നിനക്കറിയാമോ, "ഫിസിക്കൽ വാക്വം" എന്ന ആശയത്തിന്റെ തെറ്റ് എന്താണ്?

ഫിസിക്കൽ വാക്വം - ആപേക്ഷിക ക്വാണ്ടം ഭൗതികശാസ്ത്രത്തിന്റെ ആശയം, അവർ അർത്ഥമാക്കുന്നത് താഴ്ന്ന (അടിസ്ഥാന) ഊർജ്ജ നിലപൂജ്യം ആക്കം, കോണീയ മൊമെന്റം, മറ്റ് ക്വാണ്ടം സംഖ്യകൾ എന്നിവയുള്ള ക്വാണ്ടൈസ്ഡ് ഫീൽഡ്. ആപേക്ഷിക സിദ്ധാന്തക്കാർ ഫിസിക്കൽ വാക്വം എന്ന് വിളിക്കുന്നത് ദ്രവ്യം പൂർണ്ണമായും ഇല്ലാത്തതും അളക്കാനാവാത്തതും അതിനാൽ സാങ്കൽപ്പികവുമായ ഒരു ഫീൽഡ് കൊണ്ട് നിറഞ്ഞതുമായ ഒരു ഇടമാണ്. അത്തരമൊരു അവസ്ഥ, ആപേക്ഷികവാദികളുടെ അഭിപ്രായത്തിൽ, ഒരു കേവല ശൂന്യമല്ല, മറിച്ച് ചില ഫാന്റം (വെർച്വൽ) കണങ്ങളാൽ നിറഞ്ഞ ഒരു ഇടമാണ്. ആപേക്ഷികം ക്വാണ്ടം സിദ്ധാന്തംഹൈസൻബെർഗ് അനിശ്ചിതത്വ തത്വത്തിന് അനുസൃതമായി, വെർച്വൽ, അതായത്, പ്രത്യക്ഷമായ (ആർക്കൊക്കെ?) കണികകൾ സ്ഥിരമായി ജനിക്കുകയും ഭൗതിക ശൂന്യതയിൽ അപ്രത്യക്ഷമാവുകയും ചെയ്യുന്നുവെന്ന് ഫീൽഡുകൾ പ്രസ്താവിക്കുന്നു: സീറോ-പോയിന്റ് ഫീൽഡ് ആന്ദോളനങ്ങൾ എന്ന് വിളിക്കപ്പെടുന്നവ സംഭവിക്കുന്നു. ഫിസിക്കൽ വാക്വത്തിന്റെ വെർച്വൽ കണങ്ങൾക്ക്, അതിനാൽ തന്നെ, നിർവചനം അനുസരിച്ച്, ഒരു റഫറൻസ് സിസ്റ്റം ഇല്ല, അല്ലാത്തപക്ഷം ആപേക്ഷികതാ സിദ്ധാന്തത്തെ അടിസ്ഥാനമാക്കിയുള്ള ഐൻ‌സ്റ്റൈന്റെ ആപേക്ഷികതാ തത്വം ലംഘിക്കപ്പെടും (അതായത്, റഫറൻസോടുകൂടിയ ഒരു കേവല അളവെടുപ്പ് സിസ്റ്റം ഫിസിക്കൽ വാക്വം കണികകൾക്ക് സാധ്യമാകും, അത് SRT അടിസ്ഥാനമാക്കിയുള്ള ആപേക്ഷികതാ തത്വത്തെ വ്യക്തമായി നിരാകരിക്കും). അതിനാൽ, ഫിസിക്കൽ വാക്വവും അതിന്റെ കണങ്ങളും ഭൗതിക ലോകത്തിന്റെ ഘടകങ്ങളല്ല, മറിച്ച് ആപേക്ഷികതാ സിദ്ധാന്തത്തിന്റെ ഘടകങ്ങൾ മാത്രമാണ്, അവ യഥാർത്ഥ ലോകത്ത് നിലവിലില്ല, മറിച്ച് ആപേക്ഷിക സൂത്രവാക്യങ്ങളിൽ മാത്രം, കാര്യകാരണ തത്വം ലംഘിക്കുമ്പോൾ (അവ പ്രത്യക്ഷപ്പെടുകയും കാരണമില്ലാതെ അപ്രത്യക്ഷമാകും), വസ്തുനിഷ്ഠതയുടെ തത്വം (വിർച്വൽ കണങ്ങളെ സൈദ്ധാന്തികന്റെ ആഗ്രഹത്തെ ആശ്രയിച്ച്, നിലവിലുള്ളതോ അല്ലാത്തതോ ആയ ഒന്നുകിൽ പരിഗണിക്കാം), വസ്തുതാപരമായ അളവുകോലിൻറെ തത്വം (നിരീക്ഷണമല്ല, അവരുടേതായ ISO ഇല്ല).

