Edgar Codd විසින් නිර්මාණය කරන ලදී. තවද Codd ගේ කාර්යය සඳහා අරමුදල් සපයනු ලැබුවේ Arbor, සමාගමක් වන එහිම OLAP නිෂ්පාදනයක් වන Essbase (පසුව Hyperion විසින් අත්පත් කර ගන්නා ලදී, එය 2007 දී Oracle විසින් අත්පත් කර ගන්නා ලදී) නිකුත් කරන ලදී. අනෙකුත් සුප්‍රසිද්ධ OLAP නිෂ්පාදන අතරට Microsoft Analysis Services (කලින් OLAP සේවා ලෙස හැඳින්වූ අතර, SQL සේවාදායකයේ කොටසක්), Oracle OLAP විකල්පය, IBM හි DB2 OLAP සේවාදායකය (අත්‍යවශ්‍යයෙන්ම IBM වෙතින් එකතු කිරීම් සහිත EssBase), SAP BW, Brio නිෂ්පාදන, BusinessObjects, Cognos, MicroStrate, Cognos, සහ අනෙකුත් නිෂ්පාදකයින්.
තාක්ෂණික දෘෂ්ටි කෝණයකින්, වෙළඳපොලේ නිෂ්පාදන "භෞතික OLAP" සහ "අථත්ය" ලෙස බෙදා ඇත. පළමු අවස්ථාවේ දී, සමස්ථයන් පිළිබඳ මූලික ගණනය කිරීමක් සිදු කරන වැඩසටහනක් ඇත, ඒවා ඉක්මනින් ලබා ගැනීම සපයන විශේෂ බහුමාන දත්ත ගබඩාවක ගබඩා කර ඇත. එවැනි නිෂ්පාදන සඳහා උදාහරණ වන්නේ Microsoft Analysis Services, Oracle OLAP විකල්පය, Oracle/Hyperion EssBase, Cognos PowerPlay ය. දෙවන අවස්ථාවෙහිදී, දත්ත සම්බන්ධිත DBMS වල ගබඩා කර ඇති අතර, සමස්ථයන් කිසිසේත් නොපවතියි හෝ DBMS හෝ විශ්ලේෂණාත්මක මෘදුකාංග හැඹිලියේ පළමු ඉල්ලීම මත නිර්මාණය විය හැක. එවැනි නිෂ්පාදන සඳහා උදාහරණ වන්නේ SAP BW, BusinessObjects, Microstrategy ය. "භෞතික OLAP" මත පදනම් වූ පද්ධති ස්ථාවර සපයයි හොඳම කාලයඅතථ්‍ය OLAP පද්ධති වලට වඩා විමසුම් වලට ප්‍රතිචාර දැක්වීම. අතථ්‍ය OLAP වෙළෙන්දෝ ඉතා විශාල දත්ත ප්‍රමාණයකට සහාය වීම සඳහා ඔවුන්ගේ නිෂ්පාදනවල වැඩි පරිමාණයක් ඉල්ලා සිටිති.
මෙම කාර්යයේදී, මම BaseGroup Labs නිෂ්පාදනය - Deductor දෙස සමීපව බැලීමට කැමතියි.
Deductor යනු විශ්ලේෂණ වේදිකාවකි, i.e. සම්පූර්ණ යෙදුම් විසඳුම් නිර්මාණය කිරීම සඳහා පදනම. Deductor හි ක්රියාත්මක කර ඇති තාක්ෂණයන් මඟින් තනි ගෘහ නිර්මාණ ශිල්පයක් මත පදනම්ව විශ්ලේෂණ පද්ධතියක් ගොඩනැගීමේ සියලුම අදියරයන් හරහා යාමට ඔබට ඉඩ සලසයි: දත්ත ගබඩාවක් සෑදීමේ සිට ස්වයංක්‍රීයව ආකෘති තෝරා ගැනීම සහ ලබාගත් ප්‍රති results ල දෘශ්‍යමාන කිරීම දක්වා.
පද්ධති සංයුතිය:
Deductor Studio යනු Deductor වේදිකාවේ විශ්ලේෂණාත්මක හරයයි. අත්තනෝමතික දත්ත ප්‍රභවයකින් තොරතුරු ලබා ගැනීමට, සම්පූර්ණ සැකසුම් චක්‍රය සිදු කිරීමට (පිරිසිදු කිරීම, දත්ත පරිවර්තනය කිරීම, ආකෘති ගොඩනැගීම), ප්රතිඵල වඩාත් පහසු ආකාරයෙන් ප්රදර්ශනය කිරීමට (OLAP, වගු, ප්‍රස්ථාර) ඔබට ඉඩ සලසන සම්පූර්ණ යාන්ත්රණ කට්ටලයක් Deductor Studio ඇතුළත් වේ. , තීරණ ගස්...) සහ අපනයන ප්රතිඵල.
Deductor Viewer යනු අවසාන පරිශීලක සේවා ස්ථානයයි. පිරිස් සඳහා වන අවශ්යතා අවම කිරීමට වැඩසටහන ඔබට ඉඩ සලසයි, මන්ද අවශ්ය සියලුම මෙහෙයුම් කලින් සකස් කරන ලද සැකසුම් ස්ක්‍රිප්ට් භාවිතයෙන් ස්වයංක්‍රීයව සිදු කරනු ලැබේ; Dedustor Viewer පරිශීලකයාට අවශ්ය වන්නේ උනන්දුවක් දක්වන වාර්තාව තේරීම පමණි.
Deductor Warehouse යනු විෂය ප්‍රදේශය විශ්ලේෂණය කිරීම සඳහා අවශ්ය සියලුම තොරතුරු රැස් කරන බහුමාන හරස් වේදිකා දත්ත ගබඩාවකි. තනි ගබඩාවක් භාවිතා කිරීම පහසු ප්රවේශය, ඉහළ සැකසුම් වේගය, තොරතුරුවල අනුකූලතාව, මධ්‍යගත ගබඩා කිරීම සහ සමස්ත දත්ත විශ්ලේෂණ ක්‍රියාවලිය සඳහා ස්වයංක්‍රීය සහාය ලබා දේ.
4. සේවාලාභියා-සේවාදායකය
Deductor Server දුරස්ථ විශ්ලේෂණ සැකසුම් සඳහා නිර්මාණය කර ඇත. එය සේවාදායකයේ පවතින ස්ක්‍රිප්ට් හරහා දත්ත ස්වයංක්‍රීයව “ධාවනය” කිරීමට සහ පවතින ආකෘති නැවත පුහුණු කිරීමට යන දෙකටම හැකියාව සපයයි. Deductor Server භාවිතා කිරීමෙන් ඔබට එය යෙදුම් සේවාදායකයක් ලෙස ක්රියා කරන සම්පූර්ණ ත්‍රි-ස්ථර ගෘහ නිර්මාණ ශිල්පයක් ක්රියාත්මක කිරීමට ඉඩ සලසයි. Deductor Client භාවිතයෙන් සේවාදායකයට ප්රවේශය සපයනු ලැබේ.
වැඩ මූලධර්ම:
1. දත්ත ආයාත කරන්න
Deductor හි ඕනෑම තොරතුරක් විශ්ලේෂණය ආරම්භ වන්නේ දත්ත ආයාත කිරීමෙනි. ආයාත කිරීමේ ප්රතිඵලයක් ලෙස, වැඩසටහනේ ඇති සියලුම යාන්ත්රණ භාවිතයෙන් පසු විශ්ලේෂණ සඳහා සුදුසු ආකෘතියකට දත්ත ගෙන එනු ලැබේ. දත්තවල ස්වභාවය, ආකෘතිය, DBMS යනාදිය වැදගත් නොවේ, මන්ද සෑම කෙනෙකු සමඟම වැඩ කිරීමේ යාන්ත්රණයන් ඒකාබද්ධ වේ.
