stockage d'infos dans le cube [Résolu]

[h_ismaili]

Bonjour,
j'ai une petite question à propos du cube et de la manière dont il stocke les données.
on sait que la particularité d'un cube c'est qu'il stocke les données, ce qui facilite l'accés à celles-ci, maintenant, est ce que le cube stocke les données de degré de granularité le plus bas, et il fait des agrégations en cas de besoin? (dans ce cas, il ressemblera plus à un datamart), ou bien il stocke toutes les données, résultats de tous les croisements possibles entre les dimensions? (et dans ce cas sa taille sera énorme). Merci pour votre aide et vos explications.

[Jean_Paul_XX]

Bonjour,

est ce que le cube stocke les données de degré de granularité le plus bas, et il fait des agrégations en cas de besoin? (dans ce cas, il ressemblera plus à un datamart),

Un Datamart stocke des données pré-agrégées, donc la granularité est plus grossière que celle du Datawarehouse.
Attention, le terme de granularité peut être trompeur. On parle de granularité fine ou grossière. Dans le doute, il me semble préférable d'utiliser le terme d'Agrégation forte ou faible.

ou bien il stocke toutes les données, résultats de tous les croisements possibles entre les dimensions? (et dans ce cas sa taille sera énorme).

Tout dépend de l'implémentation choisie :

C'est toute la problématique des cubes MOLAP, qui effectivement présentent l'ensemble des tuples envisageables suivant les combinaisons entre les dimensions existantes. La taille physique d'un cube est donc par définition importante.
En revanche, dans le cas du ROLAP où les agrégations sont effectuées à la volée, il n'est pas nécessaire de présenter l'ensemble des tuples. Néanmoins, une modélisation en étoile est conseillée pour améliorer les performances.

Cette problématique de volumétrie, et donc par conséquent de temps d'alimentation, est l'un des critères qui entre dans le choix d'une implémentation R ou M OLAP.

[ygrim]

Un Datamart stocke des données pré-agrégées, donc la granularité est plus grossière que celle du Datawarehouse.

Attention ! Un datamart est un sous ensemble d'un DW, il peut, effectivement, s'agir de données agrégées. Mais il peut tout à fait être une division fonctionnelle du data warehouse : un datamart des ventes, un datamart pour une succursale.

[yphilogene]

J'ai cru entendre dire que les cubes Cognos pouvaient ne pas forcément contenir tout les calculs à tous les niveaux, ce qui signifierait que les données à des niveaux aggrégés seraient calculés au moment de la requête.

Est-ce qu'un spécialiste Transformer pourrait confirmer cela?

[Jean_Paul_XX]

il peut tout à fait être une division fonctionnelle du data warehouse : un datamart des ventes

Oui, oui. En effet Ygrim. Je n'en ai pas fait mention car nous traitions de la granularité et non de l'aspect fonctionnel.

[h_ismaili]

Pour revenir au sujet, je conclue donc que les cubes MOLAP stocke toutes les données de tous les croisements possibles alors que les ROLAP ne le font pas, au contraire ils générent des requêtes au besoin. c'est ça.

[yphilogene]

Le R-OLAP ne fait pas du stockage. Il ne génère pas de cubes physiques contrairement au M-OLAP. Le R-OLAP est une couche logicielle (de modélisation) permettant d'intérroger une base de données avec une logique d'analyse OLAP.

Les cubes M-OLAP stockent bien de la donnée, sous un format prédisposé à l'analyse OLAP (requêtage MDX). Classiquement, toutes les combinaisons sont précalculées et stockées. Je pense cependant que certaines technologies permettent de précalculer les données au niveau de détails le plus fin, mais pas nécessairement à tous les niveaux, laissant au moteur le soin de calculer les indicateurs au niveaux aggrégés au moment de l'execution de la requête. Encore une fois, y a-t-il quelqu'un qui serait capable de confirmer cette supposition? Je suis quasiment sûr que les cubes Cognos proposent cette option.

[h_ismaili]

merci encore une fois pour ta reponse