Datenbanken Unit 9: OLAP, OLTP, Data Warehouse Ranking ...institute.unileoben.ac.at/infotech/lehre/db/SS2018/Unit9.pdfOrganisatorisches OLTP, OLAP, SAP, and Data WarehouseRankingSQL

Organisatorisches OLTP, OLAP, SAP, and Data Warehouse Ranking SQL

DatenbankenUnit 9: OLAP, OLTP, Data Warehouse

Ranking Algorithmen

Ronald Ortner

28. V. 2018

Ronald Ortner


Outline

1 Organisatorisches

2 OLTP, OLAP, SAP, and Data WarehouseOLTP and OLAPSAPData Warehouse & OLAP

3 Ranking

4 SQL

Ronald Ortner


Organisatorisches

Ergebnisse 2. Zwischentest (Einsichtnahme in den UE)

Nächste Woche letzte Wissensüberprüfung(Thema: Datumsfunktionen/Stoff von heute)

UE-Abschlusstest am 13. Juni(Gruppe 1: 14:45–16:00, Gruppe 2: 16:00–17:15 ??)

Ronald Ortner


OLTP and OLAP

Outline

1 Organisatorisches


3 Ranking

4 SQL

Ronald Ortner


OLTP and OLAP

OLTP vs. OLAP

OLTP: online transaction processingOnline-DatenbankanwendungenBeispiele: Bestellungen, Buchungen, etc.wichtig ist die Verarbeitung aktuell anfallender Daten→ viele Updates und neue Einträge in der Datenbank

OLAP: online analytical processingDatenbankanwendungen für Analyse und Decision SupportBeispiele: Trendanalyse, Big Datahistorische Daten sind wichtig→ viele Daten, die meist in aggregierter Form benötigt werden

Ronald Ortner


OLTP and OLAP

OLTP vs. OLAP

OLTP: online transaction processingOnline-DatenbankanwendungenBeispiele: Bestellungen, Buchungen, etc.wichtig ist die Verarbeitung aktuell anfallender Daten→ viele Updates und neue Einträge in der Datenbank


Ronald Ortner


SAP

Outline

1 Organisatorisches


3 Ranking

4 SQL

Ronald Ortner


SAP

SAP

SAP: Softwaresystem, hauptsächlich für OLTP

SAP hat drei Ebenen:großes relationales Datenbanksystem im HintergrundApplikationen, die auf Datenbank aufsetzenGUI

Zugriff auf dahinterliegende Datenbanken:Auf einige Tabellen kann normal via SQL zugegriffen werden.Dabei ist meist nur lesender Zugriff sinnvoll.Auf andere Tabellen kann nur via SAP zugegriffen werden.

Ronald Ortner


SAP

SAP


SAP hat drei Ebenen:großes relationales Datenbanksystem im HintergrundApplikationen, die auf Datenbank aufsetzenGUI

Zugriff auf dahinterliegende Datenbanken:Auf einige Tabellen kann normal via SQL zugegriffen werden.Dabei ist meist nur lesender Zugriff sinnvoll.Auf andere Tabellen kann nur via SAP zugegriffen werden.

Ronald Ortner


SAP

SAP


SAP hat drei Ebenen:große relationales Datenbanksystem im HintergrundApplikationen, die auf Datenbank aufsetzenGUI

Eigene Applikationen könne mit ABAP/4 geschrieben werden –Datenbankzugriff mit

Native SQL (mit speziellem User Interface)Open SQL (direkter Zugriff auf Datenbanken)

Ronald Ortner


Data Warehouse & OLAP

Outline

1 Organisatorisches


3 Ranking

4 SQL

Ronald Ortner



OLTP vs. OLAP

OLTP: online transaction processingOnline-DatenbankanwendungenBeispiele: Bestellungen, Buchungen, etc.wichtig ist de Verarbeitung aktuell anfallender Daten→ viele Updates und neue Einträge in der Datenbank


→ Es ist keine gute Idee, OLTP und OLAP auf derselben Datenbankauszuführen.

Ronald Ortner



OLTP vs. OLAP

OLTP: online transaction processingOnline-DatenbankanwendungenBeispiele: Bestellungen, Buchungen, etc.wichtig ist de Verarbeitung aktuell anfallender Daten→ viele Updates und neue Einträge in der Datenbank


→ Es ist keine gute Idee, OLTP und OLAP auf derselben Datenbankauszuführen.

