PDF de programación - Guía 9. Diseño de Cubos - Base de datos II

Base de datos II

Facultad de Ingeniería.
Escuela de computación.



2





Base de datos II. Guía 9



3



Introducción



Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el
desarrollo de sus prácticas de laboratorios, haciendo uso de este antes, durante y después de
la práctica, de tal forma que ofrece un método facilitador en su proceso de
enseñanza/aprendizaje durante esta asignatura.

En el desarrollo de esta asignatura se ha designado realizar las prácticas en 16 sesiones
semanales de laboratorios, los que incluyen 11 prácticas, dos parciales y un proyecto final
durante los cuales, el estudiante aplicará los conceptos y las técnicas fundamentalmente
necesarias para el dominio de programas para el uso, configuración y administración de
ORACLE.

Todas las guías de laboratorio están estructuradas de la siguiente forma:
- Objetivos
- Materiales y equipos
- Introducción teórica
- Procedimiento
- Bibliografía
- Hoja de evaluación( En caso de que la actividad sea evaluada )

La asignatura Base de Datos II,está dividida en cinco unidades durante el ciclo. La unidad
1 Administración avanzada de bases de datos tendrá 3 laboratorios prácticos, la unidad
2 Arquitectura de bases de datos tendrá 2 laboratorios prácticos y la unidad 3 Diseño de
un Datawarehuse tendrá 4 laboratorios prácticos. La unidad 4 Minería de datos tendrá 3
laboratorios prácticos. Y finalmente la Unidad 5 Calidad de datos y auditoria de bases
de datos tendrá 3 laboratorios prácticos.



Base de datos II, Guía 9


4



Tabla de Contenido



Guía 9. Diseño de Cubos


Facultad: Ingeniería.
Escuela: Computación.
Asignatura: Base de datos II.

Pág



Guía 6


Contenido ----------------------------------------------------------------------------------------- 5
a 1
Objetivos ------------------------------------------------------------------------------------------ 5



Materiales y equipos ----------------------------------------------------------------------------- 5

Introducción teórica. ----------------------------------------------------------------------------- 5



OLAP ---------------------------------------------------------------------------------- 5

Procedimiento. ------------------------------------------------------------------------------------ 17

Investigación -------------------------------------------------------------------------------------- 17

Bibliografía --------------------------------------------------------------------------------------- 17



Base de datos II. Guía 9



5



Tema: MONITOREO DE BASE DE DATOS


Contenidos



En la presente guía de laboratorio se presentaran conceptos básicos de monitoreo de
sistema, así como procedimientos prácticos.



Desarrolla un cubo desde EXCEL hacia la base de datos transaccional y hacia la base datos del
DWH.

Objetivo Específico



Materiales y Equipo


 Instaladores de ORACLE.
 Virtual de Windows 2003 server.
 Cliente de Oracle Instalado.
 Excel



Introducción Teórica



Cubo OLAP

Cubo OLAP de tres dimensiones (Ciudades, Productos y Tiempo).

Un cubo OLAP, OnLine Analytical Processing o procesamiento Analítico En Línea,
término acuñado por Edgar Frank Codd de EF Codd & Associates, encargado por Arbor
Software (en la actualidad Hyperion Solutions), es una base de datos multidimensional, en
la cual el almacenamiento físico de los datos se realiza en un vector multidimensional. Los
cubos OLAP se pueden considerar como una ampliación de las dos dimensiones de una
hoja de cálculo.

A menudo se pensaba que todo lo que los usuarios pueden querer de un sistema de
información se podría hacer de una base de datos relacional. No obstante Codd fue uno de
los precursores de las bases de datos relacionales, por lo que sus opiniones fueron y son
respetadas.


6

Base de datos II, Guía 9

Introducción

La propuesta de Codd consistía en realizar una disposición de los datos en vectores para
permitir un análisis rápido. Estos vectores son llamados cubos. Disponer los datos en cubos
evita una limitación de las bases de datos relacionales, que no son muy adecuadas para el
análisis instantáneo de grandes cantidades de datos. Las bases de datos relacionales son más
adecuados para registrar datos provenientes de transacciones (conocido como OLTP o
procesamiento de transacciones en línea). Aunque existen muchas herramientas de
generación de informes para bases de datos relacionales, éstas son lentas cuando debe
explorarse toda la base de datos.

