ISCTE – ESCOLA DE GESTÃO - Universidade Técnica de Lisboa

More documents

Recommendations

Info

Tempo (trimestre) Entretenimento Localização = New York Item Computador Telefone Segurança Q1 1087k 968k 38k 872k Q2 1130k 1024k 41k 925k Q3 1034k 1048k 45k 1002k Q4 1142k 1091k 54k 984k Tempo (trimestre) Entretenimento Localização = Chicago Item Computador Telefone Segurança Q1 854k 882k 89k 623k Q2 943k 890k 64k 698k Q3 1032k 924k 59k 789k Q4 1129k 992k 63k 870k As tabelas acima equivalem conceptualmente ao cubo 3D da figura abaixo. Figura 1 – Representação sob a forma de cubo 3D da tabela 2 [Han2001a] Supondo que se pretendesse adicionar outra dimensão, designada como Fornecedor, à informação da tabela 1, obter-se-ia um cubo 4D, o que não é trivial de representar ou visualizar. Porém, podemos considerar um cubo 4D como uma série de cubos 3D para cada uma das combinações possíveis das quatro dimensões três a três. Desta forma, qualquer informação n-dimensional pode ser representada sob a forma de uma série de cubos (n-1)-dimensionais. No fundo, o termo cubo é apenas uma metáfora para representar o carácter multidimensional dos dados. 15
Dado um conjunto de dimensões, é possível construir uma malha de cubóides em que cada um deles mostra os dados em diferentes níveis de sumarização ou agregação, isto, agrupados segundo diferentes subconjuntos das dimensões. Um cubo como o da figura 1 é normalmente designado de cubóide base, enquanto o cubóide 0D, que apresenta o mais alto grau de sumarização possível, é o cubo ápice. Ao conjunto da malha de cubóides dá-se o nome de cubo de dados (data cube). Figura 2 – Malha de cubóides para um cubo 4D [Han2001a] O modelo multidimensional de dados pode ser implementado segundo um esquema em estrela, em floco de neve ou em constelação de factos. O esquema em estrela é o esquema mais usado para representar data warehouses, sendo composto por uma tabela central de factos e várias tabelas de dimensão ligadas à tabela central. O esquema em floco de neve é uma variante do esquema em estrela que, ao propor a normalização das tabelas relativas às dimensões, elimina alguns problemas de redundância devidos ao facto de cada dimensão corresponder a uma única tabela no esquema em estrela. A nível arquitectural, as data warehouses podem ser implementadas sobre sistemas de gestão de bases de dados relacionais, designados como servidores relacionais (servidores ROLAP) e que suportam métodos especiais que lhes permitem implementar o modelo multidimensional e as operações sobre ele. Outra arquitectura possível para as data warehouses assenta em servidores multidimensionais (servidores MOLAP), que recorrem a estruturas de dados apropriadas para implementar o modelo multidimensional e as operações necessárias. Para tirar partido da flexibilidade proporcionada pelo modelo multidimensional, existem várias operações que podem ser realizadas sobre o cubo e permitem obter diferentes vistas dos dados. Para a descrição das operações mais comuns, considere-se o modelo multidimensional representado na figura 3. 16
Page 1 and 2: Algoritmos para a Geração de Hipe
Page 3 and 4: Resumo A tecnologia OLAP permite a
Page 5 and 6: Índice Lista de figuras ..........
Page 7 and 8: Lista de figuras Figura 1 - Represe
Page 9 and 10: Lista de tabelas Tabela 1 - Volume
Page 11 and 12: 1 Introdução Ao longo das última
Page 13 and 14: Multi-Way; a secção 4 apresenta o
Page 15: exemplo anterior, a tabela de dimen
Page 19 and 20: que faria com que cada ponto (x, y)
Page 21 and 22: Tabela 7 - Cross table para as vend
Page 23: Figura 5 - Malha de combinações p
Page 26 and 27: Por exemplo, no nível 2 da malha t
Page 28 and 29: neste caso, o critério consiste em
Page 30 and 31: de malha de procura proposto pelo a
Page 32 and 33: tenha sido percorrido. Se o array e
Page 35 and 36: Diferentes ordenações de dimensõ
Page 37 and 38: enquanto a célula com o endereço
Page 40 and 41: Figura 20 - MNST para o cubo C [Tam
Page 42 and 43: adicionado ao chunk 12 segundo D0,
Page 44 and 45: Os resultados mostram que o algorit
Page 46 and 47: Como as dimensões partilhadas pode
Page 48 and 49: Multi-Way. Além do algoritmo propo
Page 50 and 51: facilmente seleccionados para cálc
Page 52 and 53: acarreta forçosamente uma carga a
Page 54 and 55: Tabela 10 - Plano de testes Teste N
Page 56 and 57: Uma vez que as restantes implementa
Page 58 and 59: em relação ao original mas uma de
Page 60 and 61: As figuras 35 e 36 mostram o efeito
Page 62 and 63: Por fim, o gráfico da figura 38 mo
Page 64 and 65: 5 Balanço final O objectivo do pre
Page 66:
[Zhao1997] Zhao, Yihong; Prasad M.
show all

ISCTE – ESCOLA DE GESTÃO - Universidade Técnica de Lisboa

Create successful ePaper yourself

Delete template?

Save as template?