2. දත්ත අපනයනය කරන්න
අපනයන යාන්ත්රණ තිබීම ඔබට තෙවන පාර්ශවීය යෙදුම් වෙත ලබා ගත් ප්‍රති results ල යැවීමට ඉඩ සලසයි, නිදසුනක් ලෙස, මිලදී ගැනීමේ ඇණවුමක් උත්පාදනය කිරීම සඳහා විකුණුම් පුරෝකථනයක් පද්ධතියට මාරු කිරීම හෝ ආයතනික වෙබ් අඩවියක සකස් කළ වාර්තාව පළ කිරීම.
3. දත්ත සැකසීම
Deductor හි සැකසීම යනු යම් ආකාරයක දත්ත පරිවර්තනයක් හා සම්බන්ධ ඕනෑම ක්‍රියාවක්, උදාහරණයක් ලෙස, පෙරීම, ආකෘති ගොඩනැගීම, පිරිසිදු කිරීම යනාදියයි. ඇත්ත වශයෙන්ම, මෙම කොටසෙහි විශ්ලේෂණයේ දෘෂ්ටි කෝණයෙන් වඩාත්ම වැදගත් ක්රියා සිදු කරනු ලැබේ. Deductor හි ක්රියාත්මක කරන ලද සැකසුම් යාන්ත්‍රණයන්හි වඩාත් කැපී පෙනෙන ලක්ෂණය නම්, සැකසීමේ ප්රතිඵලයක් ලෙස ලබාගත් දත්ත පද්ධතියට පවතින ඕනෑම ක්‍රමයකින් නැවත සැකසීමට හැකි වීමයි. මේ අනුව, ඔබට අත්තනෝමතික ලෙස සංකීර්ණ සැකසුම් අවස්ථා ගොඩනගා ගත හැකිය.
4. දෘශ්යකරණය
සැකසීමේ ඕනෑම අදියරකදී ඔබට Deductor Studio (Viewer) තුළ දත්ත දෘශ්‍යමාන කළ හැක. පද්ධතිය ස්වාධීනව එය කළ හැකි ආකාරය තීරණය කරයි, උදාහරණයක් ලෙස, එය පුහුණු කර තිබේ නම් ස්නායු ජාලය, පසුව වගු සහ රූප සටහන් වලට අමතරව, ඔබට ස්නායුක ජාල ප්රස්ථාරය නැරඹිය හැකිය. පරිශීලකයාට ලැයිස්තුවෙන් අවශ්ය විකල්පය තෝරා ගැනීමට සහ පරාමිති කිහිපයක් වින්යාස කිරීමට අවශ්ය වේ.
5. ඒකාබද්ධ කිරීමේ යාන්ත්රණ
Deductor දත්ත ඇතුළත් කිරීමේ මෙවලම් සපයන්නේ නැත - වේදිකාව තනිකරම විශ්ලේෂණ සැකසුම් කෙරෙහි අවධානය යොමු කරයි. විෂමජාතීය පද්ධතිවල ගබඩා කර ඇති තොරතුරු භාවිතා කිරීම සඳහා නම්‍යශීලී ආනයන අපනයන යාන්ත්රණ සපයනු ලැබේ. කණ්ඩායම් ක්රියාත්මක කිරීම, OLE සේවාදායක මාදිලියේ ක්රියා කිරීම සහ Deductor Server වෙත ප්රවේශ වීම භාවිතයෙන් අන්තර්ක්‍රියා සංවිධානය කළ හැක.
6.දැනුම අනුකරණය කිරීම
Deductor ඔබට ඕනෑම විශ්ලේෂණ පද්ධතියක වැදගත්ම කාර්යයක් ක්රියාත්මක කිරීමට ඉඩ සලසයි - දැනුම අනුකරණය කිරීමේ ක්‍රියාවලිය සඳහා සහාය, i.e. විශ්ලේෂණ ක්රම සහ විශේෂිත ප්රතිඵලයක් ලබා ගැනීමේ ක්රම තේරුම් නොගන්නා සේවකයින්ට විශේෂඥයෙකු විසින් සකස් කරන ලද ආකෘති මත පදනම්ව පිළිතුරක් ලබා ගැනීමට අවස්ථාව ලබා දීම.
Zනිගමනය
මෙම පත්‍රිකාව දත්ත විශ්ලේෂණ පද්ධති වැනි නවීන තොරතුරු තාක්ෂණ ක්ෂේත්‍රයක් පරීක්ෂා කර ඇත. විශ්ලේෂණාත්මක තොරතුරු සැකසීම සඳහා ප්රධාන මෙවලම - OLAP - තාක්ෂණය විශ්ලේෂණය කරනු ලැබේ. OLAP සංකල්පයේ සාරය සහ නවීන ව්යාපාරික ක්‍රියාවලියක OLAP පද්ධතිවල වැදගත්කම විස්තරාත්මකව අනාවරණය වේ. ROLAP සේවාදායකයේ ව්යුහය සහ ක්‍රියාවලිය විස්තරාත්මකව විස්තර කෙරේ. OLAP දත්ත තාක්ෂණයන් ක්රියාත්මක කිරීම සඳහා උදාහරණයක් ලෙස, Deductor විශ්ලේෂණ වේදිකාව ලබා දී ඇත. ඉදිරිපත් කරන ලද ලියකියවිලි සකස් කර ඇති අතර අවශ්යතා සපුරාලයි.
OLAP තාක්ෂණය යනු තත්‍ය කාලීන දත්ත සැකසීම සඳහා ප්‍රබල මෙවලමකි. OLAP සේවාදායකයක් ඔබට විවිධ විශ්ලේෂණාත්මක ක්ෂේත්ර හරහා දත්ත සංවිධානය කිරීමට සහ ඉදිරිපත් කිරීමට ඉඩ ලබා දෙන අතර, සමාගම්වලට වඩාත් දැනුවත් තීරණ ගැනීමට උපකාර වන වටිනා තොරතුරු බවට දත්ත පත් කරයි.
OLAP පද්ධති භාවිතය අඛණ්ඩව ඉහළ මට්ටමේ කාර්ය සාධනයක් සහ පරිමාණයක් සපයයි, දහස් ගණනක් පරිශීලකයින්ට ප්රවේශ විය හැකි බහු-ගිගාබයිට් දත්ත පරිමාවන්ට සහාය වේ. OLAP තාක්ෂණයන් ආධාරයෙන්, තොරතුරු වෙත ප්රවේශය තත්කාලීනව සිදු කරනු ලැබේ, i.e. විමසුම් සැකසීම තවදුරටත් විශ්ලේෂණ ක්‍රියාවලිය මන්දගාමී නොකරයි, එහි වේගය සහ කාර්යක්ෂමතාව සහතික කරයි. දෘශ්‍ය පරිපාලන මෙවලම් ඔබට වඩාත් සංකීර්ණ විශ්ලේෂණ යෙදුම් පවා සංවර්ධනය කිරීමට සහ ක්රියාත්මක කිරීමට ඉඩ සලසයි, ක්‍රියාවලිය සරල හා වේගවත් කරයි.
සමාන ලියකියවිලි
OLAP (On-Line විශ්ලේෂණ සැකසුම්) සංකල්පයේ පදනම වන්නේ දත්ත මෙහෙයුම් විශ්ලේෂණ සැකසීම, සේවාලාභියා සහ සේවාදායකය මත එහි භාවිතයේ ලක්ෂණ වේ. OLAP පද්ධති සඳහා මූලික අවශ්යතා මෙන්ම ඒවායේ දත්ත ගබඩා කිරීමේ ක්‍රමවල පොදු ලක්ෂණ.
වියුක්ත, 10/12/2010 එකතු කරන ලදී
OLAP: පොදු ලක්ෂණ, අරමුණ, අරමුණු, අරමුණු. OLAP නිෂ්පාදන වර්ගීකරණය. OLAP පද්ධතියක් ගොඩනැගීමේ මූලධර්ම, CubeBase සංරචක පුස්තකාලය. දත්ත පරිමාවේ වැඩි වීම මත සේවාලාභියාගේ සහ සේවාදායක OLAP මෙවලම්වල කාර්ය සාධනය මත රඳා පවතී.
