معالجة تحليلية متصلة

في الحوسبة، المعالجة التحليلية المتصلة (OLAP: Online Analytical Processing)، هونهج للإجابة التحليلية متعددة الأبعاد بسرعة (multi-dimensional analytical: MDA) على الاستعلامات . OLAP هوجزء من فئة أوسع من ذكاء الأعمال، والذي يضم أيضا قواعد بيانات علائقية، كتابة التقارير واستخراج البيانات . وتضم التطبيقات العملية من OLAP تقارير الأعمال للمبيعات والترويج والتقارير الإدارية، وإدارة عمليات الأعمال، وضع الموازنات والتنبؤ، وإعداد البيانات المالية ومجالات مماثلة، مع التطبيقات الجديدة القادمة، مثل الزراعة. مصطلح OLAP تم إنشائه بمثابة تعديل طفيف على مصطلح قاعدة بيانات التقليدي المعالجة العملياتية المتصلة OLTP.

أدوات OLAP تمكن المستخدمين من تحليل البيانات بشكل تفاعلي متعدد الأبعاد من وجهات نظر متعددة. يتكون OLAP من ثلاث عمليات تحليلية أساسية: التوحيد (لفة متابعة)، والحفر إلى أسفل، وتشريح وتقطيع توطيد ينطوي على تجميع البيانات التي يمكن المتراكم وحسابها في أبعاد واحد أوأكثر. على سبيل المثال، يتم إرجاع جميع ممحرر مبيعات تصل إلى تقسيم قسم المبيعات أوالمبيعات لتسقط اتجاهات المبيعات. على النقيض من ذلك، فإن الحفر إلى أسفل هوالاسلوب الذي يتيح للمستخدمين التنقل من خلال التفاصيل. على سبيل المثال، يمكن للمستخدمين عرض مبيعات المنتجات الفردية التي تشكل مبيعات المنطقة. تشريح وتقطيع هي ميزة حيث يمكن للمستخدمين إخراج (تشريح) مجموعة محددة من البيانات من المكعب OLAP وعرض (تقطيع) شرائح من وجهات نظر مختلفة.

قواعد البيانات التي تكون منها OLAP تستخدم نموذج بيانات متعدد الأبعاد، مما يتيح المجال لاستعلامات تحليلية مخصصة ومعقدة مع وقت التطبيق السريع. . وهي تستعير جوانب من قواعد البيانات الملاحية، قواعد البيانات الهرمية وقواعد البيانات العلائقية.

نظرة عامة على أنظمة المعالجة التحليلية المتصلة OLAP

يعتير مكعب OLAP جزء من صميم المعالجة التحليلية المتصلة (ويسمى أيضا "مكعب متعدد الأبعاد" أوالمكعب الزائدي). وهويتألف من الحقائق الرقمية (المقاييس measures) التي يتم تصنيفها من قبل أبعاد مستودع البيانات Datawarehouse. يتم وضع المقاييس على تقاطعات المكعب، والتي تمتد من الأبعاد كفضاء عامودي. القابلة المعتادة للتحكم بمكعب OLAP هي مصفوفة مثل الجدول المحوري Pivot Table في برنامج جدول بيانات، الذي ينفذ عمليات الإسقاط على طول الأبعاد، مثل التجميع أوحساب المتوسط.

وعادة ما يتم إنشاء البيانات الوصفية للمكب من المخطط النجمي Star Schema أومخطط ندفة الثلج Snowflake Schema من الجداول في قواعد البيانات العلائقية . وتستمد المقاييس من السجلات بجداول الحقيقة مستمدة أبعاد من جدول البعد.

كل قياس يمكن اعتباره وجود مجموعة من العناوين، أوالبيانات الوصفية المرتبطة بها. البعد هوما يصف هذه العناوين؛ أنه يوفر المعلومات حول القياس.

