systems. However, intrinsic mismatc

systems. However, intrinsic mismatches between
OLAP-style querying and SQL (e.g., lack of sequential
processing, column aggregation) can cause performance
bottlenecks for OLAP servers.
• MOLAP Servers: These servers directly support the
multidimensional view of data through a
multidimensional storage engine. This makes it possible
to implement front-end multidimensional queries on the
storage layer through direct mapping. An example of
such a server is Essbase (Arbor). Such an approach has
the advantage of excellent indexing properties, but
provides poor storage utilization, especially when the
data set is sparse. Many MOLAP servers adopt a 2-level
storage representation to adapt to sparse data sets and
use compression extensively. In the two-level storage
representation, a set of one or two dimensional subarrays
that are likely to be dense are identified, through the use
of design tools or by user input, and are represented in
the array format. Then, the traditional indexing structure
is used to index onto these “smaller” arrays. Many of the
techniques that were devised for statistical databases
appear to be relevant for MOLAP servers.
SQL Extensions
Several extensions to SQL that facilitate the expression and
processing of OLAP queries have been proposed or
implemented in extended relational servers. Some of these
extensions are described below.
• Extended family of aggregate functions: These include
support for rank and percentile (e.g., all products in the
top 10 percentile or the top 10 products by total Sale) as
well as support for a variety of functions used in
financial analysis (mean, mode, median).
• Reporting Features: The reports produced for business
analysis often requires aggregate features evaluated on a
time window, e.g., moving average. In addition, it is
important to be able to provide breakpoints and running
totals. Redbrick’s SQL extensions provide such
primitives.
• Multiple Group-By: Front end tools such as
multidimensional spreadsheets require grouping by
different sets of attributes. This can be simulated by a set
of SQL statements that require scanning the same data
set multiple times, but this can be inefficient. Recently,
two new operators, Rollup and Cube, have been
proposed to augment SQL to address this problem29.
Thus, Rollup of the list of attributes (Product, Year, City )
over a data set results in answer sets with the following
applications of group by: (a) group by (Product, Year,
City) (b) group by (Product, Year), and (c) group by
Product. On the other hand, given a list of k columns, the
Cube operator provides a group-by for each of the 2k
combinations of columns. Such multiple group-by
operations can be executed efficiently by recognizing

ผลลัพธ์ (ไทย) 1:

