27152

Принципы построения систем, ориентированных на анализ данных

Доклад

Информатика, кибернетика и программирование

Принципы построения систем ориентированных на анализ данных Модели данных используемые при построении Хранилищ Данных В настоящее время наибольшее распространение получили три вида моделей хранилищ данных: многомерная реляционная и комбинированная. Измерения играют роль индексов используемых для идентификации конкретных значений данных. Вращение изменение порядка измерений; обычно для двухмерных сечений остальные фиксированные для приведения данных к форме удобной для восприятия; Свертка замена одного из значений измерения другим ...

Русский

2013-08-19

52.16 KB

3 чел.

7. Принципы построения систем, ориентированных на анализ данных

Модели данных, используемые при построении Хранилищ Данных

В настоящее время наибольшее распространение получили три вида моделей хранилищ данных: многомерная, реляционная и комбинированная. Рассмотрим их подробнее.

Многомерная модель. В многомерной модели данные хранятся в виде гиперкубов - упорядоченных многомерных массивов. При описании многомерной модели используют понятия Измерение и Значения :

Измерение - множество, образующее одну из граней куба. Измерения играют роль индексов, используемых для идентификации конкретных значений данных.

Значения - подвергаемые анализу количественные или качественные данные, которые находятся в ячейках гиперкуба.

Основные операции манипулирования изменениями:

Сечение - подмножество, в котором фиксировано значение одного или более измерений.

Вращение - изменение порядка измерений; обычно для двухмерных сечений (остальные фиксированные) для приведения данных к форме, удобной для восприятия;

Свертка - замена одного из значений измерения другим - укрупненным, например, “месяц” заменяется “годом”. Свертка может быть выполнена только над измерениями, в которых имеется иерархия значений (житель дома  все жители дома, квартала, улицы, города и т.д.).

Детализация - операция, обратная свертке. Например, ВУЗ может быть детализирован до факультета, факультет до потока, поток до группы, и т.д.

Главным достоинством многомерной модели является быстрота поиска данных. Данные находятся на пересечении измерений гиперкуба. Для их поиска не нужно организовывать связи между таблицами, как это делается в реляционных СУБД. Благодаря этому, среднее время ответа на сложный (нерегламентированный) запрос в многомерной модели на 1 - 2 порядка ниже, чем в реляционной.

Однако:

гиперкуб требует больших объемов дисковой памяти, т.к. в нем заранее резервируется место для каждого возможного данного;

этот объем резко увеличивается при высокой степени детализации данных ;

возникают сложности с модификацией данных, поскольку добавление еще одного измерения требует полной перестройки гиперкуба.

Таким образом, многомерную модель ХД целесообразно использовать, когда ее объем невелик (не более 10 - 20 гигабайт), а гиперкуб имеет стабильный во времени набор измерений.

Пример куба: факультеты, семестры, показатели (средняя детализация: отл - кол-во1, хор - кол-во2, общее количество студентов, обеспечения учебниками, ....).

Свертка: сведения о наборе одного факультета за все годы обучения.

Сечение - фиксируем: факультет и семестр.

Реляционная модель хранилища. Хранилища данных, построенные на основе реляционной модели, способны хранить огромные объемы информации, но проигрывают многомерным моделям в скорости выполнения запросов. В реляционной модели гиперкуб эмулируется СУБД на логическом уровне. Каждое измерение гиперкуба описывается отдельной - справочной таблицей, которая заполняется возможными значениями конкретного описываемого измерения. Фактические данные, наиболее часто используемые для анализа, группируются в таблице, называемой “фактологической”.

Строка фактологической таблицы кроме фактических данных, эквивалентных значениям, хранящимся в ячейках гиперкуба, содержит ссылки на соответствующие значения данных из справочных таблиц (измерений). Фактологическая таблица индексируется по сложному ключу, составленному из индивидуальных ключей справочных таблиц, что обеспечивает их связь с фактологической.

При малом числе измерений - не более 20, реляционные СУБД организуются по радиальной схеме. Другое название этой схемы - звезда (star). При числе измерений более 20, используется схема снежинка (snowflake).

Схема звезда использует только фактологическую таблицу - дочернее отношение, и набор справочных таблиц измерений - родительские отношения. Пример реализации хранилища данных по схеме звезда приведен на рис.6.2.1. В схеме снежинка появляются дополнительные справочные таблицы более высокого уровня иерархии, которые детализируют информацию, хранящуюся в справочных таблицах звезды.

Рис.6.2.1. Эмуляция гиперкуба в РСУБД (схема звезда)

На рис.6.2.2  показана детализация некоторых атрибутов справочных таблиц Группа обучаемых и Дисциплина. После этой детализации схема звезда превращается в схему снежинка.

Рис.6.2.2. Эмуляция гиперкуба в РСУБД (схема снежинка)

Комбинация многомерного и реляционного подхода. В последние несколько лет стали применять комбинированные хранилища данных, в которых реляционная СУБД объединена с целым набором многомерных. Реляционная база данных в этом случае является центральным хранилищем и позволяет накапливать огромные объемы информации. Данные, необходимые конкретным аналитическим приложениям, выделяются из центрального хранилища в многомерные базы данных. Каждая многомерная база хранит информацию по одному из направлений деятельности организации.

Выделенная информация называется киоском данных (Data Marts) или тематическим хранилищем. Использование киосков позволяет производить быструю обработку данных при выполнении аналитических запросов. Создание киосков основывается на том, что ситуации, когда для анализа необходима вся информация хранилища, возникают редко.

Каждый аналитик (аналитический отдел) обслуживает одно направление деятельности организации, а реальный объем данных, необходимых для решения конкретных задач такого отдела, удовлетворяет требованиям, предъявляемым к многомерным СУБД. Логическая схема комбинированного хранилища данных приведена на рис.6.2.3.

