Sunteți pe pagina 1din 60

1

Depozite de date (Data Warehouse)




Definiii: Business Intelligence, Data Warehouse, OLAP


Arhitectura unui depozit de date


Modelul logic dimensional pentru depozite de date
2
Business Intelligence

Business Intelligence (BI) este abilitatea unei ntreprinderi de a studia
comportarea i aciunile trecute, cu scopul:
de a stabili poziia i situaia curent a organizaiei i
de a prezice sau modifica ceea ce se va ntmpla n viitor


BI foloseste depozitele de date (data warehouse) care conin informaii
necesare pentru luarea deciziilor prin sisteme:
Decision Support Systems (DSS)
On-Line Analytical Processing (OLAP)
3
Business Intelligence

BI i data warehouse se nscriu n domeniul mai general Corporate
Information Factory (CIF), care s-a dezvoltat n ultimii 20 ani


Aceste sisteme au mbuntit sistemele de informaii executive
(Executive Information Systems - EIS), folosite pentru analiza activitii
de ctre conducerea organizaiilor


ERP Enterprise Resource Planning un subsistem al BI, care se
ocup de planificarea resurselor folosind, de asemenea, data warehouse
4
Evoluia tehnologiilor de Business Intelligence
BI se bazeaz pe data warehouse, care trebuie s suporte:
tehnologii de prelucrare multiple: interogri, rapoarte, analiz
multidimensional, explorarea datelor
niveluri de granularitate multiple: att date detaliate (pentru operaii
tranzacionale), ct i date agregate (rezumate - pentru operaii de analiz i
explorare)
5
Depozite de date (Data Warehouse)
Un depozit de date este o colecie de date orientate pe subiect (subject-
oriented), integrate, non-volatile, variabile n timp (timevarying), care
constitue suport pentru luarea deciziilor ntr-o ntreprindere (organizaie)
Orientarea pe subiect:
In general, depozitele de
date sunt organizate n
jurul aplicaiilor funcionale
ale companiei
De exemplu, pentru o
companie de asigurri
aplicaiile sunt orientate
pentru auto, via,
sntate, i depozitele de
date se construiesc pe
aceste subiecte
6
Caracteristicile depozitelor de date (1)
Datele sunt integrate:
Depozitele sunt alimentate
dintr-o multitudine de
surse separate
La alimentare, ele sunt
curate, convertite,
transformate, rezumate
Rezult o singur imagine
integrat a datelor pentru
intreaga companie
Datele sunt stocate astfel
nct s faciliteze
utilizarea lor n mai multe
aplicaii
Se respect convenii de
nume, de structur, de
msuri
7
Caracteristicile depozitelor de date (2)
Datele sunt nonvolatile
n depozite datele se
ncarc n anumite
momente de timp i sunt
stocate pe perioade lungi
de timp

Depozitele de date
stocheaz date istorice
Datele sunt semnificative
pentru un anumit moment
de timp (time-variancy)
De aceea nregistrrile
contin o informaie privind
momentul sau perioada
de timp pentru care sunt
valabile
8
Granularitatea datelor n depozite
Este un aspect important n proiectarea depozitelor de date, deoarece
determin volumul ocupat de date
Granularitatea se refer la nivelul de detaliu (sau de rezumare) a unei
uniti de date din depozit:
Cu ct nivelul de detaliu este mai mare, cu att granularitatea este mai mic
(mai fin) de ex. o simpl tranzacie este de granularitate mic
Cu ct rezumarea este mai puternic, cu att granularitatea este mai mare;
de ex. suma tuturor tranzaciilor dintr-o lun

9
Niveluri de granularitate multiple
Nivelul de granularitate fin (detaliere mare) se folosete n bazele de
date operaionale i ca date nerezumate (sau slab rezumate) n depozite
Pe nivelul de granularitate ridicat (date puternic rezumate) se pot stoca
date pe perioade ndelungate i se folosesc pentru decizii de organizare
10
Structura unui depozit de date
Se pot identifica mai multe niveluri de structur ale unui depozit de date:
nivelul vechi, curent, uor rezumat, puternic rezumat
11
OLTP
Bazele de date operaionale suport prelucrarea tranzaciilor (On-Line
Transaction Processing OLTP)

Tranzaciile sunt operaii atomice care acceseaz (n general) un numr mic
de nregistrri, pentru operaiile zilnice ale ntreprinderii

Bazele de date operaionale sunt proiectate s maximizeze numrul de
tranzacii/secund (throughput) i s minimizeze conflictele concureniale
12
OLAP
Depozitele de date suport prelucrarea analitic a datelor (On-Line
Analitical Processing - OLAP)

Depozitele de date conin date consolidate, rezumate din mai multe baze de
date operaionale, pe perioade de timp ndelungate

Depozitele de date sunt mult mai mari (cu cel puin un ordin de mrime)
dect bazele de date operaionale

Cerinele OLAP difer de cerinele OLTP
13
Comparaie OLTP Data Warehouse
Operaii tipice:
n OLTP se acceseaz un numr mic de nregistrri
n depozite de date se acceseaz mii sau milioane de linii
Modificarea datelor:
Sistemele OLTP sunt n permanen la zi, actualizate de utilizatori
n depozitele de date detele sunt actualizate regulat de ctre procesul ELT
(Extract, Load Transformation)
14
Arhitectura unui depozit de date (1)
Descrierea datelor metadata, stocate ntr-un repertoriu (repository)
Toolset-uri de monitorizare i administrare
15
Arhitectura unui depozit de date (2)
Colectarea datelor n depozite implic:
Extragerea datelor din baze de date operaionale multiple i din surse
externe
Curarea (cleanup), transformarea i integrarea datelor
ncrcarea datelor (load)
mprosptarea datelor (refresh); preluarea noilor date din surse; transferul
datelor nvechite ctre alte suporturi de date mai lente
Datele din depozite sunt gestionate de unul sau mai multe servere de
depozite (warehouse servers)
Mai exist i centre de date (data marts) care conin date specifice
anumitor departamente i servere pentru acestea (data mart servers)
Depozitele i centrele de date reprezint datele de intrare pentru
toolset-uri de:
Interogare
Analiz (OLAP)
Explorare (data mining)
16
Modelul dimensional pentru depozite de date
Cel mai rspndit model conceptual pentru depozitele de date este
modelul dimensional care specific un set de subiecte; acestea:
pot fi definite prin valori (msuri) numerice
sunt analizate n sistemele de decizie
Exemple de subiecte (facts): vnzri, buget, venit, inventar
Fiecare msur (subject, fact) depinde de un set de dimensiuni
De exemplu, pentru msura vnzri (SALES), dimensiunile pot fi: oraul,
numele produsului, data (calendaristic)
O dat din modelul dimensional poate fi vzut ca un punct (valoare) ntr-un
spaiu multidimensional
Orice msur poate fi agregat pe oricare dintre dimensiuni; de exemplu
vnzrile totale pe o anumit regiune, perioad de timp sau produs
17
Schema logic a depozitelor de date

Pentru sistemele OLTP se folosesc scheme logice deduse din diagrama
E-A (Entitate-Asociere)