පාඨමාලා වැඩ, 12/25/2013 එකතු කරන ලදී
සදාකාලික දත්ත ගබඩා කිරීම. OLAP (On-line Analytical Processing) මෙවලමෙහි සාරය සහ වැදගත්කම. දත්ත සමුදායන් සහ දත්ත ගබඩා, ඒවායේ ලක්ෂණ. ව්යුහය, දත්ත ගබඩා ගෘහ නිර්මාණ ශිල්පය, ඔවුන්ගේ සැපයුම්කරුවන්. OLAP කැටවල ක්රියාකාරිත්වය වැඩි දියුණු කිරීම සඳහා උපදෙස් කිහිපයක්.
පරීක්ෂණය, 10/23/2010 එකතු කරන ලදී
දත්ත විශ්ලේෂණ පද්ධති ඉදිකිරීම. OLAP ඝනකයක් සැලසුම් කිරීම සඳහා ඇල්ගොරිතම ගොඩනැගීම සහ ඉදිකරන ලද විවර්තන වගුව සඳහා විමසුම් නිර්මාණය කිරීම. බහුමාන දත්ත විශ්ලේෂණය සඳහා OLAP තාක්ෂණය. කළමනාකරණ තීරණ ගැනීම සඳහා පරිශීලකයින්ට තොරතුරු සැපයීම.
පාඨමාලා වැඩ, 09/19/2008 එකතු කරන ලදී
OLAP පිළිබඳ මූලික තොරතුරු. මෙහෙයුම් විශ්ලේෂණ දත්ත සැකසීම. OLAP නිෂ්පාදන වර්ගීකරණය. සබැඳි විශ්ලේෂණ සැකසුම් මෙවලම් සඳහා අවශ්යතා. මෙහෙයුම් විශ්ලේෂණ සැකසුම් පද්ධතිවල බහුමාන දත්ත සමුදායන් භාවිතා කිරීම, ඒවායේ වාසි.
පාඨමාලා වැඩ, 06/10/2011 එකතු කරන ලදී
සමඟ වෙබ් අඩවි විශ්ලේෂණ උප පද්ධති සංවර්ධනය කිරීම Microsoft භාවිතා කරමින්ප්රවේශ සහ Olap තාක්ෂණයන්. සංගීත ද්වාරයක තොරතුරු පද්ධතියේ දත්ත විශ්ලේෂණ උප පද්ධතියක් සංවර්ධනය කිරීමේ න්‍යායික අංශ. පර්යේෂණ වස්තු විශ්ලේෂණ උප පද්ධතියේ ඔලප් තාක්ෂණය.
පාඨමාලා වැඩ, 11/06/2009 එකතු කරන ලදී
OLAP මෙවලම් සලකා බැලීම: ගබඩා ඉදිරිපස සහ තොරතුරු ගබඩා වර්ගීකරණය, දත්ත ඝනකයක් පිළිබඳ සංකල්පය. තීරණ ආධාරක පද්ධතියක ගෘහ නිර්මාණ ශිල්පය. "Abitura" පද්ධතියේ මෘදුකාංග ක්රියාත්මක කිරීම. වාර්තාකරණ සේවා තාක්ෂණය භාවිතයෙන් වෙබ් වාර්තාවක් නිර්මාණය කිරීම.
පාඨමාලා වැඩ, 12/05/2012 එකතු කරන ලදී
දත්ත ගබඩා කිරීම, සංවිධානයේ මූලධර්ම. දත්ත සමඟ වැඩ කිරීමේ ක්රියාවලි. OLAP ව්යුහය, බහුමාන දත්ත ගබඩා කිරීමේ තාක්ෂණික අංශ. ඒකාබද්ධ කිරීමේ සේවා, ජනාකීර්ණ දත්ත ගබඩා සහ දත්ත ගබඩා. මයික්රොසොෆ්ට් තාක්ෂණයන් භාවිතා කරන පද්ධතිවල හැකියාවන්.
පාඨමාලා වැඩ, 12/05/2012 එකතු කරන ලදී
වෙළඳ ව්‍යාපාරයක් සඳහා දත්ත ගබඩා රූප සටහනක් ඉදිකිරීම. ගබඩා සම්බන්ධතා රූප සටහන් වල විස්තර. නිෂ්පාදන තොරතුරු ප්රදර්ශනය කිරීම. තොරතුරු තවදුරටත් විශ්ලේෂණය කිරීම සඳහා OLAP ඝනකයක් නිර්මාණය කිරීම. සුපිරි වෙළඳසැලක කාර්යක්ෂමතාවය තක්සේරු කිරීම සඳහා විමසුම් සංවර්ධනය කිරීම.
පරීක්ෂණය, 12/19/2015 එකතු කරන ලදී
දත්ත ගබඩා කිරීමේ අරමුණ. SAP BW ගෘහ නිර්මාණ ශිල්පය. SAP BW පද්ධතිය තුළ OLAP කැට මත පදනම් වූ විශ්ලේෂණ වාර්තා ගොඩනැගීම. දත්ත ගබඩාවක් සහ OLTP පද්ධතියක් අතර ප්රධාන වෙනස්කම්. BEx ක්රියාකාරී ප්රදේශ පිළිබඳ දළ විශ්ලේෂණය. BEx Query Designer හි විමසුමක් නිර්මාණය කිරීම.
ඉහළ තරඟකාරීත්වයේ කොන්දේසි සහ බාහිර පරිසරයේ වර්ධනය වන ගතිකත්වය ව්යවසාය කළමනාකරණ පද්ධති සඳහා වැඩි ඉල්ලුමක් නියම කරයි. කළමනාකරණ න්‍යාය සහ ප්‍රායෝගිකත්වය වර්ධනය කිරීමත් සමඟම නව ක්‍රමවේද, තාක්ෂණයන් සහ ආකෘතීන් මතුවීමත් සමඟ මෙහෙයුම් කාර්යක්ෂමතාව ඉහළ නැංවීම අරමුණු කර ගෙන ඇත. ක්රම සහ ආකෘති, අනෙක් අතට, විශ්ලේෂණ පද්ධති මතුවීමට දායක විය. රුසියාවේ විශ්ලේෂණ පද්ධති සඳහා ඉල්ලුම ඉහළ ය. යෙදුමේ දෘෂ්ටි කෝණයෙන්, මෙම පද්ධති මූල්ය අංශයේ වඩාත් සිත්ගන්නා සුළුය: බැංකු, රක්ෂණ ව්යාපාර, ආයෝජන සමාගම්. විශ්ලේෂණාත්මක පද්ධතිවල කාර්යයේ ප්රතිඵල අවශ්ය වන්නේ, පළමුවෙන්ම, සමාගමේ සංවර්ධනය තීරණය කරන පුද්ගලයින් සඳහා: කළමනාකරුවන්, විශේෂඥයින්, විශ්ලේෂකයින්. විශ්ලේෂණ පද්ධති ඔබට ඒකාබද්ධ කිරීම, වාර්තා කිරීම, ප්‍රශස්තකරණය සහ පුරෝකථනය කිරීමේ ගැටළු විසඳීමට ඉඩ සලසයි. මෙම ප්‍රදේශයේ භාවිතා වන නියමයන් වල සාමාන්ය නිර්වචන පද්ධතියක් නොමැති සේම, අද දක්වා, විශ්ලේෂණ පද්ධතිවල අවසාන වර්ගීකරණයක් නොමැත. ව්‍යවසායක තොරතුරු ව්යුහය මට්ටම් අනුපිළිවෙලකින් නිරූපණය කළ හැකි අතර, ඒ සෑම එකක්ම තමන්ගේම තොරතුරු සැකසීමේ සහ කළමනාකරණය කිරීමේ ක්රමය මගින් සංලක්ෂිත වන අතර කළමනාකරණ ක්‍රියාවලියේදී තමන්ගේම කාර්යයක් ඇත. මෙසේ විශ්ලේෂණ පද්ධතිමෙම යටිතල ව්‍යුහයේ විවිධ මට්ටම්වල ධූරාවලි වශයෙන් ස්ථානගත වනු ඇත.
