СППР, хранилища данных, OLAP-системы

Технология Data Мining (также называемая Knowledge Discovery in Data) изучает процесс нахождения новых, действительных и потенциально полезных знаний в базах данных. Data Мining лежит на пересечении нескольких наук, главные из которых - это системы баз данных, статистика и искусственный интеллект.

Системы поддержки принятия решений - СППР (DSS, Decision Support Systems) Основная задача СППР - предоставить аналитикам инструмент для выполнения анализа данных. Необходимо отметить, что для эффективного использования СППР ее пользователь-аналитик должен обладать соответствующей квалификацией. Система не генерирует правильные решения, а только предоставляет аналитику данные в соответствующем виде (отчеты, таблицы, графики и т. п.) для изучения и анализа. СППР решают три основные задачи: сбор, хранение и анализ хранимой информации.

Классы задач анализа данных Информационно-поисковый: СППР осуществляет поиск необходимых данных. Характерной чертой такого анализа является выполнение заранее определенных запросов. Оперативно-аналитический: СППР производит группирование и обобщение данных в любом виде, необходимом аналитику. В отличие от информационно- поискового анализа в данном случае невозможно заранее предсказать необходимые аналитику запросы. Применяется многомерное представлений данных. Интеллектуальный: СППР осуществляет поиск функциональных и логических закономерностей в накопленных данных, построение моделей и правил. которые объясняют найденные закономерности и/или прогнозируют развитие некоторых процессов (с определенной вероятностью).

Требования, предъявляемые к системам OLTP и СППР ХарактеристикаOLTPСППР Степень детализации хранимых данных Хранятся только детализированные данные Хранятся детализированные и обобщенные данные Качество данныхДопускаются неверные данные из-за ошибок ввода Не допускаются ошибки в данных Формат хранения данных Могут быть данные разных форматов в зависимости от приложений Единый согласованный формат данных Допущение избыточных данных Должна обеспечиваться максимальная нормализация Допускается контролируемая денормализация (избыточность) Управление даннымиДолжна быть возможность в любой момент изменять, добавлять и удалять данные Должна быть возможность периодически добавлять данные

Требования, предъявляемые к системам OLTP и СППР ХарактеристикаOLTPСППР Количество хранимых данных Должны быть доступны все оперативные данные Должны быть доступны все данные, накопленные в течение продолжительного периода Характер запросов к данным Доступ к данным по заранее заданным запросам Запросы могут быть произвольными и заранее не оформлены Время обработки обращений к данным Миллисекунды, секундыМинуты, даже часы Характер вычислительной нагрузки на систему Постоянно средняя загрузка процессора Загрузка процессора только при выполнении запросов, но на 100% Приоритетность характеристик системы Высокая производительность и доступность Гибкость и независимость работы пользователей

Вопросы Какие задачи решают СППР? На какие типы делятся задачи анализа данных? Из чего состоит архитектура СППР? Каковы требованиям к системам OLTP и СППР?

Хранилища данных В основе концепции ХД лежит идея разделения данных, используемых для оперативной обработки и для решения задач анализа. Хранилище данных - предметно ориентированный, интегрированный, неизменчивый, поддерживающий хронологию набор данных, организованный для целей поддержки принятия решений.

Проблемы создания физического ХД: необходимость интеграции данных из неоднородных источников в распределенной среде; потребность в эффективном хранении и обработке очень больших объемов информации; необходимость наличия многоуровневых справочников метаданных; повышенные требования к безопасности данных.

Buтpина данных (ВД) - это упрощенный вариант ХД, содержащий только тематически объединенные данные.

Архитектура ХД

Состав ХД Детальными являются данные, переносимые непосредственно из ОИД. Они соответствуют элементарным событиям, фиксируемым OL ТР системами. (Haпример, продажи, эксперименты и др.). Принято разделять все данные на измерения и факты. Измерениями называются наборы данных, необходимые для описания событий (например, города, товары, люди и т. п.). Фактами называются данные, отражающие сущность события (например, количество проданного товара, результаты экспериментов и т. п.). На основании детальных данных могут быть получены агрегированные (обобщенные) данные.

Состав ХД Для удобства работы с ХД необходима информация о содержащихся в нем данных. Такая информация называется метаданными (данные о данных). Coгласно концепции Дж. Захмана, метаданные должны отвечать на следующие вопросы что (описание объектов), кто (описание пользователей), где (описание места хранения), как (описание действий), когда (описание времени) и почему (описание причин).

Информационные потоки в ХД Входной поток (Inflow) образуется данными, копируемыми из ОИД в ХД; поток обобщения (Upflow) образуется аrреrированием детальных дaнных и их сохранением в ХД; архивный поток (Downflow) образуется перемещением детальных дaнных, количество обращений к которым снизилось; поток метаданных (MetaFlow) образуется переносом информации о данных в репозиторий данных; выходной поток (Outf1ow) образуется данными, извлекаемыми пользователями; обратный поток (Feedback Flow) образуется очищенными данными, записываемыми обратно в ОИД.

ЕТL- процесс (Еxtraction, Тransformation, Loading)

Очистка данных Уровень ячейки таблицы: Орфографические ошибки (опечатки) Oтсутствие данных Фиктивные значения Логически неверные значения Закодированные значения Составные значения

Вопросы Что такое хранилище данных? Что такое виртуальное и физическое хранилище данных? Из чего состоит хранилище данных? Какие потоки данных имеются в хранилище данных? В чем заключается очистка данных?

ОLАР-системы Многомерная модель данных Измерение - это последовательность значений одного из анализируемых параметров. Например, для параметра "время" это последовательность календарных дней, для параметра "реrион" это может быть список городов. По Кодду, многомерное концептуальное представление (multidimel1siol1al conceptual view) - это множественная перспектива, состоящая из нескольких независимых измерений, вдоль которых могут быть проанализированы определенные совокупности данных. Одновременный анализ по нескольким измерениям определяется как многомерный анализ.

Гиперкуб

Операция среза (slice)

Операция вращения (rotate)

Двенадцать правил Кодда 1. Многомерность 2. Прозрачность 3. Доступность 4. Постоянная производительность при разработке отчетов 5. Клиент-серверная архитектура 6. Равноправие измерений 7. Динамическое управление разреженными матрицами. 8. Поддержка многопользовательского режима 9. Неограниченные перекрестные операции 10. Интуитивная манипуляция данными 11. Гибкие возможности получения отчетов 12. Неограниченная размерность и число уровней агрегации

Дополнительные правила Кодда 1. Пакетное извлечение против интерпретации 2. Поддержка всех моделей ОLАР-анализа 3. Обработка ненормализованных данных 4. Сохранение результатов OLAP: хранение их отдельно от исходных данных 5. Исключение отсутствующих значений 6. Обработка отсутствующих значений

Тест FASMI F AST (Быстрый) ANALYSIS (Анализ) SHARED (Разделяемой) МULТIDIМЕNSIONАL (Mногомерной) INFORMAТION (Информации)

OLAP-серверы MOLAP - многомерный (multivаriаtе) ОLАР. Для реализации многомерной модели используют многомерные БД; ROLAP - реляционный (relаtiоnаl) OLAP. Для реализации многомерной модели используют реляционные БД; HOLAP - гибридный (hybrid) OLAP. Для реализации многомерной модели используют и многомерные, и реляционные БД.

MOLAP Каждый «кубик» преобразуется в отдельную строку таблицы:

MOLAP Преимущества: поиск и выборка данных осуществляются значительно быстрее, легко включить в информационную модель разнообразные встроенные функции. Недостатки: большой объем, сложно хранить разреженные данные, чувствительны к изменениям структуры многомерной модели.

MOLAP – когда использовать? объем исходных данных для анализа не слишком велик (не более нескольких гигабайт), т. е. уровень агрегации данных достаточно высок; набор информационных измерений стабилен; время ответа системы на нерегламентированные запросы является наиболее критичным параметром; требуется широкое использование сложных встроенных функций.

ROLAP – схема «звезда» В центре – таблица фактов, по краям – таблицы измерений

ROLAP – схема «снежинка»

ROLAP Плюсы: в большинстве случаев корпоративные хранилища данных реализуются средствами реляционных СУБД и инструменты ROLAP позволяют производить анализ непосредственно над ними. в случае переменной размерности задачи, когда изменения в структуру измерений приходится вносить достаточно часто, RОLАР системы с динамическим представлением размерности являются оптимальным решением, т. к. В них такие модификации не требуют физической реорганизации БД; реляционные СУБД обеспечивают значительно более высокий уровень защиты данных и хорошие возможности разграничения прав доступа. Минусы: низкая скорость работы!

Вопросы Какие операции можно производить над гиперкубом? Приведите плюсы и минусы MOLAP. Приведите плюсы и минусы ROLAP.