Data Warehouse Technologien

Bei einer naiven Auswertung der obigen Anfrage müsste die gesamte Fak-

tentabelle (plus die Dimensionstabellen) vom Externspeicher gelesen werden.

Bei einer angenommenen Transferrate von 80 MB/s würde dies 23.296 Sekun-

den oder fast 6,5 Stunden erfordern! Mit RAID5 (Striping auf Blockebene, sie-

he auch [SSH11]) ließe sich diese Zeit halbieren und mit RAID10 (RAID0 über

mehrere RAID1, d.h. insgesamt mindestens 4 Festplatten) vierteln – allerdings

wären dies immer noch 1,6 Stunden, was für eine Antwortzeit zu einer Ad-hoc-

Anfrage inakzeptabel ist.

Berücksichtigt man die Restriktionen über die Dimensionen, so bedeutet

dies im Einzelnen

•

1,5

5

der Artikel in der Produkt-Dimension,

•

2

10

der Verkaufstage in der Zeit-Dimension und

•

2

16

aller Orte in der Ort-Dimension

müssen betrachtet werden. Unter Annahme der Gleichverteilung sind damit

nur noch

3

10

·

2

10

·

2

16

u 0,75%

der Datensätze zu verarbeiten. Dies wären ca. 13,6 GB, was für die obigen Fest-

platten immer noch zwischen 174 und 43 Sekunden erfordern würde.

Daher werden wir im Folgenden, sowie im Kapitel 8, neben Anfragekon-

strukten und -operatoren auch Techniken zur effizienten Auswertung von An-

fragen an Data Warehouses vorstellen, welche diese Herausforderungen adres-

sieren.

5.2 OLAP-Operationen

Das in Kapitel 3 eingeführte Datenwürfelmodell ist nicht nur zur Modellierung

der Daten eines Data Warehouse geeignet, sondern bildet auch die Basis für die

Definition von Operatoren zur multidimensionalen Analyse. Diese Operatoren

lassen sich in vier Gruppen einordnen:

• die Pivotierung bzw. die Rotation des Würfels (PIVOT oder ROTATE),

• die Navigation entlang der Hierarchien (DRILL DOWN und ROLL UP),

• Wechsel zwischen Datenwürfeln (DRILL ACROSS),

• die Bildung von Teilmengen (SLICE und DICE).

5.2 OLAP-Operationen 125

Die erste Gruppe von Operationen dient der einfachen Analyse der Daten aus

unterschiedlichen Perspektiven. So lassen sich durch das Drehen des Würfels

die (etwa in einem Report sichtbaren) Dimensionen vertauschen. Abbildung 5.1

demonstriert die PIVOT-Operation am Beispiel unseres Datenwürfels: Ausge-

hend von einer Sicht auf die Verkaufszahlen in den einzelnen Bundesländern

in den betrachteten Jahren, wird der Würfel so rotiert, dass die Verkaufszahlen

pro Produkt angezeigt werden.

Produkt

Ort

Zeit

Bier

Wein

Softdrink

Thüringen

Sachsen-

Anhalt

Bayern

2009

2010

2011

Produkt

Ort

Zeit

Bier

Wein

2009

Thüringen

Sachsen-

Anhalt

Bayern

2011

2010

Softdrink

Abbildung 5.1: Die Operation PIVOT

DRILL DOWN und ROLL UP ermöglichen das Wechseln der Hierarchieebenen

einer Dimension sowie die Auswahl verschiedener Aggregationsebenen, wobei

die Dimensionalität erhalten bleibt. DRILL DOWN dient dabei dem „Hineinnavi-

gieren“ in den Würfel entlang der Klassifikationshierarchie, indem die aggre-

gierten Darstellungen auf ein feineres Granulat einer Dimension herunterge-

brochen werden. Typische Beispiele sind der Übergang von der Jahresebene auf

die Quartalsdarstellung der Zeitdimension (wie in Abbildung 5.2 dargestellt)

oder von der Ebene der Bundesländer auf die Städte oder Filialen. Die Grenzen

der Navigation werden dabei durch die verfügbaren (d.h. gespeicherten) Detail-

daten gebildet.

Die dazu inverse Operation ist ROLL UP, bei der entlang der Hierarchie aus

dem Würfel „herausnavigiert“ wird. Dies entspricht einer Aggregation der Da-

ten einer Ebene, z.B. Quartalszahlen zu Jahreszahlen (Abbildung 5.2).

Werden verschiedene Kennzahlen durch unterschiedliche Würfel model-

liert, kann durch die DRILL ACROSS-Operation zwischen diesen Würfeln hin und

her gesprungen werden. Hierbei bleiben die ausgewählten Dimensionen und

Hierarchieebenen erhalten.

Schließlich erlauben die Operatoren SLICE und DICE die Bildung von Sub-

sets des Datenwürfels und damit die Erstellung individueller Sichten. Hierbei

wird mit SLICE eine „Scheibe“ aus dem Würfel geschnitten, indem für eine der

Dimensionen ein Wert ausgewählt wird. Damit verringert sich natürlich die

126 5 Anfragen an Data-Warehouse-Datenbanken

Produkt

Ort

Zeit

Bier

Wein

Softdrink

Thüringen

Sachsen-

Anhalt

Bayern

2009

2010

2011

Produkt

Ort

Zeit

Bier

Wein

Softdrink

Thüringen

Sachsen-

Anhalt

Bayern

Q1

Q2

Q3

Q4

2009

2010

2011

...

Drill Down

Roll Up

Abbildung 5.2: Die Operationen DRILL DOWN und ROLL UP

Dimensionalität des Ergebniswürfels. In Abbildung 5.3 ist dies am Beispiel der

Beschränkung auf ein Produkt dargestellt.

Produkt

Ort

Zeit

Bier

Wein

Softdrink

Thüringen

Sachsen-

Anhalt

Bayern

2009

2010

2011

Produkt

Ort

Zeit

Bier

Wein

Softdrink

Thüringen

Sachsen-

Anhalt

Bayern

2009

2010

2011

Abbildung 5.3: Die Operation SLICE

DICE

1

kann als das Herausschneiden eines „Teilwürfels“ verstanden wer-

den. Hierzu werden SLICE-Operationen in mehreren Dimensionen durchge-

führt, sodass insgesamt die Dimensionalität erhalten bleibt. Abbildung 5.4 il-

lustriert diese Operation für die Beschränkung auf die Verkaufszahlen ausge-

wählter Regionen und Produkte für die Jahre 2010 und 2011.

Die beschriebenen Operationen lassen sich ähnlich wie die Operatoren der

Relationenalgebra beliebig kombinieren, da das Ergebnis jeder Operation auf

einem Datenwürfel wiederum ein Datenwürfel ist.

1

Das englische Wort dice bedeutet „würfeln“ im Sinne von „in Würfel schneiden“.

5.2 OLAP-Operationen 127