ගනුදෙනු පද්ධති මට්ටම
දත්ත ගබඩා ස්ථරය
දත්ත මාර්ට් ස්ථරය
OLAP පද්ධති මට්ටම
විශ්ලේෂණාත්මක යෙදුම් ස්ථරය
OLAP පද්ධති - (මාර්ගගත විශ්ලේෂණ සැකසුම්, වර්තමාන කාලයේ විශ්ලේෂණ සැකසුම්) - සංකීර්ණ බහුමාන දත්ත විශ්ලේෂණය සඳහා තාක්ෂණයකි. බහු සාධක දත්ත විශ්ලේෂණය කිරීමේ කාර්යයක් ඇති විට OLAP පද්ධති අදාළ වේ. ඒවා විශ්ලේෂණ සහ වාර්තා උත්පාදනය කිරීමේ ඵලදායී මාධ්‍යයකි. ඉහත සාකච්ඡා කළ දත්ත ගබඩා, දත්ත ගබඩා සහ OLAP පද්ධති ව්යාපාර බුද්ධි (BI) පද්ධතිවලට අයත් වේ.
බොහෝ විට, තීරණ ගන්නන් විසින් සෘජු භාවිතය අපේක්ෂාවෙන් නිර්මාණය කරන ලද තොරතුරු සහ විශ්ලේෂණ පද්ධති භාවිතයට අතිශයින් පහසු නමුත් ක්‍රියාකාරීත්වය අතින් දැඩි ලෙස සීමා වේ. එබඳු ස්ථිතික පද්ධතිසාහිත්‍යයේ විධායක තොරතුරු පද්ධති (ISR) හෝ විධායක තොරතුරු පද්ධති (EIS) ලෙස හැඳින්වේ. ඒවායේ පූර්ව නිශ්චිත විමසුම් කට්ටල අඩංගු වන අතර, එදිනෙදා සමාලෝචනය සඳහා ප්රමාණවත් වුවද, තීරණ ගැනීමේදී පැන නැගිය හැකි පවතින දත්ත පිළිබඳ සියලු ප්‍රශ්නවලට පිළිතුරු දීමට නොහැකි වේ. එවැනි පද්ධතියක ප්‍රති result ලය, රීතියක් ලෙස, බහු-පිටු වාර්තා වේ, විශ්ලේෂකයා සතුව ඇති හොඳින් අධ්යයනය කිරීමෙන් පසුව නව කථාංගයප්රශ්නය. කෙසේ වෙතත්, එවැනි පද්ධතියක් සැලසුම් කිරීමේදී අපේක්ෂා නොකළ සෑම නව ඉල්ලීමක්ම පළමුව විධිමත් ලෙස විස්තර කළ යුතුය, ක්‍රමලේඛකයා විසින් සංකේතනය කර පසුව පමණක් ක්රියාත්මක කළ යුතුය. මෙම නඩුවේ පොරොත්තු කාලය පැය හා දින විය හැකිය, එය සැමවිටම පිළිගත නොහැකිය. මේ අනුව, තොරතුරු සහ විශ්ලේෂණ පද්ධතිවල බොහෝ ගනුදෙනුකරුවන් සක්‍රීයව සටන් කරන ස්ථිතික DSS හි බාහිර සරලත්වය නම්‍යශීලීභාවයේ ව්‍යසනකාරී නැතිවීමක් බවට පත්වේ.
ඩයිනමික් ඩීඑස්එස්, ඊට ප්‍රතිවිරුද්ධව, දත්ත සඳහා නියාමනය නොකළ (තත්කාලීන) විශ්ලේෂක ඉල්ලීම් සැකසීම කෙරෙහි අවධානය යොමු කරයි. එවැනි පද්ධති සඳහා අවශ්යතා OLAP සංකල්පය සඳහා පදනම දැමූ ලිපියේ E.F. Codd විසින් වඩාත් ගැඹුරින් සලකා බලන ලදී. මෙම පද්ධති සමඟ විශ්ලේෂකයින්ගේ කාර්යය විමසුම් සෑදීමේ සහ ඒවායේ ප්රතිඵල අධ්යයනය කිරීමේ අන්තර් ක්රියාකාරී අනුපිළිවෙලකින් සමන්විත වේ.
නමුත් ගතික DSS ක්රියාත්මක විය හැක්කේ මාර්ගගත විශ්ලේෂණ සැකසුම් ක්ෂේත්‍රයේ (OLAP) පමණක් නොවේ; සමුච්චිත දත්ත මත පදනම්ව කළමනාකරණ තීරණ ගැනීම සඳහා සහාය මූලික අංශ තුනකින් සිදු කළ හැකිය.
සවිස්තරාත්මක දත්තවල විෂය පථය. බොහෝ තොරතුරු ලබා ගැනීමේ පද්ධතිවල විෂය පථය මෙයයි. බොහෝ අවස්ථාවන්හිදී, සම්බන්ධතා DBMS මෙහි පැන නගින කාර්යයන් සමඟ හොඳින් කටයුතු කරයි. සම්බන්ධතා දත්ත හැසිරවීම සඳහා භාෂාව සඳහා සාමාන්යයෙන් පිළිගත් සම්මතය SQL වේ. සවිස්තරාත්මක තොරතුරු සෙවීමේ කාර්යයන් සඳහා අවසාන පරිශීලක අතුරුමුහුණතක් සපයන තොරතුරු ලබා ගැනීමේ පද්ධති, ගණුදෙණු පද්ධතිවල තනි දත්ත සමුදායන් සහ සාමාන්ය දත්ත ගබඩාවක් හරහා ඇඩෝන ලෙස භාවිතා කළ හැක.
සමස්ථ දර්ශකවල විෂය පථය. දත්ත ගබඩාවක එකතු කරන ලද තොරතුරු පිළිබඳ සවිස්තරාත්මක බැල්මක්, එහි සාමාන්‍යකරණය සහ එකතු කිරීම, හයිපර්කියුබ් නිරූපණය සහ බහුමාන විශ්ලේෂණය අන්තර්ජාල විශ්ලේෂණ සැකසුම් (OLAP) පද්ධතිවල කාර්යයන් වේ. මෙහිදී ඔබට විශේෂ බහුමාන DBMS වෙත අවධානය යොමු කළ හැකිය, නැතහොත් සම්බන්ධතා තාක්ෂණයේ රාමුව තුළ රැඳී සිටිය හැක. දෙවන අවස්ථාවෙහිදී, තරු හැඩැති දත්ත සමුදායක් තුළ පූර්ව-ඒකාග්‍ර කළ දත්ත එක්රැස් කළ හැකිය, නැතහොත් සම්බන්ධතා දත්ත ගබඩාවක සවිස්තර වගු පරිලෝකනය කරන අතරතුර තොරතුරු එකතු කිරීම පියාසර කළ හැකිය.
රටා වල ගෝලය. බුද්ධිමය සැකසුම් සිදු කරනු ලබන්නේ දත්ත කැණීම් ක්රම (IDA, Data Mining) මගිනි, ඒවායේ ප්රධාන කාර්යයන් වන්නේ සමුච්චිත තොරතුරු වල ක්රියාකාරී සහ තාර්කික රටා සෙවීම, සොයාගත් විෂමතා පැහැදිලි කරන ආකෘති සහ නීති ගොඩනැගීම සහ / හෝ සංවර්ධනය පුරෝකථනය කිරීමයි. ඇතැම් ක්රියාවලීන්.
මෙහෙයුම් විශ්ලේෂණ දත්ත සැකසීම
OLAP සංකල්පය බහුමාන දත්ත නිරූපණයේ මූලධර්මය මත පදනම් වේ. 1993 ලිපියක, E.F. Codd සම්බන්ධතා ආකෘතියේ අඩුපාඩු ආමන්ත්‍රණය කර, මූලික වශයෙන් "බහු මානයන් අනුව දත්ත ඒකාබද්ධ කිරීමට, බැලීමට සහ විශ්ලේෂණය කිරීමට ඇති නොහැකියාව, එනම්, ආයතනික විශ්ලේෂකයින්ට වඩාත්ම තේරුම්ගත හැකි ආකාරයෙන්" පෙන්වා දී ඇත. මූලික අවශ්යතාසම්බන්ධිත DBMS වල ක්‍රියාකාරීත්වය පුළුල් කරන සහ ඒවායේ එක් ලක්ෂණයක් ලෙස බහුමාන විශ්ලේෂණය ඇතුළත් OLAP පද්ධති වෙත.
