Tìm hiểu chi tiết về OLTP, Data WareHouse và OLAP

25 4.2K 10
Tìm hiểu chi tiết về OLTP, Data WareHouse và OLAP

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Mục Lục: Giới thiệu : 3 Phần 1: Tìm hiểu về OLAP (online analytical processing). 3 1. OLAP là gì? 3 2. Tại sao lại cần OLAP? 2 3 3. Mô hình dữ liệu đa chiều của OLAP 3 4. Các khái niệm cơ bản trong OLAP1 3 5. Các mô hình lưu trữ cho OLAP3 3 6. Tool cho OLAP ? 3 Phần 2: OLTP và Data warehouse. Phân biệt OLTP và OLAP. Khả năng tích hợp OLTP và OLAP 3 1. Hệ thống OLTP 4 và các đặc điểm 3 2. Giới thiệu về Data warehouse5 3 a) Định nghĩa kho dữ liệu DWH 3 b. Đặc tính của kho dữ liệu 3 c. Kho dữ liệu và các cơ sở dữ liệu 3 d. Lợi ích của kho dữ liệu 3 e. Kho dữ liệu hiện nay 3 3. Phân biệt OLAP và OLTP 3 4. Khả năng tích hợp OLAP và OLTP7 3 Tổng kết 3 Giới thiệu : Như chúng ta đã biết, với tốc độ phát triển của ngành công nghệ thông tintruyền thông, và đặc biệt là sự phát triển của Internet, việc trao đổi, mua bán trên mạng đã không còn là một viễn cảnh tương lai mà đang hàng ngày hàng giờ xuất hiện xung quanh chúng ta. Nhu cầu trao đổi càng lơn, thương mại điện tử càng phát triển thì đòi hỏi cơ sở dữ liệu càng lớn và tốc độ xử lí các giao dịch trên cơ sở dữ liệu càng nhanh để đáp ứng các yêu cầu, các truy vấn ngày càng phức tạp hơn. Cùng với đó là việc lấy các thông tin, các báo cáo thị trường từ nguồn thông tin sẵn có trong CSDL cũng được đặt ra để làm sao tăng tính chính xác trong dự đoán nhu cầu thị trường, xu thế mua hàng để từ đó đưa ra các trợ giúp quyết định cho người kinh doanh. Từ thực tế đó bài toán đặt ra cho việc thiết kế cơ sở dữ liệu là làm sao để có thể lưu giữ một lượng lớn giữ liệu phục vụ cho việc chiết tách các thông tin, phân tích để đưa ra các báo cáo đánh giá cần thiết một cách nhanh nhất, vừa có thể đảm bảo cho việc phục vụ giao dịch trực tuyến với khách hàng một cách tức thời. Trong phạm vi của bài viết này, chưa có bất kì một thiết kế nào tối ưu cho cả 2 mục đích trên được đưa ra, nhưng để đảm bảo cho từng mục đich, đã có các kĩ thuật được đưa ra.Trong đây, chúng ta sẽ tìm hiểu về các kĩ thuật phổ biến đang được sử dụng trong các thiết kế CSDL hiện thời để giúp ta có định hướng tốt trước khi nghiên cứu xây dựng một hệ CSDL doanh nghiệp thực sự. Các kĩ thuật đó bao gồm OLTP, OLAP và DataWare –House. Với sự phát triển lớn mạnh không ngừng của thương mại điện tử như hiện nay, việc có một cái hiểu đúng đắn về các hệ CSDL sẽ giúp ta định hướng đúng khi xây dựng hệ thống. Không thể hy vọng qua tài liệu này ta có thể thiết kế hay xây dựng một hệ thống thực sự, nhưng ít nhất nó cũng cho ta thấy một cái nhìn chi tiết về mục đích, cách thức xây dựng chúng, những hệ thống mà đang ngày càng trở nên phổ biến trên thế giới. Cụ thể trong tài liệu này sẽ trình bày các khái niệm, đặc điểm, các ví dụ minh họa cho các kĩ thuật trên, cùng với đó là các đánh giá ưu nhược điểm của từng kĩ thuật, các so sánh, phân biệt để thấy được sự khác nhau cũng như môi trường áp dụng với các tài liệu tham khảo được lấy từ nhiều nguồn khác nhau. Bài viết sẽ được trình bày như một chủ đề xuyên suốt chứ không trình bày thành 2 phần tách rời riêng biệt. Cám ơn.