ഒന്നോ അതിലധികമോ ഭൗതികശാസ്ത്രജ്ഞൻ "ഫിസിക്കൽ വാക്വം" എന്ന ആശയം ഉപയോഗിക്കുമ്പോൾ, അയാൾ ഒന്നുകിൽ ഈ പദത്തിന്റെ അസംബന്ധം മനസ്സിലാക്കുന്നില്ല, അല്ലെങ്കിൽ ആപേക്ഷിക സിദ്ധാന്തത്തിന്റെ മറഞ്ഞിരിക്കുന്നതോ പരസ്യമായതോ ആയ അനുയായിയായതിനാൽ വെറുപ്പാണ്.

ഈ ആശയത്തിന്റെ അസംബന്ധം മനസ്സിലാക്കാനുള്ള ഏറ്റവും എളുപ്പ മാർഗം അതിന്റെ സംഭവത്തിന്റെ ഉത്ഭവത്തിലേക്ക് തിരിയുക എന്നതാണ്. 1930-കളിൽ പോൾ ഡിറക് ആണ് ഇത് ജനിച്ചത്, ഈഥറിനെ അതിന്റെ ശുദ്ധമായ രൂപത്തിൽ നിഷേധിക്കുന്നത്, ഒരു മികച്ച ഗണിതശാസ്ത്രജ്ഞനും എന്നാൽ ഒരു സാധാരണ ഭൗതികശാസ്ത്രജ്ഞനും ചെയ്തതുപോലെ, ഇനി സാധ്യമല്ലെന്ന് വ്യക്തമായപ്പോൾ. ഇതിന് വിരുദ്ധമായ നിരവധി വസ്തുതകളുണ്ട്.

ആപേക്ഷികവാദത്തെ പ്രതിരോധിക്കാൻ, പോൾ ഡിറാക്ക് നെഗറ്റീവ് എനർജി എന്ന ഭൗതികവും യുക്തിരഹിതവുമായ ആശയം അവതരിപ്പിച്ചു, തുടർന്ന് രണ്ട് ഊർജ്ജങ്ങളുടെ ഒരു "കടൽ" ഒരു ശൂന്യതയിൽ പരസ്പരം നഷ്ടപരിഹാരം നൽകുന്നു - പോസിറ്റീവ്, നെഗറ്റീവ്, അതുപോലെ ഓരോന്നിനും നഷ്ടപരിഹാരം നൽകുന്ന കണങ്ങളുടെ ഒരു "കടൽ". മറ്റുള്ളവ - വെർച്വൽ (അതായത്, പ്രത്യക്ഷമായ) ഇലക്ട്രോണുകളും പോസിട്രോണുകളും ഒരു ശൂന്യതയിൽ.