n depozite de date i sisteme OLAP se folosete modelarea dimensional




Modelul dimensional se poate
reprezenta prin:
Schema star (stea)
Schema snowflake (fulg de zpad)
Schema constellation (constelaie)
18
Schema star
n implementarea relaional a schemei stea, baza de date const din:
o tabel corespunztoare msurii (fact table) (foarte mare, cu date
agregate)
cte o tabel pentru fiecare dimensiune (relativ mici)
19
Schema snowflake
n implementarea relaional a schemei snowflake, baza de date
const din:
o tabel corespunztoare msurii (fact table) (foarte mare, cu date
agregate)
Tabelele de dimensiuni sunt normalizate in mai multe tabele
20
Schema constelation
Mai multe tabele facts
Tabelele de dimensiuni
21
Oracle Data Warehouse (ODW)
n Oracle 11g se pot construi depozite de date care se folosesc pentru:
Raportri i analize
Prelucrarea analitic (OLAP)
Explorarea datelor (data mining)
n ODW se folosete
preponderent:
Schema stea pentru
proiectarea logic a
depozitului
Implementarea relaional
a schemei stea
22
Oracle Warehouse Builder (OWB)
OWB permite proiectarea i construirea depozitelor de date, a centrelor
de date (data mart) i a aplicaiilor BI (Business Intelligence)
OWB conine un set de instrumente grafice care asist utilizatorul n
proiectare, pentru crearea obiectelor memorate ntr-un spaiu de lucru
(workspace) memorat n baza de date Oracle
Toolset-ul Design Center permite importul obiectelor surs i proiectarea
proceselor ETL i a obiectelor de coresponden (mapping)
Un mapping (mapare) definete un flux de date de la surs la depozitul int
(target warehouse)
OWB genereaz codul pentru extragerea, transferul i ncrcarea datelor
(procesul ETL)
Toolset-ul Repository Browser asigur o interfa Web pentru inspectarea
metadata din depozit
Control Center Service controleaz deploymentul bazei de date target
Schema depozitului creat (target schema) conine: codul generat,
cuburile, dimensiunile, tabelele, vederile, maprile i pachetele care
execut procesul ETL
23
Componentele OWB
24
Modelul dimensional n ODW
Modelul dimensional se definete printr-un CUBE, care conine una sau
mai multe msuri (measures), determinate de mai muli parametri,
fiecare descris printr-o dimensiune
Ca msuri (ale unei activiti) sunt considerate producia, vnzrile,
profiturile, i orice alt indicator care poate fi monitorizat
Fiecare dimensiune definete atributele dimensiunii, nivelurile de
agregare, i ierarhia intre niveluri
Ca dimensiuni sunt
considerate timpul,
distribuia geografic a
clienilor, canalele de
distribuie, departamente,
i orice alt element care
influeneaz activitatea
respectiv
Modelul dimensional poate
fi reprezentat printr-o
schem stea
25
Cube - n ODW
Datele unui CUBE pot fi interpretate diferit de grupuri de utilizatori prin
decuparea feliilor din cub pe diferite dimensiuni:
Managerii regionali: studierea feliilor orientate pe piee regionale (market);
Managerii de producie: studierea feliilor orientate pe produs (product);
26
Exemplul SALES_WH n toolset-ul Data Center
27
Exemplu de schem stea: SALES_WH
Schema stea
conine:
CUBE SALES
Dimensiunile:
PRODUCTS
PROMOTIONS
CUSTOMERS
CHANNELS
TIMES
28
Proiectarea unui CUBE
CUBE SALES din modulul
SALES_WH, proiectul
OWB_DEMO
Definete msurile:
AMOUNT
QUANTITY
COST
Refer dimensiunile:
TIMES
PRODUCTS
CHANNELS
CUSTOMERS
PROMOTIONS
29
Proiectarea dimensiunilor
O dimensiune const din:
Atribute ale dimensiunii fiecare atribut avnd nume i tip (de date)
Un set de niveluri i un set de ierarhii definite pe aceste niveluri
Un nivel definete un grad se agregare pe dimensiunea respectiv i
fiecare nivel are 2 identificatori:
Identificator surogat identific unic fiecare nivel n cadrul nivelelor
dimensiunii (compus dintr-un singur atribut, asemntor cheii primare
artificiale a tabelelor relaionale)
Identificator business - alctuit din unul sau mai multe atribute ale nivelului
(asemnotor cheii primare naturale a tabelelor relaionale)
O ierarhie este o structur care ordoneaz nivelurile unei dimensiuni,
definind asocieri de tipul printe-fiu
Exemplu: dimensiunea PRODUCTS din depozitul SALES_WH, care
poate fi studiat cu toolset-ul Design Center (din Oracle Warehouse
Builder), lansnd Data Object Editor
30
Exemplu: dimensiunea PRODUCTS (1)
31
Exemplu: dimensiunea PRODUCTS (2)
Fiecare nivel are o
denumire:
PRODUCT
SUBCATEGORY
CATEGORY
TOTAL
Fiecare nivel are un set
de atribute:
este un subset al
setului de atribute ale
dimensiunii
conine identificatorii
surogat i business
Ierarhia de niveluri (cu
numele PROD_STD)
32
Exemplu: dimensiunea CUSTOMERS
33
Implementarea relaional a schemei stea
Asocierile (relationships)
sunt definite ntre tabelul
fact i tabelele de
dimensiuni, prin chei
strine din tabelul fact
Cheia primar a tabelului
fact este, de regul, o
combinaie a cheilor
strine care refer cheile
primare din tabelele de
dimensiuni
Pentru implementarea relaional a schemei stea a unui depozit de date
se definesc:
Tabele de subiecte (fact table) un fact table pentru fiecare schem stea;
tabelul fact corespunde unui cube din proiectul logic
Tabele de dimensiuni (numite i tabele de referin) care corespund
dimensiunilor din proiectul logic
34
Implementarea relaional a dimensiunilor
Tabelul corespunztor
unei dimensiuni:
Memoreaz date
pentru toate nivelurile
dimensiunii
Conine o cheie
primar care este
referit de tabelul
fact (implementare a
msurii cube)
Coloanele tabelului
corespund atributelor
nivelurilor dimensiunii
Numele unei coloane
se obine prin
prefixarea numelui
atributului cu numele
nivelului
Exemplu: tabelul
PRODUCTS
35
Implementarea relaional a unui CUBE
CUBE SALES i
corespunde tabelul
relaional SALES n
care:
Fiecrei msuri i
corespunde o
coloan
Fiecare tabel de
dimensiune este
referit printr-o cheie
strin

36
ncrcarea datelor n depozit
ncrcarea datelor din fiiere sau tabele surs n baza de date int
(target) se face prin operaiile de extragere, transformare i ncrcare
(operaiile ETL)
Operaiile ETL se definesc n mapri (mapping)
O mapare este compus din operatori i poate fi definit n cadrul OWB
Operatorii folosii de OWB:
Operatori surs/target Oracle reprezint obiecte Oracle (tabele, vederi etc.)
Operatori surs/target non-Oracle sau remote
Operatori de flux de date (data-flow) definesc transformrile datelor
Operatori pre sau post mapping
Operatori de grupare (pluggable maping operators)
De exemplu, maparea LOAD_CHANNELS din modulul SALES_WH
Operatorul CHANNELS_IN este legat (BOUND) la tabelul CHANNELS
Operatorul CHANNELS_OUT este legat la dimensiunea CHANNELS
Sunt definite corespondene ntre atributele operatorilor
37
Exemplu: maparea LOAD_CHANNELS
38
Proiectarea proceselor flux
Un proces flux (flow process) asigur execuia operaiilor ETL, conform
maprilor definite
39
Deploymentul i ncrcarea datelor n OWB
Prin deployment se creeaz sistemul int din modelul proiectat
Pentru un depozit proiectat se deploy-az:
Tabelele externe
Cubul i dimensiunile
Maprile
Procesele flux
n OWB deplymentul se face cu Control Center Manager, care poate fi
lansat din Design Center
ncrcarea datelor n tabelele int se face conform maprilor i a
proceselor flux definite i deployate
Datele ncrcate n tabelele int pot fi viyualiyate, selectate etc.
De exemplu, datele din tabelel schemei sh din baza de date Oracle 11g
corespund bazei de date int SALES_WH (cu mici diferene de
denumiri ale atributelor, provenind din diferena de versiuni)
40
Coninutul tabelului PRODUCTS
Observatii: tabelul PRODUCTS este nenormalizat prezint redundane, dar interogarile sunt mai rapide
Denumirile coloanelor difera pt. ca s-a folosit deploymentul existent din exemplele Oracle (schema sh)
41
Coninutul tabelului SALES
42
Indexuri n Oracle Data Warehouse
n ODW se folosesc:
Indexuri B-Tree - pentru indexuri pe atribute chei unice (primare)
Indexuri bitmap pentru alte atribute
Indexuri bitmap utilizate n depozite, unde sunt mari cantiti de date i
interogri ad-hoc, dar un nivel sczut de concuren a tranzaciilor
n astfel de aplicaii indexurile bitmap asigur:
Timp de rspuns bun pentru interogri
Spaiu de memorare mai redus dect alte tipuri de indexuri (indexurile
bitmap necesit o mic fracie din dimensiunea datelor, n timp ce indexurile
B-tree pot ajunge mai mari dect tabelel nsele)
Un index furnizeaz pointeri la liniile dintr-un tabel care conine o
anumit valoare a cheii de ordonare a indexului.
Un index obinuit conine lista identificatorilor liniilor care conin cheia
Un index bitmap conine cte un bit pentru fiecare linie din tabel: 1 dac linia
conine cheia; 0 dac linia nu conine cheia
Indexurile bitmap se pot comprima foarte eficient
43
Indexuri bitmap (1)
Un index bitmap este cu att mai eficient cu ct numrul de valori
distincte ale atributului folosit ca i cheie de indexare este mai mic
deoarece pentru fiecare valoare distinct a atributului cheie a indexului se
memoreaz un ir cu un numr de bii egal cu numrul de linii
Exemplu: n tabelul CUSTOMERS (cust_id, cust_gender,
cust_marital_status, cust_income_level, ....)
Se pot pune indexuri bitmap pe atributele:
cust_gendre 2 valori posibile (F, B)
cust_marital_status 5 valori posibile (null, single, married, divorced, widow)
cust_income_level 12 niveluri posibile
Pe atributul cust_id nu se poate defini un index bitmap, deoarece are
numr mare de valori distincte, dar se poate defini indexul primar (de tip
B-Tree)
44
Index-uri bitmap (2)
Se consider o parte (selecie) din tabelul CUSTOMERS