Por ejemplo, una empresa podría analizar algunos datos financieros por producto, por
período, por ciudad, por tipo de ingresos y de gastos, y mediante la comparación de los
datos reales con un presupuesto. Estos parámetros en función de los cuales se analizan los
datos se conocen como dimensiones. Para acceder a los datos sólo es necesario indexarlos
a partir de los valores de las dimensiones o ejes.

El almacenar físicamente los datos de esta forma tiene sus pros y sus contras. Por ejemplo,
en estas bases de datos las consultas de selección son muy rápidas (de hecho, casi
instantáneas). Pero uno de los problemas más grandes de esta forma de almacenamiento es
que una vez poblada la base de datos ésta no puede recibir cambios en su estructura. Para
ello sería necesario rediseñar el cubo.

En un sistema OLAP puede haber más de tres dimensiones, por lo que a los cubos OLAP
también reciben el nombre de hipercubos. Las herramientas comerciales OLAP tienen
diferentes métodos de creación y vinculación de estos cubos o hipercubos (véase Tipos de
OLAP en el artículo sobre OLAP).

Un ejemplo

Un analista financiero podría querer ver los datos de diversas formas, por ejemplo,
visualizándolos en función de todas las ciudades (que podrían figurar en el eje de abscisas)
y todos los productos (en el eje de ordenadas), y esto podría ser para un período
determinado, para la versión y el tipo de gastos. Después de haber visto los datos de esta
forma particular el analista podría entonces querer ver los datos de otra manera y poder
hacerlo de forma inmediata. El cubo podría adoptar una nueva orientación para que los
datos aparezcan ahora en función de los períodos y el tipo de coste. Debido a que esta
reorientación implica resumir una cantidad muy grande de datos, esta nueva vista de los
datos se debe generar de manera eficiente para no malgastar el tiempo del analista, es decir,
en cuestión de segundos, en lugar de las horas que serían necesarias en una base de datos
relacional convencional.

Dimensiones y jerarquías

Cada una de las dimensiones de un cubo OLAP puede resumirse mediante una jerarquía.
Por ejemplo si se considera una escala (o dimensión) temporal "Mayo de 2005" se puede
incluir en "Segundo Trimestre de 2005", que a su vez se incluye en "Año 2005". De igual



Base de datos II. Guía 9



7

manera, otra dimensión de un cubo que refleje una situación geográfica, las ciudades se
pueden incluir en regiones, países o regiones mundiales; los productos podrían clasificarse
por categorías, y las partidas de gastos podrían agruparse en tipos de gastos. En cambio, el
analista podría comenzar en un nivel muy resumido, como por ejemplo el total de la
diferencia entre los resultados reales y lo presupuestado, para posteriormente descender en
el cubo (en sus jerarquías) para poder observar con un mayor nivel de detalle que le permita
descubrir en el cubo los lugares en los que se ha producido esta diferencia, según los
productos y períodos.

Dispersión en cubos OLAP

Vincular o enlazar cubos es un mecanismo para superar la dispersión. Ésta se produce
cuando no todas las celdas del cubo se rellenan con datos (escasez de datos o valores
nulos). El tiempo de procesamiento es tan valioso que se debe adoptar la manera más
efectiva de sumar ceros (los valores nulos o no existentes). Por ejemplo los ingresos pueden
estar disponibles para cada cliente y producto, pero los datos de los costos pueden no estar
disponibles con esta cantidad de análisis. En lugar de crear un cubo disperso, a veces es
mejor crear otro cubo distinto, pero vinculado, en el que un subconjunto de los datos se
pueden analizar con gran detalle. La vinculación asegura que los datos de los dos cubos
mantengan una coherencia.

Acceso y cálculo de un cubo OLAP

Los datos de los cubos pueden ser actualizados de vez en cuando, tal vez por personas
diferentes de forma concurrente. Para solventar este problema a menudo es necesario
bloquear partes de un cubo mientras otro usuario está escribiendo, para volver a calcular los
totales en el cubo. Otras implementaciones añaden la posibilidad de mostrar una alerta que
indique que los totales calculados previamente ya no son válidos tras los nuevos datos.
También hay algunos productos que calculan los totales cuando se les necesita con los
últimos datos producidos en el sistema.

Crear una tabla dinámica



Una tabla dinámica consiste en el resumen de un conjunto de datos, atendiendo a varios
criterios de agrupación, representado como una tabla de doble entrada que nos facilita la
interpretación de dichos datos. Es dinámica porque nos permite