Im Aggregationsregister geben Sie die verschiedenen Parameter an, die Generierung und Speicherung von Aggregatdaten für den Cube kontrollieren. Zwei Unterregister sind vorhanden:
Im Unterregister "Regeln" wird der Aggregationsoperator für jede Dimension des Cubes identifiziert.
Aggregationsreihenfolge und -Methode
In dieser Tabelle werden die Dimensionen des Cubes aufgeführt. Wählen Sie einen Operator für jede Dimension.
Reihenfolge: Die Reihenfolge, in der Dimensionen aggregiert werden. Wenn die Aggregationsoperatoren über alle Dimensionen hinweg identisch sind, ist die Reihenfolge nicht wichtig. Einige Kombinationen von Vorgängen erbringen jedoch unterschiedliche Ergebnisse, je nachdem, in welcher Reihenfolge sie berechnet werden. Um die Reihenfolge zu ändern, wählen Sie eine Dimension und verschieben sie mit den Pfeiltasten in der Liste nach oben oder unten.
Dimension: Die Dimensionen in dem Cube, die aggregiert werden.
Operator: Wählen Sie den Berechnungstyp, der für jede Dimension ausgeführt werden soll. Einige Operatoren können nicht komprimiert werden, weil sich ihre Werte auf jeder Ebene ändern können: alle gewichteten Operatoren, alle skalierten Operatoren und der Operator "Hierarchisch gewichteter Durchschnitt". Wenn diese Operatoren in einem Cube benutzt werden, komprimiert die Aggregations-Engine die Dimensionen, die komprimiert werden können, kann jedoch nicht den ganzen Cube komprimieren. In der folgenden Tabelle finden Sie eine Beschreibung der Operatoren.
Basiert auf: Wenn ein gewichteter oder skalierter Operator verwendet wird, wählen Sie eine Kennzahl, die Gewichtungsfaktoren enthält. Die Kennzahl muss von der Dimension dimensioniert werden, die aggregiert wird. Sie kann optional von anderen Dimensionen in dem Cube dimensioniert werden.
| Operator | Beschreibung |
|---|---|
| Durchschnitt | Addiert Datenwerte und dividiert dann die Summe durch die Anzahl von Datenwerten, die addiert wurden. |
| Erster Nicht-NA-Datenwert | Der erste echte Datenwert. |
| Hierarchischer Durchschnitt | Addiert Datenwerte und dividiert dann die Summe durch die Anzahl von untergeordneten Objekten in der Dimensionshierarchie. Im Gegensatz zu AVERAGE, bei dem nur untergeordnete Nicht-NA-Objekte gezählt werden, zählt HAVERAGE alle logischen untergeordneten Objekte eines übergeordneten Objekts, unabhängig davon, ob jedes untergeordnete Objekt einen Wert hat. |
| Hierarchisches erstes Element | Der erste Datenwert in der Hierarchie, selbst wenn dieser Wert NA ist. |
| Hierarchisches letztes Element | Der letzte Datenwert in der Hierarchie, selbst wenn dieser Wert NA ist. |
| Hierarchisch gewichteter Durchschnitt | Multipliziert untergeordnete Nicht-NA-Datenwerte mit den entsprechenden Gewichtungswerten und dividiert dann das Ergebnis durch die Summe der Gewichtungswerte. Im Gegensatz zu WAVERAGE umfasstHWAVERAGE Gewichtungswerte in der Divisor-Summe, selbst wenn die entsprechenden untergeordneten Werte NA sind. Identifizieren Sie das Gewichtungsobjekt in dem Feld Basierend auf. |
| Hierarchisch gewichtet zuerst | Der erste Datenwert in der Hierarchie multipliziert mit dem entsprechenden Gewichtungswert, selbst wenn dieser Wert NA ist. Identifizieren Sie das Gewichtungsobjekt in dem Feld Basierend auf. |
| Hierarchisch gewichtet zuletzt | Der letzte Datenwert in der Hierarchie multipliziert mit dem entsprechenden Gewichtungswert, selbst wenn dieser Wert NA ist. Identifizieren Sie das Gewichtungsobjekt in dem Feld Basierend auf. |
| Letzter Nicht-NA-Datenwert | Der letzte echte Datenwert. |
| Maximum | Der größte Datenwert unter den untergeordneten Objekten jedes übergeordneten Objekts. |
| Minimum | Der kleinste Datenwert unter den untergeordneten Objekten jedes übergeordneten Objekts. |
| Nicht-additiv | Aggregieren Sie keine Daten für diese Dimension. Verwenden Sie dieses Schlüsselwort nur in einer Operator-Variablen. Es ist sonst wirkungslos. |
| Skalierte Summe | Addiert den Wert eines gewichteten Objekts zu jedem Datenwert und addiert dann die Datenwerte. Identifizieren Sie das gewichtete Objekt in dem Feld Basierend auf. |
| Summe | Addiert Datenwerte. (Standardwert) |
| Gewichteter Durchschnitt | () Multipliziert jeden Datenwert mit einem Gewichtungsfaktor, addiert die Datenwerte und dividiert dieses Ergebnis durch die Summe der Gewichtungsfaktoren. Identifizieren Sie das Gewichtungsobjekt in dem Feld Basierend auf. |
| Gewichtet zuerst | Der erste Nicht-NA-Datenwert multipliziert mit dem entsprechenden Gewichtungswert. Identifizieren Sie das Gewichtungsobjekt in dem Feld Basierend auf. |
| Gewichtet zuletzt | Der letzte Nicht-NA-Datenwert multipliziert mit dem entsprechenden Gewichtungswert. Identifizieren Sie das Gewichtungsobjekt in dem Feld Basierend auf. |
| Gewichtete Summe | Multipliziert jeden Datenwert um einen Gewichtungsfaktor und addiert dann die Datenwerte. Identifizieren Sie das Gewichtungsobjekt in dem Feld Basierend auf. |
Aggregationshierarchien
Wählen Sie eine oder mehrere Hierarchien für jede Dimension, die aggregiert wird. Wenn Sie eine Hierarchie weglassen, werden keine Aggregatwerte für sie gespeichert. Sie werden immer in der Antwort auf eine Abfrage berechnet. Weil dies die Laufzeit-Performance verschlechtert, sollten Sie eine Hierarchie nur weglassen, wenn sie selten benutzt wird.
