18 통합 파티션을 사용하여 Essbase와 Autonomous Database 통합

통합 파티션을 사용하여 Essbase 큐브와 Autonomous Data Warehouse를 통합하면 Essbase의 분석 기능과 Autonomous Database의 이점을 결합할 수 있습니다.

통합 파티션을 통해 Essbase와 Autonomous Data Warehouse를 통합하는 것은 큐브 데이터가 Autonomous Data Warehouse에 저장된다는 의미입니다.

이 기능을 구현하려면 Essbase와 Oracle Autonomous Database 서버리스(Autonomous Data Warehouse 작업로드 유형)가 공유 Oracle Cloud Infrastructure 테넌시에 함께 배치되어야 합니다. 이때 Autonomous Data Warehouse는 Marketplace에서 OCI에 배치된 Essbase 누적의 RCU 스키마를 보유하는 저장소 데이터베이스 역할을 합니다.

Essbase 통합 파티션 큐브는 비통합 BSO(블록 스토리지) 및 ASO(집계 스토리지) 큐브와 몇 가지 중요한 기능상 차이점이 있습니다.

ASO와 BSO 큐브 간의 차이점을 비교하면 통합 파티션이 올바른 선택인지 결정하는 데 도움이 됩니다.

표 18-1 집계 스토리지, 블록 스토리지, 통합 큐브 간의 차이점

ASO(집계 스토리지) BSO(블록 스토리지) 통합 파티션 큐브

	ASO(집계 스토리지)	BSO(블록 스토리지)	통합 파티션 큐브
데이터 스토리지 모델	데이터가 Essbase에 저장됩니다.	데이터가 Essbase에 저장됩니다.	데이터가 Autonomous Data Warehouse의 관계형 테이블에 저장됩니다. 설명서의 다른 부분에서는 사실 값 테이블이라고 합니다.
작동 방식	차원 수는 수백만 개의 멤버를 포함해 매우 높을 수 있지만, 큐브에는 상대적으로 희소 데이터 조각이 있습니다(많은 차원적 교차에 데이터가 포함되지 않음). 데이터가 레벨 0에서만 입력됩니다. 큐브는 신속한 집계에 최적화됩니다.	차원 개수와 스케일은 일반적으로 ASO와 비교해 더 작습니다. BSO는 밀집 데이터 집합을 수용합니다. 일부 차원은 대부분의 데이터 교차와 함께 밀집으로 정의되고, 그 외의 차원은 희소로 정의됩니다. 그러면 Essbase가 효율적으로 데이터를 저장하고 종속성 분석을 최적화할 수 있습니다(과잉 계산하지 않음). 데이터가 원하는 레벨로 입력될 수 있습니다.	Essbase 아웃라인이 사실 값 테이블에 매핑되므로 Autonomous Data Warehouse에 데이터 스토리지를 유지하면서, Essbase 애플리케이션에 구축한 논리를 사용하여 분석을 위해 액세스할 수 있습니다. Essbase 아웃라인의 분석 기능을 통해 다차원 분석에 필요한 복잡한 절차적 수학을 활용하여 평평한 관계형 테이블을 계층으로 분석할 수 있습니다. 계산 및 집계는 가능할 때 Essbase에 의해 SQL로 변환되고 Autonomous Data Warehouse로 푸시되므로 데이터가 저장된 위치와 더 가까운 곳에서 처리가 발생합니다. Essbase가 `<DOMAIN_HOME>/servers/essbase_server1/logs/essbase`에 있는 플랫폼 로그에 작성한 SQL을 찾을 수 있습니다.
일반적인 사용 사례	ASO 큐브는 일반적으로 고도로 집계된 분석, 사용자정의 계산 및 할당에 사용됩니다. 고도로 병렬화된 빈번한 업데이트를 위해 데이터 로드를 여러 조각으로 나눌 수 있습니다.	BSO 큐브는 일반적으로 재무 및 운영 계획과, 소스와 관련된 집계 데이터에 대한 대화식 보고에 사용됩니다. BSO 큐브는 공식/수학과 빈번한 절차적 계산이 필요한 복잡한 분석 요구사항을 위해 설계되었습니다.	데이터가 Autonomous Data Warehouse를 떠나지 않으므로 Essbase에서 새로고침하고 재구조화할 필요가 없습니다. 기존 ASO 또는 BSO 큐브상에 통합 파티션을 생성하므로 이러한 Essbase 옵션을 사용하여 계산 및 질의 스타일의 이점을 활용할 수 있으며, Essbase에 데이터를 로드하거나 아웃라인을 재구조화할 필요가 없습니다. 조직에 이미 Autonomous Data Warehouse에 저장된 사실 값 테이블이 있는 경우, 통합 파티션을 통해 다음과 같은 Essbase 기능을 사용할 수 있습니다. Excel에서 Smart View를 사용하여 테이블 질의 재무 및 시간 인텔리전스를 비롯한 강력한 계산 및 질의 기능 "What-if" 모델링 및 예측 후기록 기능 조직에서 이미 Essbase를 사용하는 경우, 통합 파티션을 통해 다음과 같이 Autonomous Data Warehouse에 데이터를 저장할 때의 이점을 누릴 수 있습니다. Essbase 데이터 로드 프로세스로 인한 데이터 대기 제거 Essbase에서 가능한 것보다 더 많은 양의 데이터를 처리하는 능력 자동 스케일링 및 자동화된 백업을 비롯한 기타 Autonomous Data Warehouse 운영상의 이점

데이터 스토리지 모델

데이터가 Essbase에 저장됩니다.

