डेटा क्यूब गणना के लिए तकनीकें क्या हैं?

डेटा क्यूब गणना के लिए अनुकूलन तकनीकें

डेटा क्यूब की कुशल गणना के लिए सामान्य अनुकूलन तकनीकें निम्नलिखित हैं:

1. सॉर्टिंग, हैशिंग, और ग्रुपिंग

सॉर्टिंग, हैशिंग, और ग्रुपिंग ऑपरेशन को डायमेंशन विशेषताओं पर लागू किया जाना चाहिए ताकि संबंधित टुपल्स को पुन: व्यवस्थित और क्लस्टर किया जा सके। क्यूब गणना में, उन टुपल्स पर एकत्रीकरण लागू किया जाता है जो डायमेंशन मूल्यों के समान सेट को साझा करते हैं। इसलिए, ऐसे एग्रीगेट्स के मूल्यांकन का समर्थन करने के लिए ऐसे डेटा को एक्सेस और ग्रुप करने के लिए सॉर्टिंग, हैशिंग, और ग्रुपिंग सेवाओं का विश्लेषण करना आवश्यक है।

उदाहरण के लिए, शाखा, दिन, और आइटम द्वारा कुल बिक्री की गणना की जा सकती है। टुपल्स या सेल्स को शाखा द्वारा, फिर दिन द्वारा सॉर्ट करना, और फिर उन्हें आइटम नाम के अनुसार समूहित करना अधिक प्रभावी हो सकता है। ऐसे ऑपरेशंस का विशाल डेटा सेट में प्रभावी प्रदर्शन डेटाबेस शोध समुदाय में व्यापक रूप से माना जाता है।

ऐसे प्रदर्शन को डेटा क्यूब गणना तक बढ़ाया जा सकता है। यह विधि शेयर्ड-सॉर्ट्स (यानी, जब सॉर्ट-आधारित तकनीकों का उपयोग किया जाता है तो विभिन्न क्यूबॉयड्स में सॉर्टिंग लागत साझा करना) या शेयर्ड-पार्टीशन (यानी, जब हैश-आधारित एल्गोरिदम का उपयोग किया जाता है तो विभिन्न क्यूबॉयड्स में पार्टीशनिंग लागत साझा करना) को लागू करने के लिए भी बढ़ाया जा सकता है।

2. एक साथ एकत्रीकरण और मध्यवर्ती परिणामों का कैशिंग

क्यूब गणना में, बेस फैक्ट टेबल के बजाय पहले से गणना किए गए निचले-स्तर के एग्रीगेट्स से उच्च-स्तरीय एग्रीगेट्स की गणना करना प्रभावी होता है। इसके अलावा, कैश्ड मध्यवर्ती गणना परिणामों से एक साथ एकत्रीकरण महंगे डिस्क इनपुट/आउटपुट (I/O) ऑपरेशंस में गिरावट ला सकता है।

उदाहरण के लिए, शाखा द्वारा बिक्री की गणना करने के लिए, शाखा और दिन द्वारा बिक्री जैसे निचले-स्तर के क्यूबॉयड की गणना से प्राप्त मध्यवर्ती परिणामों का उपयोग किया जा सकता है। इन विधियों को एमॉर्टाइज्ड स्कैन (यानी, डिस्क रीड्स को एमॉर्टाइज करने के लिए जितना संभव हो उतने क्यूबॉयड्स को एक साथ गणना करना) लागू करने के लिए बढ़ाया जा सकता है।

3. सबसे छोटे चाइल्ड से एकत्रीकरण जब कई चाइल्ड क्यूबॉयड मौजूद हों

जब कई चाइल्ड क्यूबॉयड मौजूद हों, तो आमतौर पर वांछित पैरेंट (यानी, अधिक सामान्यीकृत) क्यूबॉयड की गणना सबसे छोटे, पहले से गणना किए गए चाइल्ड क्यूबॉयड से करना अधिक प्रभावी होता है।

4. आइसबर्ग क्यूब्स की कुशल गणना के लिए Apriori प्रूनिंग विधि

डेटा क्यूब्स के संदर्भ में Apriori गुण इस प्रकार परिभाषित किया गया है: यदि कोई दिया गया सेल न्यूनतम समर्थन को पूरा नहीं करता है, तो उस सेल का कोई वंशज (यानी, अधिक विशिष्ट सेल) न्यूनतम समर्थन को संतुष्ट नहीं करेगा। इस गुण का उपयोग आइसबर्ग क्यूब्स की गणना को काफी कम करने के लिए किया जा सकता है।

आइसबर्ग क्यूब्स के विवरण में एक आइसबर्ग स्थिति शामिल है, जो भौतिककृत किए जाने वाले सेल्स पर एक बाधा है। एक सामान्य आइसबर्ग स्थिति यह है कि सेल्स को न्यूनतम समर्थन थ्रेशोल्ड को संतुष्ट करना चाहिए जिसमें न्यूनतम काउंट या योग शामिल है। इस संदर्भ में, Apriori गुण का उपयोग सेल के वंशजों के निरीक्षण को छोटा करने के लिए किया जा सकता है।