پردازش تحلیلی برخط برای پشتیبانی تصمیم OLAP for Decision Support

1. پردازش تحلیلی برخط برای پشتیبانی تصمیمOLAP for Decision Support سمینار درس سیستم های تصمیم یار هوشمند مسعود منصوری دی 1390

2. فهرست مطالب • مقدمه • پایگاه داده تحلیلی • قابلیت های OLAP • بررسی مدل داده ای چند بعدی و رابطه ای • دسته بندی های OLAP • جمع بندی

3. مقدمه • هدف: بررسی پردازش تحلیلی برخط (OLAP) و چگونگی استفاده از آن برای پشتیبانی تصمیم. • OLAP، از توسعه ی مفهوم پایگاه داده استاندارد برگرفته شده است (OLTP). • OLTP به عملیات بروزرسانی، پرس و جو و نمایش داده های متنی و عددی از پایگاه داده عملیاتی اشاره دارد. • OLAP به عملیات پرس و جو و ارائه داده های متنی و عددی از پایگاه داده تحلیلی اشاره دارد.

4. تفاوت OLAP و OLTP

5. پایگاه داده تحلیلی • سازمان ها برای انجام عملیات روزانه از تعدادی منابع اطلاعاتی عملیاتی استفاده می کنند. • یک پایگاه داده تحلیلی به عنوان یک منبع داده ای مجزا در سازمان ایجاد می شود که هدف اصلی آن تحلیل داده برای پشتیبانی از فرآیندهای تصمیم گیری مدیران می باشد. • چرا پایگاه داده تحلیلی باید مجزا ایجاد شود؟ • کارایی (سرعت) پرس و جوها • ایجاد یک پایگاه داده که بتواند بطور مستقیم برای اهداف عملیاتی و تحلیلی استفاده شود، غیر ممکن است.

6. پایگاه داده تحلیلی - ETL • ETL (استخراج، تبدیل و بارگذاری) • زیر ساختی برای تسهیل در بازیابی داده ها از پایگاه داده عملیاتی به پایگاه داده تحلیلی

7. پایگاه داده تحلیلی – Data Mart • یک منبع داده ای است با اصولی مشابه با پایگاه داده تحلیلی اما در یک حوزه ی محدودتر • معمولاً کوچکتر از پایگاه داده تحلیلی است و روی موضوع یا بخش خاصی تمرکز دارد. • مدلسازی ابعادی یک تکنیک مدلسازی در data martها می باشد (همچنین می تواند در پایگاه داده تحلیلی نیز استفاده شود)

8. پایگاه داده تحلیلی - ادامه • انواع جداول در مدلسازی ابعادی: • Fact • Dimension • جدول fact: • شامل حداقل یک معیار (معمولاً عددی) از یک موضوع می باشد که برای تحلیل، مدل شده است. • جدول dimension: • شامل ویژگی های توصیفی متنوع (معمولاً متنی) که مرتبط با موضوع نشان داده شده توسط جدول fact می باشد. • هدف از مدلسازی ابعادی ارائه دادن سوالاتی است که پاسخ آنها تصمیم گیری مناسب در یک حوزه تجاری خاص را میسر می سازد

9. پایگاه داده عملیاتی - مثال

10. پایگاه داده عملیاتی - مثال

11. پایگاه داده عملیاتی - مثال

12. پایگاه داده عملیاتی - مثال

13. پایگاه داده تحلیلی - مثال

14. پایگاه داده تحلیلی - مثال

15. یک پرس و جوی نمونه • “Find the ten products sold in stores of 20,000 sq ft. or higher, to the customer with ‘Excellent’ credit rating the month of January for the past four years” • پاسخ چنین سوالی با استفاده از یک پرس و جوی ساده در data mart C بدست می آید، در صورتی که بدون استفاده از data mart باید از پرس و جوهای بسیار پیچیده ای استفاده کرد و نیاز به جستجو در پایگاه ها داده های A و B می باشد.

16. قابلیت های OLAP • سه ویژگی پایه که توسط تحلیلگران استفاده می شود: • Slice and dice • افزودن، جایگزین کردن و حذف ویژگی یک بعد مشخص • Pivot (rotate) • سازماندهی مجدد (reorganization) • Drill down and drill up • کاهش یا افزایش میزان granularity داده

17. یک نمونه از پرس و جو • “For each individual store, show separately the number of product units sold for each product category during workdays and during holiday/weekend days.”

18. Slice-and-Dice • “For each individual store show the number of product units sold for the camping product category during workdays.”

19. Slice-and-Dice • “For each individual store show separately the number of product units sold to customers with different credit rating values during workdays and during holiday/weekend days.”

20. Pivot • “For each individual store show separately the number of product units sold for each product category during workdays and during holiday/weekend days.”

21. Drilldown • “For each individual store, show separately the number of product units sold for each product category, and within each product category for each individual product name, during workdays and during holiday/weekend days.”

22. مدل داده چند بعدی در مقابل رابطه ای • مدل داده رابطه ای یک مدل پایه برای سیستم های مدیریت پایگاه داده رابطه ای (RDBMS) می باشد که برای پیاده سازی اکثر پایگاه داده های عملیاتی بکار می روند. • Oracle, IBM DB2, MS SQL server

23. Data Mart

24. پیاده سازی رابطه ای جدول fact

25. پیاده سازی چندبعدی جدول fact (1,1,1) → $100

26. دسته بندی OLAP • پردازش تحلیلی برخط چند بعدی (MOLAP) • پردازش تحلیلی برخط رابطه ای (ROLAP) • پردازش تحلیلی برخط ترکیبی (HOLAP)

27. پردازش تحلیلی برخط چند بعدی • MOLAP داده را از پایگاه داده تحلیلی یا منابع عملیاتی می گیرد. • MOLAP داده را در مکعب های چند بعدی ذخیره می کند. • پیچیدگی انجام این فرآیند از دید کاربر پنهان است. • کاربر تنها عملیات OLAP استاندارد را اجرا می کند بدون دانستن اینکه چگونه مکعب ها ساخته می شوند و چه تفاوتی با جداول رابطه ای دارند.

28. پردازش تحلیلی برخط چند بعدی - ادامه • یکی از خصوصیات اصلی MOLAP، فراهم کردن تحلیل های خیلی سریع می باشد. • قبل از ذخیره داده در مکعب تحلیلی، محاسبات را انجام می دهد (pre-calculate) • MOLAP محل مناسبی برای نگهداری داده های همراه با جزئیات سطح تراکنشی نمی باشد. • “sleeping bag ‘ZZZ Bag’ was sold to the customer Tina in the store S1 on January1, 2006” • “in Q1 of 2006, 200 units of products from the camping category were sold to the customers with ‘excellent’ credit rating in Chicagoland stores” • سریع در بازیابی داده، کند در بروزرسانی مکعب

29. پردازش تحلیلی برخط رابطه ای • ابزارهای ROLAP، قابلیت های مشابه OLAP را فراهم می کنند. • سرور ROLAP پرس و جو ها را به زبان SQL ترجمه می کند. • پرس و جوی SQL برای پایگاه داده تحلیلی که بر روی زیر ساخت RDBMS قرار دارد فرستاده می شود. • RDBMS پرس و جو را ترجمه و نتیجه را برای سرور ROLAP می فرستد و پس از آن برای کاربر فرستاده می شود.

30. پردازش تحلیلی برخط رابطه ای - ادامه • ROLAP محدودیتی از لحاظ اندازه پایگاه داده و نوع تحلیلی که ممکن است اجرا شود ندارد، اما بدلیل نداشتن پیش پردازش، به اندازه ی MOLAP سریع نیست. • MOLAP در مقابل ROLAP: • Tradeoff بین کارایی و حافظه

31. پردازش تحلیلی برخط ترکیبی • HOLAP = MOLAP + ROLAP • در رویکرد ترکیبی، می توان از پایگاه داده رابطه ای برای ذخیره سازی حجم زیادی از داده ها استفاده کرد و از پایگاه داده چندبعدی برای ذخیره سازی داده های تجمیع شده استفاده کرد.

32. Desktop OLAP • DOLAP مانند MOLAP از مکعب های چند بعدی استفاده می کند، با این تفاوت که در DOLAP مکعب ها توسط کاربر نهایی قابل دانلود می باشد. • مکعب های استفاده شده در DOLAP کوچکتر از مکعب های MOLAP می باشد. • استفاده از این مکب ها ساده ولی دارای قابلیت های محدودی می باشند. • ساده به دلیل حجم کم داده و محدود به دلیل وجود داده های ایستا

33. جمع بندی • کارکردهای OLAP: ارائه روشی مناسب برای دسترسی کاربران به داده ها و پشتیبانی از تصمیمات مدیران • انواع OLAP: • MOLAP، ROLAP، HOLAP و DOLAP • قابلیت های OLAP امکان تحلیل را روی داده های تجمیع شده فراهم می کند • تفاوت MOLAP و ROLAP: • Tradeoff بین حافظه و کارائی

34. مرجع • N. Jukic, B. Jukic, and M. Malliaris, “Online Analytical Processing (OLAP) for Decision Support,” Handbook on Decision Support Systems 1, pp. 259–276, 2008.