บทความนี้มุ่งเน้นไปที่การเจาะลึกในระบบ OLAP และสำรวจความต้องการ วิธีการทำงาน ประเภทต่างๆ ของ OLAP เป็นต้น

ก่อนอื่น OLAP คืออะไร?

ระบบประมวลผลข้อมูล

ก่อนนำข้อมูลไปใช้ต้องผ่านกระบวนการ ภายในวิทยาการข้อมูล มีระบบการประมวลผลข้อมูลหลักอยู่สองประเภท ได้แก่ OLTP ( การประมวลผลธุรกรรมออนไลน์ ) และ OLAP ( การประมวลผลเชิงวิเคราะห์ออนไลน์ )

OLAP เป็นระบบประมวลผลข้อมูลที่ดำเนินการวิเคราะห์ที่ซับซ้อนด้วยความเร็วสูงบนฐานข้อมูลธุรกิจขนาดใหญ่ (คลังข้อมูล ดาต้ามาร์ท ฯลฯ) OLAP เปิดใช้งานการวิเคราะห์ข้อมูลหลายมิติ ที่รวดเร็วและยืดหยุ่น สำหรับระบบธุรกิจอัจฉริยะ (BI) และแอปพลิเคชันสนับสนุนการตัดสินใจในการใช้งานคลังข้อมูล

ข้อมูลหลายมิติคืออะไร?

มิติหมายถึงองค์ประกอบเฉพาะในชุดข้อมูล ปัจจุบัน ข้อมูลทางธุรกิจส่วนใหญ่เป็นข้อมูลหลายมิติ กล่าวคือประกอบด้วยหลายหมวดหมู่ ซึ่งข้อมูลสามารถแยกย่อยเพื่อการวิเคราะห์ได้

ตัวอย่างเช่น ตัวเลขยอดขายของบริษัทสามารถแยกย่อยออกเป็นหลายมิติที่เกี่ยวข้องกับสถานที่ตั้ง — ประเทศ รัฐ เมือง ; เวลา — ปี เดือน สัปดาห์ วัน ; หมวดหมู่สินค้า — ผู้ชาย/ผู้หญิง/เด็ก ยี่ห้อ เป็นต้น

อย่างไรก็ตาม ข้อมูลจะถูกจัดเก็บเป็นชุดข้อมูลในตารางเป็นหลัก ซึ่งสามารถจัดระเบียบข้อมูลได้ครั้งละ 2 มิติ

ตารางฐานข้อมูลเชิงสัมพันธ์จัดเก็บบันทึกแต่ละรายการในรูปแบบแถวต่อคอลัมน์ โดยที่ข้อมูล "ข้อเท็จจริง" แต่ละรายการในฐานข้อมูลอยู่ที่จุดตัดของสองมิติ นั่นคือ แถวและหนึ่งคอลัมน์

OLAP เข้ามาในรูปภาพได้อย่างไร

ในขณะที่เครื่องมือการรายงานฐานข้อมูลเชิงสัมพันธ์สามารถสอบถาม รายงาน ตลอดจนวิเคราะห์ข้อมูลหลายมิติ ประสิทธิภาพการทำงานจะช้าลงเมื่อปริมาณข้อมูลเพิ่มขึ้น และต้องใช้ความพยายามอย่างมากในการจัดระเบียบผลลัพธ์ใหม่เพื่อมุ่งเน้นไปที่มิติอื่นๆ

OLAP ดึงข้อมูลนี้จากชุดข้อมูลเชิงสัมพันธ์หลายชุด และจัดระเบียบใหม่เพิ่มเติมให้อยู่ในรูปแบบหลายมิติที่สามารถประมวลผลได้อย่างรวดเร็วและวิเคราะห์ได้อย่างมีประสิทธิภาพ

สิ่งนี้ถูกดำเนินการจริงอย่างไร?

OLAP คิวบ์

OLAP คิวบ์

หัวใจหลักของระบบ OLAP คิวบ์ OLAP คือฐานข้อมูลแบบอาร์เรย์หลายมิติ

ช่วยวิเคราะห์และประมวลผลมิติข้อมูลต่างๆ ได้รวดเร็วและมีประสิทธิภาพมากกว่าฐานข้อมูลแบบเดิม โดยขยายรูปแบบแถวต่อคอลัมน์ของฐานข้อมูลแบบเดิม และเพิ่มเลเยอร์สำหรับมิติข้อมูลอื่นๆ

ตัวอย่างเช่น ชั้นบนสุดของลูกบาศก์จะจัดยอดขายของบริษัทตามไตรมาส เราสามารถเจาะลึกเพิ่มเติมและดูยอดขายต่อเดือน ต่อสัปดาห์ ต่อวัน เป็นต้น