ระบบ อย่างไรก็ตาม mismatches intrinsic ระหว่างOLAP แบบสอบถามและ SQL (เช่น ขาดตามลำดับประมวลผล รวมคอลัมน์) ทำให้ประสิทธิภาพการทำงานคอขวดสำหรับเซิร์ฟเวอร์ OLAP• MOLAP เซิร์ฟเวอร์: เซิร์ฟเวอร์เหล่านี้สนับสนุนโดยตรงมุมมองหลายมิติของข้อมูลผ่านการเครื่องมือเก็บข้อมูลหลายมิติ ทำได้การใช้แบบสอบถามแบบหลายมิติเวอร์บนชั้นเก็บผ่านแมปโดยตรง ตัวอย่างของเซิร์ฟเวอร์ดังกล่าวไม่ Essbase (Arbor) มีวิธีการดังกล่าวข้อดีของการทำดัชนีคุณสมบัติ แต่ช่วยให้การใช้ประโยชน์การจัดเก็บที่ดี โดยเฉพาะอย่างยิ่งเมื่อการชุดข้อมูลจะเบาบาง ระดับ 2 นำเซิร์ฟเวอร์ MOLAP มากตัวแทนจัดเก็บเพื่อปรับให้เข้ากับชุดข้อมูลบ่อ และใช้การบีบอัดอย่างกว้างขวาง เก็บสองระดับการแสดง ชุดหนึ่ง หรือสองมิติ subarraysที่มีแนวโน้มจะหนาแน่นได้รับการระบุ ผ่านการใช้ออกแบบเครื่องมือ หรือ โดยการป้อนข้อมูลผู้ใช้ และไม่แสดงในรูปแบบอาร์เรย์ เฉพาะการโครงสร้างที่จัดทำดัชนีแบบดั้งเดิมแล้วใช้ดัชนีไปยังอาร์เรย์ที่ "เล็ก" เหล่านี้ จำนวนมากเทคนิคต่าง ๆ ที่ถูกกำหนดในฐานข้อมูลสถิติจะ มีความเกี่ยวข้องสำหรับเซิร์ฟเวอร์ MOLAPส่วนขยายของ SQLหลายส่วนขยาย SQL ที่นิพจน์การอำนวยความสะดวก และประมวลผล OLAP แบบสอบถามที่ได้รับการเสนอ หรือนำมาใช้ในเซิร์ฟเวอร์ขยายเชิง เหล่านี้ส่วนขยายไว้ด้านล่าง•ครอบครัวขยายของฟังก์ชันการรวม: ประกอบด้วยสนับสนุนการอันดับ percentile (เช่น ผลิตภัณฑ์ทั้งหมดในการ10 อันดับ percentile หรือผลิตภัณฑ์ 10 อันดับโดยรวมขาย) เป็นรวมการสนับสนุนสำหรับฟังก์ชันต่าง ๆ ทั้งใช้ในวิเคราะห์การเงิน (ค่าเฉลี่ย โหมด ค่ามัธยฐาน)•รายงานคุณสมบัติ: รายงานการผลิตสำหรับธุรกิจวิเคราะห์มักจะต้องการรวมคุณลักษณะที่ประเมินในการหน้าต่างเวลา เช่น ค่าเฉลี่ยเคลื่อนที่ นอกจากนี้ มันเป็นต้องสามารถให้จุดสั่งหยุด และทำงานผลรวม ส่วนขยายของ redbrick SQL ให้เช่นนำ•หลายกลุ่มโดย: สิ้นสุดหน้าเครื่องมือเช่นกระดาษคำนวณหลายมิติต้องจัดกลุ่มโดยค่าของแอตทริบิวต์ นี้สามารถจำลอง โดยชุดคำสั่ง SQL ที่ต้องการสแกนข้อมูลเดียวกันตั้งหลายครั้ง แต่เป็นไม่ ล่าสุดมีสองตัวใหม่ สะสมและ Cubeเสนอเพิ่ม SQL เพื่อ problem29 นี้ดังนั้น ค่าสะสมของรายการของแอตทริบิวต์ (ผลิตภัณฑ์ ปี เมือง)กว่าผลชุดข้อมูลในชุดคำตอบกับต่อไปนี้งานของกลุ่มโดย: กลุ่ม (a) โดยสินค้า ปีกลุ่มเมือง) (b) โดยสินค้า ปี), และ (c) การจัดกลุ่มตามผลิตภัณฑ์ บนมืออื่น ๆ กำหนดรายการคอลัมน์ k การตัว cube ให้กลุ่มโดยแต่ละ 2kชุดของคอลัมน์ เช่นหลายกลุ่ม-ตามการดำเนินงานสามารถดำเนินการได้อย่างมีประสิทธิภาพ โดยการจดจำ

ผลลัพธ์ (ไทย) 2:

