CRM-EXPO 2002 - Midrange Magazin

Technik & Integration
OLAP-, MOLAP-, ROLAP-,
Die Qual der Wahl
HOLAP-Modelle im Vergleich
E. F. Codd, der Urheber des relationalen
Datenmodells, schrieb im Jahre 1994 ein
White Paper, um den Begriff Online Analytical
Processing (OLAP) einzuführen. Er prägte
damit einen neuen Begriff im Glossar der
Datenbankmodelle. Der Grund für diesen
damals neuen Fachbegriff war die Notwendigkeit,
die Charakteristika eines OLAP-Systems
von denen eines transaktionsorientierten
OLTP-Systems zu unterscheiden.
Im Laufe der Entwicklung differenzierten
sich die OLAP-Produkte in
verschiedene Kategorien. Auf der einen
Seite standen jene Produkte, die das
multidimensionale Datenmodell in relationalen
Datenbanken speicherten und
Selektion der Daten mittels SQL vornahmen.
Die Abkürzung hierfür lautet
ROLAP (Relational Online Analytical
Processing). Auf der anderen Seite standen
die MOLAP-Produkte (Multidimensional
Online Analytical Processing),
die die Daten tatsächlich in multidimensionalen
Formaten speicherten.
Mit der Ankündigung der Version 8.1
des DB2 OLAP Servers kombiniert IBM
die Unterstützung für multidimensionale
und relationale Analyse in einem
transparenten, hybriden Ansatz zur Datenverwaltung
(HOLAP, Hybrid Online
Analytical Processing).
Dieser Artikel beleuchtet die verschiedenen
Ansätze ROLAP, MOLAP und HO-
LAP. Dabei wird die Implementierung
der hybriden Analyse mit Hilfe des DB2
OLAP Servers, Version 8.1 mit ihren
Stärken und Schwächen dargestellt.
Multidimensionales OLAP mit
dem DB2 OLAP Server
Basierend auf Hyperions Essbase-Technologie
speichert der DB2 OLAP Server
die aggregierten multidimensionalen
Daten in einem proprietären Dateiformat,
um den logischen Cube abzubilden.
Die Dimensionen und Hierarchien
dieses Cubes werden zuvor in einer Outline
definiert, anschließend werden die
beschriebenen Daten geladen. Die zu ladenden
Daten können hier in unterschiedlichen
Formaten bereitgestellt
werden. Nach dem Laden werden auf
Basis der in der Outline hinterlegten Berechnungsformeln
die Hierarchien
durchgerechnet und abgespeichert.
Während Laden und Berechnen des Cubes
als Batch-Prozesse angesehen werden
können, erlaubt die Vorausberechnung
dem Anwender einen schnellen
Zugriff, der das Attribut „online“ verdient.
Eine weiteres Merkmal des DB2
OLAP Servers ist die Option, Daten im
Cube zu verändern und anschließend
den Cube neu zurechnen.
Die Vorteile beim Einsatz von MOLAP
liegen in der Anwenderakzeptanz durch
schnelle Antwortzeiten und in den anspruchsvollen
Berechnungs- und Geschäftsmodellierungsoptionen.
Für den
Betrieb liegen die Stärken im geringen
Aufwand für Einsatz und Wartung sowie
in dem gegenüber ROLAP geringeren
Ressourcenbedarf. Von Anwendern
mit Planungs- und Modellierungsanforderungen
– wie z.B. Wenn-Dann-Analysen
– wird die Möglichkeit des Zurückschreibens
in den Cube geschätzt.
Midrange MAGAZIN November 2002
Durch die ausgereifte und offene Essbase-Technolgie
besteht ein großes Angebot
von Werkzeugen wie auch add-ins
für die Platzhirsche im Endbenutzerterrain,
gemeint sind Tabellenkalkulationen
wie MS Excel und Lotus 1-2-3. Die
Methode der Vorausberechnung jeder
möglichen Kennzahl kann bei großen
Datenbanken und hoher Granularität
die Nacht zu kurz werden lassen. Dann
ist eine MOLAP-Lösung eventuell nicht
praktikabel. Auch kann die Größe des
vollberechneten Cubes die Handhabung
– wie Sicherung und Wiederherstellung
– problematisch werden lassen. Abhängig
vom Modell kann die reine Anzahl
an möglichen Werten der Kennzahlen
den Cube um ein Vielfaches des Volumens
der Quellendaten anwachsen lassen.
Um die Größe eines Cubes und die
Kalkulationszeit zu beeinflussen, besteht
die Option, Kennzahlen erst bei
der Abfrage zu berechnen. Dies hat jedoch
Auswirkungen auf die Antwortzeiten
für den Anwender.
Relationales OLAP
Um aufzuzeigen, dass Online-Analyse
auch mit relationaler Datenhaltung
möglich ist und um die Kundenanforderung
nach „nicht noch einer Datenbank“
zu erfüllen, entwickelten sich
ROLAP-Produkte. Der Anwender in einer
ROLAP-Architektur sieht die Daten
weiterhin konzeptionell von der mehrdimensionalen
Ebene. Das mehrdimensionale
Modell wird hier in Relationen und
SQL-Abfragen übertragen, um standardisierte
relationale Datenbankmanagementsysteme
(DBMS) zu nutzen. Zur
mehrdimensionalen Modellierung werden
hier gewöhnlich Star- oder Snowflake-Schemata
genutzt. Obwohl die standardisierte
Abfragesprache SQL aus vie-
47