OLAP線上分析處理在資料倉儲的應用

(1)

OLAP線上分析處理在資料倉儲的應用

一以技職課程資源網站為例(上〉

戴建耘袁贊助蔡志宏臺灣師大工業教育系副教授研究生研究生宣、日 u .s 由於網際網路的技術進步神速，加上網際網路快速傳遞訊息的特性，「網路無國界」的觀念已逐漸形成，隨著大量的資料在網際網路上流通與交換，如何運用、整合與分析資料產生有用的資訊，成為重要的研究課題之 -。資料在資訊時代是一項極重要的材料，產生、儲存與管理好資料的目的就是要從中找出有意義的資訊(嚴紀中和古政元，民 89) 。資料倉儲

(Data

Warehouse) 為一種新的資料儲

存技術，資料倉儲中不只統合資料，且能在不同的範團與層面中進行分解、合併及交叉分析的工作(莊雅葉，民87) ，再利用工其進行線上分析處理 (On-Line

Analytical Processing;

OLAP) 或資料採擷 (Data Mining) 工

作，得到更進一步的資訊，提供決策者適當的訊息。因此，這幾年來資料倉儲亦逐建成為決策支援系統 (DSS) 的主要資料來源。資料倉儲的實際連作就是資料庫系統，資料庫系統從檔案型系統、階期仇"，/ 卷，、 J 句、 d 吉日

叩昕一掀

年一科口一王口 (Tvi m-生層式、網狀式到關聯式資料庫系統、物件導向資料庫、物件關聯式資料庫系統等 (Connolly ， 1998) 不斷的演進，加上網路的應用，資料庫也走向

了主從架構及 Web-based 分散式系統，

不但加大資料儲存的空間與容量，也

加快了資料處理與存取的速度。然

而，大多數企業或學校雖建置或多或少的資料庫系統，甚至是資料倉儲系統，但卻對進一步發展決策支援系統鮮少著墨，可能礙於時間、人力、成本、技術的限制，不易達成此一目標，因此，建置實務經驗的成功案例即扮演著重要角色之一。貳、 OlAP 概述、 OlAP 的意義 OLAP 就是一種快速擷取多維資訊和了解企業整體概況的工真，不但不需要設定特定角度和觀點，而且不需要設定資料層級就可以最快速的方法瀏覽並分析資料。 OLAP 可滿足企業上對大量的多維度資訊做分析比較或預測模擬之需求，令企業組織可經由 OLAP 的資訊處理以洞察營運狀況或藉以協助決策分析。

32

(2)

點選其中一類可查看更深入的資料銷售業績(千萬元)

第一季

|

第二季

$1.

4 $0.6

$2.0

$1.

2

二、多維度資訊的意義(多度空間的資料分析) 針對任一事物所能觀察的角度應是多元的，因此資料應皆其備多度空間的性質。要對資訊進行通透且全面的分析與處理，即需要兼顧資料於各個角度各個空間中所呈現象微的價值，利用 OLAP技術即能連到面面俱到的要求。三、 OlAP的資料分析方式 OLAP系統於資料分析的過程中，包括下列的分析方式(莊雅薯，民

87)

(一)下探 (Drill-Down)

OLAP除了從多維角度瀏覽資料

外，亦注重細部資料中所隱含資訊的發掘。使用者於資料分析的過程中，必先瀏覽概括性的資料，並且對整體的情況有大致的瞭解後，即對細部的資料愈加地重視。因此，為了能取得更為詳盡的資訊， OLAP則針對此概括

品一喘一飾一子一其

產一帥一服一電一玩

電子產晶

$

個人電腦

錄影機電視機

PDA

性資料發揮下探的能力。例如，從整個公司的銷售開始，使用者可以下探分區域的銷售、再區分業務辦公室、再區分出個別的業務員之銷售成績，如圖 l 所示。 (二)上捲 (Roll-up) 根據維度層級的關係，縮小成摘要性資料。例如圖 2 下方為某工廠一~ 三月產晶生產量，甲工廠與乙工廠生產量互有高低，若欲尋找每季各工廠生產量的趨勢情形，可經由上捲功能查詢第一季至第四季的生產量摘要 (如圖 2上方) ，便可發現長期以來，乙工廠生產量明顯高於甲工廠。

(二) 切片及切丁 (Slicing

and

Dicing)

在OLAP系統中是以多維度資料的

瀏覽來擷取資料，而多維度的概念可由立方體的模型來比擬。在資料的分析上，同樣的資料對不同的使用者來說，會因其所持的觀點不同而代表不圖 1

Drill-Down

33

2002 年9 月 't{r~科技教育 35 卷9 期

(3)

同的意義。從不同的觀點來分析資料可比擬為不斷地切割立方體方式來呈

現，所以稱為切片及切丁。

(三)轉軸 (Pivot) 若以報表為例，報表是一個二維度的資料空間，而轉軸則是使用者觀看報表的角度從橫的基準移到縱的基準。例如可以將報表中月份的軸移到直的方向上(由上到下排列) ，同時將產品維度移到橫的方向上(由左向右排列) ，然後還可以將同一產品別再按業務部門區分，或反過來先以業務部門別之後再按產品區分，如圖3所示。

第二季

45

67

第三季

34

第四季

56

91 單位仟髓

_月

二月三月

甲工廠

叫川口…

30

26

22 乙工廠…

28

30

32

圖 2

Roll-up

銷售業績(千萬兀)

第一季

產品業務部門1 業務部門2 電子

$5.2

$8.9

化妝品

_$1.

₉

_$0.75

業務部門 1 服飾

$2

.3

$4.6

玩具

$1.

1 $1.

5

電子

$8.9

化妝品

_$0.75

業務部門2 服飾

_$4.6

玩具

$1.

5

圖 3

Pivot

判UV 仇y 卷 c 、 v 串門 1" 教 2 技主利侃一活

叩一生

34

(4)

四、 Cube自由意義 Cube是OLAP資料庫的主要物件，使用者必須依實際需求來建立自己的 cube' 例如:與銷售有關的cube和與庫存有關的 cube 等。 Cube包含以下元件

(方盈，民90)

(一)資料來源(

data source)

用來定義 cube 的資料來源並且連接資料來源的資料庫。例如:可透過 ODBC 介面定義 cube 的資料來源為 Oracle 資料庫上的資料。 (二)維度(

dimension)

維度將 cube 內的資料映射成不同

層次的資料表示方式，而維度不外分

為人、事、時、地、物等。例如:將銷售資料按時間區分的話就可區分為日、月、季、年等層次;若按顧客的年齡來分析的話則可依每十歲一個階層來加以分析。 (三)量值 (measure) Measure 一般是 cube 資料內的數值欄位(亦可為非數值欄位) ，也是在整個分析過程中使用者最感興趣的項目。例如:銷售金額、產品價格、庫

存量等。

(四)分割 (partition) Cube 可以實際需求將它儲存在不同的分割下，例如:將每年的銷售資料分別儲存在不同的分割下。將 cube 的資料分成 partition 的最大好處是為了查詢效能的考量，因為可以將不同的分割存放在不同的硬碟上，這樣便能增加查詢的速度。

(五)角色 (roles)

Roles 是用來管理使用者存取 cube

35

內資料的權限控制。五、 OlAP 的資料儲存模式

OLAP

Service 提供了三種儲存模

式分別為 MOLAP 、 ROLAP 及

HOLAP' 此三種模式分別有其優缺點，其間的差別在於佔用的儲存體和查詢效能間的 trade off抉擇，詳細說明如後(方盈，民 90) ，三者之優缺點比較請參考表 1 (林裕仁，民 88)

(一)

MOLAP (Multi-dimensional

OLAP) 多維式

Cube 的內部資料和彙總資料皆擺放在OLAP 的資料庫內，以多層次的資

料架構 (multi-dimensional

structure)

來儲存。這樣的結果雖然需要耗費大量的儲存容量，但是卻可以提昇查詢

的效率。

(二)

