Vad är MOLAP?
Multidimensionell OLAP (MOLAP) är en klassisk OLAP som underlättar dataanalys med hjälp av en flerdimensionell datakub. Data beräknas i förväg, sammanfattas och lagras i en MOLAP (en stor skillnad från ROLAP). Med hjälp av en MOLAP kan en användare använda flerdimensionell visningsdata med olika aspekter.
Flerdimensionell dataanalys är också möjlig om en relationsdatabas används. Då skulle man behöva fråga data från flera tabeller. Tvärtom har MOLAP alla möjliga kombinationer av data som redan är lagrade i en flerdimensionell matris. MOLAP kan komma åt dessa data direkt. Därför är MOLAP snabbare jämfört med Relational Online Analytical Processing (ROLAP).
I den här handledningen lär du dig-
- MOLAP-arkitektur
- Implementeringsöverväganden är MOLAP
- Molap Fördelar
- Molap nackdelar
- MOLAP-verktyg
Nyckelord
- I MOLAP kallas operationer för bearbetning.
- MOLAP-verktyg bearbetar information med samma svarstid oberoende av summeringsnivån.
- MOLAP-verktyg tar bort komplexiteten i utformningen av en relationsdatabas för att lagra data för analys.
- MOLAP-servern implementerar två nivåer av lagringsrepresentation för att hantera täta och glesa datamängder.
- Lagringsutnyttjandet kan vara lågt om datamängden är gles.
- Fakta lagras i flerdimensionell matris och dimensioner som används för att fråga dem.
MOLAP-arkitektur
MOLAP Architecture innehåller följande komponenter -
- Databasserver.
- MOLAP-server.
- Front-end verktyg.
Betrakta ovan gien MOLAP Architectures: -
- Användarförfrågan rapporterar via gränssnittet
- Applikationslogiklagret i MDDB hämtar den lagrade informationen från databasen
- Applikationslogiklagret vidarebefordrar resultatet till klienten / användaren.
MOLAP-arkitektur läser främst de förkompilerade data. MOLAP-arkitekturen har begränsade möjligheter att dynamiskt skapa aggregeringar eller att beräkna resultat som inte har förberäknats och lagrats.
Till exempel kan en redovisningschef köra en rapport som visar företagets P / L-konto eller P / L-konto för ett specifikt dotterbolag. MDDB skulle hämta förkompilerade vinst- och förlustsiffror och visa resultatet för användaren.
Implementeringsöverväganden är MOLAP
- I MOLAP är det viktigt att beakta både underhålls- och lagringsimplikationer för att skapa en strategi för att bygga kuber.
- Egna språk som används för att fråga MOLAP. Det innebär dock omfattande klick- och dra-stöd till exempel MDX av Microsoft.
- Svårt att skala eftersom antalet och kubernas storlek som krävs när dimensionerna ökar.
- API: er bör ge provning av kuberna.
- Datastruktur för att stödja flera ämnesområden för dataanalyser vilken data kan navigeras och analyseras. När navigeringen ändras måste datastrukturen omorganiseras fysiskt.
- Behöver olika färdigheter och verktyg för databasadministratören att bygga, underhålla databasen.
MOLAP Fördelar
- MOLAP kan hantera, analysera och lagra betydande mängder flerdimensionell data.
- Snabb frågaprestanda på grund av optimerad lagring, indexering och cachning.
- Mindre data i jämförelse med relationsdatabasen.
- Automatiserad beräkning av högre aggregerade nivåer.
- Hjälp användare att analysera större, mindre definierade data.
- MOLAP är lättare för användaren. Därför är det en lämplig modell för oerfarna användare.
- MOLAP-kuber är byggda för snabb datainhämtning och är optimala för skärning och tärning.
- Alla beräkningar genereras i förväg när kuben skapas.
MOLAP Nackdelar
- En stor svaghet med MOLAP är att den är mindre skalbar än ROLAP eftersom den endast hanterar en begränsad mängd data.
- MOLAP introducerar också dataredundans eftersom det är resurskrävande
- MOLAP-lösningar kan vara långa, särskilt vid stora datamängder.
- MOLAP-produkter kan få problem när de uppdaterar och frågar efter modeller när måtten är mer än tio.
- MOLAP kan inte innehålla detaljerade data.
- Lagringsutnyttjandet kan vara lågt om datamängden är mycket spridd.
- Det kan hantera den enda begränsade mängden data, det är därför omöjligt att inkludera en stor mängd data i själva kuben.
MOLAP-verktyg
- Essbase - Verktyg från Oracle som har en flerdimensionell databas.
- Express Server - webbaserad miljö som körs på Oracle-databasen.
- Yellowfin - Verktygsanalysverktyg för att skapa rapporter och instrumentpaneler.
- Clear Analytics - Clear analytics är en Excel-baserad affärslösning.
- SAP Business Intelligence - Affärsanalyslösningar från SAP
Sammanfattning:
- Multidimensionell OLAP (MOLAP) är en klassisk OLAP som underlättar dataanalys med hjälp av en flerdimensionell datakub.
- MOLAP-verktyg bearbetar information med samma svarstid oberoende av summeringsnivån.
- MOLAP-servern implementerar två lagringsnivåer för att hantera täta och glesa datamängder.
- MOLAP kan hantera, analysera och lagra stora mängder flerdimensionell data.
- Det hjälper till att automatisera beräkning av högre aggregerade data
- Det är mindre skalbart än ROLAP eftersom det endast hanterar en begränsad mängd data.