집계 스토리지, 블록 스토리지, 통합 큐브 간의 차이점
Essbase ASO 또는 BSO 애플리케이션이 이미 있는 경우 통합 분할 영역 애플리케이션으로 만들 수 있습니다.
Essbase 블록 저장영역(BSO) 및 합산 저장영역(ASO) 큐브의 특성을 통합 분할영역 큐브와 나란히 비교해야 하는 경우 계획 단계에서 이 페이지를 사용합니다.
| ASO(집계 스토리지) | BSO(블록 스토리지) | 통합 파티션 큐브 | |
|---|---|---|---|
| 데이터 스토리지 모델 |
데이터가 Essbase에 저장됩니다. |
데이터가 Essbase에 저장됩니다. |
데이터는 자율운영 AI 레이크하우스의 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 사실값 테이블에 매핑되므로 Autonomous AI Lakehouse에 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 AI Lakehouse로 푸시되므로 데이터가 저장된 위치에 더 가까운 곳에서 처리가 발생합니다. Essbase가 |
| 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 AI Lakehouse를 떠나지 않으므로 Essbase에서 새로고침하고 재구조화할 필요 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 AI Lakehouse에 저장된 사실값 테이블이 있을 경우, 통합 파티션을 통해 다음과 같은 Essbase 기능을 사용할 수 있습니다:
조직에서 이미 Essbase를 사용하는 경우, 통합 파티션을 통해 다음과 같이 Autonomous AI Lakehouse에 데이터를 저장할 때 얻을 수 있는 이점에 액세스할 수 있습니다.
|