IntroductionTraditional OLTP database systems were not designed to sui terjemahan - IntroductionTraditional OLTP database systems were not designed to sui Bahasa Indonesia Bagaimana mengatakan

IntroductionTraditional OLTP databa

Introduction
Traditional OLTP database systems were not designed to suit data warehousing requirements.
Data warehousing projects were forced to choose between a data model and a corresponding database schema that is intuitive for analysis but performs poorly and a model-schema that performs better but is not well suited for analysis.
The schema methodology that is gaining widespread acceptance for data warehousing is the star schema.

Data Layout for Best Access
Typical requirements for the RDBMS are the need to support a large number of small but simultaneous read and write requests. Database schema definition often focuses on maximizing concurrency and optimizing insert, update, and delete performance.
A data warehouse RDBMS typically needs to process queries that are large, complex, ad hoc, and data-intensive.

Multidimensional Data Model
Modern business problems such as market analysis and financial forecasting requires query-centric database schemas that are array-oriented and multidimensional in nature.
Example of a six-dimensional question: “How much revenue did the new product generate by month, in the northeastern division, broken down by user demographic, by sales office, relative to the previous version of the product, compared with the plan?”

Star Schema: Introduction
The multidimensional view of data that is expressed using relational database semantics is provided by the database schema called the star schema.
The basic premise of star schemas is that information can be classified into two groups: facts and dimensions.

Star Schema: Facts and Dimensions
Facts are the core data element being analyzed. For example, units of individual items sold are facts.
Dimensions are attributes about the facts. For example, dimensions are the product types purchased and the date of purchase

Star Schema: A Comparison
Consider a typical business analysis problem: Find the share of total sales represented by each product in different markets, categories, and periods, compared with the same period a year ago.
With star schema, we could simply calculate the percentage, each number is of the total of its column.
In classic relational database, these calculations and display would require definition of separate view, requiring over 20 SQL commands.
The star schema is designed to overcome this limitation of the two dimensional model