දත්ත ඉදිරිපත් කිරීමේ ක්‍රමයට අනුව OLAP නිෂ්පාදන වර්ගීකරණය.
දැනට වෙළඳපොලේ ඇත විශාල සංඛ්යාවක්යම් තරමක OLAP ක්‍රියාකාරීත්වයක් සපයන නිෂ්පාදන. වඩාත් ප්‍රසිද්ධ 30ක් පමණ සමාලෝචන වෙබ් සේවාදායකය http://www.olapreport.com/ හි ලැයිස්තුගත කර ඇත. පරිශීලක අතුරුමුහුණතේ සිට මූලාශ්ර දත්ත ගබඩාව දක්වා බහුමාන සංකල්පීය දසුනක් සැපයීම, සියලුම OLAP නිෂ්පාදන මූලාශ්ර දත්ත ගබඩාවේ වර්ගය මත පදනම්ව පන්ති තුනකට බෙදා ඇත.
මුල්ම මාර්ගගත විශ්ලේෂණ සැකසුම් පද්ධති (උදාහරණයක් ලෙස, Arbor මෘදුකාංගයෙන් Essbase, Oracle වෙතින් Oracle Express Server) MOLAP පන්තියට අයත් විය, එනම් ඔවුන්ට ක්රියා කළ හැක්කේ ඔවුන්ගේම බහුමාන දත්ත සමුදායන් සමඟ පමණි. ඒවා බහුමාන DBMS සඳහා හිමිකාර තාක්ෂණයන් මත පදනම් වන අතර වඩාත්ම මිල අධික වේ. මෙම පද්ධති OLAP සැකසීමේ සම්පූර්ණ චක්රයක් සපයයි. ඒවා එක්කෝ, සේවාදායක සංරචකයට අමතරව, ඔවුන්ගේම ඒකාබද්ධ සේවාදායක අතුරුමුහුණත ඇතුළත් වේ, නැතහොත් පරිශීලකයා සමඟ සන්නිවේදනය කිරීමට බාහිර පැතුරුම්පත් වැඩසටහන් භාවිතා කරයි. එවැනි පද්ධති නඩත්තු කිරීම සඳහා, සේවකයින්ගේ විශේෂ කාර්ය මණ්ඩලයක් ස්ථාපනය කිරීම, පද්ධතිය නඩත්තු කිරීම සහ අවසාන පරිශීලකයින් සඳහා දත්ත දර්ශන නිර්මාණය කිරීම අවශ්ය වේ.
සම්බන්ධක සබැඳි විශ්ලේෂණ සැකසුම් (ROLAP) පද්ධති මඟින් සම්බන්ධතා දත්ත ගබඩාවක ගබඩා කර ඇති දත්ත බහුමාන ආකාරයෙන් නිරූපණය කිරීමට ඉඩ සලසයි, අතරමැදි පාර-දත්ත ස්ථරයක් හරහා තොරතුරු බහුමාන ආකෘතියක් බවට පරිවර්තනය කරයි. විශාල ගබඩා පහසුකම් සමඟ වැඩ කිරීම සඳහා ROLAP පද්ධති හොඳින් ගැලපේ. MOLAP පද්ධති මෙන්, ඒවාට තොරතුරු තාක්ෂණ විශේෂඥයින් විසින් සැලකිය යුතු නඩත්තුවක් අවශ්ය වන අතර බහු-පරිශීලක මෙහෙයුම් සම්බන්ධ වේ.
අවසාන වශයෙන්, දෙමුහුන් පද්ධති (හයිබ්රිඩ් OLAP, HOLAP) සැලසුම් කර ඇත්තේ වාසි ඒකාබද්ධ කිරීමට සහ පෙර පන්තිවල ආවේනික අවාසි අවම කිරීමට ය. Speedware's Media/MR මෙම පන්තියට අයත් වේ. සංවර්ධකයින්ට අනුව, එය MOLAP හි විශ්ලේෂණාත්මක නම්‍යශීලීභාවය සහ ප්‍රතිචාරයේ වේගය ROLAP හි ආවේනික සැබෑ දත්ත වෙත නිරන්තර ප්රවේශය සමඟ ඒකාබද්ධ කරයි.
බහුමාන OLAP (MOLAP)
දත්ත බහුමාන නිරූපණයක් මත පදනම් වූ විශේෂිත DBMS වල, දත්ත සංවිධානය කරනු ලබන්නේ සම්බන්ධතා වගු ආකාරයෙන් නොව, ඇණවුම් කරන ලද බහුමාන අරා ආකාරයෙන් ය:
1) හයිපර්කියුබ් (දත්ත ගබඩාවේ ගබඩා කර ඇති සියලුම සෛල එකම මානයකින් යුක්ත විය යුතුය, එනම් උපරිම විය යුතුය. සම්පූර්ණ පදනමමිනුම්) හෝ
2) පොලිකියුබ් (සෑම විචල්‍යයක්ම තමන්ගේම මිනුම් කට්ටලයක් සමඟ ගබඩා කර ඇති අතර, ඒ ආශ්‍රිත සියලු සැකසුම් දුෂ්කරතා පද්ධතියේ අභ්යන්තර යාන්ත්රණ වෙත මාරු කරනු ලැබේ).
සබැඳි විශ්ලේෂණ සැකසුම් පද්ධතිවල බහුමාන දත්ත සමුදායන් භාවිතය පහත වාසි ඇත.
බහුමාන DBMS භාවිතා කරන විට, බහුමාන දත්ත සමුදාය සාමාන්‍යකරණය වී ඇති බැවින්, පෙර-එකතු කළ මිනුම් අඩංගු වන අතර, ඉල්ලුම් කරන ලද සෛල වෙත ප්රශස්ත ප්රවේශය සපයන බැවින්, බහුමාන දත්ත සමුදායක බහුමාන සංකල්පීය දසුනකට වඩා දත්ත සෙවීම සහ ලබා ගැනීම ඉතා වේගවත් වේ.
බහුමාන DBMSs තොරතුරු ආකෘතියේ විවිධ ගොඩනඟන ලද කාර්යයන් ඇතුළත් කිරීමේ කාර්යයන් සමඟ පහසුවෙන් මුහුණ දෙන අතර, SQL භාෂාවේ වෛෂයිකව පවතින සීමාවන් සම්බන්ධිත DBMS මත පදනම්ව මෙම කාර්යයන් ඉටු කිරීම තරමක් අපහසු වන අතර සමහර විට කළ නොහැකි ය.
අනෙක් අතට, සැලකිය යුතු සීමාවන් තිබේ.
බහුමාන DBMS විශාල දත්ත සමුදායන් සමඟ වැඩ කිරීමට ඉඩ නොදේ. මීට අමතරව, denormalization සහ පූර්ව-ක්රියාත්මක කරන ලද එකතු කිරීම හේතුවෙන්, බහුමාන දත්ත ගබඩාවක දත්ත පරිමාව, රීතියක් ලෙස, මුල් සවිස්තරාත්මක දත්ත පරිමාවට වඩා 2.5-100 ගුණයකින් අඩු (කොඩ්ගේ ඇස්තමේන්තුවට අනුව) අනුරූප වේ.
සම්බන්ධිත DBMS හා සසඳන විට, බහුමාන DBMS ඉතා අකාර්යක්ෂම ලෙස භාවිතා වේ බාහිර මතකය. බොහෝ අවස්ථාවන්හීදී, තොරතුරු හයිපර්කියුබ් ඉතා විරල වන අතර, දත්ත ඇණවුම් කළ ආකාරයෙන් ගබඩා කර ඇති බැවින්, නිර්වචනය නොකළ අගයන් ඉවත් කළ හැක්කේ ප්රශස්ත වර්ග කිරීමේ අනුපිළිවෙල තෝරා ගැනීමෙන් පමණි, එමඟින් දත්ත විශාලතම ලෙස සංවිධානය කිරීමට ඔබට ඉඩ සලසයි. හැකි යාබද කණ්ඩායම්. නමුත් මෙම නඩුවේදී පවා ගැටළුව අර්ධ වශයෙන් විසඳා ඇත. මීට අමතරව, විරල දත්ත ගබඩා කිරීම සඳහා ප්රශස්ත වර්ග කිරීමේ අනුපිළිවෙල බොහෝ විට විමසුම් වලදී බොහෝ විට භාවිතා වන අනුපිළිවෙල නොවේ. එබැවින්, සැබෑ පද්ධතිවල කාර්ය සාධනය සහ දත්ත සමුදාය විසින් අල්ලාගෙන ඇති තැටි අවකාශයේ අතිරික්තය අතර සම්මුතියක් සෙවීම අවශ්ය වේ.
