Forwarded from Deleted Account
This media is not supported in your browser
VIEW IN TELEGRAM
Forwarded from Deleted Account
This media is not supported in your browser
VIEW IN TELEGRAM
Forwarded from Deleted Account
Media is too big
VIEW IN TELEGRAM
Forwarded from Deleted Account
Media is too big
VIEW IN TELEGRAM
Forwarded from Deleted Account
Media is too big
VIEW IN TELEGRAM
Forwarded from Deleted Account
This media is not supported in your browser
VIEW IN TELEGRAM
Forwarded from Deleted Account
Media is too big
VIEW IN TELEGRAM
Forwarded from Deleted Account
This media is not supported in your browser
VIEW IN TELEGRAM
Forwarded from Deleted Account
Media is too big
VIEW IN TELEGRAM
Forwarded from Deleted Account
Media is too big
VIEW IN TELEGRAM
Forwarded from ***S@££D***
Forwarded from ***S@££D***
OLAP و OLTP
با توجه به تکنولوژی های مرتبط در خصوص طراحی و پیاده سازی پایگاه داده ها برای استفاده از سرویس های تحلیلی می توان این پایگاه داده را به دو دسته کلی تقسیم کرد:
OLAP: همان طور که از نام این گروه مشخص است این پایگاه داده ها برای تحلیل و بررسی مورد استفاده قرار می گیرند که طبیعتا طراحی و ساختار آن با پایگاه داده های معمولی متفاوت خواهد بود. مثلا در طراحی این پایگاه داده ها از ایندکس های بیشتری استفاده می شود که سرعت واکشی و دسترسی به اطلاعات افزایش می یابد اما در عین حال سرعت درج و بر روز رسانی کاهش یافته که این مسئله باعث می شود همین کار در پایگاه داده های OLTP مناسب نباشد. معمولا این پایگاه داده را با کلمه DW خاتمه می یابند. DW مخفف عبارت Data warehouse می باشد که بیانگر پایگاه داده هایی است که برای تحلیل طراحی شده اند .
OLTP: این پایگاه داده ها، همان پایگاه داده های اصلی هستند که طبیعتا هر مهندس DBA آن را برای بایگانی و جمع آوری اطلاعات ایجاد می کند. در مبحث BI شما می بایست ابتدا پایگاه داده خود را به صورت ساختار یافته طراحی کنید و سپس برای مباحث DM نسخه جدیدی از آن طراحی کنید البته معمولا در صورتی که پایگاه داده شما به درستی طراحی شده باشد تغییرات زیادی لازم نیست.
مفاهیم مربوط به طراحی OLAP
مهمترین مفهومی که در طراحی سرویس های تحلیلی وجود دارد، مکعب است. مکعب، نمایشی چند بعدی از مقدار کمی مورد تحلیل است. اگر بخواهیم خیلی صریح توضیحی ارائه دهیم، این مثال را در نظر بگیرید که شما می خواهید بدانید هر کالا با چه تعدادی و در چه زمان هایی و توسط چه مشتریانی خریداری شده است. خوب هر کدام از پارامتر ها را یک مقیاس در نظر بگیرید (طول، عرض و ارتفاع) اما نکته قابل توجه این مسئله است که در این مفاهیم می تواند بعد های بیشتری داشت، در این مثال پارامترهای دیگری چون فروشند گان، نوع فروش، سیستم کالا بر، و... پارامترهای دیگری را می توان دخیل کرد اما چون می خواهیم مثال ما ساده باشد همان سه بعد را در نظر می گیریم.
مفهوم بعدی که باید مطرح کنم و همان طور که در تصویر مشخص است، مفهوم Cell است، طبیعتا هر خانه یک موجودیت مستقل نسبت به سایر خانه های مکعب است و هر خانه دارای بعد هایی است که قبلا ذکر کردیم می باشد.
در هر مکعب اندازه هایی وجود دارد که توسط آن می توان در مورد هر سلول تصمیم گرفت و میزان آن را با بقیه سلول ها مقایسه کرد، در مثال ما اندازه ها مانند تعداد فروش، و... است
مفهوم بعدی، بعُد است. درمثال ما طبق توضیحات ارائه گردیده، زمان، تعداد،مشتری ابعاد ما هستند. بعُد در واقع چیزی است که یک اندازه را دسته بندی می کند.
مفهوم آخر، سلسله مراتب است. در کل دو نوع سلسله مراتب داریم متقارن و نامتقارن؛ در سلسله مراتب متقارن فاصله همه ی برگ ها تا ریشه برابر است اما در نامتقارن متفاوت خواهد بود.
🍀🍀🍀🍀🍀
با توجه به تکنولوژی های مرتبط در خصوص طراحی و پیاده سازی پایگاه داده ها برای استفاده از سرویس های تحلیلی می توان این پایگاه داده را به دو دسته کلی تقسیم کرد:
OLAP: همان طور که از نام این گروه مشخص است این پایگاه داده ها برای تحلیل و بررسی مورد استفاده قرار می گیرند که طبیعتا طراحی و ساختار آن با پایگاه داده های معمولی متفاوت خواهد بود. مثلا در طراحی این پایگاه داده ها از ایندکس های بیشتری استفاده می شود که سرعت واکشی و دسترسی به اطلاعات افزایش می یابد اما در عین حال سرعت درج و بر روز رسانی کاهش یافته که این مسئله باعث می شود همین کار در پایگاه داده های OLTP مناسب نباشد. معمولا این پایگاه داده را با کلمه DW خاتمه می یابند. DW مخفف عبارت Data warehouse می باشد که بیانگر پایگاه داده هایی است که برای تحلیل طراحی شده اند .