مثال سهل قد يحدث تعبير عن مكعب يحتوي مبيعات متجر كقياس وتاريخ/وقت كبعد. حيث جميع عملية بيع لها تاريخ وتوقيت

+-------------+----------+
| sale_amount | time_id  |
+-------------+----------+            Time Dimension
|      2008.10|     1234 |---+     +---------+-------------------+
+-------------+----------+   |     | time_id | timestamp         |
                             |     +---------+-------------------+
                             +---->|   1234  | 20080902 12:35:43 |
                                   +---------+-------------------+

قواعد بيانات متعددة الأبعاد

تعهد البنية متعددة الأبعاد ب "الاختلاف من النموذج العلائقي الذي يستخدم بنى متعددة الأبعاد لتنظيم البيانات والتعبير عن العلاقات بين البيانات". (المرجع:اوبراين وماراكاس، 2009، ص 177). يتم تقسيم الهيكل إلى مكعبات ومكعبات قادرة على تخزين البيانات والوصول إلى داخل حدود جميع مكعب. "كل خلية داخل بنية متعددة الأبعاد تحتوي على البيانات المجمعة المتعلقة بالعناصر طول جميع واحد من أبعادها". (المرجع:اوبراين وماراكاس، 2009، ص 178) وحتى عندما يتم التحكم لايزال الوصول إليها سهلاً. وتواصل تشكيل تنسيق قاعدة بيانات موجزة، والبيانات تظل مترابطة. البنى متعددة الأبعاد لها شعبية كبيرة في قواعد البيانات التحليلية التي تستخدم تطبيقات المعالجة التحليلية المتصلة (OLAP). (المرجع:اوبراين وماراكاس، 2009، ص 177). قواعد البيانات التحليلية تستخدم قواعد البيانات هذه بسبب قدرتها على تقديم إجابات على الاستعلامات التجارية المعقدة بسرعة. يمكن الاطلاع على البيانات من زوايا مختلفة، مما يعطي منظور أوسع من معضلة على عكس النماذج الأخرى.(المرجع: وليامز، C.، غارزا، VR، تاكر، S، ماركوس، 1994).

التجميع Aggregations

من المعتقد حتى الاستعلامات المعقدة باستخدام مكعبات OLAP يمكن حتى تنتج جوابا في حوالي 0.1٪ من الوقت اللازم لنفس الاستعلام على المعالجة العملياتية المتصلة البيانات العلائقية. الآلية الأكثر أهمية في OLAP الذي يسمح لها لتحقيق هذا الأداء هواستخدام التجميع. يتم بناء التجميعات من جداول الحقيقة عن طريق تغيير التحبب على أبعاد محددة وتجميع البيانات احتياطيا على طول هذه الأبعاد. يتم تحديد عدد من تجميعات محتملة من قبل جميع هجريبة ممكنة من الحبيبات البعدية.

مزيج من جميع التجميعات الممكنة والبيانات الأساسية يحتوي على إجابات لكل الاستعلام الذي يمكن إجابته من البيانات. لأنه عادة ماقد يكون هناك الكثير من التجميعات التي يمكن حتى تحسب، في كثير من الأحيان عدد محدد سلفا تتم حسابته بشكل كامل. يتم حل الباقي على الطلب. معضلة تحديد التجميعات التي يجب حتى تحسب سلفاً تعهد بمشكلة اختيار المشهد view selection. اختيار المشهد يمكن يمكن تقييده بالحجم الإجمالي لمجموعة مختارة من التجميعات، الوقت لتحديثها من التغييرات في البيانات الأساسية، أوكليهما. والهدف من اختيار المشهد هوعادة لتقليل متوسط الوقت للرد على استعلامات OLAP، على الرغم من حتى بعض الدراسات أيضا تقلل الوقت الازم للتحديث. تم استكشاف الكثير من النهج لهذه المشكلة، بما في ذلك خوارزمية الجشع ق، درس العشوائية، الخوارزمية الجينية ق وA * خوارزمية البحث.

أنواع المعالجة التحليلية المتصلة

لقد تم تصنيف أنظمة OLAP تقليديا باستخدام التصنيف التالي [Pendse2006] كما يلي:

متعددة الأبعاد MOLAP

MOLAP هو"المعالجة التحليلية المتصلة متعدد الأبعاد. وهوالشكل "الكلاسيكي" من OLAP والتي يشار إليه أحيانا فقط OLAP. تخزن أنظمة MOLAP البيانات في مصفوفات مثلى متعددة الأبعاد، وليس في قاعدة بيانات علائقية. وبالتالي فإنها تتطلب حساب ومعالجة مسبقة قبل تخزين المعلومات في المكعب - العملية المعروفة باسم المعالجة. أدوات MOLAP تستخدم عموما مجموعة من البيانات المحسوبة مسبقا المشار إليها بمكعب البيانات. مكعب البيانات يحتوي على جميع الإجابات الممكنة لمجموعة معينة من الأسئلة. أدوات MOLAP لها وقت استجابة سريع جدا وقدرة على كتابة البيانات بسرعة في مجموعة البيانات.

مزايا MOLAP

أداء الاستعلام السريع يرجع إلى التخزين الأمثل والفهرسة متعددة الأبعاد والتخزين المؤقت.
أصغر حجم على القرص من البيانات مقارنة بالبيانات المخزنة في قواعد البيانات العلائقية بسبب تقنيات الضغط.
الحساب الآلي للمجاميع عالية المستوى.
متوافقة جدا مع مجموعات البيانات منخفضة الأبعاد.
نماذج المصفوفات توفر الفهرسة الطبيعية.
استخراج البيانات الفعال يتخقق من خلال فترة ما قبل هيكلة البيانات المجمعة.

مساوئ MOLAP

في بعض الحلول، خطوة تجهيز (تحميل البيانات) يمكن حتى تكون طويلة جدا، وخصوصا مع كميات كبيرة من البيانات. وعادة ما يتم علاج ذلك عن طريق القيام بمعالجة تدريجية، أي معالجة البيانات فقط التي تم تغييرها (عادة البيانات الجديدة) بدلا من إعادة معالجة مجموعة البيانات بأكملها.
بعض المنهجيات MOLAP تتسبب في تكرار البيانات.

أنواع

وقد تم تصنيف أنظمة OLAP تقليديا باستخدام التصنيف التالي Pendse2006

متعددة الأبعاد

MOLAP هو"المعالجة التحليلية عبر الإنترنت متعدد الأبعاد". "MOLAP" هوالشكل "الكلاسيكي" من OLAP والتي يشار إليها أحيانا فقط OLAP. مخازن MOLAP هذه البيانات في تخزين مجموعة متعددة الأبعاد الأمثل، وليس في قاعدة بيانات علائقية. وبالتالي فإنه يحتاج قبل حساب وتخزين المعلومات في المكعب - العملية المعروفة باسم المعالجة. أدوات MOLAP الاستفادة عموما مجموعة من البيانات المحسوبة مسبقا المشار إليها كما مكعب البيانات. المكعب البيانات يحتوي على جميع الإجابات الممكنة لمجموعة معينة من الأسئلة. أدوات MOLAP لها وقت استجابة سريع جدا والقدرة على الكتابة بسرعة العودة البيانات إلى مجموعة البيانات.

مزايا MOLAP

أداء الاستعلام السريع يرجع إلى التخزين الأمثل والفهرسة متعددة الأبعاد والتخزين المؤقت.
أصغر حجم على القرص من البيانات مقارنة البيانات المخزنة في قواعد البيانات العلائقية بسبب تقنيات ضغط.
الحساب الآلي المجاميع مستوى أعلى من البيانات.
ومن الميثاق جدا لمجموعات البيانات البعد منخفضة.
نماذج صفيف توفر الفهرسة الطبيعية.
استخراج البيانات الفعال تحققت من خلال فترة ما قبل هيكلة البيانات المجمعة.

مساوئ MOLAP

وفي بعض الحلول MOLAP المستوى تجهيز (تحميل البيانات) يمكن حتى تكون طويلة جدا، وخصوصا على كميات كبيرة من البيانات. وعادة ما يتم علاج ذلك عن طريق القيام معالجة فقط تدريجي، أي معالجة البيانات فقط التي تم تغييرها (عادة البيانات الجديدة) بدلا من إعادة معالجة مجموعة البيانات بأكملها.
بعض المنهجيات MOLAP إدخال تكرار البيانات.