ระบบ แต่ที่แท้จริงที่ไม่ตรงกันระหว่าง
สอบถาม OLAP สไตล์และ SQL (เช่นการขาดความต่อเนื่อง
ในการประมวลผลรวมคอลัมน์) สามารถทำให้เกิดประสิทธิภาพการทำงานของ
คอขวดสำหรับเซิร์ฟเวอร์ OLAP.
• MOLAP เซิร์ฟเวอร์: เซิร์ฟเวอร์เหล่านี้โดยตรงสนับสนุน
มุมมองหลายมิติของข้อมูลผ่าน
เครื่องมือการจัดเก็บหลายมิติ นี้จะทำให้มันเป็นไปได้
ที่จะใช้หน้าสิ้นคำสั่งหลายมิติบน
ชั้นจัดเก็บข้อมูลผ่านการทำแผนที่โดยตรง ตัวอย่างของ
เซิร์ฟเวอร์ดังกล่าวเป็น Essbase (อาร์) วิธีการดังกล่าวมี
ประโยชน์จากคุณสมบัติการจัดทำดัชนีที่ดี แต่
มีการใช้ประโยชน์การเก็บรักษาที่ไม่ดีโดยเฉพาะอย่างยิ่งเมื่อ
ข้อมูลชุดจะเบาบาง เซิร์ฟเวอร์ MOLAP หลายคนนำมาใช้เป็น 2 ระดับ
เป็นตัวแทนจัดเก็บข้อมูลเพื่อปรับให้เข้ากับชุดข้อมูลเบาบางและ
ใช้การบีบอัดอย่างกว้างขวาง ในการจัดเก็บสองระดับ
การแสดงชุดหนึ่งหรือสอง subarrays มิติ
ที่มีแนวโน้มที่จะมีความหนาแน่นจะมีการระบุผ่านการใช้งาน
ของเครื่องมือการออกแบบหรือโดยการป้อนข้อมูลของผู้ใช้และจะแสดงใน
รูปแบบอาร์เรย์ จากนั้นการจัดทำดัชนีโครงสร้างแบบดั้งเดิม
ที่ใช้ในการเข้าสู่ดัชนีเหล่านี้ "ขนาดเล็ก" อาร์เรย์ หลาย
เทคนิคที่ได้วางแผนสำหรับฐานข้อมูลทางสถิติที่
ดูเหมือนจะเกี่ยวข้องกับเซิร์ฟเวอร์ MOLAP.
SQL ขยาย
นามสกุลหลายกับ SQL ที่อำนวยความสะดวกการแสดงออกและ
การประมวลผลของคำสั่ง OLAP ได้รับการเสนอหรือ
ดำเนินการในเซิร์ฟเวอร์สัมพันธ์ขยาย เหล่านี้บางส่วน
นามสกุลอธิบายไว้ด้านล่าง.
•ครอบครัวขยายของฟังก์ชั่นรวม: เหล่านี้รวมถึง
การสนับสนุนสำหรับการจัดอันดับและเปอร์เซ็นต์ (เช่นผลิตภัณฑ์ทั้งหมดใน
ด้านบน 10 เปอร์เซ็นต์หรือ 10 อันดับแรกของการขายสินค้าโดยรวม) เช่น
เดียวกับการสนับสนุนสำหรับความหลากหลายของฟังก์ชั่น ที่ใช้ในการ
. การวิเคราะห์ทางการเงิน (หมายถึงโหมดเฉลี่ย)
•คุณสมบัติการรายงาน: รายงานการผลิตสำหรับธุรกิจ
มักจะต้องใช้การวิเคราะห์คุณสมบัติรวมประเมินบน
หน้าต่างเวลาเช่นค่าเฉลี่ยเคลื่อนที่ นอกจากนี้ยังเป็น
สิ่งสำคัญที่จะสามารถที่จะให้จุดพักและทำงาน
ผลรวม อิฐของนามสกุล SQL ให้บริการดังกล่าว
วิทยาการ.
•หลายกลุ่มโดย: เครื่องมือปลายด้านหน้าเช่น
กระดาษคำนวณหลายมิติต้องมีการจัดกลุ่มโดย
ชุดที่แตกต่างของคุณลักษณะ นี้สามารถจำลองโดยชุด
ของคำสั่งที่ต้องสแกนข้อมูลเดียวกัน
ตั้งหลายครั้ง แต่อาจไม่มีประสิทธิภาพ เมื่อเร็ว ๆ นี้
สองผู้ประกอบการใหม่ Rollup Cube และได้รับการ
เสนอให้ขยาย SQL เพื่อที่อยู่ problem29 นี้.
ดังนั้นการยกเลิกโปรแกรมของรายการของคุณลักษณะ (สินค้า, ปี, ซิตี้)
มากกว่าผลข้อมูลชุดในชุดคำตอบดังต่อไปนี้
การใช้งานของกลุ่ม โดย: (ก) โดยกลุ่ม (สินค้า, ปี,
ซิตี้) (ข) กลุ่มตาม (สินค้าปี) และ (ค) โดยกลุ่ม
สินค้า ในขณะที่คนอื่น ๆ ได้รับรายชื่อของคอลัมน์ k,
Cube ให้ผู้ประกอบการกลุ่มโดยแต่ละ 2k
การรวมกันของคอลัมน์ หลายกลุ่มเช่น
การดำเนินงานที่สามารถดำเนินการได้อย่างมีประสิทธิภาพด้วยการตระหนักถึง

ผลลัพธ์ (ไทย) 3:

ระบบ อย่างไรก็ตาม ความไม่ที่แท้จริงระหว่าง
OLAP และแบบสอบถาม SQL ( เช่น ขาดลำดับ
การประมวลผล , คอลัมน์ aggregation ) สามารถทำให้เกิดคอขวดประสิทธิภาพ

สำหรับ OLAP เซิร์ฟเวอร์แต่ละเซิร์ฟเวอร์เซิร์ฟเวอร์เหล่านี้โดยตรงสนับสนุน MOLAP :