OLTP, Data WareHouse và OLAP Học viện công nghệ BCVT Lớp D07cnpm1 Chuyên đề : Tìm hiểu chi tiết về OLTP, Data WareHouse và OLAP Sinh viên : Khuất Quang Quân Giảng viên : Trần Đình Quế Page 1 OLTP, Data WareHouse và OLAP Mục Lục: Page 2 OLTP, Data WareHouse và OLAP Giới thiệu : Như chúng ta đã biết, với tốc độ phát triển của ngành công nghệ thông tin-truyền thông, và đặc biệt là sự phát triển của Internet, việc trao đổi, mua bán trên mạng đã không còn là một viễn cảnh tương lai mà đang hàng ngày hàng giờ xuất hiện xung quanh chúng ta. Nhu cầu trao đổi càng lơn, thương mại điện tử càng phát triển thì đòi hỏi cơ sở dữ liệu càng lớn và tốc độ xử lí các giao dịch trên cơ sở dữ liệu càng nhanh để đáp ứng các yêu cầu, các truy vấn ngày càng phức tạp hơn. Cùng với đó là việc lấy các thông tin, các báo cáo thị trường từ nguồn thông tin sẵn có trong CSDL cũng được đặt ra để làm sao tăng tính chính xác trong dự đoán nhu cầu thị trường, xu thế mua hàng để từ đó đưa ra các trợ giúp quyết định cho người kinh doanh. Từ thực tế đó bài toán đặt ra cho việc thiết kế cơ sở dữ liệu là làm sao để có thể lưu giữ một lượng lớn giữ liệu phục vụ cho việc chiết tách các thông tin, phân tích để đưa ra các báo cáo đánh giá cần thiết một cách nhanh nhất, vừa có thể đảm bảo cho việc phục vụ giao dịch trực tuyến với khách hàng một cách tức thời. Trong phạm vi của bài viết này, chưa có bất kì một thiết kế nào tối ưu cho cả 2 mục đích trên được đưa ra, nhưng để đảm bảo cho từng mục đich, đã có các kĩ thuật được đưa ra.Trong đây, chúng ta sẽ tìm hiểu về các kĩ thuật phổ biến đang được sử dụng trong các thiết kế CSDL hiện thời để giúp ta có định hướng tốt trước khi nghiên cứu xây dựng một hệ CSDL doanh nghiệp thực sự. Các kĩ thuật đó bao gồm OLTP, OLAP và DataWare – House. Với sự phát triển lớn mạnh không ngừng của thương mại điện tử như hiện nay, việc có một cái hiểu đúng đắn về các hệ CSDL sẽ giúp ta định hướng đúng khi xây dựng hệ thống. Không thể hy vọng qua tài liệu này ta có thể thiết kế hay xây dựng một hệ thống thực sự, nhưng ít nhất nó cũng cho ta thấy một cái nhìn chi tiết về mục đích, cách thức xây dựng chúng, những hệ thống mà đang ngày càng trở nên phổ biến trên thế giới. Cụ thể trong tài liệu này sẽ trình bày các khái niệm, đặc điểm, các ví dụ minh họa cho các kĩ thuật trên, cùng với đó là các đánh giá ưu nhược điểm của từng kĩ thuật, các so sánh, phân biệt để thấy được sự khác nhau cũng như môi trường áp dụng với các tài liệu tham khảo được lấy từ nhiều nguồn khác nhau. Bài viết sẽ được trình bày như một chủ đề xuyên suốt chứ không trình bày thành 2 phần tách rời riêng biệt. Cám ơn. Page 3 OLTP, Data WareHouse và OLAP Page 4 OLTP, Data WareHouse và OLAP Các nguồn tham khảo chính: 5 bài viết chính sẽ được tham khảo: - Giới thiệu về kiến trúc khối của OLAP_Ths:Nguyễn Thế Quyền - Giới thiệu về OLAP-Lê Hoàng Dũng - Data Warehouse hay DWH - Kho dữ liệu: Ths.Nguyễn Xuân Tùng - Tổng quan về Data WareHouse - OLTP and OLAP Data Integration: A Review of Feasible Implementation Methods and Architectures for Real Time Data Analysis- Samuel S. Conn Page 5 OLTP, Data WareHouse và OLAP Phần 1: Tìm hiểu về OLAP (online analytical processing). 1. OLAP là gì? [1]OLAP là một kỹ thuật sử dụng các thể hiện dữ liệu đa chiều gọi là các khối (cube) nhằm cung cấp khả năng truy xuất nhanh đến dữ liệu của kho dữ liệu. Tạo khối (cube) cho dữ liệu trong các bảng chiều (dimension table) và bảng sự kiện (fact table) trong kho dữ liệu và cung cấp khả năng thực hiện các truy vấn tinh vi và phân tích cho các ứng dụng client. OLAP cũng đang nhanh chóng trở thành nền tảng cơ bản cho các giải pháp thông minh bao gồm có: quản lí hiệu suất kinh doanh, lập kế hoạch, ngân sách, dự báo, báo cáo tài chính, phân tích, các mô hình mô phỏng, khai phá tri thức, báo cáo kho dữ liệu. 2. Tại sao lại cần OLAP? [2] OLAP là nền tảng cho tất cả các quyết định thành công. Để kinh doanh thành công đòi hỏi phải lập kế hoạch, phân tích, lập báo cáo liên tục về các sản phẩm, các hoạt động có thể để tăng cường tối đa hiệu quả, giảm phí tổn và tăng thị phần. Các nhà thống kê sẽ cho bạn biết rằng khi bạn thu thập được càng nhiều mẫu dữ liệu thì kết quả của việc phân tích sẽ càng chính xác. Theo tự nhiên thì khi công ty có thể truy cập càng nhiều dữ liệu về các hoạt động đặc biệt thì đương nhiên các kế hoạch để cải thiện các hoạt động ấy càng hiệu quả hơn. Tất cả các công việc kinh doanh có thể thu thập dữ liệu nhờ vào nhiều hệ thống khác nhau, và thách thức còn lại là: Làm thế nào để lấy tất cả dữ liệu cùng với nhau để tạo ra một nguồn thông tin chính xác, tin cậy, và nhanh cho việc kinh doanh. Một công ty mà có thể có được thuận lợi của nguồn thông tin tin cậy và chuyển nó vào trong tri thức chung một cách chính xác và nhanh chóng chắc chắn sẽ có được tư thế tốt hơn để đưa ra các quyết định kinh doanh thành công và nâng cao tính cạnh tranh. 3. Mô hình dữ liệu đa chiều của OLAP OLAP được thiết kế cho mục đích phân tích, báo cáo phục vụ cho việc ra quyết định trong kinh doanh, trong khi một quyết định trong kinh doanh được đưa ra dựa trên nhiều phương diện (chiều). Ví dụ : tổng kết năm thì các mặt hàng nào doanh số bán tăng Page 6 OLTP, Data WareHouse và OLAP (theo chiều thời gian), hay doanh số bán hàng theo sản phẩm trong tháng 12(theo chiều sản phẩm) để từ đó dự đoán xu thế tiêu dùng của khách hàng để đưa ra kế hoạch kinh doanh trong tháng hay năm sau. Mô hình đa chiều của OLAP 4. Các khái niệm cơ bản trong OLAP[1] Khối (Cube) Khối là phần tử chính trong xử lý phân tích trực tuyến, là tập con (subset) dữ liệu từ kho dữ liệu, được tổ chức và tổng hợp trong các cấu trúc đa chiều. Để xác định một