Data Warehouse Technologien

gruppen umfasst. Weiterhin ist der Verkaufskanal für die Verkäufe („Ladenge-

schäft“, „Internet“) als zusätzliche Dimension modelliert, für die jedoch keine

Hierarchie, sondern nur die möglichen Ausprägungen angegeben sind.

3.3 Relationale Umsetzung

Ein Data-Warehouse-Schema auf der Basis des multidimensionalen Datenmo-

dells muss zur Umsetzung in einem DBMS auf dessen logisches Schema abge-

bildet werden. Eine solche Umsetzung sollte der multidimensionalen Sichtwei-

se Rechnung tragen und dabei sowohl die Modellierung der Daten als auch die

Anfrageformulierung berücksichtigen.

Grundsätzliche gibt es hier mehrere mögliche Herangehensweisen:

• die Abbildung auf relationale Strukturen (Tabellen), die als ROLAP (rela-

tionales OLAP) bezeichnet wird,

• die direkte Speicherung in multidimensionalen Strukturen (z.B. Feldern),

auch als MOLAP (multidimensionales OLAP) bekannt,

• hybride Strukturen bzw. Mischformen (HOLAP für hybrides OLAP), etwa

indem Detaildaten relational und Aggregate multidimensional abgespei-

chert werden.

Für ROLAP sprechen die breite Verfügbarkeit kommerzieller DBMS, deren Rei-

fe und Leistungsfähigkeit sowie Standardisierung. Der Vorteil der meist pro-

prietären MOLAP-Lösungen besteht dagegen im Wegfall der Transformation

bzw. Vorwegberechnung.

Im Folgenden betrachten wir zunächst nur die relationale Umsetzung.

Aspekte der physischen Speicherung werden wir in Kapitel 6-8 behandeln.

3.3.1 Prinzip der relationalen Abbildung

Bei der Abbildung eines multidimensionalen Schemas auf eine relationale Da-

tenbank sind eine Reihe von Anforderungen zu berücksichtigen:

• Der Verlust der anwendungsbezogenen Semantik des multidimensionalen

Schemas wie etwa das Wissen über die Klassifikationshierarchien sollte

soweit wie möglich vermieden werden.

• Multidimensionale Anfragen auf dem Datenwürfel müssen effizient in re-

lationale Anfragen übersetzt werden.

56 3 Modellierung von Data Warehouses