Ambienti Operativi per OLAP. Casi di Studio

Transcript

1 Ambienti Operativi per OLAP. Casi di Studio Alfredo Cuzzocrea DEIS Dipartimento di Elettronica, Informatica e Sistemistica Università della Calabria cuzzocrea@deis.unical.it

2 Sommario Installazione e Configurazione di Microsoft SQL Server Developer Edition (DBMS Server) Installazione e Configurazione di Microsoft Analysis Services (OLAP Server) Introduzione a MS SQL Server Enterprise Manager: Funzionalità e Casi d Uso Introduzione a MS Analysis Manager: Funzionalità e Casi d Uso OLAP Datacube: Creazione e Tuning - Esempio Creazione e Tuning di un OLAP Datacube

3 Architettura di un OLAP Server Monitor + Integrator Metadata OLAP Server OLTP DBs Extract Transform Load Refresh Data Warehouse Serve Analyzing Querying Reporting Data Mining Other Data Sources Data Marts Data Sources Data Repositories OLAP Engine Front-End Tool

4 Installazione e Configurazione di MS SQL Server Accedere la directory D:\ITALIAN\SQL2000\DEV\ Lanciare il file di installazione AUTORUN.EXE

5 Installazione e Configurazione di MS SQL Server Selezionare

10 Installazione e Configurazione di MS SQL Server Immettere i Dati Personali e Selezionare

12 Installazione e Configurazione di MS SQL Server Immettere Nome Istanza e Selezionare

16 Installazione e Configurazione di MS SQL Server Installazione in corso

17 Installazione e Configurazione di MS SQL Server Installazione completata

18 Installazione e Configurazione di MS Analysis Services Accedere la directory D:\ITALIAN\SQL2000\DEV\ Lanciare il file di installazione AUTORUN.EXE

19 Selezionare Installazione e Configurazione di MS Analysis Services

23 Installazione e Configurazione di MS Analysis Services Installazione in corso

24 Installazione e Configurazione di MS Analysis Services Installazione completata

25 MS SQL Server Enterprise Manager

26 MS SQL Server Enterprise Manager E un tool grafico user-friendly che consente di progettare e creare un database Offre un serie di strumenti che consentono di eseguire in modo facile operazione altrimenti complesse come: definire tabelle, query e viste su database; definire utenti e privilegi; dimensionare database; gestire database.

27 MS Analysis Services (OLAP Server) E l implementazione Microsoft di OLAP Server Offre buone prestazione per realtà aziendali piccole/medie E integrato con MS SQL Server e si presenta come un tool di servizi aggiuntivi del DBMS Server Utilizza un modello dati multi-dimensionale per ottimizzare l accesso ai dati mediante client OLAP Il sistema software sottostante viene riferito come Analysis Server

28 Architettura di Analysis Server Server Custom Applications Analysys Manager Client Client Application Source data DSO Client Application ADO MD Relational Database ROLAP data OLE DB Cube HOLAP MOLAP Analysis Server PivotTable Service Data Storage

29 MS Analysis Manager

30 MS Analysis Manager E un tool grafico user-friendly che integra diversi editor specializzati utili per progettare in modo completo un datacube OLAP, tra cui: Cube Editor; Dimension Editor.

31 Principi di Progettazione di Datacube OLAP Modellare la Realtà osservata in termini di Dimensioni, Gerarchie e Misure Le Misure rappresentano i parametri di interesse e, solitamente, sono dati numerici che possono essere facilmente totalizzati e storicizzati Le Dimensioni rappresentano gli attributi rispetto ai quali le Misure vengono prodotte. Es.: quale è stata la Vendita totale del prodotto Pane nel mese di Dicembre 2003 nella zona Provincia di Cosenza? Le Gerarchie vengono definite sulle Dimensioni

32 Best Practices 1. Selezionare il Processo Aziendale di interesse 2. Dichiarare la Grana 3. Scegliere le Dimensioni 4. Identificare i Fatti ma soprattutto avere un modello logico a supporto della progettazione: Dimensional Fact Model

33 Dimensional Fact Model Consente di modellare a livello concettuale lo schema multi-dimensionale del Datacube OLAP category brand product street Sales money quantity store city day month week year region country

34 Modello Multi-Dimensionale dei Dati 1. Nel caso N=3, offre una visione molto chiara e intuitiva sulla tecnologia OLAP: Prodotto S N Succo Cola Latte Crema Dentifricio Sapone Detersivo Regione Regione W Mese Fatto: Vendite (importo) Dimensioni: Prodotto, Regione,, Tempo Percorsi gerarchici di sintesi Prodotto Industria Categoria Prodotto Regione Paese Regione Città Ufficio Mese Tempo Anno Trimestre Giorno Settimana