khối, ta chọn một bảng Fact và các đơn vị đo lường đồng nhất (các cột số theo sự quan tâm của người dùng khối) trong bảng Fact. Sau đó chọn các chiều, mỗi chiều gồm một hay nhiều cột từ bảng liên quan khác. Các chiều cung cấp mô tả rõ ràng bởi các đơn vị đo lường được chia ra của người dùng khối. Ví dụ: một khối cho phân tích bán hàng bao gồm các đơn vị đo lường Sảnphẩm_Bánhàng_Giá (Item_Sale_Price) và Sảnphẩm_Chiphí (Item_Cost) từ bảng Bánhàng_chính (Sales_Fact), và các chiều Vịtrí_Kho (Store_Location), Dòng_sảnphẩm (Product_Line), và Năm_Tàichính (Fiscal_Year). Khối này cho phép người dùng phân chia Sản phẩm_Bánhàng_Giá (Item_ Sale_Price) và Sảnphẩm_Chiphí (Item_Cost) thành các loại khác nhau bởi Vịtrí_Kho, Dòng_Sảnphẩm và Năm_Tàichính. Mỗi chiều có thể chứa một hệ thống các cấp độ để chỉ sự phân chia rõ ràng của người dùng. Ví dụ: Chiều Vịtrí_Kho có thể gồm hệ thống các cấp độ: Châu lục, nước, vùng, tỉnh, thành phố (Continent, Country, Region, State_Province, City, Store_Number). Mỗi cấp độ trong chiều lại chi tiết hơn mức cha của nó. Ví dụ: lục địa chứa các quốc gia, các bang hay các tỉnh chứa các thành phố. Tương tự, hệ thống chiều thời gian có thể gồm có các cấp độ năm, quý, tháng và ngày. Chiều (Dimension) Page 7 OLTP, Data WareHouse và OLAP Các chiều là cách mô tả chủng loại mà theo đó các dữ liệu số trong khối được phân chia để phân tích. Khi xác định một chiều, chọn một hoặc nhiều cột của một trong các bảng liên kết (bảng chiều). Nếu ta chọn các cột phức tạp thì tất cả cần có quan hệ với nhau, chẳng hạn các giá trị của chúng có thể được tổ chức theo hệ thống phân cấp đơn. Để xác định hệ thống phân cấp, sắp xếp các cột từ chung nhất tới cụ thể nhất. Ví dụ: một chiều thời gian (Time) được tạo ra từ các cột Năm, Qúy, Tháng, Ngày (Year, Quarter, Month và Day). Mỗi cột trong chiều góp phần vào một cấp độ cho chiều. Các cấp độ được sắp đặt theo nét riêng biệt và được tổ chức trong hệ thống cấp bậc mà nó thừa nhận các con đường hợp logic cho việc đào sâu (drill_down). Ví dụ: chiều thời gian được miêu tả ở trên cho phép người dùng khối đào sâu (drill_down) từ Năm tới Qúy, từ Qúy tới Tháng và từ Tháng tới Ngày. Mỗi drill_down cung cấp nét đặc trưng hơn. Chiều có phân cấp Phân cấp là cột sống của việc gộp dữ liệu hay nói một cách khác là dựa vào các phân cấp mà việc gộp dữ liệu mới có thể thực hiện được. Phần lớn các chiều đều có một cấu trúc đa mức hay phân cấp. Nếu chúng ta làm những quyết định về giá sản phẩm để tối đa doanh thu thì chúng ta cần quan sát ở những dữ liệu về doanh thu sản phẩm được gộp theo giá sản phẩm, tức là chúng ta đã thực hiện một cách gộp. Khi cần làm những quyết định khác thì chúng ta cần thực hiện những phép gộp tương ứng khác. Như vậy có thể có quá nhiều tiến trình gộp. Thế nên các tiến trình gộp này cần phải được thực hiện một cách rất dễ dàng, linh hoạt để có thể hỗ trợ những phân tích không hoạch định trước. Điều này có thể được giải quyết trên cơ sở có sự trợ giúp của những phân cấp rộng và sâu. Roll_up và Drill_down dựa trên phân cấp chiều Dựa trên phân cấp theo chiều, từ một mức dưới, chúng ta có thể cuộn lên (Roll_up) các mức trên, thực hiện một phép gộp, để có được kết qủa tổng hợp hơn. Và từ một mức trên, có thể khoan sâu xuống (Drill_down) các mức dưới, để có các kết quả chi tiết hơn. Xem ví dụ sau: Các đơn vị đo lường (Measures) Các đơn vị đo của khối là các cột trong bảng Fact. Các đơn vị đo lường xác định những giá trị số từ bảng Fact mà được tổng hợp phân tích như định giá, trị giá, hoặc số lượng bán. Các phân hoạch (Partitions) Page 8 OLTP, Data WareHouse và OLAP Tất cả các khối đều có tối thiểu một phân hoạch để chứa dữ liệu của nó; một phân hoạch đơn được tự động tạo ra khi khối được định nghĩa. Khi ta tạo một phân hoạch mới cho một khối, phân hoạch mới này được thêm vào trong tập hợp các phân hoạch đã tồn tại đối với khối. Khối phản ánh dữ liệu đã được kết nối có trong tất cả các phân hoạch của nó. Một bảng phân hoạch của khối là vô hình đối với người dùng. Các phân hoạch tiêu biểu cho một công cụ mạnh, mềm dẻo cho việc quản trị các khối OLAP, đặc biệt các khối lớn. Ví dụ: một khối chứa thông tin thương mại có thể chứa trong một hoặc nhiều phân hoạch cho dữ liệu của những năm trước và các phân hoạch cho mỗi quý của năm hiện tại. Cuối năm các bảng phân hoạch của bốn quý có thể được hợp nhất trong một phân hoạch đơn cho năm đó. Các bảng phân hoạch có thể được lưu trữ với các sự lựa chọn kết hợp khác nhau theo phương thức lưu trữ, định vị dữ liệu nguồn và thiết kế kết hợp. Tính mềm dẻo này cho phép ta thiết kế các chiến lược lưu trữ khối thích hợp với các yêu cầu của ta. 5. Các mô hình lưu trữ cho OLAP[3] Dịch vụ OLAP hỗ trợ nhiều mô hình lưu trữ dữ liệu khác nhau, mỗi mô hình có các ưu và khuyết điểm riêng, chúng được sử dụng tuỳ theo mục đích khai thác. Mô hình Multidimensional OLAP (MOLAP): Mô hình OLAP đa chiều (MOLAP) lưu trữ dữ liệu cơ sở (là dữ liệu từ các bảng của kho dữ liệu hoặc data mart) và thông tin tổng hợp (là các độ đo được tính toán từ các bảng) trong các cấu trúc đa chiều gọi là các khối (cube). Các cấu trúc này được lưu bên ngoài cơ sở dữ liệu data mart hoặc kho dữ liệu. Page 9 OLTP, Data WareHouse và OLAP Mô hình dữ liệu MOLAP Lưu trữ các khối (cube) trong cấu trúc MOLAP là tốt nhất cho các truy vấn tổng hợp dữ liệu thường xuyên mà cần thời gian hồi đáp nhanh. Ví dụ, tổng sản phẩm bán được của tất cả các vùng theo quý. Mô hình MOLAP cho phép thực hiện các truy vấn phân tích dữ liệu tốt nhất vì các đặc điểm sau: - Thông tin tổng hợp và dữ liệu cơ sở được lưu trữ trong cấu trúc đa chiều. - Các thao tác kết (join), là một trong những thao tác tốn chi phí nhất của