OLAP
Origem: Wikipédia, a enciclopédia livre.
OLAP é um acrônimo em inglês para Online Analytical Processing, ou processamento analítico on-line.
É uma abordagem tecnológica para gerar respostas rápidas a consultas analíticas de natureza tipicamente dimensional. A tecnologia OLAP é parte de uma categoria mais abrangente, Business intelligence, que também inclui Data warehouse (que por sua vez inclui ETC(Extração transformação e carga)) e Data mining. Aplicações típicas de OLAP são relatórios de negócios, marketing, relatórios gerenciais, business performance management (BPM), budgeting e previsão, relatórios financeiros e áreas similares. O termo OLAP foi criado como uma ligeira variação de um termo tradicional em bancos de dados, OLTP (do inglês On Line Transaction Processing, ou processamento de transações on-line).
Bases de dados mais adequadas para OLAP empregam um modelo de base de dados dimensional, que permite consultas analíticas complexas ou ad-hoc, com um tempo de execução pequeno. Nigel Pendse sugeriu que um termo alternativo e talvez mais descritivo para o conceito de OLAP seja Fast Analysis of Shared Multidimensional Information, (Análises Rápidas de Informação Multidimensional Compartilhada). A FASMI empresta aspectos de bancos de dados navegacionais e de bancos de dados hierárquicos, que são mais rápidos que seu semelhante relacional.
Índice |
[editar] Funcionamento
Um software OLAP trabalha tomando uma "foto" da fonte de dados e reestruturando-a em um cubo OLAP. As consultas são então feitas sobre esse cubo.
Já foi afirmado que, para consultas complexas, um software OLAP pode dar uma resposta em cerca de 0,1% do tempo gasto pela mesma consulta feita em bases de dados relacionais usadas em sistemas OLTP.
Por exemplo, suponha que você tenha um banco de dados de pedidos, sendo usado por seu departamento de vendas. Nele, várias coisas são registradas: número do pedido, itens, desconto, prazos, cliente, local para cobrança e entrega, forma de pagamento, etc. No papel de gerente desse departamento, você quer examinar as vendas daquele mês para levantar várias informações. Algumas perguntas você já fez. Outras, ainda não sabe que precisa ou que podem ser feitas.
A partir desse banco de dados, você cria uma grande tabela, contendo as informações que interessam: pedido, produto, preço unitário, quantidade, etc. E inclui informações extras: totais de cada pedido, de produtos, de clientes, etc. Essa grande tabela é o cubo n-dimensional, só que aberto. Uma ferramenta OLAP vai ler essa grande tabela e permitir que ela seja explorada visualmente, como se ela estivesse sendo dobrada sobre si mesma e sendo vista de outros ângulos.
O cubo pode ser criado a partir de qualquer fonte de dados que permita agregar e contar itens e valores. Já foi demonstrado que a modelagem dimensional de dados é a que oferece melhor performance. Um modelo dimensional é representado por um chamado esquema estrela (em inglês: star schema) de tabelas. No centro está a tabela de fatos (em inglês:fact table) que lista os fatos principais de que consiste a pesquisa. Várias tabelas dimensionais estão ligadas às tabelas de fatos. Estas tabelas indicam como as agregações de dados relacionais podem ser analisadas. O número de agregações possíveis é determinado por todas as maneiras possíveis em que os dados originais podem ser conectados hierarquicamente.
Por exemplo, um conjunto de clientes pode ser agrupado por cidade, por distrito ou por país; com 50 cidades, 8 distritos e 2 países, há três níveis hierárquicos com 60 membros. Esses clientes podem ser estudados em relação a produtos; se há 250 produtos com 20 categorias, três famílias e três departamentos, então há 276 membros de produto. Com apenas duas dimensões, localização geográfica e produto, há 16.560 agregações possíveis (276 x 60). À medida que os dados considerados aumentam, o número de agregações pode facilmente chegar às dezenas de milhões ou mais.
O cálculo de agregações e a base de dados combinadas fazem um cubo OLAP, que pode potencialmente conter todas as respostas para cada consulta que pode ser respondida com os dados. Devido ao potencial número de agregações para ser calculado, freqüentemente apenas um número predeterminado é completamente calculado enquanto o restante é resolvido sob demanda.
[editar] Tipos de OLAP
Existem três tipos de OLAP.
[editar] OLAP Multidimensional
MOLAP é a forma clássica do OLAP e algumas vezes é referida como simplesmente OLAP. MOLAP usa as estruturas de bancos de dados que são genericamente otimizadas para atributos, tais como: período de tempo, localidade, produto ou código de conta. A forma como cada dimensão vai ser agregada é definida a priori por uma ou mais hierarquias.
[editar] OLAP Relacional
ROLAP trabalha diretamente com bancos de dados relacionais. Os dados e as tabelas de dimensões são armazenadas como tabelas relacionais e novas tabelas são criadas para receber a informação agregada.
[editar] OLAP Híbrido
Não há consenso claro na indústria sobre o que é "OLAP Híbrido", exceto que um banco de dados vai dividir dados entre armazenamento relacional e especial. Para alguns fornecedores, por exemplo, um banco de dados HOLAP usa tabelas para manter as grandes quantidades de dados detalhados, e um armazenamento especializado para pelo menos alguns aspectos dos dados das quantidades menores, que são menos agregadas ou detalhadas.
[editar] Comparação
Cada tipo tem suas características, apesar de não haver consenso sobre os detalhes dos benefícios entre os fornecedores. MOLAP é melhor com pequenas bases de dados, calcula rapidamente as agregações e respostas e precisa de menos espaço de armazenamento.
ROLAP é considerado mais escalável. Entretanto, é difícil implementar eficientemente um pré-processamento para grandes volumes e por isso é frequentemente deixado de lado. A performance das consultas ROLAP pode, portanto, sofrer com grandes volumes.
HOLAP está entre os dois em todas as áreas, mas tem um pré-processo rápido e escalona bem. Todos os tipos estão sujeitos à explosão de bases de dados. Esse fenômeno causa a alocação de grandes volumes de memória pelas bases OLAP, quando certas (e frequentes) condições são satisfeitas: grande número de dimensões, resultados pré-calculados e dados multidimensionais esparsos. A dificuldade em implementar OLAP vem da formação das consultas, da escolha dos dados de base e do desenvolvimento do esquema(-estrela). Como resultado disso, muitos dos modernos produtos OLAP vêm com vastas bibliotecas de consultas pré-configuradas. Outro problema é a qualidade do conjunto dos dados de base: ele deve ser completo e consistente.
[editar] Outros Tipos
As seguintes siglas são usadas ocasionalmente, apesar de não ser tão difundidas como as descritas acima.
- WOLAP - OLAP via WWW
- DOLAP - Desktop OLAP
- RTOLAP - OLAP em tempo real
[editar] Produtos OLAP Comerciais
|
|
[editar] OLAP Open Source
- ((en)) Palo - Um servidor MOLAP open source
- ((en)) Mondrian - Um servidor ROLAP open source
- ((en)) JPalo - Ferramentas open source para o Palo
- ((en)) Pentaho - Pacote de Ferramentas de Business Intelligence (Incluido OLAP)
- ((en)) FreeOLAP - Ferramenta OLAP para geração de relatórios