العلائقية

ROLAP يعمل مباشرة مع قواعد البيانات العلائقية. يتم تخزين البيانات الأساسية وجداول الأبعاد كما الجداول العلائقية، ويتم إنشاء جداول جديدة لعقد المعلومات المجمعة. ذلك يعتمد على تصميم مخطط المستخدم. وتعتمد هذه المنهجية على التلاعب في البيانات المخزنة في قاعدة بيانات علائقية لإعطاء مظهر يشبه تشريح OLAP التقليدي ووظائف التكعيب. في جوهرها، جميع عمل من تشريح وتقطيع يعادل إضافة شربط "حيث WHERE" في بيان SQL. أدوات ROLAP لا تستخدم مكعبات البيانات المحسوبة مسبقا، ولكن بدلا من ذلك تطرح الاستعلامات في قاعدة بيانات علائقية قياسية من أجل جلب البيانات المطلوبة للإجابة على السؤال. أدوات ROLAP تتميز بالقدرة على طرح أي سؤال لأن المنهجية لا تتحدد بمحتويات المكعب. ل ROLAP أيضا القدرة على الحفر أسفل إلى أدنى مستوى من التفاصيل في قاعدة البيانات.

الهجينة

ليس هناك اتفاق واضح في صناعة ما يشكل "OLAP الهجين"، إلا حتى قاعدة بيانات تقسم البيانات بين علائقية وتخزين متخصص. على سبيل المثال، بالنسبة لبعض المزودين، قاعدة بيانات HOLAP تستخدام الجداول ذات العلاقة لتخزين كميات أكبر من البيانات التفصيلية، واستخدام التخزين متخصص لبعض نت جوانب كميات صغيرة من البيانات التجميعية بشكل أكثر أوأقل تفصيلا. يتناول HOLAP أوجه القصور في MOLAP وROLAP من خلال الجمع بين قدرات كلا النهجين. يمكن لأدوات HOLAP الاستفادة من جميع من مكعبات محسوبة مسبقا ومصادر البيانات العلائقية.

مقارنة

كل نوع له فوائد معينة، على الرغم من حتى هناك خلاف حول خصوصيات المنافع بين مقدمي الخدمات.

بعض التطبيقات MOLAP عرضة للانفجار في قاعدة بيانات، وهي ظاهرة تسبب كميات هائلة من مساحة التخزين لاستخدامها من قبل قواعد البيانات MOLAP عندما يتم استيفاء بعض الشروط المشهجرة: ازدياد عدد الأبعاد، والنتائج المحسوبة مسبقا وبيانات متعددة الأبعاد متفرق.
MOLAP يقدم عموما أداء أفضل نظرا لفهرسة وتخزين البيانات. أيضا يحتاج MOLAP أقل مساحة التخزين مقارنة ROLAP لأن التخزين المتخصص يتضمن عادة ضغط البيانات.
ROLAP عموما أكثر استيعاباً للبيانات. ولكن إذا كان حجم ما قبل المعالجة كبير فمن الصعب تطبيقه بكفاءة لذلك كثيرا ما تخطي. وبالتالي فإن أداء الاستعلام في ROLAP يعاني بشكل كبير.
بما حتى ROLAP تعتمد أكثر على قاعدة البيانات لإجراء عمليات حسابية، فإنه يعاني المزيد من القيود في وظائف متخصصة يمكن استخدامها.
HOLAP يضم مجموعة من الحلول التي تحاول خلط أفضل من ROLAP وMOLAP. ويمكن حتى ينجز فترة ما الحساب المسبق عموما بسرعة.

أنواع أخرى

المرادفات التالية هي أيضا تستخدم في بعض الأحيان، على الرغم من أنها ليست على نطاق واسع مثل تلك المذكورة أعلاه:

WOLAP - معتمد على الإنترنت OLAP
DOLAP - كمبيوتر سطح المخط OLAP
RTOLAP - الوقت الحقيقي OLAP

قابلات برمجة التطبيقات ولغات الاستعلام

على عكس قواعد البيانات العلائقية التي تستخدم SQL كلغة استعلام رئيسية، وعلى نطاق واسع قابلة برمجة التطبيقات API مثل ODBC وJDBC وOLEDB، لم تكن هناك قابلة موحدة ل OLAP لفترة طويلة. كان أول API معيار حقيقي OLE DB ل OLAP من قبل مايكروسوفت والتي ظهرت في عام 1997 وقدمت لغة استعلام ذات تعبيرات متعددة الأبعاد MDX. لاحقاً، قام عدة مزودين OLAP - كلا من مزودي الخادم والعميل - بتبني اللغة. في عام 2001 قام جميع من Microsoft وشركة حلول هايبريون بالإعلان عن مواصفات XML، والتي أيدها معظم مزودي OLAP. وهذه المواصفات تتضمن أيضاً استخدام MDX كلغة استعلام، وبذا أصبح MDX أمراً واقعاً.

