Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

1 Djamel Berrabah Conception logique des DWs 2 Tableau à deux dimensions 3 Comb

1 Djamel Berrabah Conception logique des DWs 2 Tableau à deux dimensions 3 Combinaison de 3 Dimensions 4 Combinaison de 3 Dimensions 5 Combinaison de 3 Dimensions 6 Cube de données (data cube) 7 Cube de données (data cube) Nous avons vu comment représenter deux dimensions à l’aide d’un tableau représenter trois dimensions par un empilement de tableurs à deux dimensions ➔cube de données à trois dimensions En général, plus de trois dimensions peuvent être considérées (mais difficile à représenter graphiquement). 8 considérées (mais difficile à représenter graphiquement). Une structure ayant plus de trois dimensions est tout de même nommée cube. Un cube de données (appelé aussi hypercube ou cube) est une structure de données multidimensionnelle qui permet le stockage et l’analyse de données suivant ses n dimensions. Dimension Deux objectifs d’une dimension:  Sélection des données descriptives  Regroupement des données descriptives au degré de détail désiré Une dimension est définie par une hiérarchie de sous-ensembles (jour est inclus dans mois). Cette hiérarchie a plusieurs niveaux, dont chacun décrit un degré de détail (jour inclus dans mois inclus dans trimestre) pertinent aux 9 de détail (jour inclus dans mois inclus dans trimestre) pertinent aux analyses. Le niveaux le plus élevé (la racine) décrit la dimension entière (Temps). Certaines hiérarchies stockent également des propriétés à différents niveaux représentant de simples informations non-hiérarchiques (par exemple le nombre d’habitants par ville dans la dimension du lieu). Hiérarchies d’une dimension catégorie produit type produits livres médias romans enfants sciences CD DVD BlueRay instance schéma 10 Donner la hiérarchie de la dimension temps faits Les faits sont des cellules du cube remplies représentants les intersections des valeurs dimensionnelles Ils représentent les entités faisant l’objet d’analyses, par exemple le chiffre d’affaire, chiffre de ventes, ... Ils sont définis implicitement par la combinaison de leurs dimensions, par exemple ventes par mois, catégorie (de produit) et lieu 11 exemple ventes par mois, catégorie (de produit) et lieu Un fait a une granularité décrivant le degré de détail de l’information représentée. La granularité est dictée par l’association d’un fait avec un niveau des hiérarchies dimensionnelles. Schémas des DWs - Définition des objets - Définition des relations entre les objets 12 Choix d’un modèle de conception (Schéma) Utilisation d’un outil, par exemple, Oracle Designer ou Oracle Warehouse Builder Schémas des DWs Table des faits Table dimension Table des faits Table dimension Table assez volumineuse 13 Schéma en flocons (snowflake schema): Un raffinement du précédent où certaines tables de dimensions sont normalisées (donc décomposées) Schéma en constellation (galaxy schema): Plusieurs tables de faits partagent quelques tables de dimension Schéma en étoile (star schema) Une table de faits au milieu connectée à un ensemble de tables de dimensions Table peu volumineuse Schémas des DWs 14 Schémas des DWs 15 Schémas des DWs 16 Les objets intervenant dans les schémas Les tables de faits (Fact tables) - Les faits numériques (les mesures) - Les clés étrangères vers les tables de dimension Les tables de dimension (Dimension tables) - Composées d’une ou de plusieurs hiérarchies catégorisant les données 17 catégorisant les données L’identifiant unique -Pour distinguer les enregistrements dans les tables Les relations entre les objets -Elles assurent l’intégrité des opérations Implantation physique des DWs (Oracle 9i) Mise en œuvre : Vues relationnelles matérialisées définies sur les bases sources, découplées (indépendantes) des sources 18 Interrogation : BD multidimensionnelles ; outils OLAP Il faut assurer la migration : Implantation physique des DWs (Oracle ) - des entités vers des tables - des relations vers des clés étrangères Phase 1 : 19 - des relations vers des clés étrangères - des attributs vers des colonnes - des identifiants uniques vers des clés primaires Il faut créer un ensemble des structures parmi les suivantes : Implantation physique des DWs - les tablespaces - les tables et les partitioned tables - les vues - les contraintes d’intégrité Phase 2 : 20 - les contraintes d’intégrité Et pour améliorer les performances: - les index et les partitioned index - les vues matérialisées Maintenance des DW Problème : Lorsque les relations de base sont modifiées, comment répercuter la mise à jour sur les vues ? 21 Réponses : il faut recalculer (mettre à jour) - Recalculer la vue entièrement ? - Recalculer la vue partiellement ? Maintenance des DW Les questions peut-on poser lors de la maintenance: Quand et comment assurer les mises à jour (la maintenance) d’un Data Warehouse ? Quelles anomalies peuvent être causées par la maintenance ? A quel niveau pourrait-on automatiser cette maintenance ? 22 A quel niveau pourrait-on automatiser cette maintenance ? Comment mesurer et assurer la performance et quels critères choisir ? La maintenance ou l'auto-maintenance pourra-t-elle à elle seule garantir la performance ? Stratégies de maintenance des DW Stratégies de maintenance : - Maintenance périodique - Maintenance immédiate 23 - Maintenance différée Maintenance périodique 24 Maintenance immédiate 25 Maintenance différée a la demande (manuelle) 26 Type de maintenance des DW Types de maintenance : - Maintenance de données - Maintenance structurelle - Redéfinition des vues 27 - Reconfiguration du DW - Evolution du DW Maintenance de données 28 Maintenance structurelle 29 Redéfinition des vues 30 Reconfiguration du DW 31 Evolution du DW 32 uploads/Philosophie/ 02-datawarehouses-modelisation.pdf