L e h r s t u h l f ü r D a t e n b a n k e n u n d I n f o r m a t i o n s s y s t e m e Blockseminar „Data Warehousing“ im SoSe 2005 Anfragen an multidimensonale

L e h r s t u h l f ü r D a t e n b a n k e n u n d I n f o r m a t i o n s s y s t e m e Blockseminar „Data Warehousing“ im SoSe 2005

Anfragen an multidimensonale Daten

Alexander Heidrich - BID809.06.2005

09.06.2005 Anfragen an multidimensionale Daten 2


Inhaltsübersicht• Motivation• OLAP-Operationen• Umsetzung in Standards

– SQL– MDX

• Anfragetypen und -verarbeitung• Fragen? / Diskussion!



Motivation• Daten sind im Data

Warehouse Wie kommt man nun an seine Informationen?

• Theoretische Grundlagen• Welche Erweiterungen

der vorhandenen (Datenbank-)mittel gibt es? Wie werden sie benutzt?




– SQL– MDX




OLAP-Operationen• Online Analytic Processing• Werkzeuge und Technologien, mit

denen ein zugrundeliegendes DW benutzerfreundlich analysiert und abgefragt werden kann

• eingesetzt zur Unterstützung von Managemententscheidungen (decision support)



OLAP-Operationen: Ausgangssituation



OLAP-Operationen• Roll-Up – Wechsel

auf eine übergeordnete Betrachtungsebene

• Drill-Down – Wechsel auf eine untergeordnete Betrachtungsbene



OLAP-Operationen

• Drill-Across – Wechseln des betrachteten Fakts unter Beibehaltung der Betrachtungsebene



OLAP-Operationen• Slice – Zugriff auf

Daten einer extrahierten Schicht



OLAP-Operationen

• Dice – Zugriff auf Teilwürfel



OLAP-Operationen• Pivotierung – Drehen

des Würfels durch Vertauschen der Dimensionen




– SQL– MDX




Umsetzung in Standards - SQL• SQL-OLAP-Erweiterungen (seit SQL:1999)

– (erweiterte) Gruppierungsfunktionalität• GROUP BY• GROUPINGSETS• GROUPING()• ROLLUP• CUBE

– SQL-OLAP-Funktionen• Aggregate, Partitioning, Windows, Ranking

• IBM und Oracle an Standardisierung beteiligt integriert in DB2 und Oracle (DBMS)



SQL: Beispieldaten



SQL: Aggregate• Aggregatfunktionen COUNT(), SUM(), MIN(), MAX(), AVG()

• Funktionen liefern in dieser Anwendung nur einen einzelnen Wert

• Verwendung von GROUP BY



SQL: GROUP BY – Beispiel



SQL: GROUPING SETS• GROUP BY immer noch umständlich bei

der Erzeugung von verschiedenen Gruppierungen (z.B. (Jahr, Land), (Jahr), (Jahr, Land, Verkäufe), etc.)

• Lösung: GROUPING SETS Gruppierungskombinationen



SQL: GROUPING SETS – Beispiel



SQL: ROLLUP-Operator

• Erweiterung der GROUP-BY-Syntax um ROLLUP-Operator• erzeugt hierarchisch multidimensionale Gruppierung• GROUPING()-Funktion zur Indentifizierung von NULL-Werten



SQL: CUBE-Operator• Vorschlag von

Microsoft und IBM• Erweiterung der

GROUP-BY-Syntax um den CUBE-Operator

• N-Dimensionale Generalisierung der einfachen Aggregatfunktionen



CUBE

entsprechend GROUPING SETS( (),(Jahr),(Land),(Kategorie),(Jahr,Land),(Jahr, Kategorie),(Land,Kategorie),(Jahr,Land, Kategorie))



SQL: Cube



SQL: OLAP-Funktionen• mit SQL:1999 eingeführt• umfassen:

– Aggregate– Partionierung– Window (Bildung dynamischer Fenster)– Ranking

• Kernkonstrukt: Over-Klausel



SQL: Over-Klausel



SQL: Over() – Beispiel

• Over() Aggregation über alle Tupel

• Aggregatbildung, keine weitere Verdichtung



SQL: Over() mit Partionierung - Beispiel

• Partitionierung ähnlich Gruppierung

PARTITON BY <attribute list>



SQL: Over() Bildung dynamischer Fenster

OVER(ORDER BY <attribute list> [<window-spec>])



SQL: Over() Bildung dynamischer Fenster - Beispiel



SQL: Ranking• Bestimmung der Postion eines Tupels in

der Ergebnismenge• Duplikate erhalten den gleichen Rang• RANK() (mit Lücken) DENSE_RANK()

(ohne Lücken)



SQL: Ranking - Beispiel



SQL: Umsetzung in DB2 und Oracle

• Behauptung: DB2 und Oracle hinsichtlich den in SQL:1999 definierten OLAP-Erweiterungen/-funktionen gleich

• SQL:2003 bringt weitere analytische Funktionen bislang nur von/in Oracle implementiert



MDX• MDX = MultiDimensional eXpressions• orientiert sich stark an SQL-Syntax und

MDDM• Entwicklung/Vorschlag von Microsoft



MDX

• Dimensions (Select)– max. 64– on COLUMNS, ROWS, …

• Cube (From)• Slicer (Where)

– Auswahl der darzustellenden Werte



MDX: Elemente• Measures Fakten

– als Dimension modelliert• Dimensions Dimensionen

– Level: Klassifikationsstufe (Jahr)– Member: Klassifikationsknoten (2003)

• Syntax– {} Sets– [] Einschluß von Strings



MDX: Navigationsfunktionen• Navigationsfunktionen

– Members: Knoten einer Klassifikationsstufe– Children: Kinderknoten eines Klassifikationsknotens– Parent: Elternknoten eines KlassifikationsknotensSELECT {[Kategorie].MEMBERS} Autos,

ComputerSELECT {[ATHLONXP].PARENT} CPUSELECT {[CPU].CHILDREN} ATHLON64, ATHLONXP, PENTIUM4



MDX: Beispiele• Drill-Down

• Roll-Up

• Crossjoin



MDX: BeispielCROSSJOIN

Drill-Down

Roll-Up



MDX: weitere Funktionen• TOPCOUNT Ergebnisbereich einer

Dimension einschränken• FILTER Einschränkung über beliebige

Bedingungen• + viele weitere Funktionen sehr

mächtige Sprache mit hoher Komplexität




– SQL– MDX




Anfragetypen



Methoden der Abfrageverarbeitung – Star Join

• Star Schema als Grundlage– sehr große Faktentabelle– kleine, voneinander

unabhängige Dimensionstabellen

• Verbund zwischen n Dimensionstabellen und der Faktentabelle, Restriktionen über Dimensionstabellen

• typisches Muster für DW-Anfragen



Star Join: Aufbau

• SELECT-Klausel– Kenngrößen– Granularitäten

• FROM-Klausel– Fakten- und Dimensionstabellen

• WHERE-Klausel– Verbundbedingungen– Restriktionen



Star Join: Beispiel

SELECTGeographie.Region, Zeit.Monat, SUM(Verkaeufe)

FROMVerkauf, Zeit, Produkte, Geographie

WHEREVerkauf.Produkt_ID = Produkt.ProduktID ANDVerkauf.Zeit_ID = Zeit.ZeitID ANDVerkauf.Geographie_ID = Geographie.GeographieID ANDProdukt.Produktkategorie = 'Waschgeräte' ANDGeographie.Land = 'Deutschland' AND Zeit.Jahr = 2000



Star Join: Beispiel




– SQL– MDX



Fragen? Diskussion!

Documents

L e h r s t u h l f ü r D a t e n b a n k e n u n d I n f o r m a t i o n s s y s t e m e Blockseminar „Data Warehousing“ im SoSe 2005 Anfragen an multidimensonale