Файл: OLAP технологии..pdf

той же базе данных.

· HOLAP (Hybrid OLAP) — исходные данные остаются в той же реляционной

базе данных, где они изначально находились, а агрегатные данные хранятся в

многомерной базе данных.

Некоторые OLAP-средства поддерживают хранение данных только в реляционных

структурах, некоторые — только в многомерных. Однако большинство современных

серверных OLAP-средств поддерживают все три способа хранения данных. Выбор

способа хранения зависит от объема и структуры исходных данных, требований к

скорости выполнения запросов и частоты обновления OLAP-кубов.

Отметим также, что подавляющее большинство современных OLAP-средств не хранит

«пустых» значений (примером «пустого» значения может быть отсутствие продаж

сезонного товара вне сезона).

3 Основные понятия OLAP

3.1 Тест FAMSI

Технология комплексного многомерного анализа данных получила название OLAP

(On-Line Analytical Processing). OLAP — это ключевой компонент организации

хранилищ данных. Концепция OLAP была описана в 1993 году Эдгаром Коддом,

известным исследователем баз данных и автором реляционной модели данных (см.

E.F. Codd, S.B. Codd, and C.T.Salley, Providing OLAP (on-line analytical

processing) to user-analysts: An IT mandate. Technical report, 1993). В 1995

году на основе требований, изложенных Коддом, был сформулирован так

называемый тест FASMI (Fast Analysis of Shared Multidimensional Information —

быстрый анализ разделяемой многомерной информации), включающий следующие

требования к приложениям для многомерного анализа:

· Fast (Быстрый) - предоставление пользователю результатов анализа за

приемлемое время (обычно не более 5 с), пусть даже ценой менее детального

анализа;

· Analysis (Анализ) - возможность осуществления любого логического и

статистического анализа, характерного для данного приложения, и его

сохранения в доступном для конечного пользователя виде;

· Shared (Разделяемой) - многопользовательский доступ к данным с

поддержкой соответствующих механизмов блокировок и средств авторизованного

доступа;

· Multidimensional (Многомерной) - многомерное концептуальное

представление данных, включая полную поддержку для иерархий и множественных

иерархий (это — ключевое требование OLAP);

· Information (Информации) - приложение должно иметь возможность

обращаться к любой нужной информации, независимо от ее объема и места

хранения.

Следует отметить, что OLAP-функциональность может быть реализована различными

способами, начиная с простейших средств анализа данных в офисных приложениях

и заканчивая распределенными аналитическими системами, основанными на

серверных продуктах.

3.2 Многомерное представление информации

3.3 Кубы

OLAP предоставляет удобные быстродействующие средства доступа, просмотра и

анализа деловой информации. Пользователь получает естественную, интуитивно

понятную модель данных, организуя их в виде многомерных кубов (Cubes). Осями

многомерной системы координат служат основные атрибуты анализируемого бизнес-

процесса. Например, для продаж это могут быть товар, регион, тип покупателя.

В качестве одного из измерений используется время. На пересечениях осей -

измерений (Dimensions) - находятся данные, количественно характеризующие

процесс - меры (Measures). Это могут быть объемы продаж в штуках или в

денежном выражении, остатки на складе, издержки и т. п. Пользователь,

анализирующий информацию, может “разрезать” куб по разным направлениям,

получать сводные (например, по годам) или, наоборот, детальные (по неделям)

сведения и осуществлять прочие манипуляции, которые ему придут в голову в

процессе анализа.

В качестве мер в трехмерном кубе, изображенном на рис. 2, использованы суммы

продаж, а в качестве измерений - время, товар и магазин. Измерения

представлены на определенных уровнях группировки: товары группируются по

категориям, магазины - по странам, а данные о времени совершения операций -

по месяцам. Чуть позже мы рассмотрим уровни группировки (иерархии) подробнее.

Реферат: OLAP технологии

Рисунок 7. Пример куба

3.3.1 “Разрезание” куба

Даже трехмерный куб сложно отобразить на экране компьютера так, чтобы были

видны значения интересующих мер. Что уж говорить о кубах с количеством

измерений, большим трех? Для визуализации данных, хранящихся в кубе,

применяются, как правило, привычные двумерные, т. е. табличные,

представления, имеющие сложные иерархические заголовки строк и столбцов.

Двумерное представление куба можно получить, “разрезав” его поперек одной или

нескольких осей (измерений): мы фиксируем значения всех измерений, кроме

двух, - и получаем обычную двумерную таблицу. В горизонтальной оси таблицы

(заголовки столбцов) представлено одно измерение, в вертикальной (заголовки

строк) - другое, а в ячейках таблицы - значения мер. При этом набор мер

фактически рассматривается как одно из измерений - мы либо выбираем для

показа одну меру (и тогда можем разместить в заголовках строк и столбцов два

измерения), либо показываем несколько мер (и тогда одну из осей таблицы

займут названия мер, а другую - значения единственного “неразрезанного”

измерения).

Взгляните на рис. 8 - здесь изображен двумерный срез куба для одной меры -

Unit Sales (продано штук) и двух “неразрезанных” измерений - Store (Магазин)

и Время (Time).

Реферат: OLAP технологии

Рисунок 8. Двумерный срез куба для одной меры

На рис. 9 представлено лишь одно “неразрезанное” измерение - Store, но зато

здесь отображаются значения нескольких мер - Unit Sales (продано штук), Store

Sales (сумма продажи) и Store Cost (расходы магазина).

Реферат: OLAP технологии

Рисунок 9. Двумерный срез куба для нескольких мер

Двумерное представление куба возможно и тогда, когда “неразрезанными”

остаются и более двух измерений. При этом на осях среза (строках и столбцах)

будут размещены два или более измерений “разрезаемого” куба - см. рис. 10.

