Idea di belakang Pangkalan Data Multidimensional - dummies

Pangkalan data pelbagai dimensi (MDDB) membuang konvensyen nenek moyang relasional mereka dan menyusun data dengan cara yang sangat kondusif untuk analisis multidimensi. Oleh itu, untuk memahami pangkalan data multidimensional, anda harus terlebih dahulu memahami asas-asas fungsi analisis yang dilakukan dengan data yang disimpan di dalamnya.

Analisis multidimensi dibina di sekeliling beberapa konsep organisasi data ringkas - khususnya, fakta dan dimensi:

• Fakta: A fakta adalah contoh kejadian atau kejadian tertentu dan sifat peristiwa yang disimpan dalam pangkalan data. Adakah anda menjual jam tangan kepada pelanggan petang Jumaat yang lalu? Itulah fakta. Adakah kedai anda menerima penghantaran 76 cincin kelas semalam dari pembekal tertentu? Itulah fakta lain.

• Dimensi: Dimensi adalah deskriptor utama, indeks, yang mana anda boleh mengakses fakta mengikut nilai (atau nilai) yang anda mahukan. Sebagai contoh, anda mungkin menyusun data jualan anda mengikut dimensi ini: masa, pelanggan, dan produk.

Asas-asasnya

Dalam contoh mudah ini, anda boleh mengatur dan melihat data jualan anda sebagai tatasusunan tiga dimensi, diindeks oleh masa, pelanggan, dan dimensi produk:

• Pada bulan Oktober 2008 (dimensi masa), Pelanggan A (dimensi pelanggan) membeli cincin kelas (dimensi produk) - 79 daripada mereka untuk $ 8, 833.

• Pada tahun 2007 (dimensi masa), Pelanggan A (dimensi pelanggan) banyak produk yang berbeza (dimensi produk) - sejumlah 3, 333 unit untuk $ 55, 905 (fakta).

Perhatikan halus yang berbeza antara cara dimensi digunakan dalam kedua contoh ini. Pada yang pertama, dimensi masa berkaitan dengan sebulan; dimensi pelanggan berkaitan dengan pelanggan tertentu; dan dimensi produk adalah untuk produk tertentu.

Dalam contoh kedua, bagaimanapun, masa adalah untuk setahun, bukan sebulan; pelanggan masih sama (pelanggan individu); dan produk adalah untuk keseluruhan barisan produk.

Analisis multidimensi menyokong pengertian hierarki dalam dimensi. Sebagai contoh, anda boleh mengatur masa dalam hierarki tahun → suku → bulan. Anda boleh melihat fakta (atau penyatuan fakta) dalam pangkalan data di salah satu daripada tahap ini: menjelang tahun, suku, atau bulan.

Begitu juga, anda boleh menganjurkan produk dalam hierarki keluarga produk → jenis produk → produk tertentu. Cincin kelas mungkin jenis produk; "Cincin kelas, gaya moden, batu onyx" mungkin merupakan produk tertentu.Selain itu, cincin kelas, jam tangan, cincin lain, dan barang-barang lain semuanya akan berkembang ke dalam keluarga produk perhiasan.

Adakah had kepada bilangan dimensi?

Secara teorinya, anda boleh mempunyai banyak dimensi dalam model multidimensi anda sekiranya perlu. Persoalannya selalu ada, sama ada produk pangkalan data multidimensi anda boleh menyokongnya. Tetapi inilah soalan yang lebih penting - walaupun suatu produk membolehkan beberapa dimensi tertentu (15, sebagai contoh), adakah ia masuk akal untuk membuat model saiz itu?

Anda harus bekerjasama rapat dengan pengguna anda untuk menentukan sama ada bilangan dimensi menjadikan penyelesaian anda terlalu rumit - dan oleh itu mengehadkan populasi pengguna - atau meningkatkan kemudahan penggunaan - dan oleh itu memperluas populasi pengguna.

Anda boleh, sebagai contoh, tambah geografi ke senarai dimensi yang mengandungi masa, pelanggan, dan produk supaya anda dapat melihat dan menyusun fakta mengikut wilayah jualan, negeri, bandar, dan kedai khusus.

Bagaimanakah anda memilih tahap dalam hierarki?

Tahap dalam hierarki membolehkan anda melaksanakan fungsi bor-down . Dan dengan mempunyai pelbagai peringkat dalam hierarki, anda dapat dengan cepat mendapatkan jawapan kepada soalan anda kerana maklumat yang telah ditetapkan pada setiap peringkat yang ditetapkan, sehingga maklumat hanya menunggu permintaan anda.

Oleh kerana pangkalan data multidimensi mempunyai struktur yang agak tegar yang dibina di sekeliling pre - perhitungan fakta (mencipta dan menyimpan agregat dalam pangkalan data, daripada melakukan agregasi dan pengiraan masa laporan) semakin banyak dimensi yang anda miliki dan lebih banyak tahap dalam setiap dimensi yang anda miliki, semakin banyak keperluan storan anda dan semakin lama membina atau beban anda.

Struktur pangkalan data fizikal dalam MDDB

Walaupun hampir semua produk MDDB dibina di sekeliling konsep fakta, dimensi, dan hierarki, tiada siapa yang mempunyai definisi standard MDDB. Dalam dunia hubungan, ketidakstandardaan juga agak menjadi masalah, terutamanya berkaitan dengan ciri-ciri nilai ditambah, seperti kekangan dan prosedur tersimpan.

Struktur jadual baris lajur asas, bagaimanapun, telah agak mudah untuk dieksport atau dimunggah ke dalam fail rata beberapa jenis dan kemudian memuatkan semula ke produk RDBMS yang lain.

Di dunia MDDB, vendor telah mengambil pelbagai pendekatan berbeza untuk perwakilan fizikal produk masing-masing. Mereka semua mencari jalan untuk mengatasi masalah penyimpanan dan kerumitan yang disebabkan oleh banyak dimensi (contohnya, lebih daripada 15) dan hierarki dalam yang mendalam (contohnya, 20 tahap mendalam).

Apabila anda menilai produk, jangan terperanjat dengan bimbang tentang teknik penyimpanan fizikal: Hanya pastikan representasi logik yang datang dengan produk (seperti hierarki, tahap dan fakta) dapat memenuhi keperluan perniagaan anda. Menghapuskan produk yang kelihatan kikuk atau yang mempunyai, sebagai contoh, model hierarki yang nampaknya tidak sesuai untuk data anda.

Kemudian, selepas anda mencari produk yang sepadan dengan perniagaan anda, lepaskan tayar sedikit (jadi untuk bercakap) untuk melihat bagaimana mereka berfungsi di dalamnya.