Inleiding tot Oracle Data Warehousing

Data warehousing kan in het algemeen worden gedefinieerd als een database voor het opslaan van bedrijfs- of organisatiegegevens waarop gewenste business case-activiteiten kunnen worden gerealiseerd. Reguliere transactionele operaties worden gescheiden van de totale werklast, terwijl historische records worden opgeslagen voor analyse en verbetering voorafgaand aan opslag. In dit artikel bespreken we de Oracle Data Warehousing.

Precies, Data Warehousing omvat:

  • Accumuleren van historische records uit verschillende gegevensbronnen.
  • Inspecteren en analyseren van bedrijfsgegevens uit het verleden.
  • Leid inzichten en vereiste informatie af om zakelijke behoeften en motieven te stimuleren.

De bewerkingen zijn dus meestal meer gericht op lezen dan op directe manipulatie van gegevenssets. Oracle data warehousing is een volledig geoptimaliseerd, cloudgebaseerd, uitgebreid en betrouwbaar databaseconcept van Oracle-database. Het is in de eerste plaats gebouwd om efficiënte en flexibele database-operaties te ervaren waardoor het toonaangevende prestaties levert.

Kenmerken van data warehousing

William H. Inmon, een Amerikaanse computerwetenschapper, verwijst naar kenmerken van Datawarehousing als:

  • Vakgerichte

Een datawarehouse wordt voornamelijk uitgezet om data te analyseren en inzichten te verkrijgen. We kunnen op maat gemaakte magazijnen op specifieke afdelingen in een bedrijf bouwen.

die op hun beurt leaderboard-artiesten, doelklanten, etc. kunnen afleiden

  • geïntegreerde

Gegevens die worden gemanipuleerd, worden vaak opgehaald uit verschillende bronnen. In dergelijke omstandigheden moeten gegevens prevaleren om conflicten te voorkomen. Zo'n eigenschap is integriteit.

  • Niet vluchtig

Wanneer gegevens worden omgezet in opslag, kunnen deze niet worden gemanipuleerd of gewijzigd. Aangezien analyse is uitgevoerd op de gegevens die zijn opgetreden.

  • Tijd variant

Om trends en regressie van historische gegevens af te leiden, heeft de analist een enorme hoeveelheid gegevens nodig.

Architectuur van Oracle Data Warehousing

Over het algemeen kan Oracle datawarehousing-architectuur grofweg worden gecategoriseerd als:

1. Single-Tier-architectuur

Het primaire doel is om de gegevensopslag aanzienlijk te verminderen en zo redundantie te verwijderen. Maar in de praktijk wordt het veel minder gebruikt.

2. Tweetraps architectuur

Een discrete laag fysiek beschikbare gegevensbronnen en datawarehouses. De architectuur is relatief niet uitbreidbaar en kent ook verbindingsbeperkingen.

3. Drie-Tier architectuur

De beroemde architectuur bestaat uit Bottom, Middle en Top Tier.

  • Bottom Tier: database vesten in deze laag die grotendeels relationele databasesystemen zijn. Gegevensbronnen worden verzameld en gemanipuleerd met behulp van verschillende back-endtoepassingen en ingevoerd in de database.
  • Middenlaag: geabstraheerde gelaagde weergave van de database die fungeert als tussenpersoon tussen gebruiker en database. Oracle ondersteunt een krachtige OLAP die in het middenniveau wordt geïmplementeerd en veilige, schaalbare analytische maatregelen in het systeem biedt.
  • Toplaag : de front-endlaag haalt de gegevens uit de database op en presenteert deze aan de client. Het kan elk van de op Oracle gebaseerde query-tools zijn, zoals SQLPlus, SQL-ontwikkelaar.

Nu gaan we verder met het verkennen van de details van de algemene architectuur. Raadpleeg de onderstaande afbeelding:

  • In de eerste plaats bestaat het centrale systeem, dat wil zeggen Oracle datawarehouse, uit onbewerkte gegevens, metagegevens en samenvattingsgegevens.
  • Ruwe gegevens zijn de werkelijke nuttige lading van de opgeslagen opgeslagen OLTP, samen met metagegevens die de gegevens bepalen die erin aanwezig zijn.
  • Anderzijds bevatten samenvattende gegevens alle overbodige dure en langlopende bewerkingen, die ook een materialized view worden genoemd.
  • Het voeden van de juiste kwaliteitsgegevensbron is belangrijker, wat op zijn beurt de kwaliteit en het onderhoud van gegevensopslag op de lange termijn beïnvloedt.