Ronald Ortner



Data Warehouse

Grundidee von Data Warehouse:Operationale Datenbank für OLTPSpeichere regelmäßig (aber nicht online!) Daten von operationalerDatenbank in Data Warehouse

Datenbankschemata für Data Warehouse:Sternschema:

eine zentrale Faktentabelleandere Tabellen nicht normalisiert

Schneeflockenschema:eine zentrale Faktentabelleandere Tabellen normalisiert (→ benötigt mehr Joins)

Ronald Ortner



Data Warehouse





Ronald Ortner



Data Warehouse





Ronald Ortner



Roll Up und Drill Down

Abfragen auf Data Warehouse typischerweise in aggregierter Form(→ GROUP BY)

Drill down: mehr Attribute im GROUP BY

Roll up: weniger Attribute im GROUP BY

Daten können in einer Tabelle bzw. allgemein im “Data cube”dargestellt werden.

Ronald Ortner



Cube Operator

Data cube:

Ausführung aller nötigen Abfragen aufwendig

können Tabelle für Data cube speichern(mit NULL Werten, wo aggregiert wird)immer noch recht aufwendig und unpraktisch→ Idee: neuer SQL Operator CUBEVerwendung: GROUP BY CUBE( attr1, attr2, . . .)Weitere Möglichkeit:

speichern Tabelle, die maximal “drilled-down” istaggregieren diese Tabelle(weniger aufwendig als Aggregation jedesmal neu zu machen)

Ronald Ortner



Cube Operator

Data cube:

Ausführung aller nötigen Abfragen aufwendigkönnen Tabelle für Data cube speichern(mit NULL Werten, wo aggregiert wird)

immer noch recht aufwendig und unpraktisch→ Idee: neuer SQL Operator CUBEVerwendung: GROUP BY CUBE( attr1, attr2, . . .)Weitere Möglichkeit:


Ronald Ortner



Cube Operator

Data cube:

Ausführung aller nötigen Abfragen aufwendigkönnen Tabelle für Data cube speichern(mit NULL Werten, wo aggregiert wird)immer noch recht aufwendig und unpraktisch

→ Idee: neuer SQL Operator CUBEVerwendung: GROUP BY CUBE( attr1, attr2, . . .)Weitere Möglichkeit:


Ronald Ortner



Cube Operator

Data cube:

Ausführung aller nötigen Abfragen aufwendigkönnen Tabelle für Data cube speichern(mit NULL Werten, wo aggregiert wird)immer noch recht aufwendig und unpraktisch→ Idee: neuer SQL Operator CUBEVerwendung: GROUP BY CUBE( attr1, attr2, . . .)

Weitere Möglichkeit:speichern Tabelle, die maximal “drilled-down” istaggregieren diese Tabelle(weniger aufwendig als Aggregation jedesmal neu zu machen)

Ronald Ortner



Cube Operator

Data cube:

Ausführung aller nötigen Abfragen aufwendigkönnen Tabelle für Data cube speichern(mit NULL Werten, wo aggregiert wird)immer noch recht aufwendig und unpraktisch→ Idee: neuer SQL Operator CUBEVerwendung: GROUP BY CUBE( attr1, attr2, . . .)Weitere Möglichkeit:


Ronald Ortner


Ranking

Aufgabe:haben mehrere Listen derselben Objekte, gereiht nachverschiedenen Kriterienaggregieren die verschiedenen Kriterien zu einem Wert(einfachster Fall: Summe)hätten gerne die besten k Objekte

Naive Lösung:Berechnen Wert für alle Objekte und sortieren

Bessere Lösung:Threshold AlgorithmusNo Random Access Algorithmus

(für Details siehe Folien von Alois Kemper)Ronald Ortner


SQL

Heute:Nachbetrachtung WissensüberprüfungenErgänzungen zu COUNT und Joins

Ronald Ortner


Nachbetrachtung Zwischentest

Zusätzliche Bedingungen in (korrel.) Subqueries innen und außen!Falsche Korrelationen liefern falsche Ergebnisse.Unabsichtliche KorrelationenCOUNT 6= SUM

Eine Subtilität:Oft sollte im GROUP BY nicht der Ausdruck im SELECT sondernentsprechende id verwendet werden.

Ronald Ortner

Documents

Datenbanken Unit 9: OLAP, OLTP, Data Warehouse Ranking ...institute.unileoben.ac.at/infotech/lehre/db/SS2018/Unit9.pdfOrganisatorisches OLTP, OLAP, SAP, and Data WarehouseRankingSQL