Base De Datos Multidimencional

1.2 Bases de datos multidimensionales (BDM)

Son bases de datos ideadas para desarrollar aplicaciones muy concretas, como creación de Cubos OLAP.

*

Básicamente no se diferencian demasiado de las bases de datos relacionales (una tabla en una base de datos multidimensional podría serlo también en una base de datos multidimensional), la diferencia está más bien a nivel conceptual; en las bases de datos multidimensionales los campo o atributos de una tabla pueden ser de dos tipos, o bien representan dimensiones de la tabla, o bien representan métricas que se desean estudiar.

*

El modelamiento dimensional es una técnica para modelar bases de datos simples y entendibles al usuario final- La idea fundamental es que el usuario visualice fácilmente la relación que existe entre los distintos componentes del modelo.

*

Cuando una base puede ser visualizada como un cubo de tres o más dimensiones, es más fácil para el usuario organizar la información e imaginarse en ella cortando y rebanando el cubo a través de cada una de sus dimensiones, para buscar la información deseada.

*

*

Este tipo de bases proveen una estructura que permite tener acceso flexible a los datos, para explorar y analizar sus relaciones, y resultados consiguientes. Estas se pueden visualizar como un cubo multidimensional, en donde las variables asociadas existen a lo largo de varios ejes o dimensiones, y la intersección de las mismas representa la medida, indicador o el hecho que se esta evaluando.

*

*

*

Representación matricial de lo anterior

*

*

En el ejemplo anterior, existen tres dimensiones:

• Dimensión 1

• Dimensión 2

• Dimensión 3

*

Cada una con sus respectivos valores asociados.

*

Las bases de datos multidimensionales implican tres variantes posibles de modelamiento, que permiten realizar consultas de soporte de decisión:

*

• Esquema en estrella (Star Scheme)

• Esquema copo de nieve (Snowflake Scheme)

• Esquema constelación o copo de estrellas (Starflike Scheme)

*

Los esquemas ya mencionados pueden ser implementados de diversas maneras, que, independientemente al tipo de arquitectura, requieren que toda la estructura de datos este desnormalizado o semi desnormalizado, para evitar desarrollar uniones (Join) complejas para accesar a la información, con el fin de agilizar la ejecución de consultas.

*

Los diferentes tipos de implementación son los siguientes:

*

• Relacional --> ROLAP

• Multidimensional --> MOLAP

• Híbrido --> HOLAP

• 1.2.1 Definición y conceptos de la BDM

Son bases de datos ideadas para desarrollar aplicaciones muy concretas, como creación de Cubos OLAP. Básicamente no se diferencian demasiado de las bases de datos relacionales (una tabla en una base de datos relacional podría serlo también en una base de datos multidimensional), la diferencia está más bien a nivel conceptual; en las bases de datos multidimensionales los campos o atributos de una tabla pueden ser de dos tipos, o bien representan dimensiones de la tabla, o bien representan métricas que se desean estudiar.

1.2.2 Modelos conceptuales multidimensionales

En una base de datos multidimensional, la información se representa como matrices multidimensionales, cuadros de múltiples entradas o funciones de varias variables sobre conjuntos finitos. Cada una de estas matrices se denomina Cubo.

*

*

Cubo

*

El esquema de un cubo queda determinado dando a conocer sus ejes con sus respectivas estrucutras y la estructura de los datos que se presentan en cada celda de la matriz. Se asume que los datos en todas las celdas son uniformes, es decir, todas las posiciones de la matriz tienen datos con igual estructura.

*

Una instancia de un cubo, queda determinada por un conjunto de datos para cada eje y un conjunto de datos para la matriz.

*

A los ejes se les llama Dimensiones y al dato que se presenta en la matriz, se le llama Medida. A los elementos del producto cartesiano de los ejes (dimensiones) se le llama Coordenadas. La matriz definida, puede ser dispersa (es una función parcial).

*

*

Los datos se modelan en data cubes (cubos de datos), estructuras multidimensionales (hipercubos) cuyas operaciones más comunes son:

*

• Roll up: Incremento en el nivel de agregación de los datos.

*

• Drill down: Incremento en el nivel de detalle, opuesto a roll up.

*

• Slice: Reducción de la dimensionalidad de los datos mediante selección.

*

• Dice: Reducción de la dimensionalidad de los datos mediante proyección.

*

• Pivotaje o rotación: Reorientación de la visión multidimensional de los datos.

*

*

*

Descripción

*

Drill Down - Drill up: Es una técnica por la que el usuario puede navegar entre las jerarquís de una dimensión agrupando (Drill-up) o desagrupando (Drill-down) los datos.

*

El drill down y el drill up sirven para navegar el cubo sobre sus dimensiones, con el drill up se pasa desde el detalle a la genaralización, y con el drill down se pasa desde un nivel general al detalle.

*

*

Slice: Al seleccionar un miembro en particular de una dimensión se forma una especie de rebanada (slice) del cubo original.

*

*

Dice: Al seleccionar varios miembros de varias dimensiones se forma sub- cubo, cubo más pequeño o dado (dice). Tanto Slice como Dice son formas particulares de filtrado.

*

*

Rotación: Selecciona el orden de visualización de las dimensiones, rota o gira el cubo según sus dimensiones.

*

1.2.3 Cubos e hipercubos de datos

Editar 0 8 …

Los cubos de información funcionan como los cubos de rompecabezas, en el juego se trata de armar los colores y en el data warehouse se trata de organizar los datos por tbalas o relaciones; los primeros (el juego) tienen 3 dimensiones, los cubos OLAP tienen un número indefinido de dimensiones, razón por la cual también reciben el nombre de hipercubos.

*

Esta vista estará dispuesta según unas dimensiones y podrá contener información calculada. El análisis de lso datos está basado en las dimensiones del hipercubo, por lo tanto, se trata de una nálisis multidimensional.

*

*

A la información

...