Data warehousing con SQL Server • SQL Server è un RDBMS (Relational DataBase Management System) • Analysis Services è un componente di SQL Server che offre un insieme di funzionalità di supporto al data warehousing • Componenti per il data warehousing – OLAP Server: è il server analitico dei dati rappresenta i dati analitici del DW in forma multidimensionale, usando i concetti di cubo, dimensione e misura – OLAP Manager : strumento di amministrazione dei dati analitici 1 Analysis Services • Punto di partenza : – DW relazionale organizzato secondo uno schema dimensionale (star schema, snowflake schema) – Il DW relazionale non deve essere necessariamente un DB gestito con SQL Server • Obiettivo : – I dati del DW relazionale vengono rappresentati ed analizzati in forma multidimensionale usando la nozione di cubo (data cube) • I cubi sono contenuti in un OLAP database gestiti dall’OLAP Server • Un cubo recupera i dati dal DW relazionale che è definito come sorgente dati (data source) all’interno dell’OLAP Database • Un OLAP database può avere varie data source • Un cubo può recuperare dati da una singola data source • Diversi cubi (di uno stesso OLAP database) possono recuperare dati da data source differenti 2 OLAP Server: Modalità di memorizzazione dei dati • OLAP multidimensionale (MOLAP) – rappresentazione dei dati in formato multi-dimensionale proprietario – i dati sono estratti dal DW e memorizzati nel server OLAP – le interrogazioni analitiche vengono eseguite in modo efficiente, perchè il formato è ottimizzato in tal senso • OLAP relazionale (ROLAP) – rappresentazione dei dati in formato relazionale – i dati di base sono acceduti dal DW memorizzato su un RDBMS – l’RDBMS viene anche usato anche per la memorizzazione di dati preaggregati, in tabelle separate – modalità adeguata per DW acceduti poco frequentemente • OLAP ibrido (HOLAP) – combina elementi da MOLAP e da ROLAP – i dati di base sono acceduti dal DW memorizzato su un RDBMS – i dati pre-aggregati vengono invece memorizzati dal server OLAP, in formato multi-dimensionale proprietario – modalità adeguata per DW grandi dimensioni 3 Schemi multi-dimensionali in Analysis Services • Dimensioni e attributi dimensionali si chiamano livelli • I valori delle dimensioni e degli attributi dimensionali si dicono membri livelli dimensione STORE (ALL) membri STORE CITY STATE COUNTRY (ALL) Ditutto RE EmiliaR Italia ALL NonSoloX RE EmiliaR Italia ALL NonSoloY MO EmiliaR Italia ALL NonSoloZ RM Lazio Italia ALL ... ... ... ... ALL 4 Schemi multi-dimensionali in Analysis Services Membri e Livelli: • le dimensioni contengono solitamente il livello speciale (ALL) che contiene il solo membro All che denota tutti i membri della dimensione Organizzazione in Livelli: • Nel modello DFM gli attributi dimensionali sono organizzati in una gerarchia che è un albero direzionato (un nodo può avere più figli) • In Analysis Services i livelli formano una successione lineare (un nodo può avere al massimo un figlio) • L’organizzazione in livelli corrisponde alla definizione di una relazione padre-figlio tra i membri di livelli successivi (ogni membro di un livello si raggruppa nel membro padre) – il membro All è padre dei membri Italia, Francia, ... – il membro Italia è padre dei membri EmiliaR, Lazio, .. – … Misure : corrispondono al concetto di misura del modello DFM – Le misure sono considerate come membri di una dimensione speciale chiamata Measures (presente in tutti i cubi) 5 Esempio di Gerarchie e Livelli • Consideriamo lo Schema di Fatto BIGLIETTI e la (parte di) dimensione dei voli, con la relativa gerarchia • In Analysis Server definiremo un cubo BIGLIETTI e le dimensioni rispetto alle quali si vogliono analizzare i dati – Dimensione VOLO-COMPAGNIA – Dimensione VOLO-ORADIPARTENZA 6 Misure ed operatori di aggregazione • Classificazione degli operatori di aggregazione : – Distributivi: permettono di calcolare dati aggregati a partire direttamente da dati parzialmente aggregati (es. somma, massimo, minimo) – Algebrici: richiedono un numero finito di informazioni aggiuntive (misure di supporto) per calcolare dati aggregati a partire da dati parzialmente aggregati (es. media – richiede il numero dei dati elementari che hanno contribuito a formare un singolo dato parzialmente aggregato) – Olistici: non permettono di calcolare dati aggregati a partire da dati parzialmente aggregati utilizzando un numero finito di informazioni aggiuntive (es. mediana, moda) • Nel seguito analizzeremo come questi concetti generali siano riportati ed implementati in Analysis Services e quali sono alcuni dei concetti particolari di Analysis Services 7 Misure Derivate • Ottenute applicando operatori matematici a due o più valori appartenenti alla stessa tupla: nell’espressione si usano solo attributi della Fact Table • Una misura derivata