Dac acesta ar fi tot tabelul, atunci indexul bitmap pe atributul
cust_gendre ar arta astfel:
cust_id M F
555 0 1
556 0 1
557 0 1
558 0 1
559 1 0
560 0 1
561 1 0
562 1 0
563 1 0
564 1 0
Observaie: irul de bii al indexului nu are doar 10 bii, ci o lungime egal cu
cardinalitatea tabelului CUSTOMERS
45
Index-uri bitmap (3)
Indexul bitmap pe atributul cust_marital_status pe poriunea selectat
din tabelul CUSTOMERS arat n felul urmtor:
cust_id null single married divorced widow
555 1 0 0 0 0
556 0 1 0 0 0
557 0 0 1 0 0
558 0 0 0 1 0
559 0 1 0 0 0
560 0 1 0 0 0
561 0 1 0 0 0
562 1 0 0 0 0
563 0 1 0 0 0
564 0 0 1 0 0
46
Agregarea datelor n ODW folosind SQL
Funciile de agregare se pot
folosi ca extensii ale clauzei
GROUP BY:
ROLLUP
CUBE
GROUPING
GROUPING SET
Extensia ROLLUP a clauzei
GROUP BY permite
instruciunii SELECT s
calculeze niveluri de subtotal
multiple peste un grup de
dimensiuni
Exemplu de interogare cu
agregare prin clauza GROUP
BY fr nici o extensie (n
schema sh, folosind SQL
Developer):
47
Extensia ROLLUP a clauzei GROUP BY
Aceeai interogare n care
clauza GROUP BY are
extensia ROLLUP
Se obin:
Liniile cu vnzrile
trimestriale, pe categorii de
produse, n intervalul dat
Totalul pentru toate
categoriile, pe fiecare
trimestru
Totalul pe toate categoriile,
pe tot intervalul
48
Extensia CUBE a clauzei GROUP BY
Extensia CUBE a clauzei
GROUP BY genereaz
toate subtotalurile care pot
fi calculate dintr-un CUBE
pe dimensiunile specificate;
Exemplu adugnd
extensia CUBE n clauza
GROUP BY se obin:
Liniile cu vnzrile
trimestriale, pe categorii de
produse, n intervalul dat
Toate totalurile posibile
pentru vnzrile
trimestriale i pe categorii
de produse
49
Interogri stea n ODW
Interogare stea: o jonciune
ntre tabelul fact i unul sau
mai multe tabele de
dimensiuni, folosind cheile
strine din tabelul fact
Nu se pot face jonciuni ntre
tabele de dimensiuni
Pentru optimizarea
interogrilor stea folosete
transformarea stea:
Se definete cte un index
bitmap n tabelul fact pentru
fiecare cheie strin
Exemplu: n tabelul fact
SALES sunt definite indexuri
pe cheile strine: time_id,
channel_id, cust_id, prod_id,
and promo_id
50
Transformarea stea
Pentru execuia interogrii folosind transformarea stea, se transform
interogarea stea n sub-interogri pe fiecare dimensiune:
SELECT ... FROM sales
WHERE time_id IN
(SELECT time_id FROM times WHERE calendar_quarter_desc = '1999-Q1')
AND cust_id IN
(SELECT cust_id FROM customers WHERE cust_state_province='CA')
AND channel_id IN
(SELECT channel_id FROM channels WHERE channel_desc IN('Internet','Catalog'));
Se execut jonciunea ntre tabelul fact i fiecare tabel de dimensiune
rezultat prin selecie folosind indexul bitmap corespunztor dimensiunii
respective
Se obine cte un bitmap pentru fiecare dimensiune, fiecare valoare 1
din bitmap reprezentnd mulimea liniilor din tabelul sales care
satisface condiia corespunztoare dimensiunii respective
Se execut operaia AND ntre bitmap-urile de dimensiuni pentru a
obine mulimea liniilor rezultat
51
Funcii SQL pentru analiz i raportare
Oracle extinde SQL cu urmtoarele funcii pentru analiz i raportare:
52
Funciile RANK i DENSE_RANK
Funciile RANK i DENSE RANK permit aflarea rangului unui articol
dintr-un grup dat
Ex: s gsim primele 3 produse cel mai bine vndute n California anul
trecut
Sintaxa:
RANK ( ) OVER ( [query_partition_clause] order_by_clause )
DENSE_RANK ( ) OVER ( [query_partition_clause] order_by_clause )
Dac lipsete clauza query_partition_clause, rangul se aplic
ntregului result set
Diferena dintre cele 2 funcii:
La RANK: urmatorul rang are valoarea obinut prin incrementarea valorii
