Hvad er MOLAP (Multidimensional OLAP) i Data Warehouse?

Hvad er MOLAP?

Multidimensional OLAP (MOLAP) er en klassisk OLAP, der letter dataanalyse ved at bruge en multidimensionel datakube. Data er forudberegnet, opsummeret og gemt i en MOLAP (en stor forskel fra ROLAP). Ved at bruge en MOLAP kan en bruger bruge multidimensionelle visningsdata med forskellige facetter.

Multidimensionel dataanalyse er også mulig, hvis der anvendes en relationel database. Derved ville det kræve at forespørge data fra flere tabeller. Tværtimod har MOLAP alle mulige kombinationer af data, der allerede er lagret i et multidimensionelt array. MOLAP kan få direkte adgang til disse data. Derfor er MOLAP hurtigere sammenlignet med Relational Online Analytical Processing (ROLAP).

MOLAP Architecture

MOLAP Architecture omfatter følgende komponenter:

Database server
MOLAP server
Front-end værktøj

I betragtning af ovenstående givne MOLAP Archilære:

Brugeranmodningen rapporterer via grænsefladen
Applikationslogiklaget i MDDB henter de lagrede data fra databasen
Applikationslogiklaget videresender resultatet til klienten/brugeren.

MOLAP-arkitektur læser hovedsageligt de prækompilerede data. MOLAP-arkitektur har begrænsede muligheder for dynamisk at skabe aggregeringer eller til at beregne resultater, der ikke er forudberegnet og gemt.

For eksempel kan en regnskabschef køre en rapport, der viser virksomhedens P/L-konto eller P/L-konto for et specifikt datterselskab. MDDB'en ville hente prækompilerede Profit & Loss-tal og vise dette resultat for brugeren.

Nøglepunkter i MOLAP

I MOLAP kaldes operationer behandling.
MOLAP-værktøjer behandler information med samme mængde responstid uanset opsummeringsniveauet.
MOLAP-værktøjer fjerner kompleksiteten ved at designe en relationel database til at gemme data til analyse.
MOLAP-server implementerer lagerrepræsentation på to niveauer for at administrere tætte og sparsomme datasæt.
Lagerudnyttelsen kan være lav, hvis datasættet er sparsomt.
Fakta er gemt i multi-dimensional matrix, og dimensioner bruges til at forespørge dem.

Implementeringsovervejelser i MOLAP

I MOLAP er det vigtigt at overveje både vedligeholdelses- og opbevaringsimplikationer for at skabe strategi for at bygge kuber.
Proprietære sprog, der bruges til at forespørge MOLAP. Det involverer dog omfattende klik og træk-understøttelse for eksempel MDX by Microsoft.
Svært at skalere, fordi antallet og størrelsen af terninger, der kræves, når dimensionerne øges.
API'er skal sørge for sondering af kuberne.
Datastruktur til at understøtte flere emneområder for dataanalyser, hvilke data kan navigeres og analyseres. Når navigationen ændres, skal datastrukturen reorganiseres fysisk.
Brug for forskellige færdigheder og værktøjer til databaseadministratoren til at bygge, vedligeholde databasen.

MOLAP fordele

Nedenfor er fordelene ved MOLAP:

MOLAP kan administrere, analysere og gemme betydelige mængder multidimensionelle data.
Hurtig forespørgselsydeevne på grund af optimeret lagring, indeksering og caching.
Mindre størrelser af data sammenlignet med relationsdatabasen.
Automatiseret beregning af et højere niveau af samlede data.
Hjælp brugerne med at analysere større, mindre definerede data.
MOLAP er nemmere for brugeren, derfor er det en passende model til uerfarne brugere.
MOLAP-terninger er bygget til hurtig datahentning og er optimale til udskærings- og terningsoperationer.
Alle beregninger er forudgenereret, når kuben oprettes.

Ulemper ved MOLAP

Følgende er ulemperne ved MOLAP:

En stor svaghed ved MOLAP er, at den er mindre skalerbar end ROLAP, da den kun håndterer en begrænset mængde data.
MOLAP introducerer også dataredundans, da det er ressourcekrævende
MOLAP-løsninger kan være langvarige, især på store datamængder.
MOLAP-produkter kan støde på problemer under opdatering og forespørgsel efter modeller, når dimensionerne er mere end ti.
MOLAP er ikke i stand til at indeholde detaljerede data.
Lagerudnyttelsen kan være lav, hvis datasættet er meget spredt.
Den kan håndtere den eneste begrænsede mængde data, derfor er det umuligt at inkludere en stor mængde data i selve kuben.

MOLAP værktøj

Her er de populære MOLAP-værktøjer:

Essbase – Værktøj fra Oracle der har en multidimensionel database.

Express Server – Web-baseret miljø, der kører videre Oracle databasen.

gulfinnet – Forretningsanalyseværktøjer til oprettelse af rapporter og dashboards.

Ryd Analytics – Clear analytics er en Excel-baseret virksomhedsløsning.

SAP Business Intelligence – Forretningsanalyseløsninger fra en SAP

Resumé

Multidimensional OLAP (MOLAP) er en klassisk OLAP, der letter Dataanalyse ved at bruge en multidimensionel datakube.
MOLAP-værktøjer behandler information med samme mængde responstid uanset opsummeringsniveauet.
MOLAP-server implementerer to niveauer af lagring til at administrere tætte og sparsomme datasæt.
MOLAP kan administrere, analysere og gemme betydelige mængder multidimensionelle data.
Det hjælper med at automatisere beregningen af højere niveauer af aggregatdata
Det er mindre skalerbart end ROLAP, da det kun håndterer en begrænset mængde data.