Data bronnen

  • In grotere ondernemingen worden gegevens vaak opgehaald uit verschillende feeds.
  • Het kan overal zijn, variërend van oude gegevens, externe bronnen, verticale toepassingen.

Verzamelplaats

  • De operationele gegevens moeten worden behandeld en opgeschoond voordat ze in data warehousing worden gepusht.
  • Staging-gebied zorgt voor dit proces, dat opnieuw programmatisch kan worden uitgevoerd.
  • Het verzamelgebied is verantwoordelijk voor het consolideren en verwerken van ongestructureerde gegevens uit verschillende gegevensbronnen.
  • De betekenis van het staginggebied kan worden gerealiseerd bij de afhandeling van enterprise-level warehousing, waar gegevens afkomstig moeten zijn van collectief in een ongestructureerde indeling, verwerkt en geconsolideerd voordat ze in het magazijn worden ingevoerd.

Data Marts

  • Naast het verwerken van gegevensbronnen, zou een onderneming vaak de architectuuromvang moeten aanpassen aan verschillende groepen.
  • Datamarts dienen een dergelijk doel, waarbij het systeem afhankelijk van verschillende afdelingen zoals marketing, inventaris doelbewust wordt gescheiden voor bestemd gebruik. Datamarts definiëren het bereik van de toegankelijkheid van gebruikers en gebruikersgroepen en beheren preventieve manieren om.
  • Het rapporteringsteam zou bijvoorbeeld toegang hebben tot de verkoopgegevens en het procesdashboard voor bedrijven, terwijl Sales gegevens van het analyseteam gebruikt om zakelijke beslissingen te nemen. Een dergelijke consolidatie en bereikdefinitie worden in datamarts gedeclareerd.
  • Bovendien kunnen datamarts zich meestal op dezelfde locatie bevinden als het Oracle datawarehouse-systeem of soms worden gebouwd als afzonderlijke schaalbaarheid voor het systeem.

voordelen

  • Ter vergelijking: het Oracle-magazijn wordt als eenvoudig en gemakkelijk configureerbaar beschouwd als de doelstellingen en bronnen duidelijk zijn.
  • Vooral gericht op het improviseren van besluitvorming in het bedrijfsleven.
  • Verhoogde productiviteit en effectieve bedrijfskosten.
  • Ondersteunt bij het transformeren van grote onbewerkte gegevens in waardevolle inzichten.
  • De integriteit van gegevens kan worden gegarandeerd met snelle kwaliteit.

nadelen

Met alle lof opzij, heeft Oracle datawarehousing bepaalde nadelen, zoals hieronder wordt uitgelegd:

  • Bezorgdheid over de beveiliging

Gegevensbeveiliging kan alleen nauwkeurig worden verantwoord als garantie als de leveranciersresource. Ook als een interne implementatie kan zorgen voor een betrouwbare toegankelijkheid tussen verschillende streams in een bedrijf, kan dit moeilijk zijn.

  • Gegevensflexibiliteit

Vaak bevatten magazijnen vaak statische gegevens en zijn ze onderworpen aan serieuze querystructuren.

  • Verhouding kosten / baten

Onderhoud en duur van IT-manuren is een grote factor bij de implementatie van Oracle Data warehousing.

Kwaliteitsmanagement in Oracle Data Warehousing

  • Ondersteunt end-to-end kwaliteitsoplossingen.
  • Houdt metadata en samenvatting van de repository bij.
  • Afhankelijk van de behoeften kan het mapping voor gegevenscorrecties spawnen.

Data warehousing-rollen in een bedrijf kunnen specifiek worden gecategoriseerd als verschillende functies, variërend van Data miner, Data warehousing consultant / ontwikkelaar tot architect. De IT-industrie is voortdurend getuige van de snelle groei van specialisaties voor data warehousing in business intelligence-technologieën.

Aanbevolen artikelen

Dit is een handleiding voor Oracle Data Warehousing. Hier bespreken we de architectuur, kenmerken, voordelen en nadelen van Oracle datawarehousing. U kunt ook onze andere voorgestelde artikelen doornemen -

  1. Componenten van Oracle Warehouse Builder
  2. Wat is Oracle Database en de architectuur ervan
  3. Inleiding tot Oracle String-functies
  4. Eenvoudige stappen voor het installeren van Oracle
  5. KPI in Power BI
  6. Power BI IF-verklaring
  7. Wat is een zoekopdracht en soorten Oracle-zoekopdrachten

Categorie:

Big Data