Жизненный цикл разработки хранилища данных

ЖЦ ХД - набор определ. образом расположенных во времени фаз, кот. необх. для создания программного продукта и выведение его из строя.

Осн. стадии ЖЦ ХД:

- планирование

- формулирование требований к системе

- анализ

- проектирование

- конструирование

- внедрение

- поддержка.

планирование

Задачи:

- выбор стратегии реализации и методологии разработки

- анализ задач, для решения которых создаётся ХД

- анализ ресурсов разработки с технологической точки зрения и с точки зрения задач бизнеса

- выбор архитектуры ХД

- определение бюджета проекта

- разработка возможных сценариев использования ХД

- сбор метаданных для ХД.

Разработка требований

Стадии:

- определение требований владельца ХД

- определение требований конечных пользователей

- определение технологических требований

- определение архитектурных требований

анализ

Цель - получение согласованных по источникам логической модели и определения набора инстр. средств для работы с ХД.

проектирование

Цель - разработка физической модели ХД, проектирование процедур поступления данных в него и проектирование архитектуры приложений.

Построение хранилища данных

Цель этапа - разработка программ и собственно физической БД под ХД.

Выполнение этого этапа проекта, кроме создания собственно ХД, включает в себя разработку и отладку приложений ХД:

- Программ, которые создают и модифицируют БД для ХД и киосков данных

- Программ, которые экстрагируют данные из источников данных

- Программ, которые выполняют преобразования данных, такие, как интеграцию, суммирование и агрегацию

- Программ, которые выполняют обновление реляционных БД

- Программы, которые реализую поиск в очень больших БД

Внедрение

Внедрение в опытную эксплуатацию - очень ответственный и трудоемкий этап.

Главный результат - всесторонняя подготовка перехода ХД в промышленную эксплуатацию.

Поддержка

Этап поддержки ХД в работоспособном состоянии, является самостоятельным проектом.

Это - последний этап жизненного цикла ХД. По его завершению происходит либо уничтожение ХД, как продукта, либо его реинжениринг.

Основные понятия метода многомерного моделирования. Многомерная модель. Факты и измерения. Типы измерений.

Метод многомерного моделирования базируется на следующих основных понятиях: факты, атрибуты, измерения, параметры (метрики), иерархия, гранулированность.

Факт (fact) - это набор связанных элементов данных, содержащих метрики и описательные данные. Каждый факт обычно представляет элемент данных, численно описывающий деятельность организации, бизнес-операцию или событие, которое может быть использовано для анализа деятельности организации или бизнес - процессов. В ХД факты сохраняются в базовых таблицах реляционной БД. Например, стоимость товара, количество единиц товара и т.д.

Атрибут (Attribute) – это описание характеристики реального объекта предметной области. Как правило, атрибут содержит заранее известное значение, характеризующее факт. Обычно атрибуты представляются тестовыми полями с дискретными значениями. Например, габариты упаковки товара, запах товара.

Измерение (dimension) - это интерпретация факта с некоторой точки зрения в реальном мире. Измерения, подобно атрибутам, содержат текстовые значения, которые сильно связаны по смыслу между собой. Обычно измерения представляются как оси многомерного пространства, точками которого являются связанные с ними факты. В многомерной модели, каждый факт связан с одной или несколькими осями. Измерения обычно представляют нечисловые, лингвистические переменные, такие, как филиалы организации, сотрудники организации, покупатели и т.д.

Измерения задаются перечислением своих элементов (members). Элемент измерения (dimensional member) - уникальное имя или идентификатор (лингвистическая переменная), используемая для определения позиции элемента. Например, измерение время может содержать следующие элементы: все месяцы, кварталы, годы.

Параметр, метрика или показатель (measure) - это числовая характеристика факта, который определяет эффективность деятельности или бизнес - действия организации с точки зрения измерения. Как правило, метрика содержит заранее неизвестное значение характеристики факта. Конкретные значения метрики описываются с помощью переменных. Например, пусть метрикой является численное выражение продаж товара в деньгах, количество проданных единиц товара и т.д. Метрика определяется с помощью комбинации элементов измерения и, таким образом, представляет факт.

Гранулированность (Granularity) – это уровень детализации данных, сохраняемых в ХД. Например, ежедневные объемы продаж.

Поиск по сайту: