Data Warehouse Technologien

sich die Konzepte des Datenwürfels auf Tabellen eines relationalen DBMS ab-

bilden lassen. Es ist allerdings auch möglich, den Würfel direkt in Form eines

mehrdimensionalen Arrays zu speichern. Beide Varianten werden wir im Fol-

genden genauer betrachten und vergleichen.

6.1.1 Relationale Implementierung – ROLAP

Die relationale Speicherung von Data-Warehouse-Daten basiert auf der di-

rekten Umsetzung von Star- bzw. Snowflake-Schema auf Relationen eines

RDBMS. Dieser Ansatz wird auch als ROLAP (für relationales OLAP) be-

zeichnet. ROLAP ist aufgrund der Verfügbarkeit und Performance von RDBMS

die verbreiteteste Form der Speicherung von Data-Warehouse-Tabellen. Tech-

niken zur Speicherung von Tabellen sind Inhalt von Vorlesungen und Bü-

chern zum Thema Datenbank-Implementierungstechniken, beispielsweise von

[HR99, SSH11], und werden daher an dieser Stelle nicht tiefer behandelt. Statt-

dessen fokussieren wir auf Besonderheiten von Data-Warehouse-Daten und de-

ren Umsetzung in RDBMS.

Besonderheiten der Data-Warehouse-Daten sind die sehr großen Faktenta-

bellen. Hier kann eine Beschleunigung der Zugriffe durch Partitionierung er-

folgen. Eine weitere Charakteristik ist durch die multidimensionalen Zugrif-

fe gegeben, für die spezielle Cluster- und Indexstrukturen entwickelt werden

müssen. Der dritte wichtige Punkt ist die spezielle Update-Charakteristik von

Datenwürfeln, die durch das reine „Anhängen“ von Daten anstelle beliebiger

Updates gekennzeichnet ist.

Spezielle Tabellentypen

Exemplarisch für spezielle Tabellentypen in einem RDBMS betrachten wir eini-

ge von dem DB2-System von IBM angebotene Varianten. Die Konzepte können

allerdings auch in anderen Systemen gefunden werden.

DB2 bietet drei spezielle Tabellentypen an, um Data-Warehouse-Systeme

effizient betreiben zu können:

• Die Append-Mode-Tabellen sind optimiert für die schnelle Realisierung von

insert-Operationen. Die neuen Tupel werden dabei am Ende angefügt, oh-

ne Freispeicher auf Seiten zu berücksichtigen.

• Die bereichsgeclusterten Tabellen (engl. range-clustered tables oder kurz

RCT) sind optimiert speziell für Sequenzdaten. Sequenzdaten zeichnen

sich durch ein Sequenzattribut aus, das fortlaufend vergeben wird und als

logischer Identifikator genutzt werden kann.

• Die multidimensionalgeclusterten Tabellen (englisch multidimensional

clustering tables oder kurz MDC) erlauben eine geclusterte Speicherung in

mehreren Dimensionen.

154 6 Speicherung

Bereichsgeclusterte Tabellen

Bereichsgeclusterte Tabellen nutzen eine Sequenznummer (frei wählbares At-

tribut) als logische TID zur Ermittlung der physischen Speicheradresse. Die

Sequenznummern werden fortlaufend vergeben, sodass keine Lücken auftre-

ten. Damit ist eine Vorab-Allokation des gesamten Speicherplatzes der Tabelle

möglich. Ein Einfügen entspricht einem Einsortieren des Tupels über die Se-

quenznummer. Da die Sequenznummer die physische Adresse bestimmt, wird

bei einem Zugriff über die Sequenznummer kein zusätzlicher Index benötigt.

JBeispiel 6-1I Die folgende SQL-Deklaration zeigt die Definition einer be-

reichsgeclusterten Tabelle in DB2.

CREATE TABLE Bestellung (

BestellNr INT PRIMARY KEY, ...

) ORGANIZE BY KEY SEQUENCE

(BestellNr STARTING FROM 1 ENDING AT 10000)

2

Multidimensional-geclusterte Tabellen

In einem RDBMS können Tabellen üblicherweise maximal nach einem Attri-

but mit einem Index geclustert werden, die Clusterung ist eindimensional. Die

Verwendung von kompositen Indexattributen (Aneinanderhängen von Attri-

butwerten zur Indexgenerierung) führt nicht zu einer symmetrischen mehrdi-

mensionalen Clusterung.

Bei einer eindimensionalen Clusterung führt ein Scan über einen an-

deren Index im schlechtesten Fall zu einem Seitenzugriff pro Tupel. Die

multidimensional-geclusterten Tabellen haben das Ziel, Tupel mit gleichen

Werten bezüglich mehrerer Attribute (Dimensionen) im gleichen Speicherbe-

reich zu speichern. Die Speicherbereiche, genannt Blöcke, werden dann über

mehrere Blockindexe indexiert. Dies bezeichnet man auch als dünnbesetzte In-

dexe.

Abbildung 6.1 verdeutlicht die Speicherung multidimensional-geclusterter

Tabellen und den Einsatz mehrerer Indexe auf den Blöcken.

JBeispiel 6-2I Die folgende SQL-Anweisung zeigt exemplarisch das Anlegen

einer multidimensional-geclusterten Tabelle in DB2:

CREATE TABLE Verkauf (

Umsatz NUMBER,

Jahr INT,

Stadt VARCHAR(20),

...

) ORGANIZE BY DIMENSIONS (Stadt, Jahr)

6.1 Speicherung des Datenwürfels: Array vs. Relationen 155