가장 효과적인 데이터 소스로 쿼리를 보내 쿼리를 관리하고 속도를 높이는 프로세스입니다. 또한 이 프로세스는 일반적으로 쿼리 실행을 예약하여 모든 시스템 리소스가 가장 효과적으로 사용되도록 합니다. 쿼리 관리 프로세스는 생성할 집계를 결정하는 데 사용되는 실제 쿼리 프로필을 모니터링합니다.
이 프로세스는 데이터 웨어하우스가 생성되어 최종 사용자가 액세스할 수 있도록 항상 서비스합니다. 이 프로세스에는 연속적인 주요 단계가 없으며 지속적으로 작동하는 시설 세트가 있습니다.
OLAP는 분석가, 관리자 및 경영진이 원시 데이터에서 실제 차원을 반영하도록 변경된 데이터의 다양한 가능한 보기에서 빠르고 일관된 대화식 액세스를 통해 데이터에 대한 통찰력을 얻을 수 있는 권한을 부여하는 소프트웨어 기술 요소입니다. 클라이언트가 배운 기업
OLAP 서버는 데이터가 저장되는 방법이나 위치에 관계없이 비즈니스 사용자에게 데이터 웨어하우스 또는 데이터 마트의 다차원 정보를 제공합니다. OLAP 서버의 물리적 구조와 실행은 데이터 저장 문제를 고려해야 합니다.
여러 OLAP 데이터 큐브 작업은 이러한 다중 보기를 계속 구체화하여 현재 데이터에 대한 대화식 쿼리 및 분석을 가능하게 합니다. 따라서 OLAP는 양방향 데이터 분석을 위한 편리한 환경을 지원합니다.
이는 효과적인 데이터 일반화 및 데이터 마이닝을 용이하게 하는 다양한 입도의 다차원 데이터의 대화식 분석을 위한 OLAP(온라인 분석 처리) 도구를 제공합니다. 연관, 분류, 예측 및 클러스터링을 포함한 여러 데이터 마이닝 기능이 OLAP 작업과 통합되어 다양한 추상화 수준에서 지식의 대화형 마이닝을 구축할 수 있습니다.
입방체를 구체화하고 OLAP 인덱스 아키텍처를 만드는 목적은 데이터 큐브에서 쿼리 처리 속도를 높이는 것입니다. 구체화된 뷰가 주어지면 쿼리 처리는 다음과 같이 진행되어야 합니다.
사용 가능한 직육면체에서 수행해야 하는 작업 결정 − 여기에는 쿼리에 표시된 일부 선택, 프로젝션, 롤업(그룹별) 및 드릴다운 작업을 해당 SQL 및/또는 OLAP 작업으로 변환하는 작업이 포함됩니다.
관련 작업을 사용해야 하는 구체화된 직육면체 결정 − 여기에는 쿼리를 해결하는 데 사용할 수 있는 일부 구체화된 입방체 인식, 입방체 간의 "우세" 관계에 대한 지식을 활용하여 다음 집합 잘라내기, 나머지 구체화된 입방체 사용 값 계산 및 최소 비용으로 입방체 선택이 포함됩니다.