Im Unterregister "Im Voraus berechnen" wird die Methode angegeben, mit der entschieden wird, welche Werte während der Datenwartung im Voraus berechnet und in dem Cube gespeichert werden, und welche Werte auf Anforderung als Antwort auf eine Abfrage berechnet werden.
Kostenbasierte Aggregation
Verwenden Sie diese Methode, damit die OLAP-Engine die kosten-effektivsten Bereiche der Daten für die Vorausberechnung identifizieren kann.
Partition oder Unterster Partitionsprozentsatz
Geben Sie einen Prozentsatz (0 bis 100) in das Textfeld für den Cube oder für die unteren Partitionen ein, d.h. die Ebenen auf oder unter der ausgewählten Partitionierungsebene des Cubes. Sie können die Prozentsätze im Laufe der Zeit ändern, um die Laufzeit-Performance an die Wartungseinschränkungen bezüglich Zeit und Plattenspeicher anzupassen. Um die Datenbank zu optimieren, sollten Sie die Laufzeit-Performance und Wartungsstatistiken mit verschiedenen Prozentsätzen der Vorausberechnung überwachen.
Ein Wert von 0 erstellt keine Aggregatwerte. Sie werden zur Laufzeit berechnet, um Antwortmengen für Abfragen bereitzustellen. Das Ergebnis der 0 % Voraggregation bedeutet die schnellste Wartung, den wenigsten Speicherplatz, jedoch auch die langsamste Antwortzeit. Ein Wert von 100 erstellt alle Aggregatwerte, die einfach als Antwort auf Abfragen abgerufen werden. Das Ergebnis der 100 % Voraggregation bedeutet die längste Wartung, den meisten Speicherplatz, jedoch die schnellste Antwortzeit. Die meisten DBAs wählen Werte zwischen diesen beiden Extremen, um die Performance-Anforderungen für Abfragen mit den Einschränkungen eines Datenwartungs-Windows auszugleichen.
Ein Wert von 1 erstellt nur 1 % der Aggregatwerte, erstellt jedoch auch die Datenstrukturen für Speicherung und Überprüfung der Aggregate. Somit ist die Dauer zur Berechnung dieses kleinen Prozentsatzes entsprechend länger.
Oberster Partitionsprozentsatz
Wenn der Cube partitioniert ist, können Sie die oberste Partition auf einen anderen Prozentsatz festlegen als den Rest des Cubes. Die oberste Partition ist im Allgemeinen die größte Partition. Sie wird anfänglich von vielen Anwendungen abgefragt. Sie enthält die Ebenen über der Partitionierungsebene.
Ebenenbasierte Aggregation
Für jede Dimension wählen Sie die Ebenen, die Sie im Voraus berechnen möchten. Die Basisebene muss immer ausgewählt werden.
Dimension
Wählen Sie jede Dimension, um deren Ebenen anzuzeigen.
Ebenen
Wählen Sie die Ebenen, die Sie berechnen und als Bestandteil des Erstellen-Prozesses speichern möchten.
Die beste Methode zur Identifizierung von Ebenen für gespeicherte Daten besteht darin, das Verhältnis von Dimensionselementen auf jeder Ebene zu bestimmen und das Verhältnis der ad hoc zu berechnenden Elemente zur Laufzeit unter 10:1 zu belassen. Dadurch wird gewährleistet, dass alle Antwortmengen schnell zurückgegeben werden können. Die Daten werden entweder im Cube gespeichert oder werden berechnet, indem 10 oder weniger Werte zu einer einzigen Zahl zusammengefasst werden. Die Zeit für die Zusammenfassung von 10 Werten ist gering und eine gut gestaltete Anwendung begrenzt die Ergebnismenge auf eine Datenmenge, die ein Analytiker einfach untersuchen kann. Sie können dieses Verhältnis ändern, indem Sie abschätzen, wie oft auf eine Ebene zugegriffen wird.
Die Aggregation von langsamer variierenden Dimensionen dauert länger, weil die Daten über den gesamten Speicherungsbereich gestreut sind. Bei einer Optimierung für die Datenverwaltung aggregieren Sie die schneller variierenden Dimensionenund verwenden die Skip-Level-Aggregation bei den langsamer variierenden Dimensionen.
Copyright © 2003, 2007 Oracle. All rights reserved. Alle Rechte vorbehalten.