데이터가 Autonomous Data Warehouse의 관계형 테이블에 저장됩니다.

설명서의 다른 부분에서는 사실 값 테이블이라고 합니다.

작동 방식

차원 수는 수백만 개의 멤버를 포함해 매우 높을 수 있지만, 큐브에는 상대적으로 희소 데이터 조각이 있습니다(많은 차원적 교차에 데이터가 포함되지 않음).

데이터가 레벨 0에서만 입력됩니다. 큐브는 신속한 집계에 최적화됩니다.

차원 개수와 스케일은 일반적으로 ASO와 비교해 더 작습니다.

BSO는 밀집 데이터 집합을 수용합니다. 일부 차원은 대부분의 데이터 교차와 함께 밀집으로 정의되고, 그 외의 차원은 희소로 정의됩니다. 그러면 Essbase가 효율적으로 데이터를 저장하고 종속성 분석을 최적화할 수 있습니다(과잉 계산하지 않음).

데이터가 원하는 레벨로 입력될 수 있습니다.

Essbase 아웃라인이 사실 값 테이블에 매핑되므로 Autonomous Data Warehouse에 데이터 스토리지를 유지하면서, Essbase 애플리케이션에 구축한 논리를 사용하여 분석을 위해 액세스할 수 있습니다.

Essbase 아웃라인의 분석 기능을 통해 다차원 분석에 필요한 복잡한 절차적 수학을 활용하여 평평한 관계형 테이블을 계층으로 분석할 수 있습니다.

계산 및 집계는 가능할 때 Essbase에 의해 SQL로 변환되고 Autonomous Data Warehouse로 푸시되므로 데이터가 저장된 위치와 더 가까운 곳에서 처리가 발생합니다.

Essbase가 <DOMAIN_HOME>/servers/essbase_server1/logs/essbase에 있는 플랫폼 로그에 작성한 SQL을 찾을 수 있습니다.

일반적인 사용 사례

ASO 큐브는 일반적으로 고도로 집계된 분석, 사용자정의 계산 및 할당에 사용됩니다.

고도로 병렬화된 빈번한 업데이트를 위해 데이터 로드를 여러 조각으로 나눌 수 있습니다.

BSO 큐브는 일반적으로 재무 및 운영 계획과, 소스와 관련된 집계 데이터에 대한 대화식 보고에 사용됩니다.

BSO 큐브는 공식/수학과 빈번한 절차적 계산이 필요한 복잡한 분석 요구사항을 위해 설계되었습니다.

데이터가 Autonomous Data Warehouse를 떠나지 않으므로 Essbase에서 새로고침하고 재구조화할 필요가 없습니다. 기존 ASO 또는 BSO 큐브상에 통합 파티션을 생성하므로 이러한 Essbase 옵션을 사용하여 계산 및 질의 스타일의 이점을 활용할 수 있으며, Essbase에 데이터를 로드하거나 아웃라인을 재구조화할 필요가 없습니다.

조직에 이미 Autonomous Data Warehouse에 저장된 사실 값 테이블이 있는 경우, 통합 파티션을 통해 다음과 같은 Essbase 기능을 사용할 수 있습니다.

Excel에서 Smart View를 사용하여 테이블 질의
재무 및 시간 인텔리전스를 비롯한 강력한 계산 및 질의 기능
"What-if" 모델링 및 예측
후기록 기능

조직에서 이미 Essbase를 사용하는 경우, 통합 파티션을 통해 다음과 같이 Autonomous Data Warehouse에 데이터를 저장할 때의 이점을 누릴 수 있습니다.

Essbase 데이터 로드 프로세스로 인한 데이터 대기 제거
Essbase에서 가능한 것보다 더 많은 양의 데이터를 처리하는 능력
자동 스케일링 및 자동화된 백업을 비롯한 기타 Autonomous Data Warehouse 운영상의 이점

통합 파티션을 사용하면 집계 및 질의를 수행하기 전에 Essbase 큐브로 데이터를 로드하는 과정을 생략할 수 있습니다. Autonomous Data Warehouse 내에서 데이터 처리가 발생하므로 Autonomous Database의 이점은 물론 Essbase의 분석 기능도 활용할 수 있습니다.

관계형 데이터 소스에서 Essbase로의 일반적인 데이터 로드를 생략하면 ETL(추출, 변환, 로드) 파이프라인과 관련한 (규칙 파일이나 기타 데이터 로드 프로세스 사용 시의) 운영비를 절감할 수 있으며 아웃라인을 재구조화할 필요가 없습니다.

Autonomous Database와 관련한 데이터베이스 구성, 튜닝, 오브젝트 스토리지, 백업 및 업데이트는 모두 Oracle이 관리하므로, 사용자는 인프라 관리에 시간을 낭비할 필요 없이 통합 클라우드 환경에서 Essbase를 사용할 수 있습니다.

Essbase를 통해 저장된 교차점으로 후기록이 지원됩니다. 예를 들어, Smart View(또는 MDX 삽입)를 사용하여 제출한 데이터 값은 Autonomous Data Warehouse의 사실 값 테이블에서 업데이트됩니다.

또한 Essbase 계산 및 데이터 로드를 수행할 수도 있습니다. Essbase는 SQL을 작성하여 Autonomous Data Warehouse의 사실 값 테이블을 업데이트합니다.

추가 항목: