Hva er MOLAP (Multidimensional OLAP) i Data Warehouse?

Hva er MOLAP?

Flerdimensjonal OLAP (MOLAP) er en klassisk OLAP som forenkler dataanalyse ved hjelp av en flerdimensjonal datakube. Data forhåndsberegnes, oppsummeres på nytt og lagres i et MOLAP-system (en stor forskjell fra ROLAP). Ved hjelp av en MOLAP-motor kan en bruker utforske flerdimensjonale datavisninger med forskjellige fasetter.

Flerdimensjonal dataanalyse er også mulig hvis en relasjonsdatabase brukes, men den tilnærmingen vil kreve spørring av data fra flere tabeller. MOLAP har derimot alle mulige kombinasjoner av data allerede lagret i en flerdimensjonal matrise. MOLAP har direkte tilgang til disse dataene. Derfor er MOLAP raskere sammenlignet med Relational Online Analytical Processing (ROLAP).

Hvorfor bruke MOLAP?

Organisasjoner velger MOLAP når spørrehastighet, forutsigbar responstid og brukervennlighet er viktigere enn rå skalerbarhet. Fordi data er forhåndsaggregert, får analytikere umiddelbar tilbakemelding mens de deler opp og ned på tvers av hierarkier som tid, region og produkt.

• Konsekvente responstider på under et sekund på tvers av sammendragsnivåer.
• Optimalisert lagring, indeksering og mellomlagring for analytiske arbeidsbelastninger.
• Intuitiv kubemodell som speiler hvordan forretningsbrukere tenker om data.
• Innebygd støtte for komplekse beregninger og tidsserieanalyse.

Hvordan MOLAP fungerer

MOLAP laster inn data fra kildesystemer, beregner aggregeringer på tvers av alle dimensjonskombinasjoner og lagrer resultatene i en kompakt flerdimensjonal struktur. Når en bruker sender en spørring, leser MOLAP-serveren forhåndsberegnede verdier direkte, og hopper overping kostbare koblinger eller kjøretidsaggregering.

Dette forhåndsberegningstrinnet er det som gir MOLAP sin hastighetsfordel. Ulempen er en lengre kubebyggingsprosess og høyere lagringskostnader når dimensjonene blir veldig brede eller veldig sparsomme.

MOLAP Architecture

MOLAP Architecture inkluderer følgende komponenter:

• Database server
• MOLAP-server
• Front-end verktøy

Med tanke på ovennevnte MOLAP Archilære:

1. Brukeren ber om rapporter gjennom grensesnittet.
2. Applikasjonslogikklaget til MDDB henter de lagrede dataene fra databasen.
3. Applikasjonslogikklaget videresender resultatet til klienten/brukeren.

MOLAP-arkitektur leser hovedsakelig de forhåndskompilerte dataene. MOLAP-arkitektur har begrensede muligheter til å dynamisk lage aggregasjoner eller beregne resultater som ikke er forhåndsberegnet og lagret.

For eksempel kan en regnskapssjef kjøre en rapport som viser bedriftens resultatregnskap eller resultatregnskapet for et bestemt datterselskap. MDDB-en vil hente forhåndskompilerte resultattall og vise dette resultatet til brukeren.

Kubelagringslag

MOLAP-servere implementerer vanligvis to nivåer av lagringsrepresentasjon, ett for tette områder i kuben og et annet for sparsomme områder. Denne doble modellen oppbevarer ofte spørrede sektorer i raske minneresidente strukturer samtidig som den komprimerer sjelden berørte kombinasjoner på disken.

Nøkkelpunkter i MOLAP

• I MOLAP kalles operasjoner prosessering.
• MOLAP-verktøy behandler informasjon med samme responstid uavhengig av oppsummeringsnivået.
• MOLAP-verktøy fjerner kompleksiteten ved å designe en relasjonsdatabase for å lagre data for analyse.
• MOLAP-serveren implementerer to nivåer av lagringsrepresentasjon for å administrere tette og sparsomme datasett.
• Lagringsutnyttelsen kan være lav hvis datasettet er sparsomt.
• Fakta lagres i en flerdimensjonal matrise, og dimensjoner brukes til å spørre dem.

Implementeringshensyn i MOLAP

• I MOLAP er det viktig å vurdere både vedlikeholds- og lagringsimplikasjoner når man lager en strategi for bygging av kuber.
• Proprietære språk brukes til å spørre MOLAP. De involverer imidlertid omfattende klikk-og-dra-støtte, for eksempel MDX av Microsoft.
• Det er vanskelig å skalere på grunn av antallet og størrelsen på kuber som kreves når dimensjonene øker.
• API-er bør tilby mulighet for probing av kubene.
• Datastrukturer må støtte flere fagområder innen dataanalyser der data kan navigeres og analyseres. Når navigasjonen endres, må datastrukturen fysisk omorganiseres.
• Databaseadministratoren trenger et annet ferdighetssett og verktøy for å bygge og vedlikeholde databasen.

MOLAP fordeler

Nedenfor er fordelene med MOLAP:

• MOLAP kan administrere, analysere og lagre betydelige mengder flerdimensjonale data.
• Rask spørrytelse på grunn av optimalisert lagring, indeksering og mellomlagring.
• Mindre datastørrelser sammenlignet med relasjonsdatabasen.
• Automatisert beregning av høyere nivå av aggregatdata.
• Hjelper brukere med å analysere større, mindre definerte data.
• MOLAP er enklere for brukeren, og derfor er det en passende modell for uerfarne brukere.
• MOLAP-kuber er bygget for rask datainnhenting og er optimale for skjærings- og terningsoperasjoner.
• Alle beregninger er forhåndsgenerert når kuben er opprettet.

Ulemper med MOLAP

Følgende er ulempene med MOLAP:

• En stor svakhet ved MOLAP er at den er mindre skalerbar enn ROLAP, da den kun håndterer en begrenset mengde data.
• MOLAP introduserer også dataredundans ettersom det er ressurskrevende.
• MOLAP-løsninger kan være langvarige, spesielt ved store datavolumer.
• MOLAP-produkter kan oppleve problemer når de oppdaterer og spør etter modeller når dimensjonene er mer enn ti.
• MOLAP er ikke i stand til å inneholde detaljerte data.
• Lagringsutnyttelsen kan være lav hvis datasettet er svært spredt.
• Den kan bare håndtere en begrenset mengde data, derfor er det umulig å inkludere en veldig stor mengde data i selve kuben.

MOLAP vs ROLAP vs HOLAP

Valg av riktig OLAP-modell avhenger av datavolum, spørremønstre og oppdateringskadens. Sammenligningen nedenfor fremhever hvordan MOLAP skiller seg fra ROLAP og HOLAP.

• MOLAP: Lagrer forhåndsberegnede kuber; raskeste spørringer; begrenset skalerbarhet og dimensjonsantall.
• ROLAP: Operatester direkte på relasjonstabeller; skalerer til massive data; spørringer kan være tregere.
• HALLO: Kombinerer begge; oppbevarer sammendragsdata i kuber og detaljerte data i relasjonslagre.

MOLAP-verktøy

Her er de populære MOLAP-verktøyene:

• Essbase – Verktøy fra Oracle som har en flerdimensjonal database.

• Express Server – Nettbasert miljø som kjører på Oracle database.

• Gulfin – Verktøy for forretningsanalyse for å lage rapporter og dashbord.

• Tøm Analytics – Clear analytics er en Excel-basert forretningsløsning.

• SAP Business Intelligence – Forretningsanalyseløsninger fra SAP.

Spørsmål og svar