Introduksjon til Oracle Data Warehousing
Datalagring kan generelt defineres som en database for lagerføring av forretnings- eller organisasjonsdata som ønskede virksomhetssaksaktiviteter kan oppnås. Regelmessige transaksjonsoperasjoner er adskilt fra den totale arbeidsmengden mens lagring av historiske poster for analyse og forbedring blir utført før lagring. I denne artikkelen vil vi diskutere Oracle Data Warehousing.
Nettopp, Data Warehousing inkluderer:
- Akkumulerer historiske poster fra forskjellige datakilder.
- Inspisere og analysere tidligere virksomhetsregister.
- Utlede innsikt og nødvendig informasjon for å drive forretningsbehov og motiver.
Dermed er operasjonene for det meste leseorientert, snarere enn direkte manipulering av datasett. Oracle datavarehus er en fullstendig optimalisert, skybasert, omfattende og pålitelig databasekonsept av Oracle-databasen. Den er først og fremst bygd for å oppleve effektive og fleksible databaseoperasjoner som gjør at den leverer markedsledende ytelse.
Kjennetegn på datalagring
William H. Inmon, en amerikansk dataforsker, viser til kjennetegn ved datavarehus som:
-
Subject Orientert
Et datavarehus er først og fremst tegnet for å analysere data og utlede innsikt. Vi kan tilpasse lager på spesifikke avdelinger i et firma.
som igjen kan utlede topplisteutøvere, målkunder osv.
-
integrert
Data som blir manipulert hentes ofte fra forskjellige kilder. Under slike omstendigheter bør data seire konsekvent for å forhindre konflikter. En slik egenskap ervervet er integritet.
-
Ikke flyktig
Når data leveres til lager, kan de ikke manipuleres eller modifiseres. Siden analyse er gjort på dataene som har skjedd.
-
Time-Variant
For å utlede trender og regresjon på historiske data, krever analytikeren en enorm mengde data.
Arkitektur av Oracle Data Warehousing
Generelt kan Oracle-datalagearkitektur kategoriseres bredt som:
1. Arkitektur i ett plan
Det primære målet er å redusere datalagring i betydelig grad, og dermed fjerne overflødighet. Men i praksis er det veldig mindre brukt rundt.
2. Arkitektur i to etapper
Et diskret lag med fysisk tilgjengelige datakilder og datavarehus. Sammenlignbart er arkitekturen ikke utvidbar og har også tilkoblingsbegrensninger.
3. Arkitektur i tre nivåer
Den berømte arkitekturen består av Bottom, Middle og Top Tier.
- Nederste nivå: Database vester i dette laget som i stor grad er relasjonelle databasesystemer. Dataressurser samles inn og manipuleres ved bruk av forskjellige backend-applikasjoner og mates inn i databasen.
- Midttrinn: Abstrakt lagvis oversikt over databasen som fungerer som et mellomliggende mellom bruker og database. Oracle støtter en kraftig OLAP som implementeres i midten av nivået og gir sikre, skalerbare analytiske tiltak i systemet.
- Toppnivå: Det fremre laget henter dataene fra databasen og presenterer det for klienten. Det kan være hvilket som helst av de Oracle-baserte spørringsverktøyene som SQLPlus, SQL-utvikler.
Nå vil vi komme videre og utforske detaljene i den generelle arkitekturen. Se bildet nedenfor:
- Hovedsakelig består det sentrale systemet, dvs. Oracle datavarehouse av rå data, metadata og sammendragsdata.
- Rå data er den faktiske nyttelasten til den vanlige OLTP-filen som er lagret, sammen med hvilke metadata som definerer dataene som finnes i.
- På den annen side inneholder sammendragsdata alle overflødige dyre og langvarige operasjoner, som også kalles en materialisert visning.
- Å mate riktig datakilde av kvalitet er viktigere, noe som igjen påvirker kvaliteten og vedlikeholdet av datavarehus på lang sikt.
Datakilder
- I større bedrifter hentes data ofte fra forskjellige innmatinger.
- Det kan være alt fra gamle data, eksterne kilder, vertikale applikasjoner.
Scene område
- Operasjonsdataene skal behandles og rengjøres før de skyves inn i datavarehus.
- Sceneområdet tar seg av denne prosessen, som igjen kan kjøres programmatisk.
- Iscenesettelsesområdet er ansvarlig for å konsolidere og behandle ustrukturerte data fra forskjellige datakilder.
- Betydningen av iscenesettelsesområdet kan realiseres ved håndtering av lagerhold på virksomhetsnivå, der data burde komme fra samlet i et ustrukturert format, behandlet og konsolidert før de mates inn i lageret.
Datamars
- Bortsett fra å håndtere datakilder, vil et foretak ofte kreve å tilpasse arkitekturomfanget til forskjellige grupper.
- Datamarks tjener et slikt formål, der systemet avhengig av forskjellige avdelinger som markedsføring, lagerbeholdes skilles med hensikt for skjebnebruk. Datamars definerer tilgjengelighetsomfanget til brukere og brukergrupper og administrerer forebyggende måter i.
- Rapporteringsteamet vil for eksempel få tilgang til salgsdata og prosesspanel for virksomheter, mens Sales bruker data fra analyseteamet for å drive forretningsavgjørelser. Slik konsolidering og omfangsdefinisjon er erklært i datamarkeder.
- Dessuten kan datamåter vanligvis lokaliseres med Oracle-datavarehussystemet, eller noen ganger kan det bygges som separat system som skal skalerbarhet.
Fordeler
- Sammenlignbart anses Oracle-lageret for å være enkelt og enkelt konfigurerbart hvis målene og kildene er klare.
- Målet er primært å improvisere beslutningstaking i virksomheten.
- Økt produktivitet og effektive driftskostnader.
- Støtter i å transformere store rådata til verdifull innsikt.
- Integriteten til data kan garanteres med rask kvalitet.
ulemper
Med alle rosene til side har Oracle datavarehus visse ulemper som forklart nedenfor:
-
Sikkerhetsproblemer
Datasikkerhet kan bare garanteres like god garanti som leverandørressursen. Hvis det kan være vanskelig å implementere i huset og sikre pålitelig tilgjengelighetsomfang blant forskjellige strømmer i et firma.
-
Datafleksibilitet
Ofte har lagerbygninger en tendens til å inneholde statiske data og underlagt alvorlige spørringsstrukturer.
-
Kostnad / fordel-forhold
Vedlikehold og utgifter til IT-arbeidstimer er en enorm faktor i implementeringen av Oracle Data-lagring.
Kvalitetsstyring i Oracle Data Warehousing
- Støtter kvalitetsløsninger fra ende til annen.
- Sporer metadata og sammendrag av depotet.
- Avhengig av behovene kan det gyte kartlegging for datakorreksjoner.
Data warehousing roller i et firma kan spesifikt kategoriseres som forskjellige stillinger som strekker seg fra Data miner, Data warehousing konsulent / utvikler til arkitekt. IT-bransjen er stadig vitne til den raske veksten av spesialisering av datavarehus innen business intelligence-teknologier.
Anbefalte artikler
Dette er en guide til Oracle Data Warehousing. Her diskuterer vi arkitekturen, egenskapene, fordelene og ulempene med Oracle datavarehus. Du kan også gå gjennom andre foreslåtte artikler -
- Komponenter av Oracle Warehouse Builder
- Hva er Oracle-databasen og dens arkitektur
- Introduksjon til Oracle String Functions
- Enkle trinn for hvordan du installerer Oracle
- KPI i Power BI
- Power BI IF-uttalelse
- Hva er en spørring og typer Oracle Queries