mô hình quan hệ, thì không cần thiết. - MOLAP sử dụng các thuật toán nén dữ liệu cho phép lưu trữ với ít không gian hơn. - MOLAP sử dụng chỉ mục bitmap cho hiệu quả thực thi tốt hơn. - MOLAP lấy dữ liệu trong khối (cube) rất nhanh bằng cách sử dụng các xử lý truy vấn tốc độ cao và cache dữ liệu (data cache). Thông tin nhận được từ khối (cube) và các bảng OLAP cơ sở chỉ được truy xuất thông tin chi tiết. - MOLAP không xử dụng cơ chế khoá vì dữ liệu là chỉ đọc. - MOLAP có thể được nạp trước vào bộ nhớ cache. - Dữ liệu có thể dễ dàng sao chép đến client cho phân tích không trực tuyến (off- line). Mô hình Relational OLAP (ROLAP): Mô hình OLAP quan hệ (ROLAP) lưu trữ dữ liệu cơ sở và thông tin tổng hợp trong các bảng quan hệ. Các bảng này được lưu trữ trong cùng cơ sở dữ liệu như là các bảng của data mart hoặc kho dữ liệu. Page 10 [...]... thuật OLAP - Tích hợp các công cụ quản trị, bảo mật, nguồn dữ liệu và client/server caching - Hỗ trợ rộng rãi các hàm API và kiến trúc mở để hỗ trợ các ứng dụng tuỳ ý Page 14 OLTP, Data WareHouse và OLAP Phần 2: OLTP và Data warehouse Phân biệt OLTP và OLAP Khả năng tích hợp OLTP và OLAP Như trong phần trước chúng ta đã có dịp tìm hiểu về OLTP trong so sánh giữa OLTP với OLAP Trong phần này ta sẽ tìm hiểu. .. CSDL OLTP và OLAP[ 6] Page 22 OLTP, Data WareHouse và OLAP Page 23 OLTP, Data WareHouse và OLAP 4 Khả năng tích hợp OLAP và OLTP[7] Do yêu cầu và mục đích thiết kế cho OLAP và OLTP là khác nhau nên việc thiết kế một cơ sở dữ liệu chung tương thích với cả 2 hệ thống là điều không thể CSDL OLTP được thiết kế cho mục đích loại bỏ các truy vấn thêm,xóa sửa CSDL bất thường, nó được đánh chỉ số và tối ưu... trị hệ thống duy trì nó hiệu quả hơn - ROLAP hỗ trợ Microsoft SQL Server, Oracle, Access và Open Database Connectivity (ODBC) Mô hình Hybird OLAP (HOLAP): Mô hình OLAP lai (HOLAP) là sự kết hợp giữa MOLAP và ROLAP Page 11 OLTP, Data WareHouse và OLAP Mô hình dữ liệu HOLAP Lưu trữ các khối (cube) trong cấu trúc HOLAP là tốt nhất cho các truy vấn tổng hợp dữ liệu thường xuyên dựa trên một lượng lớn dữ... Nhiều Thấp Trung bình Chi phí bảo trì Cao Thấp Trung bình Page 12 OLTP, Data WareHouse và OLAP 6 Tool cho OLAP ? Giới thiệu dịch vụ OLAP (OLAP Services) của Microsoft SQL Server: Dịch vụ OLAP là một server tầng giữa (midle-tier server) phục vụ cho phân tích xử lý trực tuyến (OLAP) Hệ thống dịch vụ OLAP là một công cụ mạnh trong việc xây dựng các khối đa chi u của dữ liệu cho phân tích và cung cấp khả năng... hỏi yêu cầu cao hơn, do đó OLAP hay OLTP sẽ ngày càng phát triển hơn để phục vụ cho yêu cầu đó Page 24 OLTP, Data WareHouse và OLAP Tham khảo: [1] Giới thiệu về kiến trúc khối của OLAP_ Ths:Nguyễn Thế Quyền đăng trên tạp chí BCVT ngày 10-10-2003 [2] http:/ /olap. com/w/index.php /OLAP_ Education_Wiki [3]Lê Hoàng Dũng-Nguyễn