Titre

On peut définir un modèle maître avec des dimensions uniquement et sans cubes. Définissez ensuite un modèle par catégorie de cube, Datamart ou toute autre catégorisation. Les modèles peuvent partager les dimensions du modèle maître. On peut spécifier des mappages partagés et des jointures au niveau du modèle. Ces mappages et jointures sont hérités par tous les cubes du modèle. Toutes les cotes d`un modèle statique (fichier) sont partagées par défaut dans l`espace de travail. Cela signifie que les dimensions peuvent être réutilisées librement parmi les cubes de différents modèles. Matrice m-dimensionnelle: un cube de données construit à partir d`attributs m peut être stocké en tant que tableau m-dimensionnel. Chaque élément du tableau contient la valeur de mesure, telle que Count. Le tableau lui-même peut être représenté en tant que tableau à 1 dimension. Par exemple, un tableau à 2 dimensions de la taille x x y peut être stocké sous la forme d`un tableau à 1 dimension de la taille x * y, où l`élément (i, j) dans le tableau 2D est stocké dans l`emplacement (y * i + j) dans le tableau 1-D. L`inconvénient de stocker le cube directement comme un tableau est que la plupart des cubes de données sont rares, de sorte que le tableau contiendra de nombreux éléments vides (valeurs nulles).

La liste des dimensions et des cubes dans le Model. JSON sont fusionnées avec les dimensions et les cubes dans les fichiers distincts. Évitez les définitions dupliquées. Si vous n`avez jamais travaillé avec des cubes OLAP auparavant, il peut être difficile de démarrer si vous n`avez pas déjà un cube pré-construit. Pour effectuer une analyse à l`aide d`un cube, le cube requiert des données. Si vous commencez tout seul, il peut être difficile de trouver suffisamment de données pour une analyse significative. Dans de nombreuses entreprises, les cubes sont construits par un modeleur de cube. Quelqu`un qui prend des données non structurées et les organise en dimensions avec des hiérarchies et les structure en un cube. Pour exposer uniquement certaines cotes à partir d`un modèle, spécifiez une liste de noms de dimension dans la propriété de modèle public_dimensions. Seules les dimensions de la liste peuvent être partagées par d`autres cubes dans l`espace de travail.

Les cubes. La méthode Workspace. Browser () crée un navigateur avec une localisation de modèle appropriée, aucune demande explicite de localisation n`est nécessaire. Les descriptions de cube sont stockées en tant que dictionnaire pour les cubes clés dans le dictionnaire de description du modèle ou dans les fichiers JSON avec le préfixe cube_ comme cube_contracts. Pour spécifier le schéma de base de données (dans notre exemple sales_datamart) dans Python, transmettez-le dans l`argument de schéma des cubes. Workspace. register_store (): un cube est un ensemble de données multidimensionnels. Vous pouvez utiliser des cubes pour contenir des données, collecter des données auprès des utilisateurs et calculer les données en tant que de besoin. Généralement, un cube stocke les données relatives à un aspect de l`entreprise, tels que les employés ou les revenus. Le modèle logique décrit les données du point de vue de l`utilisateur ou de l`analyste: données comment elles sont mesurées, agrégées et déclarées. Le modèle est indépendant de la mise en œuvre physique des données. Cette indépendance physique rend plus facile de se concentrer sur les données à la place sur les moyens de la façon d`obtenir les données sous une forme compréhensible.

Les cubes et les cotes dans le modèle généré sont juste informatifs pour le fournisseur de modèle. Le fournisseur peut produire un ensemble différent de cubes et de dimensions comme spécifié dans les métadonnées. Les utilisateurs des systèmes d`aide à la décision voient souvent des données sous forme de cubes de données. Le cube est utilisé pour représenter les données le long d`une certaine mesure d`intérêt. Bien qu`appelé un « Cube », il peut être en 2 dimensions, en 3 dimensions ou en dimensions supérieures. Chaque dimension représente certains attributs dans la base de données et les cellules du cube de données représentent la mesure d`intérêt. Par exemple, ils peuvent contenir un décompte pour le nombre de fois que la combinaison d`attributs se produit dans la base de données, ou la valeur minimale, maximale, somme ou moyenne d`un attribut. Les requêtes sont exécutées sur le cube pour récupérer les informations de prise en charge des décisions. Les attributs de dimension peuvent avoir un contenu spécifique à la langue. En cubes, il peut être obtenu en fournissant une colonne par langue (localisation dénormalisée).