35 Datacube OLAP con MS Analysis Services L esempio presente in MS Analysis Services è un database di nome FoodMart 2000 sul quale sono definiti una serie di datacube OLAP:

36 Componenti di Interesse Database Multi-dimensionale:

37 Datacube OLAP: Componenti di Interesse

38 Componenti di Interesse Datacube OLAP Collegati: Datacube OLAP Virtuali:

39 Progettare un Datacube OLAP in MS Analysis Services 1. Creare il nome dell origine dei dati di sistema (DNS) 2. Creare il database multi-dimensionale ed impostare l origine dei dati 3. Creare il datacube OLAP utilizzando il tool Cube Editor 4. Definire la modalità di memorizzazione ed elaborazione del datacube OLAP

40 Progettare un Datacube OLAP in MS Analysis Services Creare il nome (logico) dell origine dei dati di sistema (DNS)

41 Progettare un Datacube OLAP in MS Analysis Services Creare il database multi-dimensionale

42 Progettare un Datacube OLAP in MS Impostare l origine dei dati Analysis Services

43 (Data)Cube (OLAP) Editor Selezionare una Tabella dei Fatti dall origine dei dati di interesse Selezionare le Misure di interesse all interno della Tabella dei Fatti Creare le Dimensioni utilizzando il tool Dimension Editor e scegliendo tra Dimensioni Standard e Dimensioni Temporali Esistono due modelli solitamente utilizzati per la creazione di dimensioni: modello a stella (star schema) e modello a fiocco di neve (snowflake schema)

44 Date Date Month Year Store StoreID City State Country Region Measurements Star Schema Sales Fact Table Date Product Store Customer unit_sales dollar_sales Yen_sales Product ProductNo ProdName ProdDesc Category QOH Cust CustId CustName CustCity CustCountry Un unica tabella delle dimensioni

45 Snowflake Schema Year Year Month Month Year Date Date Month Sales Fact Table Date Product Product ProductNo ProdName ProdDesc Category QOH Country Country Region State State Country City City State Store StoreID City Measurements Store Customer unit_sales dollar_sales Yen_sales Cust CustId CustName CustCity CustCountry Più tabelle delle dimensioni correlate

46 Dimension Editor Quando si progettano le dimensioni di un datacube OLAP si possono utilizzare le dimensioni esistenti nel modello multi-dimensionale selezionato oppure creare nuove dimensioni Il wizard Creazione Guidata Dimensione consente di creare agevolmente una nuova dimensione Le Dimensioni Temporali sono di particolare interesse perché offrono un naturale schema di aggregazione multi-livello di dati: Anno, Mese, Settimana, Giorno, Sulle Dimensioni si possono definire Gerarchie di Livelli

47 Dimension Editor Selezionare il tipo di Dimensione

48 Dimension Editor Creare i Livelli per la Dimensione Temporale Selezionata Creare, utilizzando il tool di editing di Dimensioni Standard, le seguenti dimensioni: Product; Customer; Store.

49 Editing di Dimensioni Standard Dimensione Product

50 Editing di Dimensioni Standard Selezionare il modello a Fiocco di Neve Selezionare le Tabelle delle Dimensioni di interesse Il tool evidenzia le join esistenti tra queste tabelle Definire i Livelli per la Dimensione che si sta progettando scegliendo tra le Colonne Disponibili

51 OLAP Datacube Schema

52 Modalità di Memorizzazione ed Elaborazione del Datacube OLAP Le modalità di Memorizzazioni possibili sono: OLAP Multi-dimensionale (MOLAP); OLAP Relazionale (ROLAP); OLAP Ibrido (HOLAP). MS Analysis Services rende disponible il tool Configura Archiviazione per definire memorizzazione ed elaborazione del datacube OLAP Memorizzazione ed Elaborazione sono parametri di progetto critici

53 Tool Configura Archiviazione

54 Progetto di un Datacube OLAP Creare un datacube OLAP sulla sorgente dei dati FoodMart avente il seguente Modello Multi-Dimensionale: Misure: gross_weight e net_weight della tabella dei fatti product Dimensioni: time, definita sulla tabella delle dimensioni time_by_day, avente livelli {year, month}; inventory97_98, definita sulle tabelle delle dimensioni inventory_fact_1997 e inventory_fact_1998, avente livelli {inventory_fact_1997.supply_time, inventory_fact_1998.warehouse_sales}; customer, definita sulla tabella delle dimensioni customer, avente livelli {state_province, city}

55 Completare lo Schema del Datacube OLAP Definendo le Join Necessarie

56 Elaborazione di un Datacube OLAP Definire il Modello di Storing MOLAP ed Elaborare il Datacube OLAP

57 Statistiche di Utilizzo Un tool grafico utile per verificare l utilizzo effettivo del Datacube OLAP creato (Monitoring)