rangului precedent cu numrul de aticole de pe rangul precedent
La DENSE_RANK, urmtorul rang are valoare incrementata cu 1 fat de
rangul precedent, indiferent cte articole sunt asignate acestuia
53
Exemplu: funcia RANK
54
Funciile lag/lead
Sintaxa:
{LAG | LEAD} ( value_expr [, offset] [, default] )
OVER ( [query_partition_clause] order_by_clause )
Exemplu:
55
OLAP i Data Mining n Oracle
OLAP i Data Mining sunt integrate n serverul Oracle; pot fi privite ca
modaliti complementare de analiz:
OLAP ofer calcule de rezumare (sintez); de ex. Cum sunt vnzrile de
fonduri mutuale din acest trimestru comparate cu cele de anul trecut? Ce se
poate prevedea pentru vnzrile n trimestrul urmtor?
Data mining descoper legturi (pattern-uri) neateptate n seturile de date;
explorarea opereaz cu detalii, nu cu rezumate ale datelor; de exemplu,
explorarea poate oferi rspuns la ntrebri: Care sunt cartacteristicile celor
care vor cumpra fonduri mutuale n urmtoarele 6 luni?
OLAP folosete kernelul bazei de date Oracle:
Securitatea este administrat n mod standard, prin acordarea sau
revocarea de drepturei utilizatorilor i rolurilor
Obiectele dimensionale sunt memorate n baza de date (de ex.cuburile)
Se poate folosi limbajul SQL pentru interogarea obiectelor dimensionale
Data mining folosete mari volume de date pentru a crea modele, att n
aplicaiile economice ct i n aplicaii tiinifice
56
Oracle Data Mining (ODM)
Oracle Data Mining suport majoritetea funciilor de explorare:
Clasificarea (gruparea entitilor n clase) algoritmi implementai: arbori de
decizie, regresie, SVM (support vector machines)
Regresia (aproximarea i predicia valorilor numerice continue) algoritmi
SVM, modele lineare generalizate (multivariate linear regression)
Detecia anomaliilor folosete algoritmi SVM
Detecia importanei atributelor algoritmi de detecie a descriptorilor de
lungime minim (minimum descriptor length)
Gruparea (clustering identificarea gruprii naturale a datelor) algoritmi
k-Means, O-Cluster
Asocieri (analiza n coul de cumprturi a articolelor care sunt cumprate
mpreun) algoritmul apriori
Extragerea trsturilor algoritmul de factorizare cu matrice non-negativ
Pe lng explorarea datelor structurate, ODM mai permite explorarea
textelor (de ex. rapoarte ale poliiei, note medicale) sau a datelor
spaiale
57
Suport pentru depozite de date n alte SGBD-uri
MySQL (versiunea 5.1) i PostgreSQL (versiunea 8.4) nu ofer suport
pentru depozite de date
Dar exist toolset-uri cu care se pot construi depozite implementate n baze
de date relationale ale acestora
De exemplu: The Data Warehouse Toolkit by Ralph Kimball
Microsoft SQL Server 2008 permite crearea i utilizarea depozitelor de
date prin urmtoarele componente:
Componente de stocare - acestea sunt baze de date ce conin date
colectate i informaii de configurare
Componente de execuie - folosite pentru colectarea i stocarea datelor
Componente de interfa (API) permit interaciunea dintre interfeele
utilizator i coleciile de date
Componente client sunt interfee utilizatori pentru accesarea coleciilor de
date
58
Microsoft SQL Server Data Warehouse
59
Bibliografie
W. H. Inmon, Building the Data Warehouse, Fourth Edition, Wiley
Publishing, Inc., 2005
S. Chaudhuri, U. Dayal, An Overview of Data Warehousing and OLAP
Technology, Intl. Conference on Data Engineering, 1995.
Oracle 11g Documentation
Oracle Database - Data Warehousing Guide 11g Release 1 (11.1)
B28313-02
Oracle Database - 2 Day + Data Warehousing Guide 11g Release 1 (11.1)
B28314-01
Oracle Warehouse Builder User's Guide 11g Release 1 (11.1) B31278-06
MySQL 5.1 Documentation
PostgreSQL 8.4.3 Documentation
Microsoft SQL Server 2008 Books Online
60