Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

SQL – OLAP 2. óra.

Hasonló előadás


Az előadások a következő témára: "SQL – OLAP 2. óra."— Előadás másolata:

1 SQL – OLAP 2. óra

2 Multi-dimenzionális adatmodell
A normalizált relációs modell bonyolult a felhasználók számára TELEP(tkod, nev, kozpont, regio,...) TERMÉK(kod, megnevezes, egysegar,...) TERMELES(termek, telep, datum, db, kategoria,...) ‘termelés alakulása a keleti régióra vonatkozóan az elmúlt három hónapra vonatkoztatva..’ CREATE VIEW v1 AS SELECT termek, datum, sum(db) as odb FROM termeles WHERE datum BETWEEN sysdate() AND sysdate() – 90 GROUP BY termek, datum; SELECT b.megnevezes, c.odb, b.egysegar*c.odb as ertek, c.datum FROM Telep a, termek b, v1 c WHERE a.tkod = c.telep AND c.termek = b.kod AND a.regio = “Kelet” ORDER BY megnevezes, datum ;

3 Multi-dimenzionális adatmodell
‘ugyanez keresztreferencia táblázat formában .. grafikonon…’ CREATE VIEW v2 AS SELECT b.megnevezes, c.odb, b.egysegar*c.odb as ertek, c.datum FROM Telep a, termek b, v1 c WHERE a.tkod = c.telep AND c.termek = b.kod AND a.regio = “Kelet” ORDER BY megnevezes, datum ; SELECT SUM(CASE megnevezes WHEN ‘cipo’ THEN ertek ELSE 0) CIPO, SUM(CASE megnevezes WHEN ‘kalap’ THEN ertek ELSE 0) KALAP, SUM(CASE megnevezes WHEN ‘ing’ THEN ertek ELSE 0) ING, … FROM v2 GROUP BY datum termékek dátumok

4 Multi-dimenzionális adatmodell
A relációs táblák egydimenziós (egy kulcs) struktúrák Lehetővé kell tenni, hogy több kulcs is rendelhető legyen az adatokhoz telep termek dátum Adatkocka felépítése

5 Adatkocka és relációs tábla összevetése
telep termek dátum termék termelés Kétirányú átalakítás, ekvivalens struktúrák

6 Adatkocka alkotó elemek
Változó (measure) Adatkocka (cube) Tény (fact) Tag (member) Dimenzió (dimension) Dimenzió érték Tulajdonság (attribute) Adatcella Dimenzió hierarchia telep termek dátum

7 MD séma modell Csillag (star) modell Vásárlás - érték - tömeg Dátum
- hó -- nap Vevő - név - kód Bolt - cím - vevő Cella -érték - darab - tömeg bolt Csillag (star) modell

8 Minta csillag modell nehéz a különböző aggregációs szintek, ismétlődő dimenziók kezelése

9 MD séma modell reklamáció hónap termék napi forgalom forgalom dátum bolt napi forgalom Galaxis (fact constellation) modell

10 Minta a galaxis modellre
Nehéz a kapcsolódó dimenziók kezelése

11 Csillag modell A forgalmat bolt és régió bontásban is szeretnénk látni a: két külön dimenzió (érték függőség, ritka kocka) régió bolt forgalom b: egy dimenzió (eltérő szint, nem egyenrangú, korlátozott) bolt forgalom - régió külön dimenzió kellene, úgy hogy a kapcsolat megmaradjon

12 Dimenzió hierarchia ország régió megye járás település előfordulás
Ország A Ország B régió AA régió AB megye AB1 megye AB2 Járás AB11 Járás AB12 Település AB12A Település AB122B ország régió megye járás település előfordulás bázisszint séma

13 Összetett dimenzió hierarchia

14 MD séma modell hónap termék forgalom dátum kategória bolt munkahét Hópehely (snowflake) modell

15 Minta a hópehely modellre
osztott dimenziók kezelése

16 MD séma modell reklamáció gyártó termék forgalom dátum(nap) hónap régió bolt negyedév Hópehely-háló modell

17 Befoglalt adatkocka Egy adatkocka (cube) adatait a dimenzióhierarchia mentén haladva és a dimenziók bevonásával eltérő részletezettségi szinten szemlélhetjük. Ezek a cuboid-ok