OLTP: این پایگاه داده ها، همان پایگاه داده های اصلی هستند که طبیعتا هر مهندس DBA آن را برای بایگانی و جمع آوری اطلاعات ایجاد می کند. در مبحث BI شما می بایست ابتدا پایگاه داده خود را به صورت ساختار یافته طراحی کنید و سپس برای مباحث DM نسخه جدیدی از آن طراحی کنید البته معمولا در صورتی که پایگاه داده شما به درستی طراحی شده باشد تغییرات زیادی لازم نیست.
مفاهیم مربوط به طراحی OLAP
مهمترین مفهومی که در طراحی سرویس های تحلیلی وجود دارد، مکعب است. مکعب، نمایشی چند بعدی از مقدار کمی مورد تحلیل است. اگر بخواهیم خیلی صریح توضیحی ارائه دهیم، این مثال را در نظر بگیرید که شما می خواهید بدانید هر کالا با چه تعدادی و در چه زمان هایی و توسط چه مشتریانی خریداری شده است. خوب هر کدام از پارامتر ها را یک مقیاس در نظر بگیرید (طول، عرض و ارتفاع) اما نکته قابل توجه این مسئله است که در این مفاهیم می تواند بعد های بیشتری داشت، در این مثال پارامترهای دیگری چون فروشند گان، نوع فروش، سیستم کالا بر، و... پارامترهای دیگری را می توان دخیل کرد اما چون می خواهیم مثال ما ساده باشد همان سه بعد را در نظر می گیریم.
مفهوم بعدی که باید مطرح کنم و همان طور که در تصویر مشخص است، مفهوم Cell است، طبیعتا هر خانه یک موجودیت مستقل نسبت به سایر خانه های مکعب است و هر خانه دارای بعد هایی است که قبلا ذکر کردیم می باشد.
در هر مکعب اندازه هایی وجود دارد که توسط آن می توان در مورد هر سلول تصمیم گرفت و میزان آن را با بقیه سلول ها مقایسه کرد، در مثال ما اندازه ها مانند تعداد فروش، و... است
مفهوم بعدی، بعُد است. درمثال ما طبق توضیحات ارائه گردیده، زمان، تعداد،مشتری ابعاد ما هستند. بعُد در واقع چیزی است که یک اندازه را دسته بندی می کند.
مفهوم آخر، سلسله مراتب است. در کل دو نوع سلسله مراتب داریم متقارن و نامتقارن؛ در سلسله مراتب متقارن فاصله همه ی برگ ها تا ریشه برابر است اما در نامتقارن متفاوت خواهد بود.
🍀🍀🍀🍀🍀
Forwarded from ***S@££D***
1- بانک اطلاعاتی OLTP برای ثبت سریع و بی درنگ تراکنش های یک سیستم استفاده می شود. درصورتی که از انباره های داده OLAPبرای آنالیز برخط و تصمیم گیری های کلان درسطح BI استفاده می شود.
2- روابط بین جداول ونرمالیتی در بانک های اطلاعاتی پیچیده و موجودیت ها کاملاً مشخص می باشند در حالی که انباره های داده روابط پیچیده ای نداردند و برای بالابردن سرعت تقریباً نرمال سازی نمی شوند.
3- بانک اطلاعاتی موجودیت محور می باشد یعنی در طراحی آن موجودیت ها نقش اصلی را بازی می کنند در حالی که در انباره داده این مدل های داده ای هستند که نقش اصلی رو در طراحی بازی می کنند.
4- بانک های اطلاعاتی جهت درج داده طراحی می شوند در حالی که انباره های داده بیشترین تمرکز را در سرعت در خواندن داده دارند.
5-سرعت بانک اطلاعاتی در گزارش هایی جهت آنالیز اطلاعات بسیار پایین است اما سرعت آنالیزها در انباره داده بیشتر می باشد.
و در نهایت یک انباره داده معمولاً یک بانک اطلاعاتی است و همچنین ممکن است یک انباره داده از چند بانک اطلاعاتی داده دریافت کند.
2- روابط بین جداول ونرمالیتی در بانک های اطلاعاتی پیچیده و موجودیت ها کاملاً مشخص می باشند در حالی که انباره های داده روابط پیچیده ای نداردند و برای بالابردن سرعت تقریباً نرمال سازی نمی شوند.
3- بانک اطلاعاتی موجودیت محور می باشد یعنی در طراحی آن موجودیت ها نقش اصلی را بازی می کنند در حالی که در انباره داده این مدل های داده ای هستند که نقش اصلی رو در طراحی بازی می کنند.
4- بانک های اطلاعاتی جهت درج داده طراحی می شوند در حالی که انباره های داده بیشترین تمرکز را در سرعت در خواندن داده دارند.
5-سرعت بانک اطلاعاتی در گزارش هایی جهت آنالیز اطلاعات بسیار پایین است اما سرعت آنالیزها در انباره داده بیشتر می باشد.
و در نهایت یک انباره داده معمولاً یک بانک اطلاعاتی است و همچنین ممکن است یک انباره داده از چند بانک اطلاعاتی داده دریافت کند.
Forwarded from Nemoudar | نمودار
The Microsoft DataWarehouse Toolkit _ Wiley.pdf
8.4 MB
Forwarded from Nemoudar | نمودار
Forwarded from SSRS&PowerBI Guide
فايله فوق مقايسه Power BI با SSRS و DataZen مي باشد