ఆన్‌లైన్ అనలిటికల్ ప్రాసెసింగ్ (OLAP)

రచయిత: Randy Alexander
సృష్టి తేదీ: 1 ఏప్రిల్ 2021
నవీకరణ తేదీ: 1 జూలై 2024
Anonim
AWS Tutorial For Beginners | AWS Full Course - Learn AWS In 10 Hours | AWS Training | Edureka
వీడియో: AWS Tutorial For Beginners | AWS Full Course - Learn AWS In 10 Hours | AWS Training | Edureka

విషయము

నిర్వచనం - ఆన్‌లైన్ అనలిటికల్ ప్రాసెసింగ్ (OLAP) అంటే ఏమిటి?

ఆన్‌లైన్ అనలిటికల్ ప్రాసెసింగ్ (OLAP) అనేది ఉన్నత-స్థాయి భావన, ఇది విశ్లేషణ బహుళ-డైమెన్షనల్ ప్రశ్నలకు సహాయపడే సాధనాల వర్గాన్ని వివరిస్తుంది.


1970 లలో వ్యాపార డేటాతో ముడిపడి ఉన్న విపరీతమైన సంక్లిష్టత మరియు పరిపూర్ణ పెరుగుదల కారణంగా OLAP వచ్చింది, ఎందుకంటే సాధారణ నిర్మాణాత్మక ప్రశ్న భాష (SQL) ప్రశ్నల ద్వారా తగినంత విశ్లేషణ కోసం సమాచారం యొక్క పరిమాణం మరియు రకం చాలా భారీగా మారింది.

మైక్రోసాఫ్ట్ అజూర్ మరియు మైక్రోసాఫ్ట్ క్లౌడ్‌కు పరిచయం | ఈ గైడ్ మొత్తంలో, క్లౌడ్ కంప్యూటింగ్ అంటే ఏమిటి మరియు క్లౌడ్ నుండి మీ వ్యాపారాన్ని తరలించడానికి మరియు అమలు చేయడానికి మైక్రోసాఫ్ట్ అజూర్ మీకు ఎలా సహాయపడుతుందో మీరు నేర్చుకుంటారు.

టెకోపీడియా ఆన్‌లైన్ అనలిటికల్ ప్రాసెసింగ్ (OLAP) గురించి వివరిస్తుంది

సాంప్రదాయ SQL యొక్క డేటా-పోలిక సామర్థ్యం పరిమితం. ఉదాహరణకు, అమ్మకపు ఏజెంట్ల జాబితా, అమ్మకాల వాల్యూమ్ చరిత్రలు వంటి ప్రశ్నలను SQL నిర్వహించగలదు. ఏదేమైనా, పెద్ద డేటా వాల్యూమ్‌లతో, కేవలం SQL ను ఉపయోగించడం మరియు నిర్ణయాధికారాన్ని సులభతరం చేసే సమాచారంలోకి డేటాను అనువదించడానికి కఠినమైనది. SQL అమ్మకాలలో కొన్ని ప్రశ్నలకు సమాధానం ఇవ్వడం చాలా కష్టం, అంటే ఉత్పత్తి అమ్మకాలు నెల మధ్యలో ఎందుకు ఎక్కువ, లేదా మహిళా అమ్మకపు ఏజెంట్లు వేసవిలో తమ మగవారిని ఎందుకు ఎక్కువగా అమ్ముతారు.


రిలేషనల్ డేటాబేస్లకు స్వాభావిక పరిమితులు ఉన్నాయని గుర్తించి, తయారీదారులు సంక్లిష్టమైన డేటా సంబంధాలను సూచించడానికి మరియు దాచిన మరియు గతంలో తెలియని నమూనాలు మరియు పోకడలను గుర్తించడానికి ఫలితాలను విశ్లేషించడానికి కొత్త మార్గాలను సృష్టించారు.

డేటా మైనింగ్ కోసం ఒక పెద్ద చిల్లర OLAP సాధనాలను ఉపయోగించడం నుండి OLAP యొక్క సంభావ్యత గురించి కేస్ స్టడీ పెరిగింది. ఈ చిల్లర అర్థరాత్రి బేబీ ఉత్పత్తి కొనుగోళ్లు అర్ధరాత్రి బీర్ కొనుగోళ్లతో సంబంధం కలిగి ఉన్నాయని గమనించాయి. ప్రారంభంలో, ఇది యాదృచ్చికంగా అనిపించింది, కాని లోతైన కస్టమర్ విశ్లేషణలో అర్థరాత్రి కస్టమర్లు ఎక్కువగా ఇరవైల చివరలో లేదా ముప్పైల ఆరంభంలో యువ తండ్రులు అని వెల్లడించారు - జనాభా కూడా అర్థరాత్రి పునర్వినియోగపరచలేని ఆదాయంతో ముడిపడి ఉంది. ఈ డేటా ఆధారంగా, చిల్లర వ్యాపారులు బేబీ ప్రొడక్ట్స్ మరియు బీరులను క్రాస్ మర్చండైజింగ్ చేయడం ప్రారంభించారు మరియు రెండు ఉత్పత్తి శ్రేణుల అమ్మకాలు ఆకాశాన్ని అంటుకున్నాయి.

సంబంధం లేని సంఘటనలు మరియు పోకడల మధ్య డేటా సంబంధాలను పరిశోధించడానికి మరియు వెలికితీసేందుకు OLAP పరిశోధకులను ఎలా సమకూర్చుతుందో ఈ కేసు అధ్యయనం రుజువు చేసింది, తద్వారా వ్యాపార నిర్ణయం తీసుకోవడాన్ని మెరుగుపరుస్తుంది.