Многомерная модель

Многомерные модели предполагают хранение информация в форме логически упорядоченных многомерных массивов – гиперкубов. Основные понятия многомерной модели – измерение и значение (ячейка). Измерение – это множество, образующее одну из трех граней гиперкуба (аналог домена в реляционной модели). Измерения играют роль индексов, используемых для идентификации конкретных значений в ячейках гиперкуба. Значения – это подвергаемые анализу количественные или качественные данные, которые находятся в ячейках гиперкуба.

В многомерных системах используется обычно два варианта организации данных: гиперкубическая и поликубическая.

В гиперкубической организации данных все показатели определяются одним и тем же набором измерений. А при наличии нескольких гиперкубов все они имеют одинаковую размерность и совпадающие измерения. При поликубической организации данных может быть несколько гиперкубов с различной размерностью и с различными измерениями в качестве граней.

В многомерной модели вводятся следующие основные операции манипулирования измерениями: 1) сечение; 2) вращение; 3) детализация; 4) свертка.

При выполнении операции сечения формируется подмножество гиперкуба, в котором значение одного или более измерений фиксировано. Например, если зафиксировать значение измерения «Время» равным «IV квартал года», то мы получим двумерную таблицу с информацией о значениях всех параметров для всех субъектов хозяйствования в IV квартале года.

Операция вращения изменяет порядок представления измерений. Она обычно применяется к двумерным таблицам, обеспечивая представление их в более удобной для восприятия форме. Если в исходной таблице по горизонтали были расположены хозяйственные субъекты, а по вертикали параметры социально-экономической сферы, то после операции вращения параметры будут размещены по горизонтали, а названия субъектов – по вертикали.

Для выполнения операций свертки и детализации должна существовать иерархия значений измерения, то есть некоторая подчиненность одних значений другим. Например, 12 месяцев образуют год. При выполнении операции свертки одно из значений измерения заменяется значением более высокого уровня иерархии. Операция детализация – это операция, обратная свертке. Она обеспечивает переход от обобщенных данных к детализированным данным.

У многомерных моделей есть недостатки, сдерживающие их применение:

· по сравнению с реляционными моделями они неэффективно используют память;

· в многомерных моделях заранее резервируется место для всех значений, даже если часть из них заведомо будет отсутствовать;

· выбор высокого уровня детализации при реализации гиперкуба может очень сильно увеличить размер многомерной БД.