OLTP(തത്സമയ ഇടപാട് പ്രോസസ്സിംഗ്) ഒരു നിർദ്ദിഷ്ട സിസ്റ്റത്തിന്റെ പ്രവർത്തനത്തിൽ ഉൾപ്പെടുന്നു. OLTP സവിശേഷതയാണ് വലിയ തുകഹ്രസ്വ ഓൺലൈൻ ഇടപാടുകൾ (ഇൻസേർട്ട്, അപ്ഡേറ്റ്, ഡിലീറ്റ്). OLTP സിസ്റ്റങ്ങളുടെ പ്രധാന ശ്രദ്ധ വളരെ വേഗത്തിലുള്ള അന്വേഷണ പ്രോസസ്സിംഗാണ്, മൾട്ടി-ആക്സസ് പരിതസ്ഥിതികളിൽ ഡാറ്റ സമഗ്രത ഉറപ്പാക്കുകയും സെക്കൻഡിലെ ഇടപാടുകൾ അനുസരിച്ചുള്ള കാര്യക്ഷമത ഉറപ്പാക്കുകയും ചെയ്യുന്നു. ഒരു OLTP ഡാറ്റാബേസിൽ വിശദവും നിലവിലുള്ളതുമായ ഡാറ്റയുണ്ട്, കൂടാതെ ഇടപാട് ഡാറ്റാബേസുകൾ സംഭരിക്കുന്നതിന് ഉപയോഗിക്കുന്ന സ്കീമ ഒരു എന്റിറ്റി മോഡലാണ് (സാധാരണയായി 3NF). "അപ്‌ഡേറ്റ്" പോലെയുള്ള ഒരു വ്യക്തിഗത റെക്കോർഡുമായി ബന്ധപ്പെട്ട അന്വേഷണങ്ങൾ ഇതിൽ ഉൾപ്പെടുന്നു ഇമെയിൽ" കമ്പനി ഡാറ്റാബേസിൽ.

OLAP(ഓൺലൈൻ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ്) ചരിത്രപരമായ ഡാറ്റ അല്ലെങ്കിൽ ആർക്കൈവൽ ഡാറ്റ കൈകാര്യം ചെയ്യുന്നു. താരതമ്യേന കുറഞ്ഞ ഇടപാട് വോളിയമാണ് OLAP-ന്റെ സവിശേഷത. ചോദ്യങ്ങൾ പലപ്പോഴും വളരെ സങ്കീർണ്ണവും അഗ്രഗേഷനുകൾ ഉൾപ്പെടുന്നതുമാണ്. OLAP സിസ്റ്റങ്ങൾക്ക്, പ്രതികരണ സമയം ഒരു പ്രകടന സൂചകമാണ്. OLAP ആപ്ലിക്കേഷനുകൾഡാറ്റ മൈനിംഗ് രീതികൾ വ്യാപകമായി ഉപയോഗിക്കുന്നു. ഒരു OLAP ഡാറ്റാബേസ് മൾട്ടിഡൈമൻഷണൽ സ്കീമകളിൽ (സാധാരണയായി ഒരു സ്റ്റാർ സ്കീമ) സംഭരിച്ചിരിക്കുന്ന ചരിത്രപരമായ ഡാറ്റ സംഭരിക്കുന്നു. ചിലപ്പോഴൊക്കെ ഒരു അന്വേഷണത്തിന് നിങ്ങളുടെ കമ്പനിയുടെ കഴിഞ്ഞ വർഷം ലാഭം എന്തായിരുന്നു എന്നതുപോലുള്ള മാനേജ്മെന്റ് റെക്കോർഡുകളിൽ ധാരാളം ഡാറ്റ ആക്സസ് ചെയ്യേണ്ടതുണ്ട്.

വളരെ ചെറിയ ഉത്തരം:

വിവിധ ഡാറ്റാബേസുകൾ ഉണ്ട് വത്യസ്ത ഇനങ്ങൾഉപയോഗിക്കുക. ഞാൻ ഒരു ഡാറ്റാബേസ് വിദഗ്ധനല്ല. സംശയമുണ്ടെങ്കിൽ, ഞാൻ SQL ഉപയോഗിക്കുന്നു.

ചെറിയ ഉത്തരം:

നമുക്ക് രണ്ട് ഉദാഹരണങ്ങൾ നോക്കാം:

രംഗം 1:

നിങ്ങൾ ഒരു ഓൺലൈൻ സ്റ്റോർ/വെബ്സൈറ്റ് നിർമ്മിക്കുകയാണ്, കൂടാതെ ഇനിപ്പറയുന്നവ ചെയ്യാൻ ആഗ്രഹിക്കുന്നു:

• ഉപയോക്തൃ ഡാറ്റ, പാസ്‌വേഡുകൾ, മുൻ ഇടപാടുകൾ എന്നിവ സംഭരിക്കുക...
• നിലവിലെ ഉൽപ്പന്നങ്ങളും അവയുടെ അനുബന്ധ വിലയും സംഭരിക്കുക.