එහි ප්රතිඵලයක් වශයෙන්, බහුමාන DBMS භාවිතය සාධාරණ වන්නේ පහත සඳහන් කොන්දේසි යටතේ පමණි.
විශ්ලේෂණය සඳහා මූලාශ්ර දත්ත පරිමාව ඉතා විශාල නොවේ (ගිගාබයිට් කිහිපයකට වඩා වැඩි නොවේ), එනම් දත්ත එකතු කිරීමේ මට්ටම තරමක් ඉහළ ය.
තොරතුරු මානයන් සමූහය ස්ථායී වේ (ඒවායේ ව්‍යුහයේ කිසියම් වෙනසක් සෑම විටම පාහේ හයිපර්කියුබ් සම්පූර්ණ ප්‍රතිව්‍යුහගත කිරීමක් අවශ්ය වන බැවින්).
නියාමනය නොකළ ඉල්ලීම් සඳහා පද්ධතියේ ප්‍රතිචාර කාලය වඩාත් තීරණාත්මක පරාමිතිය වේ.
අභිරුචි ශ්‍රිත ලිවීමේ හැකියාව ඇතුළුව, හයිපර්කියුබ් සෛල මත හරස්-මාන ගණනය කිරීම් සිදු කිරීම සඳහා සංකීර්ණ බිල්ට්-ඉන් ශ්‍රිතයන් පුළුල් ලෙස භාවිතා කිරීම අවශ්ය වේ.
සම්බන්ධක OLAP (ROLAP)
සබැඳි විශ්ලේෂණ සැකසුම් පද්ධතිවල සම්බන්ධතා දත්ත සමුදායන් සෘජුවම භාවිතා කිරීම පහත වාසි ඇත.
බොහෝ අවස්ථාවන්හිදී, ආයතනික දත්ත ගබඩාවන් සම්බන්ධිත DBMS මෙවලම් භාවිතයෙන් ක්රියාත්මක වන අතර ROLAP මෙවලම් සෘජුවම ඒවා විශ්ලේෂණය කිරීමට ඉඩ සලසයි. ඒ අතරම, MOLAP හි මෙන් ගබඩා ප්‍රමාණය එතරම් තීරණාත්මක පරාමිතියක් නොවේ.
විචල්‍ය මාන ගැටලුවකදී, මිනුම්වල ව්‍යුහයේ වෙනස්කම් බොහෝ විට සිදු කළ යුතු විට, මානයන්හි ගතික නිරූපණය සහිත ROLAP පද්ධති ප්රශස්ත විසඳුම වේ, මන්ද එවැනි වෙනස් කිරීම් සඳහා දත්ත සමුදායේ භෞතික ප්‍රතිසංවිධානය අවශ්ය නොවන බැවිනි.
Relational DBMSs සැලකිය යුතු ඉහළ මට්ටමේ දත්ත ආරක්ෂණයක් සහ ප්රවේශ අයිතීන් වෙනස් කිරීමට හොඳ හැකියාවක් සපයයි.
බහුමාන DBMS වලට සාපේක්ෂව ROLAP හි ප්රධාන අවාසිය නම් අඩු කාර්ය සාධනයයි. MOLAP හා සැසඳිය හැකි කාර්ය සාධනයක් සැපයීම සඳහා, සම්බන්ධතා පද්ධති සඳහා දත්ත සමුදා ක්රමය ප්‍රවේශමෙන් සැලසුම් කිරීම සහ දර්ශක වින්යාස කිරීම අවශ්ය වේ, එනම්, දත්ත සමුදා පරිපාලකයන්ගේ පැත්තෙන් විශාල උත්සාහයක්. හොඳින් සුසර කරන ලද සම්බන්ධතා පද්ධතිවල ක්රියාකාරිත්වය බහුමාන දත්ත සමුදායන් මත පදනම් වූ පද්ධති වෙත ළඟා විය හැක්කේ තරු ක්රම භාවිතා කිරීමෙන් පමණි.
කරුණු සහ තොරතුරු අතර ඇති ප්රධාන වෙනස නම් අප දත්ත ලබා ගැනීම සහ සැලකිල්ලට ගැනීම සහ ප්‍රතිලාභ ලබා ගැනීම සඳහා අපට තොරතුරු භාවිතා කළ හැකිය. දළ වශයෙන් කිවහොත්, තොරතුරු විශ්ලේෂණය කර දත්ත ක්‍රමවත් කර ඇත. කාලෝචිත තොරතුරු වලට ස්තූතිවන්ත වන්නට, බොහෝ සමාගම් මූල්ය අර්බුදයෙන් සහ දරුණු තරඟයෙන් බේරීමට සමත් වේ. කරුණු එකතු කිරීම සහ අවශ්ය සියලු දත්ත තිබීම ප්රමාණවත් නොවේ. ඔබට ඒවා විශ්ලේෂණය කිරීමට ද හැකි විය යුතුය. වැදගත් ව්යාපාරික තීරණ ගැනීමට ඉල්ලා සිටින පුද්ගලයින්ගේ වැඩ කටයුතු පහසු කිරීම සඳහා, විවිධ පද්ධතිසහාය. විෂමජාතීය දත්ත විශාල ප්‍රමාණයක් විශ්ලේෂණය කිරීමට සහ ඒවා ව්යාපාරික පරිශීලකයාට ප්රයෝජනවත් තොරතුරු බවට පත් කිරීමට ඉඩ සලසන විවිධ සංකීර්ණ පද්ධති සංවර්ධනය කර ඇත්තේ මේ සඳහා ය. නව ව්යාපාර විශ්ලේෂණ ක්ෂේත්‍රය ඉලක්ක කරන්නේ දත්ත ගබඩා කිරීම සහ තාක්ෂණය භාවිතයෙන් ව්යාපාර පද්ධතිවල ක්රියාවලි පාලනය වැඩිදියුණු කිරීමයි.
ව්යාපාර තොරතුරු පද්ධති සඳහා වෙළඳපොළ අද ව්‍යවසායයකට කළමනාකරණ ගිණුම්කරණය සංවිධානය කිරීමට, නිෂ්පාදන සහ විකුණුම්වල මෙහෙයුම් කළමනාකරණය සහතික කිරීමට සහ ගනුදෙනුකරුවන් සහ සැපයුම්කරුවන් සමඟ ඵලදායී අන්තර්ක්‍රියා සිදු කිරීමට උපකාර වන විසඳුම් රාශියක් ඉදිරිපත් කරයි.
ව්යාපාර පද්ධති වෙළඳපොලේ වෙනම ස්ථානයක් විශ්ලේෂණාත්මක විසින් අත්පත් කරගෙන ඇත මෘදුකාංග නිෂ්පාදන, ව්යවසාය කළමනාකරණයේ උපාය මාර්ගික මට්ටමින් තීරණ ගැනීම සඳහා සහාය වීම සඳහා නිර්මාණය කර ඇත. එවැනි මෙවලම් සහ මෙහෙයුම් කළමනාකරණ පද්ධති අතර ඇති ප්රධාන වෙනස නම්, දෙවැන්න “ක්රියාකාරී මාදිලියේ” ව්යවසාය කළමනාකරණය සැපයීමයි, එනම් හොඳින් නිර්වචනය කරන ලද නිෂ්පාදන වැඩසටහනක් ක්රියාත්මක කිරීම, උපායමාර්ගික මට්ටමේ විශ්ලේෂණ පද්ධති ව්යවසාය කළමනාකරණයට තීරණ සංවර්ධනය කිරීමට උපකාරී වේ. "සංවර්ධන මාදිලිය"
සිදු කරන ලද වෙනස්කම්වල පරිමාණය ගැඹුරු ප්‍රතිව්‍යුහගත කිරීමේ සිට තනි නිෂ්පාදන ස්ථානවල තාක්ෂණය අර්ධ වශයෙන් යාවත්කාලීන කිරීම දක්වා වෙනස් විය හැකි නමුත්, ඕනෑම අවස්ථාවක, තීරණ ගන්නන් දිගු කාලීනව ව්‍යවසායයේ ඉරණම රඳා පවතින සංවර්ධන විකල්ප සලකා බලයි.
කොතරම් බලවත් හා දියුණු වුවත් තොරතුරු පද්ධතියව්යවසායන්, මෙම ගැටළු විසඳීමට උපකාර කළ නොහැක, පළමුව, එය ස්ථාවර, ස්ථාපිත ව්යාපාර ක්රියාවලීන් සඳහා වින්යාස කර ඇති අතර, දෙවනුව, නව ව්යාපාර ක්ෂේත්ර, නව තාක්ෂණයන්, නව ආයතනික විසඳුම් සම්බන්ධයෙන් තීරණ ගැනීම සඳහා තොරතුරු අඩංගු නොවේ.
OLAP (On-Line Analytical Processing) දත්ත සැකසීමේ සහ විශ්ලේෂණ තාක්‍ෂණයට ස්තූතිවන්ත වන්නට, ඕනෑම ආයතනයකට වැඩ සඳහා අවශ්ය දත්ත ක්ෂණිකව (තත්පර පහක් ඇතුළත) ලබා ගත හැකිය. OLAP මූලික පද පහකින් කෙටියෙන් අර්ථ දැක්විය හැක.
වේගවත් (වේගවත්) - මෙයින් අදහස් කරන්නේ අවශ්ය තොරතුරු සෙවීමට සහ සැපයීමට කාලය තත්පර පහකට වඩා ගත නොවන බවයි. සරලම ඉල්ලීම් තත්පරයකින් සකසනු ලබන අතර සංකීර්ණ ඉල්ලීම් කිහිපයකට තත්පර විස්සකට වඩා වැඩි සැකසුම් කාලයක් ඇත. මෙම ප්රතිඵලය සාක්ෂාත් කර ගැනීම සඳහා, විවිධ ක්රම භාවිතා කරනු ලැබේ, විශේෂ දත්ත ගබඩා කිරීමේ සිට පුළුල් පූර්ව ගණනය කිරීම් දක්වා. මේ ආකාරයෙන්, ඔබට විනාඩියකින් වාර්තාවක් ලබා ගත හැකිය, එය පෙර සූදානම් කිරීමට දින ගත විය.
විශ්ලේෂණය (විශ්ලේෂණාත්මක) පවසන්නේ පද්ධතියට සංඛ්‍යානමය සහ තාර්කික යන දෙඅංශයෙන්ම ඕනෑම විශ්ලේෂණයක් සිදු කළ හැකි අතර පසුව එය ප්රවේශ විය හැකි ආකාරයෙන් ගබඩා කරන බවයි.
SHARED යන්නෙන් අදහස් කරන්නේ පද්ධතිය සෛල මට්ටම දක්වා අවශ්ය පෞද්ගලිකත්වය සපයන බවයි
MULTIDIMENSIONAL (Multidimensional) යනු OLAP හි ප්රධාන ලක්ෂණයයි. ව්යාපාර සහ ආයතනික ක්‍රියාකාරකම් දෙකම විශ්ලේෂණය කිරීමට වඩාත්ම තාර්කික ක්රමය මෙය වන බැවින් පද්ධතිය ධුරාවලියට සහ බහු ධූරාවලියට පූර්ණ සහය දැක්විය යුතුය.
විස්තර. නිවැරදි තොරතුරු අවශ්ය තැනට ලබා දිය යුතුය.
සංවිධානයක් ක්රියාත්මක වන විට, එහි ක්‍රියාකාරකම් ක්ෂේත්‍රයට අදාළ දත්ත සෑම විටම සමුච්චය වන අතර එය සමහර විට සම්පූර්ණයෙන්ම වෙනස් ස්ථානවල ගබඩා කර ඇති අතර ඒවා එකට ගෙන ඒම දුෂ්කර මෙන්ම කාලය ගත වේ. නැගී එන ව්යාපාරික උපකල්පන පරීක්ෂා කිරීම සඳහා දත්ත ලබා ගැනීම වේගවත් කිරීම සඳහා අන්තර්ක්‍රියාකාරී විශ්ලේෂණ දත්ත සැකසීමේ තාක්ෂණය හෝ OLAP සංවර්ධනය කරන ලදී. එවැනි OLAP පද්ධතිවල ප්රධාන අරමුණ වන්නේ අත්තනෝමතික පරිශීලක ඉල්ලීම් වලට ඉක්මනින් ප්‍රතිචාර දැක්වීමයි. මෙම අවශ්යතාවය බොහෝ විට පැන නගින්නේ කිසියම් වැදගත් ව්යාපාර ව්‍යාපෘතියක් සංවර්ධනය කිරීමේදී, සංවර්ධකයාට පැන නැගී ඇති ක්රියාකාරී කල්පිතයක් අවශ්ය වූ විටය. බොහෝ විට, පරිශීලකයාට අවශ්ය තොරතුරු යම් ආකාරයක යැපීමක ස්වරූපයෙන් ඉදිරිපත් කළ යුතුය - නිදසුනක් ලෙස, විකුණුම් පරිමාව නිෂ්පාදන කාණ්ඩය මත, විකුණුම් කලාපය මත, වර්ෂයේ වේලාව මත රඳා පවතින ආකාරය. OLAP වලට ස්තූතියි, තෝරාගත් කාල සීමාව සඳහා අවශ්ය පිරිසැලසුමෙහි අවශ්ය දත්ත වහාම ලබා ගැනීමට ඔහුට හැකි වේ.
අන්තර්ක්‍රියාකාරී OLAP තාක්ෂණය මඟින් ඔබට විශාල වාර්තා ගොඩවල් සහ දත්ත කඳු ප්රයෝජනවත් සහ නිවැරදි තොරතුරු බවට පරිවර්තනය කිරීමට ඉඩ සලසයි, එමඟින් සේවකයෙකුට නිසි වේලාවට දැනුවත් ව්‍යාපාරයක් හෝ මූල්ය තීරණයක් ගැනීමට උපකාරී වේ.
මීට අමතරව, OLAP වලට ස්තූතිවන්ත වන අතර, සැකසුම් කාර්යක්ෂමතාව වැඩි වන අතර, පරිශීලකයාට ක්ෂණිකව පාහේ වර්ග කළ (සමස්ත) තොරතුරු විශාල පරිමාවක් ලබා ගත හැකිය. OLAP ට ස්තූතිවන්ත වන්නට, පරිශීලකයාට තම සංවිධානය කෙතරම් කාර්යක්ෂමව ක්රියා කරන්නේද යන්න පැහැදිලිව දැකගත හැකිය, බාහිර වෙනස්කම් වලට ඉක්මනින් හා නම්‍යශීලීව ප්‍රතිචාර දැක්වීමේ හැකියාව සහ ඔහුගේ සංවිධානයේ මූල්ය පාඩු අවම කර ගැනීමේ හැකියාව ඇත. OLAP තීරණ ගැනීම වැඩිදියුණු කරන නිවැරදි තොරතුරු සපයයි.
ව්යාපාර විශ්ලේෂණ පද්ධතිවල ඇති එකම පසුබෑම වන්නේ ඒවායේ අධික පිරිවැයයි. පුද්ගලික තොරතුරු ගබඩාවක් නිර්මාණය කිරීම සඳහා කාලය සහ විශාල මුදලක් අවශ්ය වේ.
ව්‍යාපාරයේ OLAP තාක්ෂණය භාවිතා කිරීම මඟින් අවශ්ය තොරතුරු ඉක්මනින් ලබා ගැනීමට ඔබට ඉඩ සලසයි, එය පරිශීලකයාගේ ඉල්ලීම පරිදි සුපුරුදු ආකාරයෙන් ඉදිරිපත් කළ හැකිය - වාර්තා, ප්‍රස්ථාර හෝ වගු.
ව්යාපාර ව්යුහයන් සඳහා පද්ධති ඒකාබද්ධ කිරීමේ ක්රියා පටිපාටි ඒකාබද්ධ භාවිතය මත පදනම් වේ ERP විසඳුම්, CRM සහ SCM. බොහෝ අවස්ථාවන්හීදී, පද්ධති විවිධ නිෂ්පාදකයින් විසින් සපයනු ලබන අතර, ආනයනය කරන ලද දත්ත දත්ත එකඟතාවයකට භාජනය විය යුතු අතර විෂමජාතීය දත්ත ලෙස ඉදිරිපත් කළ යුතුය. ව්යාපාරික පරිසරයක් තුළ, නොපැහැදිලි අවශ්‍යතාවයක් ඇත - දත්ත පිළිබඳ සම්පූර්ණ විශ්ලේෂණයක්, විවිධ දෘෂ්ටි කෝණයන්ගෙන් ඒකාබද්ධ වාර්තා බැලීම ඇතුළත් වේ.
විවිධ නිෂ්පාදකයන්ට විවිධ දත්ත වාර්තා කිරීමේ යාන්ත්රණ ඇත. විෂමජාතීය නියෝජන ක්රියා පටිපාටියට නිස්සාරණය, පරිවර්තනය සහ පැටවීම (ETL) ඇතුළත් වේ. උදාහරණයක් ලෙස, Microsoft SQL Server 2005 Analysis Services හි, දත්ත ඒකාබද්ධ කිරීමේ ගැටළුව දත්ත මූලාශ්ර දසුන් භාවිතයෙන් ක්රියාත්මක වේ - විශ්ලේෂණාත්මක ඉදිරිපත් කිරීමේ ආකෘති විස්තර කරන දත්ත ප්‍රභව වර්ග.
OLAP තාක්ෂණය මත පදනම් වූ ව්යාපාරික යෙදුම්, නිෂ්පාදන සඳහා උදාහරණ. OLAP තාක්ෂණයේ වඩාත් පොදු යෙදුම් වන්නේ:
දත්ත විශ්ලේෂණය.
වඩාත්ම ජනප්‍රිය OLAP මෙවලම් මුලින් භාවිතා කරන ලද සහ තවමත් පවතින කාර්යය සඳහා ය. බහුමාන දත්ත ආකෘතියක්, සැලකිය යුතු දත්ත පරිමාවක් විශ්ලේෂණය කිරීමේ හැකියාව සහ ඉල්ලීම් වලට ඉක්මන් ප්‍රතිචාර දැක්වීම සමාන පද්ධතිවිශාල මූලාශ්ර දත්ත ප්‍රමාණයක් සමඟ විකුණුම්, අලෙවිකරණ ක්‍රියාකාරකම්, බෙදා හැරීම සහ අනෙකුත් කාර්යයන් විශ්ලේෂණය කිරීම සඳහා අත්‍යවශ්‍ය වේ.
නිෂ්පාදන සඳහා උදාහරණ: Microsoft Excel Pivot Tables, Microsoft Analysis Services, SAP BW, Oracle Essbase, Oracle OLAP, Cognos PowerPlay, MicroStrategy, Business Objects.
මූල්ය සැලසුම්-අයවැය.
බහුමාන ආකෘතියක් මඟින් ඔබට එකවර දත්ත ඇතුළත් කිරීමට සහ එය පහසුවෙන් විශ්ලේෂණය කිරීමට ඉඩ සලසයි (උදාහරණයක් ලෙස, කරුණු විශ්ලේෂණය සැලසුම් කරන්න). එබැවින් නවීන CPM (Corporate Performance Management) නිෂ්පාදන ගණනාවක් OLAP% මාදිලි භාවිතා කරයි. වැදගත් කාර්යයක් වන්නේ බහුමාන ප්රතිලෝම ගණනය කිරීම (backsolve, breakback, writeback) වන අතර එමඟින් එකතු කළ අගය වෙනස් වන විට සවිස්තරාත්මක සෛලවල අවශ්ය වෙනස්කම් ගණනය කිරීමට ඔබට ඉඩ සලසයි. එය What-if විශ්ලේෂණය සඳහා මෙවලමකි, i.e. සැලසුම් කිරීමේදී සිදුවීම් සඳහා විවිධ විකල්ප සෙල්ලම් කිරීම සඳහා.
නිෂ්පාදන උදාහරණ: Microsoft PerformancePint, Oracle EPB, Oracle OFA, Oracle Hyperion Planning, SAP SEM, Cognos Enterprise Planning, Geac.
මූල්ය ඒකාබද්ධ කිරීම.
ජාත්‍යන්තර ගිණුම්කරණ ප්‍රමිතීන්ට අනුකූලව දත්ත ඒකාබද්ධ කිරීම, හිමිකාරිත්වයේ කොටස්, විවිධ මුදල් වර්ග සහ අභ්යන්තර පිරිවැටුම සැලකිල්ලට ගනිමින්, පරීක්ෂණ ආයතන (SOX, Basel II) සහ ප්‍රසිද්ධියේ යන සමාගම්වල වඩ වඩාත් දැඩි අවශ්යතා සම්බන්ධයෙන් හදිසි කාර්යයකි. OLAP තාක්ෂණයන් ඔබට ඒකාබද්ධ වාර්තා ගණනය කිරීම වේගවත් කිරීමට සහ සමස්ත ක්රියාවලියේ විනිවිදභාවය වැඩි කිරීමට ඉඩ සලසයි.
නිෂ්පාදන උදාහරණ: Oracle FCH, Oracle Hyperion FM, Cognos Controller.
දත්ත ගබඩා කිරීම සහ මාර්ගගත විශ්ලේෂණ සැකසුම් (OLAP) තාක්ෂණයන්
වඩ වඩාත් ඕනෑම කර්මාන්තයක අනිවාර්ය අංගයක් බවට පත්වෙමින් පවතින ව්යාපාරික තීරණ සහායෙහි වැදගත් අංග වේ. ව්යාපාර විශ්ලේෂණ සඳහා මෙවලමක් ලෙස OLAP තාක්ෂණයන් භාවිතා කිරීම උපාය මාර්ග සඳහා වැඩි පාලනයක් සහ කාලෝචිත ප්‍රවේශයක් ලබා දෙයි.
ඵලදායී තීරණ ගැනීම සඳහා පහසුකම් සපයන තොරතුරු.
මෙය සැබෑ ජීවිත අනාවැකි අනුකරණය කිරීමට සහ සම්පත් වඩාත් කාර්යක්ෂමව භාවිතා කිරීමට අවස්ථාව සලසා දෙයි. OLAP ආයතනයකට වෙළඳපල ඉල්ලීම් වලට වඩා ඉක්මනින් ප්‍රතිචාර දැක්වීමට ඉඩ සලසයි.
ග්‍රන්ථ නාමාවලිය:
1. එරික් තොම්සන්. OLAP විසඳුම්: බහුමාන තොරතුරු පද්ධති ගොඩනැගීමේ දෙවන සංස්කරණය. Wiley Computer Publishing John Wiley & Sons, Inc., 2002.
2. OLAP සභා ධවල පත්‍රිකාව, http://www.olapcouncil.org/research/whtpaply.htm
3. Gerd Stumme සහ Bernhard Ganter. විධිමත් සංකල්ප විශ්ලේෂණය _ ගණිතමය පදනම්.
-
2015 අප්රේල් 17USB හරහා දෘඪ තැටියක් සම්බන්ධ කිරීම, පියවරෙන් පියවර උපදෙස් -
2015 අප්රේල් 17Android microSD කාඩ්පතට සුරැකෙන්නේ නැත -
2015 අප්රේල් 17පුද්ගලික ගිණුම් ගුවන් යානා සේවාව ස්වේච්ඡා රක්ෂණ වැඩසටහන