ROLAP (Relational OLAP)

關聯式 Cube 的內部資料和彙總資料皆擺放在原有的 RDBMS 上。此種架構可以使用既有的硬體設備和軟體工其來建

立自己的 OLAP 系統，其好處是可以降

低成本，不過在資料查詢的效能上會打些折扣。

(三)

HOLAP (Hybrid

OLAP) 混

合式 Cube的內部資料在原有的 RDBMS 上，但彙總資料則以多維度架構的方式儲存在 OLAP資料庫上。此種架構的

好處是資料不必重複地儲存在 OLAP資

料庫和 RDBMS 上，但查詢效能上會比 MOLAP差一點。參、 OlAP 與資料倉儲的關係 2002 年9 月生活科技教育 35 卷9 期

(5)

一、 OlAP為資料倉儲的一種應用資料倉儲的應用相當廣泛，因為

它是所有應用的基礎，一般來說有

Forecast

、 Data

Mining

、 OLAP 、 Report 四種應用，其關係如圖4 。由技術人員的角度來看，我們可以對資料倉儲進行查詢、列印報表，並利用它來做計畫、分析、預測、模擬、建立模式、發出預警、財務、會計的整合、比較等。所以資料倉儲可以應用在決策支援系統 (DSS) 、高階主管資訊系統 (EIS) 、管理報表系統

表 1 MOlAP 、 ROlAP 、 HOlAP之優缺點比較

﹒彈性較佳，變更設計較易，可支援中大型資料倉儲需求關聯式 |﹒適應性良好，對資料較不挑剔

ROLAP

I ﹒建檔速度較快

﹒開放式技術，開發人才與工具

較好找

﹒查詢速度介於MOLAP 與

ROLAP兩者之間

混合式

|﹒建檔速度極快，擴展性佳，可

HOLAP

I

支援大型資料庫 ﹒資料模組設計彈性佳，適用

ERModel

資料來源:林裕仁，民88 0

多維式

MOLAP

﹒查詢速度極快 ﹒硬體設備要求較低 ﹒簡單、好用，使用者不需有資訊技術背景亦會使用 ﹒分析、評比、數學功能強 ﹒易於維護 ﹒資料建構 (Load) 速度慢 ﹒由於建檔速度慢，一般的多維式資料庫不能太大 ﹒架構缺乏彈性，如果需變更設計，必須重新建置資料庫 .對資料比較挑剔，不是每種資料都適用於MOLAP ﹒資料重複性高、專屬性技術

與開放性較差

﹒查詢速度一般較MOLAP慢 .SQL查詢是對非資訊背景的人員一項挑戰 .SQL有些先天限制，難以執行許多複雜的查詢 .對硬體設備要求比較高 ﹒微觀查詢速度極慢 .SQL有些先天限制，難以執行許多複雜的查詢 2002付毛9 月生活科技教向'35 卷9 期

36

(6)

(7)

事實資料表星狀綱要雪花式綱要星狀雪花式綱要圖6 資料倉儲的綱要的三種架構一個資料倉儲是由事實資料 (Fact

Data) 與維度資料 (Dimension

Data)

所組成的，事實資料是能夠反應過去事實的資料，而維度資料則是為了使查詢更加快速而建立的索引參考資料。一般來說，可以使用下述三種架構來建立資料倉儲的綱要:星狀綱要

( Star

Schema) 、雪花式綱要

(snowflake

Schema) 、星狀雪花式綱要

(Starflake Schema)

，這三種綱要均是以事實資料表為中心，不同點只是在 2002年9 月生活科吱教育35卷9期

38

於外圍維度資料表相互之間的關係而己，如圖 6 。資料倉儲最適用的綱要類型是將反正規化的星狀綱要與正規化的雪花式綱要合併在一起使用，而成為星狀雪花狀綱要，然後利用此綱要建立需

要的Cube' 完成OLAP工作。因此，建

立資料倉儲的星狀雪花狀綱要為 OLAP 不可或缺的一項前置工作。