Einführung in Oracle Data Warehousing
Data Warehousing kann im Allgemeinen als eine Datenbank für die Bevorratung von Geschäfts- oder Organisationsdaten definiert werden, über die gewünschte Geschäftsfallaktivitäten erzielt werden können. Regelmäßige Transaktionsvorgänge werden von der Gesamtarbeitslast getrennt, während historische Aufzeichnungen zur Analyse gespeichert und vor der Lagerung verbessert werden. In diesem Artikel werden wir uns mit Oracle Data Warehousing befassen.
Genau genommen umfasst Data Warehousing Folgendes:
- Sammeln von historischen Aufzeichnungen aus verschiedenen Datenquellen.
- Überprüfung und Analyse von Geschäftsunterlagen in der Vergangenheit.
- Leiten Sie Erkenntnisse und erforderliche Informationen ab, um geschäftliche Anforderungen und Motive voranzutreiben.
Daher sind die Operationen meist eher lesebezogen als die direkte Manipulation von Datensätzen. Oracle Data Warehousing ist ein vollständig optimiertes, cloudbasiertes, umfassendes und zuverlässiges Datenbankkonzept für Oracle-Datenbanken. Es wurde in erster Linie für effiziente und flexible Datenbankoperationen entwickelt, die marktführende Leistung erbringen.
Eigenschaften von Data Warehousing
William H. Inmon, ein amerikanischer Informatiker, bezeichnet die Merkmale des Data Warehousing als:
-
Subjektorientiert
Ein Data Warehouse wird hauptsächlich gezeichnet, um Daten zu analysieren und Erkenntnisse abzuleiten. Wir können Lager in bestimmten Abteilungen eines Unternehmens nach Maß bauen.
Daraus lassen sich wiederum Leaderboard-Darsteller, Zielkunden usw. ableiten.
-
Integriert
Manipulierte Daten werden häufig aus verschiedenen Quellen abgerufen. In solchen Fällen sollten die Daten Vorrang haben, um Konflikten vorzubeugen. Ein solches Merkmal erworben ist Integrität.
-
Nichtflüchtig
Wenn Daten in die Lagerhaltung gelangen, können sie nicht manipuliert oder geändert werden. Da die Analyse auf den Daten erfolgt, die aufgetreten sind.
-
Zeitunterschied
Um Trends und Regressionen historischer Daten abzuleiten, benötigt der Analyst eine große Datenmenge.
Architektur von Oracle Data Warehousing
Im Allgemeinen kann die Oracle Data Warehousing-Architektur wie folgt eingeteilt werden:
1. Einschichtige Architektur
Vorrangiges Ziel ist es, die Datenspeicherung erheblich zu reduzieren und so Redundanzen zu beseitigen. In der Praxis wird es jedoch weniger häufig verwendet.
2. Zweistufige Architektur
Eine diskrete Schicht physisch verfügbarer Datenquellen und Data Warehouses. Vergleichsweise ist die Architektur nicht erweiterbar und unterliegt auch Konnektivitätsbeschränkungen.
3. Dreischichtige Architektur
Die berühmte Architektur besteht aus Bottom, Middle und Top Tier.
- Untere Ebene : In dieser Ebene befinden sich Datenbanksysteme, bei denen es sich hauptsächlich um relationale Datenbanksysteme handelt. Datenressourcen werden mithilfe verschiedener Back-End-Anwendungen gesammelt und bearbeitet und in die Datenbank eingespeist.
- Middle Tier: Abstrahierte Ebenenansicht der Datenbank, die als Zwischenstufe zwischen Benutzer und Datenbank fungiert. Oracle unterstützt ein leistungsfähiges OLAP, das in der mittleren Ebene implementiert ist und sichere, skalierbare Analysemaßnahmen im System bietet.
- Oberste Ebene : Die Front-End-Ebene holt die Daten aus der Datenbank und präsentiert sie dem Client. Es kann sich um eines der Oracle-basierten Abfragetools handeln, z. B. SQLPlus, SQL Developer.
Nun werden wir uns mit den Details der Gesamtarchitektur befassen. Beziehen Sie sich auf das folgende Bild:
- Das zentrale System, dh Oracle Data Warehouse, besteht in erster Linie aus Rohdaten, Metadaten und Zusammenfassungsdaten.
- Rohdaten sind die tatsächlichen Nutzdaten des regulären OLTP, zusammen mit den Metadaten, die die darin enthaltenen Daten definieren.
- Auf der anderen Seite enthalten Zusammenfassungsdaten alle redundanten, teuren und lang andauernden Vorgänge, die auch als Materialized-Ansicht bezeichnet werden.
- Das Einspeisen der richtigen Qualitätsdatenquelle ist wichtiger, was sich wiederum langfristig auf die Qualität und Wartung des Data Warehouses auswirkt.
Datenquellen
- In größeren Unternehmen werden Daten häufig aus verschiedenen Feeds abgerufen.
- Das Spektrum reicht von Altdaten über externe Quellen bis hin zu vertikalen Anwendungen.
Bühnenbereich
- Die Betriebsdaten sollen vor dem Einlagern in das Data Warehousing aufbereitet und bereinigt werden.
- Staging-Bereich kümmert sich um diesen Prozess, der wieder programmgesteuert ausgeführt werden kann.
- Der Staging-Bereich ist für die Konsolidierung und Verarbeitung unstrukturierter Daten aus verschiedenen Datenquellen verantwortlich.
- Die Bedeutung des Staging-Bereichs kann bei der Verwaltung von Warehouses auf Unternehmensebene erkannt werden, bei denen Daten in einem unstrukturierten Format gesammelt, verarbeitet und konsolidiert werden sollen, bevor sie in das Lager eingespeist werden.
Data Marts
- Abgesehen vom Umgang mit Datenquellen musste ein Unternehmen häufig den Architekturumfang an verschiedene Gruppen anpassen.
- Data Marts dienen einem solchen Zweck, bei dem das System abhängig von verschiedenen Abteilungen wie Marketing, Inventar absichtlich für die vorgesehene Verwendung getrennt wird. Data Marts definieren den Barrierefreiheitsbereich von Benutzern und Benutzergruppen und verwalten vorbeugende Einsätze.
- Das Berichterstellungsteam greift beispielsweise auf das Vertriebsdaten- und Prozess-Dashboard für Unternehmen zu, während der Vertrieb Daten aus dem Analyseteam verwendet, um Geschäftsentscheidungen zu treffen. Eine solche Konsolidierung und Umfangsdefinition wird in Data Marts deklariert.
- Darüber hinaus können Data Marts in der Regel zusammen mit dem Oracle Data Warehouse-System lokalisiert oder als separates System erstellt werden, um die Skalierbarkeit zu verbessern.
Vorteile
- Oracle Warehouse wird vergleichsweise als einfach und leicht konfigurierbar angesehen, wenn die Ziele und Quellen klar sind.
- Ziel ist in erster Linie die Improvisation der Entscheidungsfindung in der Wirtschaft.
- Erhöhte Produktivität und effektive Betriebskosten.
- Unterstützt die Umwandlung großer Rohdaten in wertvolle Erkenntnisse.
- Die Integrität der Daten kann mit sofortiger Qualität garantiert werden.
Nachteile
Abgesehen von all dem Lob hat Oracle Data Warehousing einige Nachteile, die im Folgenden erläutert werden:
-
Sicherheitsbedenken
Die Datensicherheit kann genauestens für die Garantie nur so gut wie die Lieferantenressource berücksichtigt werden. Auch wenn eine interne Implementierung erforderlich ist, kann es schwierig sein, einen vertrauenswürdigen Zugriffsbereich zwischen verschiedenen Streams in einem Unternehmen sicherzustellen.
-
Datenflexibilität
Oft neigen Lager dazu, statische Daten zu speichern, und unterliegen ernsthaften Abfragestrukturen.
-
Kosten-Nutzen-Verhältnis
Bei der Implementierung von Oracle Data Warehousing spielen die Wartung und der Zeitaufwand für den IT-Personaleinsatz eine wichtige Rolle.
Qualitätsmanagement im Oracle Data Warehousing
- Unterstützt durchgängige Qualitätslösungen.
- Verfolgt Metadaten und eine Zusammenfassung des Repositorys.
- Je nach Bedarf kann es zu Spawn-Mappings für Datenkorrekturen kommen.
Data Warehousing-Rollen in einem Unternehmen können speziell als unterschiedliche Berufsbezeichnungen kategorisiert werden, die von Data Miner, Data Warehousing-Berater / -Entwickler bis hin zu Architekten reichen. In der IT-Branche wächst die Spezialisierung auf Business-Intelligence-Technologien im Bereich Data Warehousing stetig.
Empfohlene Artikel
Dies ist eine Anleitung zu Oracle Data Warehousing. Hier diskutieren wir die Architektur, Eigenschaften, Vor- und Nachteile von Oracle Data Warehousing. Sie können auch unsere anderen Artikelvorschläge durchgehen -
- Komponenten von Oracle Warehouse Builder
- Was ist Oracle Database und seine Architektur?
- Einführung in Oracle String-Funktionen
- Einfache Schritte zur Installation von Oracle
- KPI in Power BI
- Power BI IF-Anweisung
- Was ist eine Abfrage und Arten von Oracle-Abfragen?