المنتجات

التاريخ

يعتبر Express المنتج الأول الذي يمكنه تطبيق استعلامات OLAP والذي صدر في عام 1970 (حصلت عليه شركة أوراكل) في عام 1995 من مصادر المعلومات). ومع ذلك، لم يظهر مصطلح OLAP حتى العام 1993 عندما صيغ من قبل إدجار كود، الذي وصف بأنه "والد قواعد البيانات العلائقية". وفي عام 2007 حصلت أوراكل على الحقوق الحصرية للمنتج، كنوع من انقلاب الترويج. وكانت الشركة قد أطلقت المنتج OLAP الخاص بها Essbase قبل عام. ونتيجة لذلك كانت "اثني عشر قانوناً للمعالجة التحليلية المتصلة"

المراجع

^ Codd E.F., Codd S.B., and Salley C.T. (1993). "Providing OLAP (On-line Analytical Processing) to User-Analysts: An IT Mandate" (PDF). Codd & Date, Inc. اطلع عليه بتاريخ 05 مارس 2008. صيانة CS1: أسماء متعددة: قائمة المؤلفون (link)
^ Deepak Pareek (2007). . CRC Press. صفحات 294 pp. ISBN . اطلع عليه بتاريخ 18 مارس 2008.
^ Apostolos Benisis (2010). . VDM Verlag Dr. Müller e.K. صفحات 204 pp. ISBN .
^ "OLAP Council White Paper" (PDF). OLAP Council. 1997. مؤرشف من الأصل (PDF) في 23 يونيو2016. اطلع عليه بتاريخ 18 مارس 2008.
^ O'Brien & Marakas, 2011, p. 402-403
^ Hari Mailvaganam (2007). "Introduction to OLAP - Slice, Dice and Drill!". Data Warehousing Review. مؤرشف من الأصل في 28 سبتمبر 2018. اطلع عليه بتاريخ 18 مارس 2008.

1. Codd E.F., Codd S.B., and Salley C.T. (1993). "Providing OLAP (On-line Analytical Processing) to User-Analysts: An IT Mandate". Codd & Date, Inc. Retrieved 2008-03-05.

2. Deepak Pareek (2007). Business Intelligence for Telecommunications. CRC Press. pp. 294 pp. ISBN 0-8493-8792-2. Retrieved 2008-03-18.

3. Apostolos Benisis (2010). Business Process Management:A Data Cube To Analyze Business Process Simulation Data For Decision Making. VDM Verlag Dr. Müller e.K. pp. 204 pp. ISBN 978-3-639-22216-6.

4. Abdullah, Ahsan (2009). "Analysis of mealybug incidence on the cotton crop using ADSS-OLAP (Online Analytical Processing) tool , Volume 69, Issue 1". Computers and Electronics in Agriculture 69 (1): 59–72. doi:10.1016/j.compag.2009.07.003.

5. "OLAP Council White Paper" (PDF). OLAP Council. 1997. Retrieved 2008-03-18.

نطقب:Data warehouse

قواعد بيانات التي تدعم OLAP تستخدم نموذج بيانات متعدد الأبعاد، مما يسمح بإنشاء استعلامات غرضية تحليلية ومعقدة مع وقت التطبيق قصير. وهي تستعير ميزات من قواعد البيانات الملاحية وقواعد البيانات الهرمية وقواعد البيانات العلائقية.

قواعد بيانات التي تدعم OLAP تستخدم نموذج بيانات متعدد الأبعاد، مما يسمح بإنشاء استعلامات غرضية تحليلية ومعقدة مع وقت التطبيق قصير. [7] وهي تستعير ميزات من قواعد البيانات الملاحية وقواعد البيانات الهرمية وقواعد البيانات العلائقية.

في كومنز صور وملفات عن: معالجة تحليلية متصلة