డేటా క్యూబ్

రచయిత: Robert Simon
సృష్టి తేదీ: 24 జూన్ 2021
నవీకరణ తేదీ: 14 మే 2024
Anonim
డేటా క్యూబ్‌ల ప్రాథమిక అంశాలు
వీడియో: డేటా క్యూబ్‌ల ప్రాథమిక అంశాలు

విషయము

నిర్వచనం - డేటా క్యూబ్ అంటే ఏమిటి?

డేటా క్యూబ్ అంటే త్రిమితీయ (3 డి) (లేదా అంతకంటే ఎక్కువ) విలువల శ్రేణి, సాధారణంగా చిత్రాల డేటా యొక్క సమయ క్రమాన్ని వివరించడానికి ఉపయోగిస్తారు. విభిన్న దృక్కోణాల నుండి సమగ్ర డేటాను అంచనా వేయడానికి ఇది డేటా సంగ్రహణ. స్పెక్ట్రోస్కోపీ ఇమేజింగ్ కోసం ఇది ఉపయోగపడుతుంది, ఎందుకంటే స్పెక్ట్రల్లీ-పరిష్కరించబడిన చిత్రం 3-D వాల్యూమ్గా వర్ణించబడింది.

డేటా క్యూబ్‌ను రెండు డైమెన్షనల్ టేబుల్స్ యొక్క మల్టీ డైమెన్షనల్ ఎక్స్‌టెన్షన్స్‌గా కూడా వర్ణించవచ్చు. ఇది ఒకదానిపై ఒకటి పేర్చబడిన ఒకేలా 2-D పట్టికల సమాహారంగా చూడవచ్చు. నిలువు వరుసలు మరియు వరుసల పట్టిక ద్వారా వివరించడానికి చాలా క్లిష్టంగా ఉన్న డేటాను సూచించడానికి డేటా క్యూబ్స్ ఉపయోగించబడతాయి. అందుకని, డేటా క్యూబ్స్ 3-D కి మించి చాలా కొలతలు చేర్చవచ్చు.

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 డేటా క్యూబ్ గురించి వివరిస్తుంది

డేటాను సులభంగా అర్థం చేసుకోవడానికి డేటా క్యూబ్ సాధారణంగా ఉపయోగించబడుతుంది. వ్యాపార అవసరాల యొక్క కొన్ని కొలతలుగా కొలతలతో డేటాను సూచించేటప్పుడు ఇది చాలా ఉపయోగకరంగా ఉంటుంది. ఒక క్యూబ్స్ ప్రతి పరిమాణం డేటాబేస్ యొక్క కొన్ని లక్షణాలను సూచిస్తుంది, ఉదాహరణకు, రోజువారీ, నెలవారీ లేదా వార్షిక అమ్మకాలు. డేటా క్యూబ్‌లో చేర్చబడిన డేటా వాస్తవంగా ఏదైనా లేదా అన్ని కస్టమర్‌లు, సేల్స్ ఏజెంట్లు, ఉత్పత్తులు మరియు మరెన్నో వాటి కోసం దాదాపు అన్ని గణాంకాలను విశ్లేషించగలుగుతుంది. అందువల్ల, డేటా క్యూబ్ ధోరణులను స్థాపించడానికి మరియు పనితీరును విశ్లేషించడానికి సహాయపడుతుంది.

డేటా క్యూబ్స్ ప్రధానంగా రెండు వర్గాలుగా వర్గీకరించబడ్డాయి:

  • మల్టీ డైమెన్షనల్ డేటా క్యూబ్: చాలా OLAP ఉత్పత్తులు క్యూబ్‌ను మల్టీ డైమెన్షనల్ అర్రేగా రూపొందించిన నిర్మాణం ఆధారంగా అభివృద్ధి చేయబడతాయి. ఈ మల్టీ డైమెన్షనల్ OLAP (MOLAP) ఉత్పత్తులు సాధారణంగా ఇతర విధానాలతో పోల్చినప్పుడు మెరుగైన పనితీరును అందిస్తాయి ఎందుకంటే అవి డేటా యొక్క ఉపసమితులను సేకరించడానికి నేరుగా డేటా క్యూబ్ యొక్క నిర్మాణంలోకి సూచించబడతాయి. కొలతల సంఖ్య ఎక్కువగా ఉన్నప్పుడు, క్యూబ్ స్పర్సర్‌గా మారుతుంది. అంటే నిర్దిష్ట లక్షణాల కలయికలను సూచించే అనేక కణాలు మొత్తం డేటాను కలిగి ఉండవు. ఇది నిల్వ అవసరాలను పెంచుతుంది, ఇది కొన్ని సమయాల్లో అవాంఛనీయ స్థాయికి చేరుకుంటుంది, అనేక కొలతలు కలిగిన భారీ డేటా సెట్‌లకు MOLAP పరిష్కారం సాధ్యం కాదు. కుదింపు పద్ధతులు సహాయపడవచ్చు; అయినప్పటికీ, వాటి ఉపయోగం MOLAP యొక్క సహజ సూచికను దెబ్బతీస్తుంది.

  • రిలేషనల్ OLAP: రిలేషనల్ OLAP రిలేషనల్ డేటాబేస్ మోడల్‌ను ఉపయోగించుకుంటుంది. ROLAP డేటా క్యూబ్‌ను బహుమితీయ శ్రేణితో పోల్చితే రిలేషనల్ టేబుల్స్ (కొలతల పరిమాణానికి సుమారు రెండు రెట్లు ఎక్కువ) గా ఉపయోగించబడుతుంది. క్యూబాయిడ్ అని పిలువబడే ఈ పట్టికలలో ప్రతి ఒక్కటి ఒక నిర్దిష్ట వీక్షణను సూచిస్తుంది.