Hvad er MOLAP?
Multidimensionel OLAP (MOLAP) er en klassisk OLAP, der letter dataanalyse ved hjælp af en flerdimensionel datakub. Data beregnes på forhånd, resumeres og opbevares i en MOLAP (en stor forskel fra ROLAP). Ved hjælp af en MOLAP kan en bruger bruge flerdimensionelle visningsdata med forskellige facetter.
Flerdimensionel dataanalyse er også mulig, hvis der anvendes en relationsdatabase. Ved det ville kræve forespørgsel på data fra flere tabeller. Tværtimod har MOLAP alle mulige kombinationer af data, der allerede er gemt i et flerdimensionelt array. MOLAP kan få adgang til disse data direkte. Derfor er MOLAP hurtigere sammenlignet med Relational Online Analytical Processing (ROLAP).
I denne vejledning lærer du-
- MOLAP Arkitektur
- Implementeringsovervejelser er MOLAP
- Molap Fordele
- Molap Ulemper
- MOLAP-værktøjer
Centrale punkter
- I MOLAP kaldes operationer for behandling.
- MOLAP-værktøjer behandler oplysninger med samme responstid, uanset niveauet for opsummering.
- MOLAP-værktøjer fjerner kompleksiteten ved at designe en relationsdatabase til lagring af data til analyse.
- MOLAP-server implementerer to niveauer af lagerrepræsentation til at styre tætte og sparsomme datasæt.
- Lagringsudnyttelsen kan være lav, hvis datasættet er sparsomt.
- Fakta lagres i flerdimensionelt array og dimensioner, der bruges til at forespørge dem.
MOLAP Arkitektur
MOLAP Architecture inkluderer følgende komponenter -
- Databaseserver.
- MOLAP-server.
- Front-end værktøj.
Overvej ovenstående gien MOLAP Architectures: -
- Brugeranmodningen rapporterer via grænsefladen
- Applikationslogiklaget i MDDB henter de lagrede data fra databasen
- Applikationslogiklaget videresender resultatet til klienten / brugeren.
MOLAP-arkitektur læser hovedsageligt de forud kompilerede data. MOLAP-arkitektur har begrænsede muligheder for dynamisk at oprette sammenlægninger eller beregne resultater, der ikke er forudberegnet og gemt.
For eksempel kan et regnskabshoved køre en rapport, der viser virksomhedens P / L-konto eller P / L-konto for et specifikt datterselskab. MDDB ville hente forudkompilerede Profit & Loss-tal og vise resultatet for brugeren.
Implementeringsovervejelser er MOLAP
- I MOLAP er det vigtigt at overveje både vedligeholdelses- og opbevaringsimplikationer for at skabe strategi for bygning af terninger.
- Proprietære sprog, der bruges til at forespørge MOLAP. Det involverer imidlertid omfattende klik og træk-understøttelse for eksempel MDX fra Microsoft.
- Svært at skalere, fordi antallet og størrelsen på terninger, der kræves, når dimensionerne øges.
- API'er skal sørge for sondering af terningerne.
- Datastruktur til understøttelse af flere emneområder i dataanalyser, hvilke data der kan navigeres og analyseres. Når navigationen ændres, skal datastrukturen reorganiseres fysisk.
- Brug for forskellige sæt færdigheder og værktøjer, som databaseadministratoren kan bygge, vedligeholde databasen.
MOLAP Fordele
- MOLAP kan administrere, analysere og lagre betydelige mængder flerdimensionelle data.
- Hurtig forespørgselsydelse på grund af optimeret opbevaring, indeksering og caching.
- Mindre størrelser af data sammenlignet med relationsdatabasen.
- Automatiseret beregning af højere niveau af aggregerede data.
- Hjælp brugerne med at analysere større, mindre definerede data.
- MOLAP er lettere for brugeren, hvorfor det er en passende model for uerfarne brugere.
- MOLAP-terninger er bygget til hurtig datahentning og er optimale til udskæring og terning.
- Alle beregninger genereres på forhånd, når kuben oprettes.
MOLAP Ulemper
- En stor svaghed ved MOLAP er, at den er mindre skalerbar end ROLAP, da den kun håndterer en begrænset mængde data.
- MOLAP introducerer også dataredundans, da den er ressourceintensiv
- MOLAP-løsninger kan være lange, især på store datamængder.
- MOLAP-produkter kan have problemer under opdatering og forespørgsel på modeller, når dimensioner er mere end ti.
- MOLAP er ikke i stand til at indeholde detaljerede data.
- Lagringsudnyttelsen kan være lav, hvis datasættet er meget spredt.
- Det kan håndtere den eneste begrænsede mængde data, derfor er det umuligt at medtage en stor mængde data i selve terningen.
MOLAP-værktøjer
- Essbase - Værktøjer fra Oracle, der har en flerdimensionel database.
- Express Server - Web-baseret miljø, der kører i Oracle-database.
- Yellowfin - Forretningsanalyseværktøjer til oprettelse af rapporter og dashboards.
- Clear Analytics - Clear analytics er en Excel-baseret forretningsløsning.
- SAP Business Intelligence - Forretningsanalyseløsninger fra SAP
Resumé:
- Multidimensionel OLAP (MOLAP) er en klassisk OLAP, der letter dataanalyse ved hjælp af en flerdimensionel datakub.
- MOLAP-værktøjer behandler oplysninger med samme responstid, uanset niveauet for opsummering.
- MOLAP-server implementerer to lagringsniveauer til at styre tætte og sparsomme datasæt.
- MOLAP kan styre, analysere og gemme betydelige mængder flerdimensionelle data.
- Det hjælper med at automatisere beregning af højere niveau af aggregerede data
- Det er mindre skalerbart end ROLAP, da det kun håndterer en begrænset mængde data.