എന്നതിനായുള്ള ഡാറ്റ കണ്ടെത്താൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നുണ്ടോ നിർദ്ദിഷ്ട ഉപയോക്താവ്, അതിന്റെ പേര് മാറ്റുക... അടിസ്ഥാനപരമായി ഉപയോക്തൃ ഡാറ്റയിൽ INSERT, UPDATE, DELETE പ്രവർത്തനങ്ങൾ നടത്തുക. ഉൽപ്പന്നങ്ങളുടെ കാര്യത്തിലും അങ്ങനെ തന്നെ.

ഒരു ഉൽപ്പന്നം വാങ്ങുന്ന ഒരു ഉപയോക്താവിനെ ഉൾപ്പെടുത്തി ഇടപാടുകൾ നടത്താൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നു (അതൊരു ബന്ധമാണ്). അപ്പോൾ OLTP ഒരു നല്ല ഫിറ്റായിരിക്കാം (SQL RDBMS എന്ന് കരുതുക).

രംഗം 2:

നിങ്ങൾക്ക് ഒരു ഓൺലൈൻ സ്റ്റോർ/വെബ്സൈറ്റ് ഉണ്ട്, ഇതുപോലുള്ള കാര്യങ്ങൾ കണക്കാക്കാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നു

• "എല്ലാ ഉപയോക്താക്കൾക്കുമായി ചെലവഴിക്കുന്ന മൊത്തം പണം"
• "ഏറ്റവും കൂടുതൽ വിറ്റഴിക്കപ്പെടുന്ന ഉൽപ്പന്നം ഏതാണ്"

ഇത് അനലിറ്റിക്സ്/ബിസിനസ് ഇന്റലിജൻസ് ഏരിയയിലാണ്, അതിനാൽ OLAP കൂടുതൽ അനുയോജ്യമാണ്.

"എങ്ങനെ/എന്ത്/എത്രയെന്നത്"... കൂടാതെ ഒന്നോ അതിലധികമോ തരത്തിലുള്ള ഒരു "ഒബ്ജക്റ്റ്" മുഴുവനായും ഉൾക്കൊള്ളുന്നുവെങ്കിൽ (എല്ലാ ഉപയോക്താക്കളെയും മിക്ക ഉൽപ്പന്നങ്ങളെയും പോലെ എത്രയായി എന്നറിയാൻ മൊത്തത്തിൽ ചെലവഴിച്ചു), അപ്പോൾ OLAP ഒരുപക്ഷേ , കൂടുതൽ അനുയോജ്യമാണ്.

ദൈർഘ്യമേറിയ ഉത്തരം:

തീർച്ചയായും, അത് അത്ര ലളിതമല്ല. അതുകൊണ്ട് OLTP, OLAP തുടങ്ങിയ ചെറിയ ടാഗുകൾ ആദ്യം ഇടണം. ഓരോ ഡാറ്റാബേസും അവസാനം സ്വതന്ത്രമായി വിലയിരുത്തണം.

അപ്പോൾ OLAP ഉം OLTP ഉം തമ്മിലുള്ള അടിസ്ഥാന വ്യത്യാസം എന്തായിരിക്കാം?

ഡാറ്റാബേസുകൾ എവിടെയെങ്കിലും ഡാറ്റ സംഭരിച്ചിരിക്കണം. ഡാറ്റ സംഭരിക്കുന്ന രീതി മിക്കവാറും ഉപയോഗത്തെ പ്രതിഫലിപ്പിക്കുന്നതിൽ അതിശയിക്കാനില്ല നിർദ്ദിഷ്ട അടിസ്ഥാനംഡാറ്റ. ഡാറ്റ സാധാരണയായി ഒരു ഹാർഡ് ഡ്രൈവിൽ സൂക്ഷിക്കുന്നു. ഹാർഡ് ഡ്രൈവ് നമുക്ക് എഴുതാനും വായിക്കാനും കഴിയുന്ന ഏറ്റവും വലിയ കടലാസായി കരുതുക. നമ്മുടെ വായനകളും എഴുത്തുകളും കാര്യക്ഷമവും വേഗത്തിലുള്ളതുമാക്കാൻ രണ്ട് വഴികളുണ്ട്.

രീതികളിൽ ഒന്ന്- അല്പം പോലെ ഒരു പുസ്തകം ഉണ്ടാക്കുക ഫോണ്നമ്പറുകള് അടങ്ങിയ പുസ്തകം. പുസ്തകത്തിന്റെ ഓരോ പേജിലും ഞങ്ങൾ ഒരു നിർദ്ദിഷ്ട ഉപയോക്താവിനെക്കുറിച്ചുള്ള വിവരങ്ങൾ സംഭരിക്കുന്നു. ഇപ്പോൾ അത് നല്ല കാര്യമാണ്, ഒരു നിർദ്ദിഷ്‌ട ഉപയോക്താവിനായി ഞങ്ങൾക്ക് വിവരങ്ങൾ എളുപ്പത്തിൽ കണ്ടെത്താനാകും! പേജിലേക്ക് പോകൂ! നമുക്കും ഉണ്ടായേക്കാം പ്രത്യേക പേജ്നമുക്ക് വേണമെങ്കിൽ ഉപയോക്താക്കൾ ഏത് പേജിലാണെന്ന് ഞങ്ങളോട് പറയാൻ തുടക്കത്തിൽ. എന്നാൽ മറുവശത്ത്, ഞങ്ങളുടെ എല്ലാ ഉപയോക്താക്കളും എത്ര പണം ചെലവഴിച്ചുവെന്ന് കണ്ടെത്തണമെങ്കിൽ, ഞങ്ങൾ എല്ലാ പേജുകളും വായിക്കേണ്ടതുണ്ട്, അതായത്. മുഴുവൻ പുസ്തകവും! ഇതൊരു വരി അടിസ്ഥാനമാക്കിയുള്ള വർക്ക്ബുക്ക്/ഡാറ്റാബേസ് (OLTP) ആയിരിക്കും. തുടക്കത്തിൽ ഓപ്ഷണൽ പേജ് സൂചിക ആയിരിക്കും.

മറ്റൊരു വഴിഉപയോഗിക്കുക വലിയ ഇലപേപ്പർ - ഒരു അക്കൗണ്ട് ബുക്ക് ഉണ്ടാക്കുക. ഞാൻ ഒരു അക്കൗണ്ടന്റല്ല, എന്നാൽ നമുക്ക് "ചെലവുകൾ", "വാങ്ങലുകൾ" എന്നിവയ്‌ക്കായി ഒരു പേജ് ഉണ്ടെങ്കിൽ സങ്കൽപ്പിക്കുക... ഇത് നല്ലതാണ്, കാരണം ഇപ്പോൾ നമുക്ക് "എനിക്ക് മൊത്തം വരുമാനം തരൂ" ("വാങ്ങലുകൾ" എന്ന് വായിക്കുക" പോലുള്ള കാര്യങ്ങൾ വളരെ വേഗത്തിൽ അന്വേഷിക്കാൻ കഴിയും. "). "എനിക്ക് വിറ്റ പത്ത് ഉൽപ്പന്നങ്ങൾ തരൂ" പോലെയുള്ള കൂടുതൽ രസകരമായ കാര്യങ്ങൾ ആവശ്യപ്പെടാം, ഇപ്പോഴും സ്വീകാര്യമായ പ്രകടനമുണ്ട്. എന്നാൽ ഒരു നിർദ്ദിഷ്ട ഉപയോക്താവിന് ചെലവ് കണ്ടെത്തുന്നത് എത്ര വേദനാജനകമാണെന്ന് ഇപ്പോൾ ചിന്തിക്കുക. നിങ്ങൾ മുഴുവൻ ലിസ്റ്റും പരിശോധിക്കേണ്ടതുണ്ട്. എല്ലാ ചിലവുകളും ആ പ്രത്യേക ഉപയോക്താവിന്റെ ഡാറ്റ ഫിൽട്ടർ ചെയ്യുക, തുടർന്ന് അത് സംഗ്രഹിക്കുക. അടിസ്ഥാനപരമായി അതിന്റെ അർത്ഥം "മുഴുവൻ വർക്ക്ബുക്കും വായിക്കുക" എന്നാണ്. ഇത് ഒരു കോളം അടിസ്ഥാനമാക്കിയുള്ള ഡാറ്റാബേസ് (OLAP) ആയിരിക്കും.

അത് പിന്തുടരുന്നു:

• ഡാറ്റാബേസ്

OLTP എന്നത് നിരവധി ചെറിയ ഇടപാടുകൾക്കായി ഉപയോഗിക്കാനും സാധാരണയായി "സത്യത്തിന്റെ ഏക സ്രോതസ്സായി" പ്രവർത്തിക്കാനും ഉദ്ദേശിച്ചുള്ളതാണ്.

മറുവശത്ത്, ഡാറ്റാബേസുകൾ

OLAP അനലിറ്റിക്സ്, ഡാറ്റ മൈനിംഗ്, കുറച്ച് ചോദ്യങ്ങൾ, എന്നാൽ സാധാരണയായി വലുത് (കൂടുതൽ ഡാറ്റ ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്നു) എന്നിവയ്ക്ക് കൂടുതൽ അനുയോജ്യമാണ്.

ഇത് അതിനേക്കാൾ അൽപ്പം കൂടുതൽ ഉൾപ്പെട്ടിരിക്കുന്നു, തീർച്ചയായും ഇത് ഡാറ്റാബേസുകൾ എങ്ങനെ വ്യത്യാസപ്പെട്ടിരിക്കുന്നു എന്നതിന്റെ 20,000 അടി അവലോകനമാണ്, പക്ഷേ ഇത് ചുരുക്കെഴുത്തുകളുടെ കടലിൽ നഷ്ടപ്പെടുന്നതിൽ നിന്ന് എന്നെ തടയുന്നു.

ചുരുക്കെഴുത്തുകളെക്കുറിച്ച് പറയുമ്പോൾ:

വ്യത്യാസം വളരെ ലളിതമാണ്.

OLTP (ഓൺ-ലൈൻ ഇടപാട് പ്രോസസ്സിംഗ്).

ഇടപാട് ആപ്ലിക്കേഷനുകൾ സുഗമമാക്കുകയും നിയന്ത്രിക്കുകയും ചെയ്യുന്ന വിവര സംവിധാനങ്ങളുടെ ഒരു വിഭാഗമാണ് OLTP. ഉപയോക്തൃ അഭ്യർത്ഥനകളോട് സിസ്റ്റം ഉടനടി പ്രതികരിക്കുന്ന പ്രോസസ്സിംഗിനെ അഭിസംബോധന ചെയ്യുന്നതിനും OLTP ഉപയോഗിച്ചു. ഇന്റർനെറ്റ് ട്രാൻസാക്ഷൻ പ്രോസസ്സിംഗ് ആപ്ലിക്കേഷനുകൾ ഡാറ്റാബേസ് മാനേജ്മെന്റിൽ ഉയർന്ന ത്രൂപുട്ടും ഇൻപുട്ട് അല്ലെങ്കിൽ അപ്ഡേറ്റ് തീവ്രവുമാണ്. OLTP സിസ്റ്റങ്ങളുടെ ചില ഉദാഹരണങ്ങളിൽ ഓർഡർ എൻട്രി, റീട്ടെയിൽ വിൽപ്പന, സാമ്പത്തിക ഇടപാട് സംവിധാനങ്ങൾ എന്നിവ ഉൾപ്പെടുന്നു.

OLAP (ഓൺ-ലൈൻ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ്)

ബിസിനസ് ഇന്റലിജൻസിന്റെ വിശാലമായ വിഭാഗത്തിന്റെ ഭാഗമാണ് OLAP, അതിൽ ഉൾപ്പെടുന്നു ആപേക്ഷിക അടിത്തറഡാറ്റ, റിപ്പോർട്ടിംഗ്, ഡാറ്റ മൈനിംഗ്. സാധാരണ OLAP ആപ്ലിക്കേഷനുകളിൽ വിൽപ്പന, മാർക്കറ്റിംഗ്, എന്നിവയ്ക്കുള്ള ബിസിനസ് റിപ്പോർട്ടിംഗ് ഉൾപ്പെടുന്നു മാനേജ്മെന്റ് റിപ്പോർട്ടിംഗ്, ബിസിനസ് പ്രോസസ് മാനേജ്മെന്റ് (ബിപിഎം), ബജറ്റിംഗും പ്രവചനവും, സാമ്പത്തിക റിപ്പോർട്ടിംഗും സമാന മേഖലകളും.