ดูหลายมิติของข้อมูลผ่านเครื่องมือกระเป๋าหลายมิติ นี้จะทำให้มันเป็นไปได้ที่จะใช้ระบบสอบถามในหลายมิติ

ชั้นจัดเก็บข้อมูลผ่านแผนที่โดยตรง ตัวอย่างของ
เช่นเซิร์ฟเวอร์ essbase ( ต้นไม้ ) วิธีการดังกล่าวได้ประโยชน์จากคุณสมบัติการ

ยอดเยี่ยม แต่ให้ใช้กระเป๋าไม่ดี โดยเฉพาะอย่างยิ่งเมื่อ
ชุดข้อมูลเป็นป่าโปร่ง เซิร์ฟเวอร์ MOLAP หลายอุปการะ 2-level
กระเป๋าแทนเพื่อปรับให้เข้ากับชุดข้อมูลเบาบางและ
ใช้การบีบอัดอย่างกว้างขวาง ในระดับสองกระเป๋า
การแสดงชุดของหนึ่งหรือสองมิติ subarrays
ที่มีแนวโน้มจะหนาแน่นจะมีการระบุผ่านการใช้เครื่องมือการออกแบบ
หรือการเข้าใช้และจะแสดงใน
อาร์เรย์ในรูปแบบ แล้วแบบดัชนีโครงสร้าง
ใช้ดัชนีลงเหล่านี้ " เล็ก " อย่างต่อเนื่อง หลายของเทคนิคที่ถูกสร้างขึ้นสำหรับ

ปรากฏสถิติฐานข้อมูลที่จะเกี่ยวข้องกับ MOLAP เซิร์ฟเวอร์ SQL นามสกุล

หลายส่วนขยายของ SQL ที่สนับสนุนการแสดงออกและ
การประมวลผลของ OLAP แบบสอบถามได้รับการเสนอ หรือการขยายเซิร์ฟเวอร์
ในสัมพันธ์ บางส่วนของส่วนขยายเหล่านี้

แต่ละอธิบายไว้ด้านล่างนี้ ครอบครัวของฟังก์ชันการรวม : เหล่านี้รวมถึง
สนับสนุนและอันดับ 2 ( เช่น ผลิตภัณฑ์ทั้งหมดในด้านบน 10 คน
หรือด้านบน 10 ผลิตภัณฑ์ โดยขายรวม )
รวมทั้งการสนับสนุนความหลากหลายของฟังก์ชันที่ใช้ใน
การวิเคราะห์ทางการเงิน ( หมายถึงโหมดมัธยฐาน )
- รายงานคุณสมบัติ : รายงานการวิเคราะห์ธุรกิจที่มักจะต้องมีการประเมินรวม

เวลาบนหน้าต่าง เช่น ย้ายเฉลี่ย นอกจากนี้
สำคัญที่จะสามารถให้จุดพักและวิ่ง
ผลรวม นามสกุล SQL ของกรุงโตเกียวให้เช่น
primitives .
- หลายกลุ่มโดยเครื่องมือปลายด้านหน้าเช่นสเปรดชีตต้องแบ่งกลุ่ม

หลายมิติชุดที่แตกต่างกันของแอตทริบิวต์ นี้สามารถจำลองโดยชุด
ของงบ SQL ที่ต้องสแกนข้อมูลเดียวกัน
ตั้งหลายครั้ง แต่ก็ไม่เป็นผล เมื่อเร็ว ๆนี้ ,
2 ผู้ประกอบการใหม่ , ยกเลิกและก้อน ได้เสนอให้เพิ่ม SQL ที่อยู่

problem29 นี้ ดังนั้น การยกเลิกของรายชื่อคุณสมบัติ ( ผลิตภัณฑ์ปี เมือง )
กว่าชุดข้อมูลผลลัพธ์ในชุดคำตอบต่อไปนี้
การใช้งานของกลุ่มโดย : ( ) กลุ่มผลิตภัณฑ์ , ปี ,
เมือง ) ( ข ) กลุ่ม ( ปีผลิตภัณฑ์ ) และ ( c )
) โดยผลิตภัณฑ์ บนมืออื่น ๆที่ได้รับรายชื่อของ K คอลัมน์
Cube ให้กลุ่มผู้ประกอบการ โดยแต่ละชุด 2K
ของคอลัมน์ หลายกลุ่มเช่น
ปฏิบัติการสามารถรันได้อย่างมีประสิทธิภาพโดยการ