مدل بهبود يافته دولايه اي در طراحي سطح منطقي پايگاه داده تحليلي

An Improved two-layer Model in the Logical Level Data Warehouse Designing

پايگاه داده تحليلي، مخزن داده اي متمركز، جمع آوري شده از منابع اطلاعاتي مختلف و ناهمگن در يك محدوده وسيع زماني و براي پشتيباني از سيستم هاي تصميم يار مي باشد. پايگاه داده تحليلي منبع داده اي است كه در فرايند تصميم گيري از طريق پردازش تحليلي بر خط استفاده مي شود. فرايند توسعه يك پايگاه داده تحليلي با تحليل پايگاه داده عملياتي، شناسايي نيازهاي تحليلي و نهايتا طراحي در سه سطح مفهومي، منطقي و فيزيكي انجام مي شود. در اين مقاله ابتدا مدل هاي طراحي موجود در سطوح مختلف پايگاه داده تحليلي بررسي مي شود. سپس مدل هاي سطح منطقي با توجه به خصوصيات مطرح در آن ها مقايسه و تحليل شده، و نهايتا مدلي بهبوديافته در اين سطح، براي فرايند طراحي پايگاه داده تحليلي، ارائه مي شود كه تركيبي از دو مدل ستاره اي و دانه برفي، به صورت دولايه اي است. به منظور مقايسه مدل پيشنهادي با مدل هاي موجود، از معيار زمان پاسخگويي به پرس وجوها استفاده شده است. آزمايشات نشان مي دهد كه مدل پيشنهادي منجر به بهبود زمان پاسخ به پرس وجوها مي شود. در واقع زمان پاسخ به پرس وجوها در مدل پيشنهادي( دولايه اي) نسبت به مدل ستاره اي بطور متوسط 58/53 درصد و نسبت به مدل دانه برفي بطور متوسط 96/61 درصد بهبود مي يابد.

Data warehouses are centralized repositories collected from various heterogeneous sources in a wide range of time (time-variant) for decision support systems. Data warehouses are data sources used in decision making processes by online analytical processing. The process of developing a data warehouse is done through operational database analyzing, analytical requirement identification and finally designing in conceptual, logical and physical levels. In this paper, the design models at different levels of data warehouses are researched and the logical level models are compared and analyzed with respect to their properties. Finally, an improved model is proposed in logical level that combines two models (star and snowflake) in the form of a two-layered model. Queries response time measure is used to compare the proposed model with existing models. Experiments show that the proposed model improves the response time of queries. In fact, the response time of queries on the proposed model (two-layer) is improved 58.53 percent in average versus star model, and 96.61 percent in average versus snowflake model.