Hva er MOLAP (Multidimensional OLAP) i Data Warehouse?

by: David Carter David Carter
Hours oppdatert

Hva er MOLAP?

Flerdimensjonal OLAP (MOLAP) er en klassisk OLAP som forenkler dataanalyse ved å bruke en flerdimensjonal datakube. Data er forhåndsberegnet, oppsummert på nytt og lagret i en MOLAP (en stor forskjell fra ROLAP). Ved å bruke en MOLAP kan en bruker bruke flerdimensjonale visningsdata med forskjellige fasetter.

Flerdimensjonal dataanalyse er også mulig hvis en relasjonsdatabase brukes. Da ville det kreve å spørre data fra flere tabeller. Tvert imot har MOLAP alle mulige kombinasjoner av data allerede lagret i en flerdimensjonal matrise. MOLAP kan få direkte tilgang til disse dataene. Derfor er MOLAP raskere sammenlignet med Relational Online Analytical Processing (ROLAP).

MOLAP Architecture

MOLAP Architecture inkluderer følgende komponenter:

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

Tatt i betraktning ovennevnte gitte MOLAP Archilære:

  1. Brukerforespørselen rapporterer 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 P/L-konto eller P/L-konto for et spesifikt datterselskap. MDDB vil hente forhåndskompilerte resultat- og tapstall og vise dette resultatet til brukeren.

Nøkkelpunkter i MOLAP

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

Implementeringshensyn i MOLAP

  • I MOLAP er det viktig å vurdere både vedlikeholds- og lagringsimplikasjoner for å lage en strategi for å bygge kuber.
  • Proprietære språk som brukes til å spørre MOLAP. Det innebærer imidlertid omfattende klikk- og dra-støtte for eksempel MDX by Microsoft.
  • Vanskelig å skalere fordi antall og størrelse på kuber som kreves når dimensjonene øker.
  • API-er skal sørge for sondering av kubene.
  • Datastruktur for å støtte flere fagområder for dataanalyser, hvor data kan navigeres og analyseres. Når navigasjonen endres, må datastrukturen reorganiseres fysisk.
  • Trenger forskjellige ferdigheter og verktøy for databaseadministratoren for å bygge, vedlikeholde databasen.

MOLAP fordeler

Nedenfor er fordelene med MOLAP:

  • MOLAP kan administrere, analysere og lagre betydelige mengder flerdimensjonale data.
  • Rask søkeytelse på grunn av optimalisert lagring, indeksering og hurtigbufring.
  • Mindre datastørrelser sammenlignet med relasjonsdatabasen.
  • Automatisert beregning av høyere nivå av aggregatdata.
  • Hjelp brukere med å analysere større, mindre definerte data.
  • MOLAP er enklere for brukeren, 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 siden det er ressurskrevende
  • MOLAP-løsninger kan være langvarige, spesielt på 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 håndtere den eneste begrensede mengden data, derfor er det umulig å inkludere en stor mengde data i selve kuben.

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 – Virksomhetsanalyseverktøy for å lage rapporter og dashbord.
  • Tøm Analytics – Clear analytics er en Excel-basert forretningsløsning.

Sammendrag

  • Flerdimensjonal OLAP (MOLAP) er en klassisk OLAP som forenkler Dataanalyse ved å bruke en flerdimensjonal datakube.
  • MOLAP-verktøy behandler informasjon med samme mengde responstid uavhengig av oppsummeringsnivået.
  • MOLAP-server implementerer to lagringsnivåer for å administrere tette og sparsomme datasett.
  • MOLAP kan administrere, analysere og lagre betydelige mengder flerdimensjonale data.
  • Det hjelper til med å automatisere beregningen av høyere nivå av aggregatdata
  • Den er mindre skalerbar enn ROLAP, da den kun håndterer en begrenset mengde data.