Trần Minh Khuê sưu tầm: Giới thiệu về OLAP [4] Data Warehouse hay DWH - Kho dữ liệu:... thông tin khối cho các client Kiến trúc dịch vụ OLAP được chia thành 2 phần: Phần server (được đại diện bởi OLAP server) và phần client (là dịch vụ PivotTable) Cả dịch vụ OLAP và dịch vụ PivotTable đều cho phép thiết kế, tạo mới và quản lý các khối (cube) từ kho dữ liệu (data warehouse) và cho phép các client truy xuất đến dữ liệu OLAP Có thể hiểu rằng OLAP server quản lý dữ liệu còn dịch vụ PivotTable... Kho dữ liệu và các cơ sở dữ liệu DWH về bản chất cũng là một database bình thường, các hệ quản trị cơ sở dữ liệu quản lý và lưu trữ nó như các database thông thường (tuy nhiên có hỗ trợ thêm về quản lý dữ liệu lớn và truy vấn) Thực ra nét khác biệt của DWH so với database là ở quan niệm, cách nhìn vấn đề: - Trước tiên DWH là database rất lớn (very large database-VLDB) - Database hướng về xử lý thời... cấu trong MOLAP và dữ liệu hàng tháng, hàng tuần và hàng ngày trong cấu trúc ROLAP Lợi ích của việc lưu trữ trong cấu trúc HOLAP là: - Lấy dữ liệu trong khối (cube) nhanh hơn bằng cách sử dụng xử lý truy vấn tốc độ cao của MOLAP - Tiêu thụ ít không gian lưu trữ hơn MOLAP - Tránh trùng lắp dữ liệu So sách các mô hình: - Bảng sau so sánh tổng hợp ba mô hình lưu trữ hỗ trợ OLAP: MOLAP ROLAP HOLAP Lưu trữ... dịch vụ OLAP: - Dễ sử dụng: Bằng cách cung cấp các giao diện người dùng và các trợ giúp thực hiện (wizard) - Linh động: Mô hình dữ liệu mạnh cho định nghĩa khối (cube) và lưu trữ Page 13 OLTP, Data WareHouse và OLAP - Các khối có thể ghi (Write-enable): Cho các kịch bản phân tích dạng “what if” - Kiến trúc có thể co dãn (scalable architecture): Cung cấp một sự đa dạng các kịch bản lưu trữ và giải pháp... ngày nay ra quyết định dựa trên dữ liệu Và 1 công cụ quản trị doanh nghiệp thông minh chạy và vận hành trên của kho dữ liệu có thể là một công cụ hỗ trợ tốt cho mục đích đó Điều này có được là do sử dụng báo cáo và OLAP Báo cáo DWH được sử dụng để đưa ra số liệu kinh doanh đã tổng hợp trong Page 20 OLTP, Data WareHouse và OLAP DWH tới những người kinh doanh OLAP cho phép doanh nghiệp phân tích sự ảnh

Ngày đăng: 20/08/2014, 16:03

Mục lục

  • 2. Tại sao lại cần OLAP? [2]

  • 3. Mô hình dữ liệu đa chiều của OLAP

  • 4. Các khái niệm cơ bản trong OLAP[1]

  • 5. Các mô hình lưu trữ cho OLAP[3]

  • Phần 2: OLTP và Data warehouse. Phân biệt OLTP và OLAP. Khả năng tích hợp OLTP và OLAP

    • 1. Hệ thống OLTP [4] và các đặc điểm

    • 2. Giới thiệu về Data warehouse[5]

      • a) Định nghĩa kho dữ liệu DWH

      • b. Đặc tính của kho dữ liệu

      • c. Kho dữ liệu và các cơ sở dữ liệu

      • d. Lợi ích của kho dữ liệu

      • e. Kho dữ liệu hiện nay

      • 3. Phân biệt OLAP và OLTP

      • 4. Khả năng tích hợp OLAP và OLTP[7]

Tài liệu cùng người dùng

Tài liệu liên quan