0/5000
Dari: -
Ke: -
Hasil (Bahasa Indonesia) 1: [Salinan]
Disalin!
PengenalanSistem database OLTP tradisional tidak dirancang untuk sesuai dengan data pergudangan persyaratan.Data pergudangan proyek dipaksa untuk memilih antara data model dan skema database sesuai yang intuitif untuk analisis, tetapi melakukan buruk dan model-skema yang melakukan lebih baik tetapi tidak cocok untuk analisis.Metodologi skema yang mendapatkan penerimaan yang luas untuk data pergudangan adalah skema bintang.Data Layout untuk akses terbaikPersyaratan yang khas untuk RDBMS adalah perlu untuk mendukung sejumlah besar kecil tapi simultan membaca dan menulis permintaan. Definisi skema database sering berfokus pada memaksimalkan concurrency dan mengoptimalkan insert, update, dan menghapus kinerja.Gudang data RDBMS biasanya perlu untuk memproses permintaan yang besar, kompleks, ad hoc, dan data-intensif.Model multidimensi DataMasalah bisnis modern seperti analisis pasar dan peramalan keuangan memerlukan skema database query-sentris yang berorientasi array dan multidimensi di alam.Contoh pertanyaan enam dimensi: "berapa banyak pendapatan menurut produk baru menghasilkan oleh bulan, di Divisi timur laut, dipecah oleh pengguna demografis, oleh kantor penjualan, relatif untuk versi sebelumnya dari produk, dibandingkan dengan rencana?"Bintang skema: PendahuluanTampilan multidimensi data yang diungkapkan menggunakan database relasional semantik disediakan oleh skema database yang disebut skema bintang.Premis dasar dari bintang skema adalah bahwa informasi dapat digolongkan menjadi dua kelompok: fakta dan dimensi.Bintang skema: Fakta dan dimensiFakta adalah elemen inti data dianalisis. Sebagai contoh, unit dari setiap item yang dijual adalah fakta.Dimensi adalah atribut tentang fakta-fakta. Sebagai contoh, dimensi adalah jenis produk yang dibeli dan tanggal pembelianBintang skema: PerbandinganMempertimbangkan masalah analisis khas bisnis: menemukan pangsa total penjualan yang diwakili oleh setiap produk di pasar yang berbeda, kategori dan periode, dibandingkan dengan periode yang sama tahun lalu.Dengan skema bintang, kita hanya bisa menghitung persentase, setiap nomor adalah jumlah kolom.Dalam database relasional yang klasik, perhitungan dan tampilan ini akan memerlukan definisi tampilan terpisah, memerlukan lebih dari 20 perintah SQL.Skema bintang dirancang untuk mengatasi keterbatasan ini dari dua dimensi model
Sedang diterjemahkan, harap tunggu..
Hasil (Bahasa Indonesia) 2:[Salinan]
Disalin!
Pengenalan
sistem database tradisional OLTP tidak dirancang untuk memenuhi kebutuhan data warehousing.
proyek pergudangan data dipaksa untuk memilih antara model data dan skema database yang sesuai yang intuitif untuk analisis tetapi berkinerja buruk dan model-skema yang melakukan lebih baik tapi tidak baik cocok untuk analisis.
Metodologi skema yang mendapatkan penerimaan luas untuk data warehousing adalah skema bintang. data Tata Letak untuk Akses Terbaik persyaratan khas untuk RDBMS adalah kebutuhan untuk mendukung sejumlah besar kecil tapi simultan membaca dan menulis permintaan. Database definisi skema sering berfokus pada memaksimalkan concurrency dan mengoptimalkan insert, update, dan menghapus kinerja. Sebuah RDBMS data warehouse biasanya perlu proses query yang besar, kompleks, ad hoc, dan data-intensif. Multidimensional Data Model masalah bisnis modern seperti pasar analisis dan peramalan keuangan membutuhkan permintaan-sentris skema database yang berbagai-oriented dan multidimensi di alam. Contoh pertanyaan enam dimensi: "Berapa pendapatan tidak produk baru menghasilkan oleh bulan, di divisi timur laut, dipecah oleh pengguna demografi , kantor penjualan, relatif terhadap versi sebelumnya dari produk, dibandingkan dengan rencana "? Bintang Schema: Pendahuluan . Multidimensional view data yang diungkapkan menggunakan semantik database relasional disediakan oleh skema database yang disebut skema bintang Premis dasar dari bintang skema adalah bahwa informasi dapat diklasifikasikan ke dalam dua kelompok: fakta dan dimensi. Star Schema: Fakta dan Dimensi Fakta adalah elemen data inti yang dianalisis. Misalnya, unit setiap item yang dijual adalah fakta. Dimensinya atribut tentang fakta-fakta. Misalnya, dimensi adalah jenis produk yang dibeli dan tanggal pembelian Skema Bintang: Perbandingan Pertimbangkan masalah analisis bisnis yang khas: Cari pangsa dari total penjualan diwakili oleh masing-masing produk di pasar yang berbeda, kategori, dan periode, dibandingkan dengan periode yang sama setahun yang lalu. Dengan skema bintang, kita hanya bisa menghitung persentase, setiap nomor adalah dari total kolomnya. Dalam database relasional klasik, perhitungan ini dan tampilan akan membutuhkan definisi pandang yang terpisah, yang membutuhkan lebih dari 20 perintah SQL. Skema Bintang dirancang untuk mengatasi keterbatasan ini dari model dua dimensi























Sedang diterjemahkan, harap tunggu..
 
Bahasa lainnya
Dukungan alat penerjemahan: Afrikans, Albania, Amhara, Arab, Armenia, Azerbaijan, Bahasa Indonesia, Basque, Belanda, Belarussia, Bengali, Bosnia, Bulgaria, Burma, Cebuano, Ceko, Chichewa, China, Cina Tradisional, Denmark, Deteksi bahasa, Esperanto, Estonia, Farsi, Finlandia, Frisia, Gaelig, Gaelik Skotlandia, Galisia, Georgia, Gujarati, Hausa, Hawaii, Hindi, Hmong, Ibrani, Igbo, Inggris, Islan, Italia, Jawa, Jepang, Jerman, Kannada, Katala, Kazak, Khmer, Kinyarwanda, Kirghiz, Klingon, Korea, Korsika, Kreol Haiti, Kroat, Kurdi, Laos, Latin, Latvia, Lituania, Luksemburg, Magyar, Makedonia, Malagasi, Malayalam, Malta, Maori, Marathi, Melayu, Mongol, Nepal, Norsk, Odia (Oriya), Pashto, Polandia, Portugis, Prancis, Punjabi, Rumania, Rusia, Samoa, Serb, Sesotho, Shona, Sindhi, Sinhala, Slovakia, Slovenia, Somali, Spanyol, Sunda, Swahili, Swensk, Tagalog, Tajik, Tamil, Tatar, Telugu, Thai, Turki, Turkmen, Ukraina, Urdu, Uyghur, Uzbek, Vietnam, Wales, Xhosa, Yiddi, Yoruba, Yunani, Zulu, Bahasa terjemahan.

Copyright ©2025 I Love Translation. All reserved.

E-mail: