Introduktion till Oracle Data Warehousing
Datalagring, i allmänhet, kan definieras som en databas för lagring av affärs- eller organisationsdata på vilka önskad affärsverksamhet kan uppnås. Regelbundna transaktionsåtgärder är åtskilda från den totala arbetsbelastningen medan lagring av historiska poster för analys och förbättring utförs före lagring. I den här artikeln kommer vi att diskutera Oracle Data Warehousing.
Precis, Data Warehousing inkluderar:
- Ackumulera historiska poster från olika datakällor.
- Inspektera och analysera tidigare företagsregister.
- Erhålla insikter och information som krävs för att driva affärsbehov och motiv.
Således är operationerna mestadels läsorienterade, snarare än direkt manipulation av datasätt. Oracle datalagring är en fullt optimerad, molnbaserad, omfattande och pålitlig databasuppfattning av Oracle-databasen. Den är främst byggd för att uppleva effektiva och flexibla databasåtgärder som gör att den levererar marknadsledande prestanda.
Egenskaper för datalagring
William H. Inmon, en amerikansk datorforskare hänvisar till egenskaper hos datalagring som:
-
Ämnesinriktade
Ett datalager planeras främst för att analysera data och härleda insikter. Vi kan anpassa lager på specifika avdelningar i ett företag.
vilket i sin tur kan härleda topplistor, målkunder etc.
-
integrerad
Data som manipuleras hämtas ofta från olika källor. Under sådana omständigheter bör data råda konsekvent för att förhindra konflikter. En sådan egenskap som förvärvas är integritet.
-
Icke flyktig
När data överförs till lager kan de inte manipuleras eller modifieras. Sedan analys görs på de uppgifter som har inträffat.
-
Tids Variant
För att härleda trender och regression på historiska data kräver analytikern en enorm mängd data.
Arkitektur av Oracle Data Warehousing
I allmänhet kan Oracle datalagringsarkitektur i stort sett kategoriseras som:
1. Arkitektur med en nivå
Det primära målet är att minska datalagring i betydande omfattning och därmed ta bort redundans. Men i praktiken används det mycket mindre runt.
2. Arkitektur med två nivåer
Ett diskret lager av fysiskt tillgängliga datakällor och datalager. Jämförelsevis är arkitekturen inte utdragbar och står också inför anslutningsbegränsningar.
3. Arkitektur med tre nivåer
Den berömda arkitekturen består av botten, mitten och toppnivå.
- Nedre nivå: Databasvester i detta lager som i stort sett är relationsdatabassystem. Data resurser samlas in och manipuleras med olika back-end applikationer och matas in i databasen.
- Mellannivå: Abstrakt lagervy av databasen som fungerar som en mellanprodukt mellan användare och databas. Oracle stöder en kraftfull OLAP som implementeras i mitten av nivån och ger säkra, skalbara analytiska åtgärder i systemet.
- Toppnivå: Det främre ändskiktet hämtar data från databasen och presenterar det för klienten. Det kan vara vilket som helst av de Oracle-baserade frågeställningsverktygen som SQLPlus, SQL-utvecklare.
Nu kommer vi att gå vidare och utforska detaljerna i den övergripande arkitekturen. Se bilden nedan:
- Primärt består det centrala systemet, dvs Oracle datalager av rå data, metadata och sammanfattningsdata.
- Rå data är den faktiska nyttolasten för den lagrade OLTP, tillsammans med vilken metadata definierar de data som finns inom.
- Å andra sidan innehåller sammanfattningsdata alla överflödiga dyra och långvariga operationer, som också kallas en materialiserad vy.
- Att mata rätt datakälla för kvalitet är viktigare vilket i sin tur påverkar kvaliteten och underhållet på datalagring på lång sikt.
Datakällor
- I större företag hämtas data ofta från olika flöden.
- Det kan vara allt från gamla data, externa källor, vertikala applikationer.
Sceneringsområde
- De operativa uppgifterna ska behandlas och rengöras innan de skjuts in i datalager.
- Sceneringsområdet tar hand om denna process, som återigen kan köras programmatiskt.
- Sceneringsområdet ansvarar för att konsolidera och behandla ostrukturerade data från olika datakällor.
- Betydelsen av iscenesättningsområdet kan förverkligas vid hantering av lagringsföretag på företagsnivå, där data borde komma från kollektivt i ett ostrukturerat format, bearbetas och konsolideras innan de matas in i lagret.
Data Marts
- Förutom att hantera datakällor skulle ett företagsföretag ofta behöva anpassa arkitekturomfånget till olika grupper.
- Datamarker tjänar ett sådant syfte, där systemet beroende på olika avdelningar som marknadsföring, är inventering avsedd för avsedd användning. Datamarker definierar tillgänglighetsomfånget för användare och användargrupper och hanterar förebyggande sätt i.
- Rapporteringsteamet kan till exempel komma åt försäljningsdata och processpanel för företag, medan Sales använder data från analysteamet för att driva affärsbeslut. Sådan konsolidering och definition av räckvidd deklareras i datamarkeringar.
- Dessutom kan datamarter vanligtvis samlokaliseras med Oracle-datalagringssystemet eller ibland kan de byggas som separat system som underlättar skalbarhet.
fördelar
- Jämförelsevis anses Oracle-lagret vara enkelt och enkelt att konfigurera om målen och källorna är tydliga.
- Syftar främst till att improvisera beslutsfattande i affärer.
- Ökad produktivitet och effektiva driftkostnader.
- Stöder i att omvandla stora rådata till värdefull insikt.
- Integriteten för data kan garanteras med snabb kvalitet.
nackdelar
Med allt beröm åt sidan har Oracle datalagring vissa nackdelar som förklaras nedan:
-
Säkerhetsproblem
Datasäkerhet kan bara redovisas för garanti bara så bra som leverantörens resurs. Det kan också vara svårt att genomföra internt genomförande som säkerställer tillförlitlig tillgänglighet mellan olika strömmar i ett företag.
-
Dataflexibilitet
Ofta brukar lager ha statisk data och är föremål för allvarliga frågestrukturer.
-
Kostnad / förmånsgrad
Underhåll och utvidgning av IT-arbetstimmar är en enorm faktor i implementeringen av Oracle Data-lager.
Kvalitetshantering i Oracle Data Warehousing
- Stöder kvalitetslösningar från slutet till slut.
- Spårar metadata och sammanfattning av förvaret.
- Beroende på behoven kan den spawn-mapping för datakorrigeringar.
Data warehousing-roller i ett företag kan specifikt kategoriseras som olika jobbtitlar, allt från Data miner, Data warehousing-konsult / -utvecklare till arkitekt. IT-industrin bevittnar ständigt den snabba tillväxten av datalagringsspecialiseringar inom teknik för affärsintelligens.
Rekommenderade artiklar
Detta är en guide till Oracle Data Warehousing. Här diskuterar vi arkitekturen, egenskaperna, fördelarna och nackdelarna med Oracle datalagring. Du kan också gå igenom våra andra föreslagna artiklar -
- Komponenter i Oracle Warehouse Builder
- Vad är Oracle-databasen och dess arkitektur
- Introduktion till Oracle String-funktioner
- Enkla steg för hur du installerar Oracle
- KPI i Power BI
- Power BI IF-uttalande
- Vad är en fråga och typer av Oracle-frågor