OLTP (ഒ n- എൽഞാൻ NE ടികൊള്ളയടിക്കൽ പിപ്രോസസ്സിംഗ്) vs OLAP (ഒ n- എൽഞാൻ NE എവിശകലനാത്മകമായ പി)p>

നമുക്ക് ഐടി സംവിധാനങ്ങളെ ട്രാൻസാക്ഷൻ ആയി വിഭജിക്കാം ( OLTP) കൂടാതെ വിശകലനം ( OLAP). പൊതുവേ, അത് അനുമാനിക്കാം OLTPസിസ്റ്റങ്ങൾ ഡാറ്റ വെയർഹൗസുകളിലേക്ക് ഇൻപുട്ട് ഡാറ്റ നൽകുന്നു, അതേസമയം സിസ്റ്റങ്ങൾ OLAPഅത് വിശകലനം ചെയ്യാൻ സഹായിക്കുക.

OLTP, OLAP സിസ്റ്റം ഡിസൈനുകൾ തമ്മിലുള്ള പ്രധാന വ്യത്യാസങ്ങൾ ഇനിപ്പറയുന്ന പട്ടിക സംഗ്രഹിക്കുന്നു.


ഡാറ്റ വെയർഹൗസുകൾഒരു നീണ്ട കാലയളവിൽ രേഖപ്പെടുത്തിയ ഡാറ്റയുടെ അടിസ്ഥാനത്തിലാണ് രൂപപ്പെടുന്നത് സ്നാപ്പ്ഷോട്ടുകൾപ്രവർത്തന ഡാറ്റാബേസുകൾ വിവര സംവിധാനംഒരുപക്ഷേ വിവിധ ബാഹ്യ ഉറവിടങ്ങൾ. ഡാറ്റ വെയർഹൗസുകൾ ഡാറ്റാബേസ് സാങ്കേതികവിദ്യകൾ, OLAP, ആഴത്തിലുള്ള ഡാറ്റ വിശകലനം, ഡാറ്റ ദൃശ്യവൽക്കരണം എന്നിവ ഉപയോഗിക്കുന്നു.

ഡാറ്റ വെയർഹൗസുകളുടെ പ്രധാന സവിശേഷതകൾ.

• ചരിത്രപരമായ ഡാറ്റ അടങ്ങിയിരിക്കുന്നു;
• വിശദമായ വിവരങ്ങളും ഭാഗികമായും പൂർണ്ണമായും സംഗ്രഹിച്ച ഡാറ്റയും സംഭരിക്കുന്നു;
• ഡാറ്റ മിക്കവാറും സ്റ്റാറ്റിക് ആണ്;
• ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതിനുള്ള ഒരു താൽക്കാലിക, ഘടനാരഹിതവും ഹ്യൂറിസ്റ്റിക് രീതിയും;
• ഇടത്തരം, കുറഞ്ഞ ഇടപാട് പ്രോസസ്സിംഗ് തീവ്രത;
• ഡാറ്റ ഉപയോഗിക്കുന്നതിനുള്ള പ്രവചനാതീതമായ രീതി;
• വിശകലനത്തിനായി ഉദ്ദേശിച്ചത്;
• കേന്ദ്രീകരിച്ചായിരുന്നു വിഷയ മേഖലകൾ;
• തന്ത്രപരമായ തീരുമാനമെടുക്കുന്നതിനുള്ള പിന്തുണ;
• താരതമ്യേന ചെറിയ എണ്ണം മാനേജ്മെന്റ് ജീവനക്കാരെ സേവിക്കുന്നു.