Реферат: OLAP технологии

Рисунок 10. Двумерный срез куба с несколькими измерениями на одной оси

3.3.2 Метки

Значения, “откладываемые” вдоль измерений, называются членами или метками

(members). Метки используются как для “разрезания” куба, так и для

ограничения (фильтрации) выбираемых данных - когда в измерении, остающемся

“неразрезанным”, нас интересуют не все значения, а их подмножество, например

три города из нескольких десятков. Значения меток отображаются в двумерном

представлении куба как заголовки строк и столбцов.

3.3.3 Иерархии и уровни

Метки могут объединяться в иерархии, состоящие из одного или нескольких

уровней (levels). Например, метки измерения “Магазин” (Store) естественно

объединяются в иерархию с уровнями:

All (Мир)

Country (Страна)

State (Штат)

City (Город)

Store (Магазин).

В соответствии с уровнями иерархии вычисляются агрегатные значения, например

объем продаж для USA (уровень “Country”) или для штата California (уровень

“State”). В одном измерении можно реализовать более одной иерархии - скажем,

для времени: {Год, Квартал, Месяц, День} и {Год, Неделя, День}.

Отметим, что иерархии могут быть сбалансированными (balanced), как, например,

иерархия, представленная на рис. 11, а также иерархии, основанные на данных

типа "дата—время", и несбалансированными (unbalanced). Типичный пример

несбалансированной иерархии — иерархия типа "начальник—подчиненный" (ее можно

построить, например, используя значения поля Salesperson исходного набора

данных из рассмотренного выше примера), представлен на рис. 12

Реферат: OLAP технологии

Рисунок 11. Иерархия в измерении, связанном с географическим положением клиентов

Реферат: OLAP технологии

Рисунок 12. Несбалансированная иерархия

Иногда для таких иерархий используется термин Parent-child hierarchy.

Существуют также иерархии, занимающие промежуточное положение между

сбалансированными и несбалансированными (они обозначаются термином ragged —

"неровный"). Обычно они содержат такие члены, логические "родители" которых

находятся не на непосредственно вышестоящем уровне (например, в

географической иерархии есть уровни Country, City и State, но при этом в

наборе данных имеются страны, не имеющие штатов или регионов между уровнями

Country и City; (рис. 13).

Реферат: OLAP технологии

Рисунок 13. "Неровная" иерархия

Отметим, что несбалансированные и "неровные" иерархии поддерживаются далеко

не всеми OLAP-средствами. Например, в Microsoft Analysis Services 2000

поддерживаются оба типа иерархии, а в Microsoft OLAP Services 7.0 — только

сбалансированные. Различным в разных OLAP-средствах может быть и число

уровней иерархии, и максимально допустимое число членов одного уровня, и

максимально возможное число самих измерений.

3.3.4 Архитектура OLAP приложений

Все, что говорилось выше про OLAP, по сути, относилось к многомерному

представлению данных. То, как данные хранятся, грубо говоря, не волнует ни

конечного пользователя, ни разработчиков инструмента, которым клиент

пользуется.

Многомерность в OLAP-приложениях может быть разделена на три уровня:

Ø Многомерное представление данных - средства конечного

пользователя, обеспечивающие многомерную визуализацию и манипулирование

данными; слой многомерного представления абстрагирован от физической

структуры данных и воспринимает данные как многомерные.

Ø Многомерная обработка - средство (язык) формулирования

многомерных запросов (традиционный реляционный язык SQL здесь оказывается

непригодным) и процессор, умеющий обработать и выполнить такой запрос.

Ø Многомерное хранение - средства физической организации данных,

обеспечивающие эффективное выполнение многомерных запросов.

Первые два уровня в обязательном порядке присутствуют во всех OLAP-средствах.

Третий уровень, хотя и является широко распространенным, не обязателен, так

как данные для многомерного представления могут извлекаться и из обычных

реляционных структур; процессор многомерных запросов в этом случае

транслирует многомерные запросы в SQL-запросы, которые выполняются

реляционной СУБД.

Конкретные OLAP-продукты, как правило, представляют собой либо средство

многомерного представления данных, OLAP-клиент (например, Pivot Tables в

Excel 2000 фирмы Microsoft или ProClarity фирмы Knosys), либо многомерную

серверную СУБД, OLAP-сервер (например, Oracle Express Server или Microsoft

OLAP Services).

Слой многомерной обработки обычно бывает встроен в OLAP-клиент и/или в OLAP-

сервер, но может быть выделен в чистом виде, как, например, компонент Pivot

Table Service фирмы Microsoft.

 Заключение

В данной работе мы ознакомились с основами OLAP. Мы узнали следующее:

Назначение хранилищ данных — предоставление пользователям

информации для статистического анализа и принятия управленческих решений.

Хранилища данных должны обеспечивать высокую скорость получения данных,

возможность получения и сравнения, так называемых срезов данных, а также

непротиворечивость, полноту и достоверность данных.

OLAP

(On-Line Analytical Processing) является ключевым компонентом построения и

применения хранилищ данных. Эта технология основана на построении

многомерных наборов данных — OLAP-кубов, оси которого содержат параметры,

а ячейки — зависящие от них агрегатные данные.

· Приложения с OLAP-функциональностью должны предоставлять

пользователю результаты анализа за приемлемое время, осуществлять логический

и статистический анализ, поддерживать многопользовательский доступ к данным,

осуществлять многомерное концептуальное представление данных и иметь

возможность обращаться к любой нужной информации.

Кроме того, мы рассмотрели основные принципы логической организации OLAP-

кубов, а также узнали основные термины и понятия, применяемые при многомерном

анализе. И наконец, мы выяснили, что представляют собой различные типы

иерархий в измерениях OLAP-кубов.