Unterschiede zwischen Aggregate Storage-, Block Storage- und föderierte Cubes
Wenn Sie bereits eine Essbase ASO- oder BSO-Anwendung haben, können Sie diese in eine föderierte Partition-Anwendung umwandeln.
Verwenden Sie diese Seite in Planungsphasen, wenn Sie die Eigenschaften von Essbase Block Storage-(BSO-) und Aggregate Storage-(ASO-)Cubes nebeneinander mit föderierten Partitions-Cubes vergleichen müssen.
| 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 AI Lakehouse 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 AI Lakehouse gespeichert werden, aber für eine Analyse mit der in Ihrer Essbase-Anwendung erstellten 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, wenn möglich, von Essbase in SQL konvertiert und an Autonomous AI Lakehouse übertragen, damit die Verarbeitung näher an dem Ort stattfindet, an dem die Daten gespeichert werden. 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 nicht in Autonomous AI Lakehouse 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 in Ihrer Organisation bereits eine Faktentabelle in Autonomous AI Lakehouse gespeichert ist, können Sie mit der föderierten Partition Essbase-Funktionalität wie die Folgenden nutzen:
Wenn Ihre Organisation Essbase bereits verwendet, können Sie mit der föderierten Partition auf diese Vorteile zugreifen, indem Sie Daten in Autonomous AI Lakehouse speichern:
|