Рис.6.2.3. Логическая схема комбинированного хранилища данных

Данные поступают в хранилище из разных источников. Процесс загрузки начинается с приведения данных к единому формату и включает в себя:

исключение управляющих кодов (TAB, CR, LF, …),

унификацию типов данных,

унификацию представления данных - их приведение к одинаковым единицам измерения.

Затем производится анализ данных на предмет устранения дублирующихся и некорректных значений - выбросов, а также восстановления пропущенных значений.

Последний этап обработки - агрегирование данных, т.е. вычисление обобщенных статистических показателей для тематических хранилищ.

Обработанные данные загружаются в центральное хранилище, а из центрального хранилища подкачиваются в киоски данных - тематические хранилища.

Дополнительно:

В области информационных технологий существуют два класса информационными систем (и соответственно, два класса задач):

OLTP-системы и

DSS-системы.

OLTP-системы - системы оперативной обработки транзакций. Основная функция подобных систем заключается в одновременном выполнении большого количества коротких транзакций от большого числа пользователей. Сами транзакции выглядят относительно просто, например, "снять сумму денег со счета А, добавить эту сумму на счет В".

Системы OLTP характеризуются:

поддержкой большого числа пользователей;

малым временем отклика на запрос;

относительно короткими запросами;

участие в запросах небольшого числа таблиц.

OLAP-технология представляет для анализа данные в виде многомерных (и, следовательно, нереляционных) наборов данных, называемых многомерными кубами (гиперкуб, метакуб, кубом фактов), оси которого содержат параметры, а ячейки - зависящие от них агрегатные данные. Пример. Трехмерный куб, где в качестве фактов использованы суммы продаж, а в качестве измерений - время, товар и магазин, определенных на разных уровнях группировки: товары группируются по категориям, магазины - по странам, а данные о времени совершения операций - по месяцам.

Подробнее: http://ami.nstu.ru/~vms/lecture/lecture9/lecture9.htm


 

А также другие работы, которые могут Вас заинтересовать

41901. Знакомство со средой разработки Oracle Application Express. Создание исходного приложения 1.09 MB
  Знакомство со средой разработки Orcle ppliction Express. Каковы основные компоненты среды разработки Orcle ppliction Express ppliction Builder – собственно среда разработки webстраниц и бизнесправил. Что такое рабочая область workspce Рабочая область workspce – это виртуальная частная база данных которая позволяет множеству пользователей работать с одной инсталляцией Orcle ppliction Express обеспечивая при этом приватность пользовательских объектов и приложений.
41902. Построение графиков в среде программирования MATLAB 354.21 KB
  Цель работы: научиться строить графики различных типов в программной среде MATLAB. Изучить основные операторы построения графиков в среде программирования MATLAB; освоить принципы построения различных типов графиков в среде программирования MATLAB.
41904. Проверка выборочного распределения 54.6 KB
  По критерию Пирсона гипотеза о нормальности изучаемого распределения принимается. Основные статистические характеристики: Среднее выборочное значение (математическое ожидание)
41905. Исследование работы усилительного каскада на биполярном транзисторе 48.29 KB
  2013 Цели работы: Определить основные параметры усилительного каскада на биполярном транзисторе и их зависимость от значений режимов работы схемы; Снять и построить амплитудночастотную характеристику усилительного каскада на биполярном транзисторе в схеме с ОЭ; Приборы и оборудование: Учебный лабораторный комплекс Устройство лабораторное по электротехнике К4826. Ход работы: Собрали схему для снятия характеристик усилительного каскада на биполярном транзисторе в соответствии с рисунком 1: Рисунок 1 – Усилительный каскад на...
41906. ИССЛЕДОВАНИЕ ЗАМЕДЛЯЮЩИХ СИСТЕМ НА РЕЗОНАНСНОМ МАКЕТЕ 98.13 KB
  Исследование проводится на резонансном макете (рис. 1), который представляет собой короткозамкнутый отрезок ЗС длиной пять периодов. С помощью петли связи 4 в макете возбуждается стоячая волна, амплитуда которой контролируется через петлю связи 5. Размеры петель выбраны из условия пренебрежимо малого искажения ими поля в ЗС.
41907. Создание консольного приложения на языке C# 12.39 KB
  Используя среду разработки MS Visul Studio 2010 необходимо создать консольное приложение выполняющее определённые действия над указанным текстовым файлом: Вариант 1: Рассчитать и вывести на консоль количество гласных и количество согласных букв в тексте файла. Вариант 2: Рассчитать и вывести на консоль сумму целых чисел перечисленных во входном файле. Вариант 3: Вывести самое длинное слово из текста находящегося во входном файле несколько таких слов если их длина одинакова. Вариант 4: Вывести три слова из текста находящегося во входном...
41908. Управление списком сущностей. 19.38 KB
  Выход из приложения происходит после ввода команды exit Создать класс для сущности по заданию см. Придумать не менее 6 свойств для этой сущности одно из свойств должно быть ключевым уникальным например уникальный номер. Все свойства класса сущности реализовать через property. Например каждая сущность в файле может храниться в отдельной строке файла а свойства сущности быть записаны в этой строке через пробел или символ табуляции или другой символ в определённом порядке продумать как хранить значения свойств которые в себе...
41909. Простое приложение Windows Presentation Foundation 19.29 KB
  Реализовать отображение свойств объекта сущности по своему варианту задания наподобие того как это сделано в демонстрационном приложении. Реализовать загрузку коллекции объектов из файла наподобие того как это сделано в демонстрационном приложении название файла вводить например через TextBox. Реализовать выбор редактируемого объекта через ввод ключевого свойства. Этого нет в примере Реализовать удаление объекта из коллекции.