انبارهای داده و سیستم OLAP چیست؟

Summarize this content to 400 words in Persian Lang
انبار داده (DW) یک سیستم ذخیره سازی داده است که برای پشتیبانی از تجزیه و تحلیل حجم زیادی از داده ها طراحی شده است. با یک سیستم کار می کند OLAP (Online Analytical Processing) که یک فناوری است که برای سازماندهی پایگاه های داده بزرگ و تجزیه و تحلیل آن ها در زیر استفاده می شود دیدگاه های متعدد. در آن می‌توانیم داده‌ها را از منابع مختلف در یک مخزن واحد متمرکز کنیم، چه داده‌هایی که از a صفحه گسترده اکسل، یک PDF، یک Rest API، یک JSON، یک پایگاه داده، اساساً هر نوع فونتی که می خواهید. این اطلاعات را با استفاده از ابزارهای مختلف پردازش می کند تا داده ها برای اهداف تحلیلی آماده شوند.

ایده DW این است که بتواند داده‌هایی را که در ابتدا در سیستم‌های ایزوله توزیع می‌شوند یکپارچه کند و این اطلاعات را متمرکز کند تا دیدی یکپارچه و منسجم از این داده‌ها داشته باشید، تجزیه و تحلیل و تولید گزارش‌های دقیق را تسهیل می‌کند. این به طور گسترده توسط شرکت هایی استفاده می شود که به دنبال افزایش فروش محصول، کشف روندهای رقابت/بازار، شناسایی زمینه هایی برای بهبود در کسب و کار خود و غیره هستند.

و چگونه OLAP کار می کند؟

اساساً می‌توانیم آن را به یک معماری با 3 لایه تقسیم کنیم: 1. جمع‌آوری داده‌ها. 2. استخراج داده ها، تبدیل و بارگذاری. 3. ارائه داده ها. به عبارت دیگر، ابتدا داده ها از منابع مختلف جمع آوری می شود، سپس فرآیند ETL (Extraction, Transforming & Loading) را طی می کند که این داده ها در یک «مکعب OLAP» محاسبه، پردازش و ذخیره می شوند، در نهایت این داده ها در دسترس قرار می گیرند. پرس و جو و تولید نمودارها، گزارش ها و هر چیز دیگری که برای تسهیل تجزیه و تحلیل شما لازم است.

منبع

این “مکعب OLAP” چه خواهد بود؟

فرض کنید من می خواهم فروش یک محصول را در مناطق خاصی از برزیل و در یک دوره خاص (مثال: در هر دوره چهار ماهه) تجزیه و تحلیل کنم. بنابراین، ما یک تجزیه و تحلیل در ابعاد مختلف خواهیم داشت: محصول، مکان و زمان، امکان اجرای پرس و جو در این ابعاد برای یافتن و فیلتر کردن داده ها.

منبع

در تئوری، یک مکعب OLAP می‌تواند شامل تعداد بی‌نهایت لایه باشد، و مکعب‌های کوچک‌تر می‌توانند درون آن لایه‌ها وجود داشته باشند – برای مثال، هر لایه فروشگاهی می‌تواند حاوی مکعب‌هایی باشد که فروش را بر اساس فروشنده یا محصول سازماندهی می‌کند.

عملیات OLAP

از مکعب OLAP می توانیم عملیاتی را برای تجزیه و تحلیل داده ها انجام دهیم:

خلاصه سازی: داده ها را برای ویژگی های خاص خلاصه می کند. به عنوان مثال، نمایی از فروش محصول بر اساس موقعیت مکانی شما – نیویورک، کالیفرنیا، لندن و توکیو – را می توان در نمای داده های فروش بر اساس کشورهای ایالات متحده، بریتانیا و ژاپن خلاصه کرد.

جزئیات: برعکس عملیات خلاصه سازی است. به عنوان مثال، حرکت از مشاهده داده های فروش بر اساس سال به مشاهده فروش بر اساس ماه.

تجزیه: یک نمای دو بعدی از مکعب OLAP ایجاد می کند. با تجزیه مکعب، می توانیم جدولی ایجاد کنیم که شامل فروش محصولات در شهرهای خاص در یک ماه خاص است.

تکه تکه شدن: یک “subcube” کوچکتر از یک مکعب OLAP ایجاد می کند.

چرخش: شامل چرخاندن مکعب OLAP در امتداد یکی از ابعاد آن برای به دست آوردن دیدگاه متفاوت در مدل داده چند بعدی است. به عنوان مثال، یک مکعب OLAP سه بعدی دارای ابعاد زیر در محورهای خود است:

محور X: محصول
محور Y: مکان
محور Z: زمان

با چرخش، مکعب OLAP می تواند پیکربندی زیر را داشته باشد:

محور X: مکان
محور Y: زمان
محور Z: محصول

منابع

https://aws.amazon.com/pt/what-is/olap/https://www.ibm.com/br-pt/topics/olaphttps://www.sprinkledata.com/blogs/olaphttps://computerisation.co.uk/blog/what-is-a-data-warehouse