Основные составляющие логической модели «Многомерный гиперкуб»

Данные, в гиперкубе, можно поделить на четыре категории:

• меры,

• измерения,

• атрибуты,

• иерархии (эти типы данных помогают определить логическую структуру витрины данных).

Мера (факты) — это численное значение (числовой показатель), выражающее определенный аспект деятельности организации и , используемые в базовой и возвратной информации, поэтому таблицы, содержащие данные мер, называются таблицами фактов.

Показатель - это величина (обычно числового типа), которая собственно и является предметом анализа (информация, представляемая этим значением, используется для принятия решения или оценки эффективности работы организации).

Ячейка (cell) - атомарная структура куба, соответствующая конкретному значению некоторого показателя.

Измерение (dimension) — это способ ранжирования данных, используемый для разделения агрегированных мер на составляющие их части.

Измерения позволяют ранжировать агрегированную меру. Ранжирование дает возможность видеть составные элементы агрегированных мер. Например, меру «общая сумма продаж» можно разделить на суммы продаж за каждый год, месяцы, дни.

Измерение (dimension) - это множество объектов одного или нескольких типов, организованных в виде иерархической структуры и обеспечивающих информационный контекст числового показателя. Измерение принято визуализировать в виде ребра многомерного куба.

Измерения играют роль индексов, используемых для идентификации значений показателей, находящихся в ячейках гиперкуба.

Атрибут (attribute) — это дополнительный элемент информации, относящийся к измерению и не являющийся при этом уникальным идентификатором или описанием этого измерения.

Атрибуты также служат для хранения информации, которая может применяться для ограничения или фильтрации записей, выбираемых из витрины данных в ходе анализа данных. Атрибуты хранятся в дополнительных столбцах таблиц измерений.

Иерархии необходимы для определения порядка и возможности агрегации и детализации значений показателей. Иерархии применяются для организаций измерений в многоуровневые структуры.

Если меры определяют что хотят видеть аналитики, то измерения и иерархии определяют, как они это хотят видеть.

Существуют следующие типы иерархий:

• Сбалансированные (balanced);

• Несбалансированные (unbalanced);

• Неровные (balanced).

Архитектуры olap (отличаются методами хранения кубов данных)

• многомерный OLAP-формат (Multi-dimensional OLAP - MOLAP);

• реляционный OLAP-формат (Relational OLAP - ROLAP);

• гибридный OLAP-формат (Hybrid OLAP - HOLAP).

MOLAP является многомерным форматом хранения данных, который отличается высоким быстродействием. Помимо поддержки OLAP самих кубов данных при выборе данного формата данные будут храниться в многомерных структурах на OLAP-сервере (OLAP-структуры).

MOLAP обеспечивает наилучшее быстродействие выполнения запросов, поскольку этот формат специально оптимизирован для многомерных запросов к данным.

ROLAP. Реляционные хранилища OLAP содержат данные, передаваемые в кубы данных, вместе с агрегациями данных куба, причем данные хранятся в реляционных таблицах, размещенных в реляционном ХД.

HOLAP. Гибридная архитектура, которая объединяет технологии ROLAP и MOLAP. Серверы HOLAP применяют подход ROLAP для разреженных областей многомерного пространства и подход MOLAP — для плотных областей.

Серверы HOLAP разделяют запрос на несколько подзапросов, направляют их к соответствующим фрагментам данных, комбинируют результаты, а затем предоставляют результат пользователю.

10. Программные средства реализации OLAP систем и их использование при построении аналитических информационных систем.

В настоящее время на рынке представлено большое количество OLAP-систем, производимых разными фирмами:

• Oracle Express 6.3,

• SQL Server 2005 Microsoft Analysis Services ,

• Cognos PowerPlay 6.6,

• Cristal Analysis Holos 8.5,

• Speedware Media,

• Applix iTM1 7,

• Hyperion Essbase 6.1 и т.д.