डेटा वेयरहाउसिंग एक दृष्टिकोण है जो व्यवसाय को सार्थक व्यावसायिक अंतर्दृष्टि प्रदान करने के लिए कई स्रोतों से डेटा एकत्र और संभाल सकता है। एक डेटा वेयरहाउस विशेष रूप से प्रबंधन निर्णयों का समर्थन करने के लिए डिज़ाइन किया गया है।
सरल शब्दों में, एक डेटा वेयरहाउस एक डेटाबेस को परिभाषित करता है जिसे संगठन के परिचालन डेटाबेस से स्वतंत्र रूप से बनाए रखा जाता है। डेटा वेयरहाउस सिस्टम कई एप्लिकेशन सिस्टम के एकीकरण को सक्षम करते हैं। वे समेकित, ऐतिहासिक जानकारी के एक ठोस मंच की पेशकश करके डेटा प्रसंस्करण प्रदान करते हैं।
डेटा वेयरहाउस बहुआयामी स्थान में डेटा को सामान्यीकृत और केंद्रीकृत करते हैं। डेटा वेयरहाउस के निर्माण में डेटा सफाई, डेटा एकीकरण, और डेटा परिवर्तन शामिल हैं और इसे डेटा माइनिंग के लिए एक महत्वपूर्ण पूर्व-प्रसंस्करण चरण के रूप में देखा जा सकता है।
यह विविध दानेदारता के बहुआयामी डेटा के इंटरैक्टिव विश्लेषण के लिए ऑनलाइन विश्लेषणात्मक प्रसंस्करण (OLAP) उपकरण प्रदान करता है, जो प्रभावी डेटा सामान्यीकरण और डेटा माइनिंग की सुविधा प्रदान करता है। OLAP संचालन के साथ संघ, वर्गीकरण, भविष्यवाणी, और क्लस्टरिंग सहित कई डेटा माइनिंग फ़ंक्शंस को एकीकृत किया जा सकता है ताकि अमूर्तता के विभिन्न स्तरों पर ज्ञान की इंटरैक्टिव माइनिंग का निर्माण किया जा सके।
OLAP एक व्यापक शब्द है जो डेटा वेयरहाउसिंग को भी घेरता है। इस मॉडल में, डेटा को एक प्रारूप में सहेजा जाता है, जो डेटा माइनिंग/दस्तावेजों के प्रभावी निर्माण की अनुमति देता है। OLAP डिजाइन को ऑपरेशनल प्रभावशीलता में एक छोटी गिरावट के साथ बड़े रिकॉर्डसेट पर दस्तावेजीकरण को समायोजित करना चाहिए।
वह पूरा शब्द जो OLTP संरचना में डेटा संरचनाओं को लेने और उसी डेटा को OLAP संरचना में प्रभावित करने को परिभाषित कर सकता है, "आयामी मॉडलिंग" है। यह डेटा वेयरहाउसिंग का बुनियादी बिल्डिंग ब्लॉक है।
डेटा वेयरहाउस ट्यूनिंग
डेटा वेयरहाउस की ट्यूनिंग प्रदर्शन में सुधार के लिए की जा सकती है। डेटा वेयरहाउस सिस्टम में प्रवेश बिंदु है, और यह प्रदर्शन में सुधार का पहला अवसर प्रदान करता है। यदि डेटा लोड होने से पहले या बाद में डेटा वेयरहाउस सिस्टम पर जांच की जाती है, तो इसका सिस्टम की क्षमता और प्रदर्शन पर सीधा प्रभाव पड़ेगा।
उदाहरण के लिए, यदि डेटा टेलीफोन कॉल रिकॉर्ड है, तो यह जांचा जा सकता है कि प्रत्येक कॉल में एक वैध ग्राहक पहचानकर्ता है। यदि डेटा बिक्री जानकारी है तो यह जांचा जा सकता है कि बेची जा रही वस्तु में एक वैध उत्पाद पहचानकर्ता है या नहीं।
बड़ी मात्रा में डेटा लोड करना या भारी I/O ऑपरेशन करना, CPU गहन हो सकता है जब प्रत्येक रिकॉर्ड पर लागू करने के लिए बहुत सारी जांच और परिवर्तन होते हैं। लोडिंग गति को डायरेक्ट लोड तकनीकों का उपयोग करके सुधारा जा सकता है। इसे समानांतरता का उपयोग करके भी सुधारा जा सकता है।
ट्यूनिंग के लिए सर्वोत्तम चरण
- व्यावसायिक नियमों को ट्यून करें।
- डेटा डिजाइन को ट्यून करें।
- एप्लिकेशन डिजाइन को ट्यून करें।
- डेटाबेस की तार्किक संरचना को ट्यून करें।
- डेटाबेस संचालन को ट्यून करें।
- एक्सेस पथ को ट्यून करें।
- I/O और भौतिक संरचना को ट्यून करें।
- संसाधन विवाद को ट्यून करें।
- अंतर्निहित पैटर्न को ट्यून करें।
