2009年3月10日星期二

Essbase - 简单介绍

Essbase产品的体系结构

维(Dimensions)和成员(Members)是商业智能中重要概念,理解了维和成员,将有助于理解多维数据库的威力。维代表了你的商业计划组件的 核心,一般和部门的功能相关,有代表性的维时间、帐目,产品线、市场和部门等等。维一般是静态的,一旦定义好数据库的维后,在应用的生命周期里一般都不会 改变。

成员是一个维的单独的组件,例如ProductA、Product B、Product C是Product的成员。每个成员有一个独一无二的名字,一个维可以包括无限多个成员。多维性是OLAP的关键属性,系统必须提供对数据分析的多维视图 和分析,包括对层次维和多重层次维和完全支持,事实上,多维分析是分析企业数据最有效的方法,是OLAP的灵魂。

(1)在层次结构(Hicrarchies)里安排维所有的Essbase database应用都以定义一个database outline开始。

一个database outline:

·在一个Essbase database里定义成员之间的结构关系。
·组织在数据库里的数据。
·在成员之间定义聚合及数学关系。

Essbase用成员表示数据的层次关系。每一个维包括许多成员,顺序地,成员也可以包括许多成员。例如时间维包括四个季度,每个季度又包括三个月。

Essbase不限制每个维的成员的数目,可以定义很少的成员,也可以定义成百上千的成员一切都根据需要。

(2)成员关系(Member Relationships),代(Gencrlations)和层(Levels)

Essbase用层次,家族来描述一个Outline里成员的角色和关系描述梅一个成员的位置通过以下几个途径:

·父亲(Parents)、孩子(Chileren)和兄弟(Sibling)。父亲是一个有分支的成员,如Marging是Soles和cost of goods Scld的父亲。一个孩子是一个有父亲的成员,如sales,costof goods scld是Margin的孩子。一个兄弟是指一个和其它成员在同一个分支里的孩子成员,如sales和cost of goods scld是兄弟。

·子孙(Descendants)和祖先(Ancestors):子孙是在父亲下的所有成员,例如Profit、Invenory、Ratos是 Measures的子孙,它们的孩子也是Measures的子孙。祖先是一个分支里在一个成员上面的所有成员,例如Magin和Profit是Sales 的祖先。

·根(Root) 和叶(Leaves) :根是指在一个分支里的第一个成员,例如Measures是Prodift、Inventory它们的根。叶成员是没有孩子的成员,如Adcitions是叶结点。

·层(Levels)和代(Generlations):代是从根节点到叶节点;层是从叶节点开始一直到根。

(3)多维数据的执行动作:有上钻、下转、切片、切块、旋转等。
Essbase的基础结构原理

3.1 稀硫维(Sparse Dimensions)和密集维(Dense Dimensions)

大多数多维数据应用集有以下特征:

·数据不是平滑的而是随机分布;
·数据有可能不存在多数成员组合中,如有所有的产品不一定在国家的每一地区都销售。

Essbase将应用的维分为两种:衡疏维和密集维,通过这样,Essbase可以取得最优化的性能,存取空间最小,速度最快。

稀疏维是指一个具有很低的数据填允率的维如市场维和产品选择稀疏维,因为不是每一样产品在所有的市场都销售一个密集维是指一个具有很高的数据填充率的维。如Measures维选择为稠密维,因为Accounts里几乎填满了数据。

3.2 数据块(Data Block)和索引系统(Index System)

Essbase用两种内在的结构来存储和访问数据:数据块和索引。

Essbase为稀疏维(至少包括一个数据值)成员的独一无二的联合建立一个数据块,数据决也描述了所有密集维的成员。

Essbase为每一个数据块建立一个索引入口。

每一个独一无二的数据值在数据块里以一个数据格子的形式存在。当Essbase搜寻一个数据值时,它用索引定位数据块,用数据值定位格子。索引入口提供了一个数据块的指针,索引处理稀疏维特别有效,因为它仅仅是已存在的数据块的一个指针而已。

每一个数据块都是一个多维数组,它包括了固定的、有序的定位,为密集维成员之间的可能的联合,它不通过索引搜寻数据,它的存取和访问速度几乎是瞬间的。Essbase在数据块里定义数据格的顺序是通过你的outline database里密集的成员的顺序。

在定义outlined atabase是选择一个维是稀疏维还是密集维时,要根据需要来定。当全为稀疏维时索引多,查找慢;全为密集维时定义了许多空的数据格子,浪费资源,要根据情况而定。

没有评论:

发表评论