ในทางทฤษฎี ข้อมูลสามารถจัดเก็บในคิวบ์ที่มีเลเยอร์ไม่จำกัด แต่ในระดับปฏิบัติ องค์กรมักจะจัดเก็บคิวบ์ OLAP ด้วยเลเยอร์ที่ต้องการเท่านั้น เพื่อให้ได้ประสิทธิภาพและการวิเคราะห์ที่เหมาะสมที่สุด ข้อมูลเชิงประวัติและแบบรวมนี้ถูกจัดเก็บไว้ในรูปของสคีมารูปดาวและเกล็ดหิมะ

การดำเนินการกับลูกบาศก์ OLAP

นักวิเคราะห์/ผู้พัฒนาสามารถดำเนินการวิเคราะห์ OLAP หลายรายการกับฐานข้อมูลหลายมิติเหล่านี้: -

เจาะลงไป

อนุญาตให้มีการนำทางที่ลึกขึ้นภายในมิติ โดยเลื่อนลงในลำดับชั้นของแนวคิดหรือเพิ่มจำนวน ของขนาดเพื่อให้ได้ข้อมูลที่มีรายละเอียดมากขึ้น

ตัวอย่างเช่น หากบริษัทต้องการดูตัวเลขยอดขายตามช่วงเวลา ก็สามารถดูยอดขายต่อปี จากนั้นเจาะลึกไปที่ยอดขายต่อไตรมาส ต่อเดือน เป็นต้น

ม้วน

การดำเนินการนี้จะสรุปข้อมูลตามมิติ โดยพื้นฐานแล้วเป็น "การเจาะลึก" โดยเลื่อนลำดับชั้นของแนวคิดขึ้นหรือลดจำนวนลง ของมิติเพื่อรวมข้อมูล

ตัวอย่างเช่น แทนที่จะดูตัวเลขยอดขายต่อผลิตภัณฑ์ เราสามารถสรุปและดูยอดขายตามหมวดหมู่ได้

ชิ้นและลูกเต๋า

การดำเนินการ Slice สร้างลูกบาศก์ย่อยตามหนึ่งมิติจากลูกบาศก์ OLAP หลัก ตัวอย่างเช่น ตัวเลขยอดขายจากปี 2019 (มิติเวลา)

การดำเนินการลูกเต๋าสร้างลูกบาศก์ย่อยตามมิติต่างๆ จากลูกบาศก์ OLAP หลัก ตัวอย่างเช่น ตัวเลขยอดขายจากปี 2019 (มิติเวลา) จาก Gujrat และ Maharashtra (มิติข้อมูลสถานที่)

หมุน

การดำเนินการ Pivot จะหมุนมุมมองลูกบาศก์ปัจจุบันโดยการหมุนแกนข้อมูล ซึ่งเปิดใช้มุมมองข้อมูลหลายมิติแบบไดนามิก

ประเภทของคิวบ์ OLAP

โมแลป

MOLAP คือ OLAP หลายมิติ ซึ่งสร้างดัชนีโดยตรงไปยังฐานข้อมูลหลายมิติ เป็นโซลูชัน OLAP ที่เร็วและใช้งานได้จริงที่สุดสำหรับการวิเคราะห์หลายมิติ

โรแลป

ROLAP คือ OLAP เชิงสัมพันธ์ ซึ่งเป็นการวิเคราะห์ข้อมูลหลายมิติแบบไดนามิกบนข้อมูลที่จัดเก็บไว้ในตารางเชิงสัมพันธ์ โดยไม่ต้องจัดระเบียบใหม่ในรูปแบบของคิวบ์ OLAP ROLAP ใช้งานได้ดีที่สุดเมื่อความสามารถในการทำงานโดยตรงกับข้อมูลจำนวนมากมีความสำคัญมากกว่าประสิทธิภาพและความยืดหยุ่น

โฮลัป

HOLAP หรือ OLAP แบบไฮบริด พยายามสร้างการเพิ่มประสิทธิภาพระหว่าง MOLAP และ ROLAP รวมความจุข้อมูลที่มากขึ้นของ ROLAP พร้อมกับความสามารถในการประมวลผลที่ดีขึ้นของ MOLAP ในขณะที่ hybird cube นำเสนอความสามารถในการปรับขนาดที่ดีกว่า เราไม่สามารถเพิกเฉยต่อผลกระทบด้านต้นทุนประสิทธิภาพที่หลีกเลี่ยงไม่ได้ — การชะลอตัวเนื่องจากการเข้าถึงแหล่งข้อมูลเชิงสัมพันธ์

ขอบคุณ! ออกจากระบบ!

ประชิ สิงห์

ผู้ช่วยเทคโนโลยีที่ Morgan Stanley

LinkedIn | ทวิตเตอร์