viene calcolata sugli eventi primari, ovvero prima di effettuare l’aggregazione dei dati; quindi, al pari delle altre misure, anche per le misure derivate si deve definire un operatore di aggregazione • In Analysis Service c’è il concetto di Misura Derivata 8 Misure Derivate : Esempio • Schema di Fatto ESAMI – Dimensioni • STUD (con in gerarchia FACOLTA) e DATA (con in gerarchia MESE) – Misure • BASE (Crediti di tipo Base) e ALTRO (Crediti di tipo ALTRO) – Misure derivate • RAPPORTO = BASE/ALTRO • TOTALE = BASE + ALTRO STUD ING1 ING1 ING2 DATA GEN1 GEN2 GEN2 BASE 20 40 30 ALTRO SUM SUM 2 4 6 FACOLTA ING ING DATA GEN1 GEN2 BASE 20 70 ALTRO FACOLTA ING MESE GEN BASE 90 RAPPORTO 10 10 5 TOTALE 22 44 36 AVG SUM 2 10 RAPPORTO 10 7,5 TOTALE 22 70 ALTRO 12 RAPPORTO 8,33 TOTALE 102 9 Misure Calcolate (concetto di Analysis Services) • Una misura calcolata è una misura il cui valore è calcolato a partire da altre misure dopo aver aggregato i dati (quindi per una misura calcolata non si definisce un operatore di aggregazione) • Esempio: Consideriamo lo schema di Fatto ESAMI – Misure derivate • RAP_DER = BASE/ALTRO – Misure calcolate • • RAP_CALC = BASE/ALTRO TOTALE = BASE + ALTRO • se la misura e’ distributiva (TOTALE), otteniamo lo stesso risultato sia come misura derivata che come calcolata: la scelta si basa sull’efficienza del calcolo (una misura calcolata “è più efficiente”) • se la misura non è distributiva (RAPPORTO), non si ottiene lo stesso risultato e quindi si deve scegliere il modo opportuno 10 Esempio di Misure Calcolate STUD ING1 ING1 ING2 DATA GEN1 GEN2 GEN2 BASE ALTRO 20 2 40 4 30 6 SUM SUM RAP_DER TOTALE RAP_CALC 10 22 10 10 44 10 5 36 5 AVG FACOLTA ING ING DATA GEN1 GEN2 BASE 20 70 ALTRO 2 10 RAP_DER 10 7,5 TOTALE 22 80 FACOLTA ING MESE GEN BASE 90 ALTRO 12 RAP_DER 8,33 TOTALE 102 RAP_CALC 10 7 RAP_CALC 7,5 11 Operatore di Aggregazione Algebrico : AVG • In Analysis Services una misura con operatore di aggregazione algebrico deve essere definito tramite una misura calcolata • Esempio : Prezzo Unitario (PU) anno trim. categoria pulizia casa tipo detersivo sapone prodotto Brillo Sbianco Lucido Manipulite Scent 2 1,5 – 1 1,5 anno trim. categoria pulizia casa tipo detersivo sapone media: anno trim. categ oria pulizia casa I’99 1999 II’99 III’99 2 1,5 3 1,2 1,5 2,2 2 3 1,5 2 IV’99 2,5 2,5 3 1,5 – I’99 1999 II’99 III’99 IV’99 1,75 1,25 1,50 2,17 1,35 1,76 2,40 1,75 2,08 2,67 1,50 2,09 I’99 1999 II’99 III’99 IV’99 1,50 1,84 2,14 2,38 12 Implementazione in Analysis Services • Una misura quale PU con operatore di aggregazione AVG deve essere necessariamente definita come Misura Calcolata in quanto la devo calcolare come SUM(PU)/count(). Allora: 1. 2. 3. • Si usa l’attributo PU per definire la misura PUBase aggregata con SUM; Definisco la misura di supporto Conteggio, aggregata con COUNT; per definire il conteggio posso usare un qualsiasi attributo della fact table Definisco PU calcolata come PrezzoBase/Conteggio Le due misure utilizzate per calcolare PU possono non essere visualizzate 13 ESEMPIO (pag 20 delle dispense) Tipo T1 T1 T2 Prodotto P1 P2 P3 Tipo T1 T2 • • Quantità 5 7 9 Sum Prezzo Guadagno 1,00 5,00 1,50 10,50 0,80 7,20 22,70 AVG Quantit 12 9 Prezzo Guadagno 1,25 15,00 7,20 0,80 22.20 ? Non è possibile calcolare l’aggregazione a partire dalle aggregazioni componente: il guadagno per il tipo T1 non lo posso ottenere moltiplicando la quantità per il prezzo unitario La soluzione corretta è sempre quella che si ottiene aggregando i dati direttamente dalla vista primaria : definisco Guadagno come Misura Derivata aggregata tramite la SUM 14 ESEMPIO: Implementazione in Analysis Services • Prezzo ha come operatore di aggregazione AVG, allora si definisce come Misura Calcolata SUM(prezzo)/count(). Allora 1. Si usa l’attributo Prezzo per definire PrezzoBase aggregata con SUM; 2. Definisco la misura di supporto Conteggio, aggregata con COUNT 3. Definisco PREZZO calcolata come PrezzoBase/Conteggio • Si definisce la misura Guadagno come Misura Derivata Prezzo*Quantità, con operatore di aggregazione Sum • Per confrontare (e verificare l’errore che si otterrebbe calcolare l’aggregazione a partire dalle aggregazioni componente ) si definisce anche una misura GuadagnoCalc come Misura Calcolata Prezzo*Quantità 15 Misura Derivata: esempio dei biglietti • CostoMedioBiglietto (CMB) calcolato come INCASSO/NUM_BIG. CodVolo ALIT1 ALIT1 ALIT2 DATA GEN1 GEN2 GEN2 Compagnia ALITALIA ALITALIA DATA GEN1 GEN2 Compagnia ALITALIA Mese GEN INCA SSO NUM_ BIG 20 2 40 4 30 6 SUM SUM INCA SSO 20 70 CMB 10 10 5 AVG NUM_ BIG 2 10 CMB 10 7,5 INCA SSO NUM_ BIG CMB 90 12 8,33 Implementazione in Analysis Services 1. 2. 3. Si definisce la misura derivata CMB_Base Definisco la misura di supporto Conteggio, aggregata con COUNT Definisco CMB calcolata come CMB_Base/Conteggio 16