Многомерный подход к представлению данных в базе появился практически одновременно с реляционным, но интерес к ним стал приобретать массовый характер с середины 90-х.
Толчком послужила в 1993 году программная статья одного из основоположников реляционного подхода Э.Кодда. В ней сформулированы 12 основных требований к системам класса OLAP (оперативная аналитическая обработка), важнейшие из которых связаны с возможностями обработки многомерных данных. Многомерные системы позволяют оперативно обрабатывать информацию для проведения анализа и принятия решения.
В развитии ИС можно выделить следующие направления:
· Системы оперативной (транзакционной) обработки
· Системы аналитической обработки (системы поддержки принятия решений)
Реляционные СУБД предназначались для информационных систем оперативной обработки и в этой области весьма эффективны. В системах аналитической обработки они показали себя несколько неповоротливыми и недостаточно гибкими. Более эффективными здесь оказываются многомерные СУБД (МСУБД).
Многомерные СУБД являются узкоспециализированными СУБД, предназначенными для интерактивной аналитической обработки информации. Раскроем основные понятия используемые в этих СУБД: агрегируемость, историчность и прогнозируемость данных.
Агрегируемость данных означает рассмотрение информации на различных уровнях ее обобщения. В ИС степень детальности представления информации зависит от уровня пользователя: аналитик, пользователь-оператор, управляющий, руководитель.
Историчность данных предполагает обеспечение высокого уровня статичности собственно данных и их взаимосвязей, а также обязательность привязки ко времени.
Статичность данных позволяет использовать при их обработке специализированные методы загрузки, хранения, индексации и выборки.
Временная привязки необходима для частого выполнения запросов, имеющих значения времени и даты в составе выборки.
Прогнозируемость данных подразумевает задание функций прогнозирования и применение их к различным временным интервалам.
По сравнению с реляционной моделью многомерная организация данных обладает более высокой наглядностью и информативностью.
Если речь идет о многомерной модели с мерностью больше двух, то необязательно визуально информация представляется в виде многомерных объектов. Пользователю и в этих случаях более удобно иметь дело с двумерными таблицами или графиками. Данные при этом представляют собой «вырезки» («срезы») из многомерного хранилища данных, выполненные с разной степенью детализации.
Рассмотрим основные понятия многомерной модели.
Измерение – это множество однотипных данных, образующих одну из граней гиперкуба. Примерами наиболее часто используемых временных измерений являются Дни, Месяцы, Кварталы, Годы. В качестве физических измерений широко употребляются Города, Районы, Страны. В многомерной модели измерения играют роль индексов, служащих для идентификации конкретных значений в ячейках гиперкуба.
Ячейка или показатель – это поле, значение которого однозначно определяется фиксированным набором измерений. Тип поля чаще всего определяется как числовой. Значениями ячейки могут переменные или формулы.
Пример трехмерной модели:
В многомерной модели применяется ряд специальных операций:
«Срез» представляет собой подмножество гиперкуба, полученное в результате фиксации одного или нескольких измерений. Например, если ограничить значения измерения Модель автомобиля маркой Жигули, то получится двухмерная таблица продаж этой марки различными менеджерами по годам.
Операция «Вращение» применяется при двухмерном представлении данных. Суть заключается в измерении порядка измерений при визуальном представлении данных. В многомерном случае – процедура изменения порядка следования измерений.
Агрегация и детализация означает соответственно переход к более общему или более детальному представлению информации.
Основным достоинством многомерной модели является удобство и эффективность аналитической обработки больших объемов данных, связанных со временем. При организации обработки аналогичных данных на основе реляционной модели происходит нелинейный рост трудоемкости операций в зависимости от размерности БД.
Недостатком многомерной модели является ее громоздкость для простейших задач обычной оперативной обработки информации.
Примеры систем: Essbase, Media Multi-matrix (и реляционные тоже), Oracle Express Server.
