Introduktion til Oracle Data Warehousing
Datalagring kan generelt defineres som en database til opbevaring af forretnings- eller organisationsdata, på hvilke ønskede business case-aktiviteter kan opnås. Regelmæssige transaktionsoperationer adskilles fra den samlede arbejdsbyrde, mens lagring af historiske poster til analyse og forbedring udføres før oplagring. I denne artikel vil vi diskutere Oracle Data Warehousing.
Præcis, Data Warehousing inkluderer:
- Akkumulering af historiske poster fra forskellige datakilder.
- Inspektion og analyse af tidligere forretningsregistre.
- Udlede indsigt og krævet information for at drive forretningsbehov og motiver.
Derfor er operationerne mest læseorienteret snarere end direkte manipulation af datasæt. Oracle-datalagring er en fuldt optimeret, skybaseret, omfattende og pålidelig databasekoncept af Oracle-databasen. Det er primært bygget til at opleve effektive og fleksible databasefunktioner, der gør det til at levere markedsledende ydelse.
Karakteristika ved datalagring
William H. Inmon, en amerikansk computerforsker, henviser til karakteristika ved datalagring som:
-
Emne-Oriented
Et datavarehus er primært planlagt til at analysere data og udlede indsigt. Vi kan skræddersy lagerbygninger på specifikke afdelinger i et firma.
som igen kan deducere leaderboard-kunstnere, målkunder osv.
-
Integreret
Data, der manipuleres, hentes ofte fra forskellige kilder. Under sådanne omstændigheder bør data være fremherskende konsekvent for at forhindre konflikter. En sådan egenskab erhvervet er integritet.
-
Ikke-flygtig
Når data overføres til lager, kan de ikke manipuleres eller ændres. Da analyse udføres på de data, der er forekommet.
-
Time-Variant
For at udlede tendenser og regression på historiske data kræver analytikeren en enorm mængde data.
Arkitektur af Oracle Data Warehousing
Generelt kan Oracle datalagerarkitektur bredt kategoriseres som:
1. Arkitektur i enkelt niveau
Det primære mål er at reducere datalagring i væsentlig grad og således fjerne redundans. Men i praksis er det meget mindre brugt omkring.
2. Arkitektur i to niveauer
Et diskret lag med fysisk tilgængelige datakilder og datavarehaller. Sammenlignende er arkitekturen ikke udvidelig og har også forbindelsesbegrænsninger.
3. Arkitektur i tre niveauer
Den berømte arkitektur består af bund, mellem og top niveau.
- Nederste niveau: Database veste i dette lag, som stort set er relationelle databasesystemer. Dataressourcer indsamles og manipuleres ved hjælp af forskellige backend-applikationer og indføres i databasen.
- Mellemklasse: Abstrakt lagvis oversigt over databasen, der fungerer som et mellemprodukt mellem bruger og database. Oracle understøtter en kraftfuld OLAP, der implementeres i midten af niveauet, hvilket giver sikre, skalerbare analytiske mål i systemet.
- Top Tier: Det forreste lag henter dataene fra databasen og præsenterer dem for klienten. Det kan være et hvilket som helst af de Oracle-baserede forespørgselsværktøjer som SQLPlus, SQL-udvikler.
Nu vil vi komme videre med at udforske detaljerne i den overordnede arkitektur. Se nedenstående billede:
- Primært består det centrale system, dvs. Oracle datavarehus af Raw data, metadata og Summary data.
- Rå data er den faktiske nyttelast for den lagrede OLTP, sammen med hvilken metadata definerer de tilstedeværende data.
- På den anden side indeholder Resume-data alle overflødige dyre og langvarige operationer, der også kaldes en materialiseret visning.
- Det er vigtigere at føde den rigtige datakilde af kvalitet, hvilket igen påvirker kvaliteten og vedligeholdelsen af datalagring på lang sigt.
Data kilder
- I større virksomheder hentes data ofte fra forskellige feeds.
- Det kan være alt fra arvedata, eksterne kilder, lodrette applikationer.
Iscenesættelsesområde
- De operationelle data skal behandles og renses, før de skubbes ind i datalager.
- Sceneområdet tager sig af denne proces, som igen kan køres programmatisk.
- Iscenesættelsesområdet er ansvarlig for at konsolidere og behandle ustrukturerede data fra forskellige datakilder.
- Betydningen af iscenesættelsesområdet kan realiseres ved håndtering af oplagringsniveau på virksomhedsniveau, hvor data burde komme fra kollektivt i et ustruktureret format, behandles og konsolideres, før de føres ind i lageret.
Data Marts
- Bortset fra at håndtere datakilder, kræver et virksomhedsfirma ofte at tilpasse arkitekturomfanget til forskellige grupper.
- Datamarkeder tjener et sådant formål, hvor systemet afhængigt af forskellige afdelinger som markedsføring, lagerbeholdning adskilles målrettet til bestemt anvendelse. Data marts definerer brugernes og brugergruppers tilgængelighedsomfang og administrerer forebyggende måder i.
- Rapporteringsteamet får for eksempel adgang til salgsdata og procesdashboard til forretning, mens Sales bruger data fra analyseteamet til at drive forretningsbeslutninger. En sådan konsolidering og definition af omfang er erklæret i datamarkeder.
- Desuden kan datamars normalt placeres sammen med Oracle-datavarehussystemet eller undertiden kan bygges som separat system, der understøtter skalerbarhed.
Fordele
- Sammenlignende betragtes Oracle-lageret som enkelt og let konfigurerbart, hvis målene og kilderne er klare.
- Primært sigter mod at improvisere beslutningstagning i erhvervslivet.
- Øget produktivitet og effektive driftsomkostninger.
- Understøtter i at omdanne store rå data til værdifuld indsigt.
- Integriteten af data kan garanteres med hurtig kvalitet.
Ulemper
Med alle roser til side har Oracle datalagring visse ulemper, som forklaret nedenfor:
-
Sikkerhedsmæssige bekymringer
Datasikkerhed kan kun præciseres for garanti lige så god som leverandørressourcen. Det kan også være vanskeligt at være intern implementering at sikre pålidelig tilgængelighedsomfang mellem forskellige streams i et firma.
-
Datafleksibilitet
Lager har ofte en tendens til at indeholde statiske data og er underlagt alvorlige forespørgselsstrukturer.
-
Pris / fordelingsforhold
Vedligeholdelse og udgifter til it-arbejdstid er en enorm faktor i implementeringen af Oracle Data-lager.
Kvalitetsstyring i Oracle Data Warehousing
- Understøtter løsninger til ende til ende.
- Sporer metadata og resumé af depotet.
- Afhængig af behovene kan det spawn kortlægning for datakorrektioner.
Data warehousing roller i et firma kan specifikt kategoriseres som forskellige jobtitler lige fra Data miner, datalager konsulent / udvikler til arkitekt. IT-branchen er konstant bevidst om den hurtige vækst af specialisering af datalager inden for business intelligence-teknologier.
Anbefalede artikler
Dette er en guide til Oracle Data Warehousing. Her diskuterer vi arkitektur, karakteristika, fordele og ulemper ved Oracle-datalagring. Du kan også gennemgå vores andre foreslåede artikler -
- Komponenter i Oracle Warehouse Builder
- Hvad er Oracle-databasen og dens arkitektur
- Introduktion til Oracle strengfunktioner
- Nemme trin til installation af Oracle
- KPI i Power BI
- Power BI IF-erklæring
- Hvad er en forespørgsel og typer af Oracle-forespørgsler