Mit föderierten Partitionen können Sie Essbase-Cubes in Autonomous Data Warehouse integrieren, um die leistungsstarken Analysen von Essbase mit den Vorteilen von Autonomous Database zu kombinieren.
Durch die Essbase-Integration mit Autonomous Data Warehouse über föderierte Partitionen werden die Daten für Ihren Cube in Autonomous Data Warehouse gespeichert.
Um dieses Feature zu implementieren, müssen Essbase und Oracle Autonomous Database Serverless (mit Workload-Typ "Autonomous Data Warehouse") zusammen in einem gemeinsamen Oracle Cloud Infrastructure-Mandanten bereitgestellt werden. Dabei dient Autonomous Data Warehouse als Repository-Datenbank für RCU-Schemas für den Essbase-Stack, der von Marketplace auf OCI bereitgestellt ist.
Essbase-Cubes mit föderierten Partitionen weisen einige wichtige Funktionsunterschiede zu nicht föderierten Block Storage-(BSO-) und Aggregate Storage-(ASO-)Cubes auf.
Sehen Sie sich die Unterschiede zwischen ASO- und BSO-Cubes an, um zu bestimmen, ob eine föderierte Partition die richtige Wahl ist.
Tabelle 18-1 Unterschiede zwischen Aggregate Storage-, Block Storage- und föderierte Cubes
| Aggregate Storage (ASO) | Block Storage (BSO) | Föderierter Partitions-Cube | |
|---|---|---|---|
| Datenspeichermodell |
Daten werden in Essbase gespeichert. |
Daten werden in Essbase gespeichert. |
Daten werden in einer relationalen Tabelle in Autonomous Data Warehouse gespeichert. Diese wird in der Dokumentation als Faktentabelle bezeichnet. |
| Funktionsweise |
Die Anzahl der Dimensionen kann sehr hoch sein, mit Millionen von Elementen, aber der Cube weist einige Sparse-Datensegmente auf (viele dimensionale Schnittmengen enthalten keine Daten). Daten werden nur auf Ebene 0 eingegeben. Cubes werden für schnelle Aggregation optimiert. |
In der Regel weniger und kleinere Dimensionen als ASO. BSO nimmt dicht besetzte Datasets auf. Einige der Dimensionen sind als "Dicht besetzt" definiert, mit Daten bei den meisten Schnittmengen, und andere als "Dünn besetzt". So kann Essbase Daten effizient speichern und die Abhängigkeitsanalyse optimieren (damit nicht zu großzügig berechnet wird). Daten können auf jeder Ebene eingegeben werden. |
Die Essbase-Modellstruktur wird der Faktentabelle zugeordnet, sodass Daten in Autonomous Data Warehouse gespeichert werden, aber für die Analyse mit der in Ihre Essbase-Anwendung integrierten Logik zugänglich sind. Mit den Analysefunktionen der Essbase-Modellstruktur können Sie die flache relationale Tabelle als Hierarchien analysieren. Dabei können Sie jede komplexe mathematische Funktion einsetzen, die Sie für Ihre multidimensionale Analyse benötigen. Berechnungen und Aggregationen werden nach Möglichkeit von Essbase in SQL konvertiert und an Autonomous Data Warehouse übertragen, damit die Verarbeitung dort stattfindet, wo die Daten gespeichert sind. Sie finden die von Essbase geschriebene SQL im Plattformlog in |
| Typische Anwendungsfälle |
ASO-Cubes werden oft für Analysen mit besonders hohen Aggregationen, benutzerdefinierte Berechnungen und Zuweisungen verwendet. Dataloads können für häufige, hochgradig parallelisierte Aktualisierungen in Segmente unterteilt werden. |
BSO-Cubes werden häufig für finanzielle und betriebliche Planung und interaktive Berichte zu aggregierten Daten relativ zur Quelle verwendet. BSO-Cubes eignen sich für komplexe analytische Anforderungen, die Formeln/mathematische Funktionen und häufige Prozedurberechnungen erfordern. |
Daten verbleiben in Autonomous Data Warehouse und müssen daher nicht in Essbase aktualisiert und neu strukturiert werden. Da Sie die föderierte Partition über einem vorhandenen ASO- oder BSO-Cube erstellen, können Sie beliebige dieser Essbase-Optionen verwenden und vom zugehörigen Berechnungs- und Abfragestil profitieren, ohne die Daten in Essbase laden oder die Modellstruktur neu strukturieren zu müssen. Wenn bereits eine Faktentabelle für Ihre Organisation in Autonomous Data Warehouse gespeichert ist, können Sie mit einer föderierten Partition Essbase-Funktionen wie die Folgenden nutzen:
Wenn Ihre Organisation Essbase bereits verwendet, können Sie mit einer föderierten Partition die folgenden Vorteile durch das Speichern von Daten in Autonomous Data Warehouse erlangen:
|
Mit einer föderierten Partition können Sie den Prozess zum Laden von Daten in einen Essbase-Cube vor der Ausführung von Aggregationen und Abfragen umgehen. Die Datenverarbeitung findet in Autonomous Data Warehouse statt, damit Sie von den Vorteilen von Autonomous Database sowie von den Analysefeatures von Essbase profitieren können.
Durch das Umgehen regelmäßiger Dataloads aus relationalen Datenquellen in Essbase können Sie Betriebskosten im Zusammenhang mit der ETL-Pipeline (Extrahieren, Transformieren, Laden) senken (anhand von Regeldateien oder anderen Dataload-Prozessen) und müssen keine Modellstrukturen neu strukturieren.
Mit Autonomous Database werden Datenbankkonfiguration, Optimierung, Objektspeicher, Backups und Updates allesamt von Oracle verwaltet. So können Sie Essbase in einer föderierten Cloud-Umgebung verwenden, ohne sich um die Infrastrukturverwaltung kümmern zu müssen.
Writeback wird durch Essbase in gespeicherten Schnittmengen unterstützt. Beispiel: Die Datenwerte, die Sie mit Smart View (oder MDX Insert) weiterleiten, werden in der Faktentabelle in Autonomous Data Warehouse aktualisiert.
Sie können auch Essbase-Berechnungen und -Dataloads ausführen. Dabei schreibt Essbase SQL zum Aktualisieren der Faktentabelle in Autonomous Data Warehouse.
Weitere Themen: