Проекция. При выполнении операции сечения формируется подмножество гиперкуба, в котором значение одного или более измерений фиксировано (значение параметров для

⇐ Предыдущая 1 234 Следующая ⇒

Сечение

При выполнении операции сечения формируется подмножество гиперкуба, в котором значение одного или более измерений фиксировано (значение параметров для фиксированного, например, месяца)

Значения в ячейках, которые лежат на оси проекции, суммируются в соответствии с определенным признаком

Вращение (rolling)

Операция вращения изменяет порядок представления измерений, обеспечивая представление метакуб a в более удобной для восприятия форме.

Разбиение с поворотом (slicing and dicing)

Позволяет получить представление данных с разных точек зрения, осуществить доступ к данным в любых разрезах, комбинациях и порядке следования. Работа пользователя с данными по принципу "slicing and dicing" осуществляется с помощью языка многомерных запросов (Multi-Dimensional Query Language), как средства формулирования запросов к многомерным базам данных. Для проведения анализа можно получать всевозможные срезы данных (двумерный (плоскостной) срез, многомерный подкуб). Например, один срез данных о доходах может содержать все сведения о доходах от продаж товаров указанного типа по каждому городу. Другой срез может представлять данные о доходах отдельной компании в каждом из городов.

Консолидация (rolling up, roll-up, drill-up)

Включает такие обобщающие операции, как простое суммирование значений (свертка) или расчет с использованием сложных вычислений, включающих другие связанные данные. Например, показателю для отдельных компаний могут быть просто просуммированы с целью получения показателей для каждого города, а показатели для городов могут быть "свернуты" до показателей по отдельным странам.

Операция спуска (раскрытия) (drill down)

Операция, обратная консолидации, которая включает отображение подробных сведений для рассматриваемых консолидированных данных. Одно из значений измерения заменяется совокупностью значений из следующего уровня иерархии измерения, при этом заменяются значения в ячейках гиперкуба

Классификация OLAP

Обеспечивая многомерное концептуальное представление со стороны пользовательского интерфейса к исходной БД, все продукты OLAP делятся на несколько классов по типу исходной БД. Многомерный гиперкуб, используемый в OLAP-технологии, может быть реализован в рамках реляционной модели или существовать как отдельная база данных специальной многомерной структуры.

Классификация OLAP по назначению

В настоящее время существует два типа OLAP-систем: универсальные, способные решать проблемы создания отчетов в любой из сфер, и «отраслевые», ориентированные на использование лишь в определенных областях. В наших условиях реальный спрос на OLAP-системы сегодня ощущается лишь в сфере банковских и финансовых решений. На Западе же OLAP-системы получили широкое распространение еще и в инженерных и научных учреждениях, где с их помощью выявляются сложные связи различных параметров, в частности, при проведении практических исследований. Сегодня на отечественном рынке представлено достаточно много OLAP-систем, цены, за клиентскую лицензию которых колеблются в пределах $500 до $3000, в зависимости от уровня сложности и ориентации. Системы, ориентированные на использование на крупных предприятиях с поддержкой многопользовательского режима, могут стоить еще дороже. Впрочем, указанные цены касаются лишь стоимости самих программных продуктов. Как и любая другая система автоматизации, OLAP для адекватной работы требует услуг интегратора (чья стоимость может многократно превышать цену самой системы), связанных с правильным отбором и настройкой источников данных для проведения анализа. Таким образом, можно констатировать, что OLAP – удовольствие не из дешевых и по-настоящему эффективным станет лишь при использовании его инструментов не только ведущим менеджером компании, но и его ближайшими подшефными. Что же касается длительности развертывания OLAP-системы, нужно быть готовым к срокам внедрения от одного, двух месяцев до нескольких, в случае внедрения масштабных решений со «сложными» источниками данных.

Классификация OLAP по типу доступа к БД

Как детальные данные, так и агрегаты могут храниться либо в реляционных, либо в многомерных структурах. Многомерное хранение позволяет обращаться с данными как с многомерным массивом, благодаря чему обеспечиваются одинаково быстрые вычисления суммарных показателей и различные многомерные преобразования по любому из измерений. Некоторое время назад OLAP-продукты поддерживали либо реляционное, либо многомерное хранение. Сегодня, как правило, один и тот же продукт обеспечивает оба этих вида хранения, а также третий вид - смешанный. Все продукты OLAP делятся на следующие классы по типу исходной БД.

⇐ Предыдущая 1 234 Следующая ⇒

Поделиться с друзьями:

Дата добавления: 2014-01-15; Просмотров: 408; Нарушение авторских прав?; Мы поможем в написании вашей работы!

Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет

studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление

Генерация страницы за: 0.03 сек.