18 All, All, All Tervezési irányelvek Product Date konzisztens dimenziók
Country All, All, All sum TV VCR PC 1Qtr 2Qtr 3Qtr 4Qtr U.S.A Canada Mexico konzisztens dimenziók Teljességet adó dimenziók Degenerált dimenziók Többértékű dimenziók Aggregációs függvények lehetnek: - disztributív (min(), max(), sum()) - algebrai (avg(), stddev()) - holistic (median(), rank())

19 Relációs modell konverziója
tényadatok feltárása kapcsolatok feltárása ténytáblák , tagok meghatározása dimenziók kijelölése idő dimenzió behozatala egyéb dimenzió bővítés attribútumok meghatározása dimenzió hierarchia meghatározása közben ügyelni a következőkre: - dimenzió konzisztencia - dimenzió teljesség - osztott dimenziók - időbeliség (változik-e)

20 Konverziós mintapélda
CREATE TABLE TEL(CIM C(30), VEZ REF(DOLG), NEV C(20), HELY REF (VAROS), FUVAROZO REF(FUV), PK(NEV)) CREATE TABLE TERTEKESIT(ARU REF(TERM), DATUM D, TELEP REF(TEL), OSSZ N(6), SELEJT N(6), PK(ARU,DATUM,TELEP)) CREATE TABLE DOLG(KOD N(3), NEV C(20), BEOSZT REF(BEO), FIZ N(5), PK(KOD)) CREATE TABLE RENDELES(RKOD N(6), IDO D, DARAB N(5), ARU REF(TERM), VEVO REF(VEVO), PK(RKOD)) CREATE TABLE TERM (KOD N(4), NEV C(20), KATEG C(20), PK(KOD)) CREATE TABLE VEVO (KOD N(4), NEV C(20), VAROS REF VAROS, UCIM C(20), PK KOD) CREATE TABLE VAROS (NEV C(20), MEGYE C(20) CREATE TABLE FUV (FKOD N(3), NEV C(20),CÍM C(50), PK(FKOD))

21 Konverziós mintapélda
FUV TEL DOLG TERM TERTEKESIT VAROS VEVO RENDELES TELEPHELY FUVAROZO TERMEK ERTEKESITES VAROS VEVO RENDELES

22 Konverziós mintapélda
ERTEKESITES RENDELES TELEPHELY FUVAROZO DATUM HO TERMEK VAROS EV KATEGORIA MEGYE VEVO

23 Konverziós mintapélda
TERMEK cim nev TELEPHELY cim nev OSSZDB SELEJTDB ERTEKESITES KATEGORIA nev FUVAROZO nev, cim DATUM nap VAROS megn HO ho MEGYE megn EV ev

24 MD séma rekordszinten név dimenzió tábla típus név típus tény tábla név név típus típus dimenzió tábla dimenzió tábla

25 Fizikai megvalósítás TERMEK cim nev OSSZDB SELEJTDB TELEPHELY cim nev
KATEGORIA nev Audi Opel Fiat Lada 7 2 6 1 7 3 2 Baja 9 1 7 4 Miskolc 7 2 4 2 Dorog Logikai struktúra

26 Fizikai megvalósítás K G P A F L O Audi Opel Fiat Lada Baja 7,2 6,1 7,0 3,2 Miskolc 9,1 7,4 Dorog 7,2 4,2 ritkán kitöltött kocka

27 Tervezési irányelvek- minőségbiztosítás

28 A DW több mint aggregált adattáblák rendszere

29 Időbeli változás követése
A struktúra jelentős változáson mehet át dimenzió változás dimenzió hierarchia változás tényváltozó változása átiródik Változó dimenziók teljes verzió tulajdonság verzió Változások konzisztens követése?

30 Időbeli változás követése

31 Kocka megalkotása A problémakör több fogalmat fog egybe, ezek rendezhetők - hybercube sémába vagy - multicubes sémába Hypercube egyszerűség ritka kitöltésű nagy eltérés a fizikai szinttől Multicube: block mode több változó egységben series mode egy kocka csak egy változó

32 Projekt feladat Minta MD modell kidolgozása PE-re Katica csavargyár modulok: 1. raktár 2. gyártás 3. rendelés/vevői és saját 4. számlázás 5. munkaügy 6. szerviz 7. bérügy


Letölteni ppt "SQL – OLAP 2. óra."

Hasonló előadás


Google Hirdetések