【大数据】OLAP架构及技术实现的演进简介

文章目录

你的点赞与评论是我最大的创作动力！

一、架构分类

OLAP名为联机分析，又称多维分析，什么是多维分析，指的是多种不同的维度审视数据，进行深层次分析。

进行分析必不可少对数据进行下钻、上卷、切片、切块、旋转等操作，为了更加直观，我们可以使用立方体来表示。

• 下钻：从高层次向低层次明细数据穿透。例如从“省”下钻到“市”，从“浙江省”穿透到“杭州市”和“台州市”。
• 上卷：和下钻相反，从低层次向高层次聚合。例如从“市”汇聚成“省”，将“杭州市”、“台州市”聚合成“湖北”。
• 切片：观察立方体的一层，将一个或多个维度设为单个固定值，然后观察剩余的维度，例如将商品维度固定为“车厘子”。
• 切块：与切片类似，只是将单个固定值变成多个值。例如将商品维度固定成“梨”、“车厘子”。
• 旋转：旋转立方体的一面，如果要将数据映射到一张二维表，那么就要进行旋转，这就等同于行列置换。

为了实现上述操作，将常见的OLAP架构分为三类：

1、ROLAP（Relational OLAP）是直接使用关系模型构建，因为早期OLAP概念提出的时候是建立在关系型数据库之上的。，多维分析的操作，可以直接转换成SOL查询。

2、MOLAP（Multidimensional OLAP）,一般称为多维型OLAP，它可以缓解ROLAP性能问题，使用多维数组的形式保存数据。核心思想就是采用空间换取时间的形式，预先聚合结果来提高查询性能。

首先，对需要分析的数据进行建模，框定需要分析的维度字段；然后，通过预处理的形式，对各种维度进行组合并事先聚合；最后，将聚合结果以某种索引或者缓存的形式保存起来（通常只保留聚合后的结果，不存储明细数据）。这样一来，在随后的查询过程中，就可以直接利用结果返回数据。但是这种架构也并不完美。维度预处理可能会导致数据的膨胀

3、HOLAP（Hybrid OLAP）这种架构思想可谓是上面两种架构思想的混合，这种思想对于具体的了解、实现现在还不多。

二、技术演进

技术的演进我们可以分为两个标志性的阶段。

1、传统关系型数据库时期

这个阶段中，OLAP主要基于以Oracle、MySQL为代表的一众关系型数据实现。在ROLAP架构下，直接使用这些数据库作为存储与计算的载体。在MOLAP架构下，则借助物化视图的形式实现各数据操作。但难以解决的问题是，不论是ROLAP还是MOLAP，在数据体量大、维度数目多的情况下都存在严重的性能问题。

2、大数据技术时期

由于大数据处理技术的普及，大家开始使用大数据技术重构ROLAP和MOLAP。

先看ROLAP架构，传统关系型数据库就被Hive和SparkSQL这类新兴技术所取代。虽然，以Spark为代表的分布式计算系统，相比Oracle这类传统数据库而言，在面向海量数据的处理性能方面已经优秀很多，但是直接把它们作为面向终端用户的在线查询系统还是太慢了。

再看MOLAP架构，MOLAP背后也转为依托MapReduce或Spark这类新兴技术，将其作为立方体的计算引擎，加速立方体的构建过程。其预聚合结果的存储载体也转向HBase这类高性能分布式数据库。大数据技术阶段，主流MOLAP架构已经能够在亿万级数据的体量下，实现毫秒级的查询响应时间。尽管如此，MOLAP架构依然存在维度爆炸、数据同步实时性不高的问题。