Многомерные базы данных

таблицы – число зачисленных абитуриентов в том или ином городе

в тот или иной год

третьей оси (слои) – специальности,
Содержимое (значения) таблицы – число зачисленных

абитуриентов в тот или иной год в том или ином городе на некоторую специальность

один из индексов многомерного массива.

Факт существует, когда ячейка, соответствующая сочетанию измерений, не пуста.

мышью, движение товара на складе.

количество товара на складе, число пользователей сайта.

времени; примеры: совокупный объем продаж.

комбинироваться в некоторых измерениях)
Неаддитивные (не комбинируются)

(код года, год)
Специальность(код специальности, специальность)

(код города, код года, код специальности, количество зачисленных)

денормализованных таблиц измерений (dimensional table).
Таблица фактов и таблицы размерности

связаны идентифицирующими связями, при этом первичные ключи таблицы размерности мигрируют в таблицу фактов в качестве внешних ключей. Первичный ключ таблицы факта целиком состоит из первичных ключей всех таблиц размерности.
Агрегированные данные хранятся совместно с исходными.

и формулировка запросов, уменьшается количество операций соединения таблиц при обработке

запросов. Некоторые промышленные СУБД и инструменты класса OLAP / Reporting умеют использовать преимущества схемы "звезда" для сокращения времени выполнения запросов.

их хранения объем памяти. Если агрегаты хранятся совместно с исходными

данными, то в измерениях необходимо использовать дополнительный параметр - уровень иерархии.

объемы продаж.
Измерения:
Тип Продукта (кодТ, тип)
Продукт (кодП, продукт, кодТ)
Страна (кодС,

страна)
Город (кодГ, город, кодС)
Год (кодГД, год)
Месяц (код М, месяц, код ГД)

объемы продаж.
Меры и куб:
Продажа (кодП, кодГ, кодМ, объем)

таблиц измерений (dimensional table), которые нормализованы в отличие от схемы

"звезда".
Таблица фактов и таблицы размерности связаны идентифицирующими связями, при этом первичные ключи таблицы размерности мигрируют в таблицу фактов в качестве внешних ключей. Первичный ключ таблицы факта целиком состоит из первичных ключей всех таблиц размерности.
В схеме "снежинка" агрегированные данные могут храниться отдельно от исходных.

минимизировать избыточность данных и более эффективно выполнять запросы, связанные со

структурой значений измерений.

Недостатки
За нормализацию таблиц измерений иногда приходится платить временем выполнения запросов.

и параметры для агрегирования.
Drill-across – комбинируют кубы с общими измерениями.
Ranking

– возвращают верх или низ упорядоченных списков.
Rotating – вращение куба, показ данных, сгруппированных по разным измерениям.

в реальном времени) — технология обработки данных, заключающаяся в подготовке

суммарной (агрегированной) информации на основе больших массивов данных, структурированных по многомерному принципу.

являются многомерными массивами данных. Число измерений OLAP кубов не ограничено.
Прозрачность.

OLAP системы должны опираться на открытые системы, поддерживающие гетерогенные источники данных.
Доступность. OLAP системы должны представлять пользователю единую логическую схему данных.

при росте числа измерений.
Клиент\сервер архитектура. Системы должны базироваться на открытых,

модульных системах.
Различное число измерений. Системы не должны ограничиваться 3-х мерной моделью представления данных. Причем измерения должны быть эквивалентны по применению любых функций.

в реляционных базах данных и сжатию больших файлов, «разреженная матрица»

- матрица, не каждая ячейка которой содержит данные. OLAP системы должны содержать средства хранении и обработки больших объемов данных.
Многопользовательская поддержка. OLAP системы должны поддерживать многопользовательский режим работы.
Неограниченные многомерные операции. Аналогично, требованию о различном числе измерений : все измерения считаются равными и многомерные операции не должны накладывать ограничений на отношения между ячейками.

не должны пользоваться различными усложненными меню и прочим, чтобы сформулировать

многоуровневые запросы.
Гибкая настройка конечных отчетов. Пользователи должны иметь возможность видеть только то, что им необходимо, причем все изменения данных должны немедленно отображаться в отчетах.
Отсутствие ограничений на количество измерений и уровней агрегации данных.

почти мгновенный отклик на большинство запросов;
Shared — многопользовательской, должен

существовать механизм контроля доступа к данным, а также возможность одновременной работы многих пользователей;
Multidimensional — многомерной, данные должны представляться в виде многомерных кубов;
Informational — данные должны быть полны с точки зрения аналитика, т.е. содержать всю необходимую информацию.

это классическая форма OLAP, так что её часто называют просто

OLAP. Она использует суммирующую БД, специальный вариант процессора пространственных БД и создаёт требуемую пространственную схему данных с сохранением как базовых данных, так и агрегатов.
реляционная OLAP (Relational OLAP — ROLAP); ROLAP работает напрямую с реляционным хранилищем, факты и таблицы с измерениями хранятся в реляционных таблицах, и для хранения агрегатов создаются дополнительные реляционные таблицы.
гибридная OLAP (Hybrid OLAP — HOLAP). HOLAP использует реляционные таблицы для хранения базовых данных и многомерные таблицы для агрегатов.

значительно быстрее, чем при многомерном концептуальном взгляде на реляционную базу

данных.
Структура и интерфейсы наилучшим образом соответствуют структуре аналитических запросов.
Многомерные СУБД легко справляются с задачами включения в информационную модель разнообразных встроенных функций.

многомерными БД и основываются на патентованных технологиях для многомерных СУБД,

поэтому являются наиболее дорогими. Эти системы обеспечивают полный цикл OLAP-обработки и либо включают в себя, помимо серверного компонента, собственный интегрированный клиентский интерфейс, либо используют для связи с пользователем внешние программы работы с электронными таблицами.
По сравнению с реляционными, очень неэффективно используют внешнюю память, обладают худшими по сравнению с реляционными БД механизмами транзакций.
Отсутствуют единые стандарты на интерфейс, языки описания и манипулирования данными.
Не поддерживают репликацию данных, часто используемую в качестве механизма загрузки.

очень большими БД и развитые средства администрирования. При использовании ROLAP

размер хранилища не является таким критичным параметром, как в случае MOLAP.
При оперативной аналитической обработке содержимого хранилища данных инструменты ROLAP позволяют производить анализ непосредственно над хранилищем (потому что в подавляющем большинстве случаев корпоративные хранилища данных реализуются средствами реляционных СУБД).

в структуру измерений приходится вносить достаточно часто, ROLAP системы с

динамическим представлением размерности являются оптимальным решением, так как в них такие модификации не требуют физической реорганизации БД, как в случае MOLAP.
Системы ROLAP могут функционировать на гораздо менее мощных клиентских станциях, чем системы MOLAP, поскольку основная вычислительная нагрузка в них ложится на сервер, где выполняются сложные аналитические SQL-запросы, формируемые системой.
Реляционные СУБД обеспечивают значительно более высокий уровень защиты данных и хорошие возможности разграничения прав доступа.

функционального типа.
Меньшая производительность, чем у MOLAP. Для обеспечения сравнимой с

MOLAP производительности реляционные системы требуют тщательной проработки схемы БД и специальной настройки индексов. Но в результате этих операций производительность хорошо настроенных реляционных систем при использовании схемы "звезда" сравнима с производительностью систем на основе многомерных БД.

кадров
Метеорология
Уровень жизни населения
Пассажирские перевозки
Грузовые перевозки
Простои транспорта

Services
Mondrian
PALO
Часто включаются в состав ERP-систем (как, например, SAP)