OLAP (ഓൺ-ലൈൻ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ്) എന്ന പദം ഡാറ്റ അവതരിപ്പിക്കുന്നതിനുള്ള മോഡലിനെ വിവരിക്കാനും അതനുസരിച്ച് ഡാറ്റ വെയർഹൗസുകളിൽ പ്രോസസ്സ് ചെയ്യുന്നതിനുള്ള സാങ്കേതികവിദ്യയെ വിവരിക്കാനും ഉപയോഗിക്കുന്നു. സംഗ്രഹിച്ച ഡാറ്റയുടെ ബഹുമുഖ പ്രാതിനിധ്യം നൽകാൻ OLAP ഉപയോഗിക്കുന്നു പെട്ടെന്നുള്ള പ്രവേശനംതന്ത്രപരമായി പ്രധാനപ്പെട്ട വിവരംആഴത്തിലുള്ള വിശകലനത്തിനായി. OLAP ആപ്ലിക്കേഷനുകൾക്ക് ഇനിപ്പറയുന്ന അടിസ്ഥാന ഗുണങ്ങൾ ഉണ്ടായിരിക്കണം:

• ബഹുമുഖം ഡാറ്റ അവതരണം;
• സങ്കീർണ്ണമായ കണക്കുകൂട്ടലുകൾക്കുള്ള പിന്തുണ;
• സമയ ഘടകത്തിന്റെ ശരിയായ പരിഗണന.

OLAP ന്റെ പ്രയോജനങ്ങൾ:

• പ്രമോഷൻ ഉത്പാദനക്ഷമതപ്രൊഡക്ഷൻ സ്റ്റാഫ്, ഡവലപ്പർമാർ ആപ്ലിക്കേഷൻ പ്രോഗ്രാമുകൾ . തന്ത്രപരമായ വിവരങ്ങളിലേക്കുള്ള സമയോചിതമായ പ്രവേശനം.
• ഉപയോക്താക്കൾക്ക് സംഭാവന നൽകാൻ മതിയായ അവസരങ്ങൾ നൽകുന്നു സ്വന്തം മാറ്റങ്ങൾഡയഗ്രാമിലേക്ക്.
• OLAP ആപ്ലിക്കേഷനുകൾ ആശ്രയിക്കുന്നു ഡാറ്റ വെയർഹൗസുകൾകൂടാതെ OLTP സിസ്റ്റങ്ങളും, അവയിൽ നിന്ന് നിലവിലെ ഡാറ്റ സ്വീകരിക്കുന്നു, ഇത് സംരക്ഷിക്കാൻ അനുവദിക്കുന്നു സമഗ്രത നിയന്ത്രണംകോർപ്പറേറ്റ് ഡാറ്റ.
• OLTP സിസ്റ്റങ്ങളിലെ ലോഡ് കുറയ്ക്കുകയും ഡാറ്റ വെയർഹൗസുകൾ.

OLAP, OLTP. സവിശേഷതകളും പ്രധാന വ്യത്യാസങ്ങളും

OLAP	OLTP
ഡാറ്റ സ്റ്റോർആന്തരിക കോർപ്പറേറ്റ് ഡാറ്റയും ബാഹ്യ ഡാറ്റയും ഉൾപ്പെടുത്തണം	പ്രവർത്തന ഡാറ്റാബേസിൽ പ്രവേശിക്കുന്ന വിവരങ്ങളുടെ പ്രധാന ഉറവിടം കോർപ്പറേഷന്റെ പ്രവർത്തനങ്ങളാണ്, കൂടാതെ ഡാറ്റ വിശകലനത്തിന് ബാഹ്യ വിവര സ്രോതസ്സുകളുടെ പങ്കാളിത്തം ആവശ്യമാണ് (ഉദാഹരണത്തിന്, സ്റ്റാറ്റിസ്റ്റിക്കൽ റിപ്പോർട്ടുകൾ)
അനലിറ്റിക്കൽ ഡാറ്റാബേസുകളുടെ അളവ് പ്രവർത്തനക്ഷമമായവയുടെ അളവിനേക്കാൾ വലുതാണ്. വിശ്വസനീയമായ വിശകലനവും പ്രവചനവും നടത്തുന്നതിന് ഡാറ്റ സ്റ്റോർനിരവധി വർഷങ്ങളായി കോർപ്പറേഷന്റെ പ്രവർത്തനങ്ങളെയും വിപണി സാഹചര്യങ്ങളെയും കുറിച്ചുള്ള വിവരങ്ങൾ നിങ്ങൾക്ക് ഉണ്ടായിരിക്കണം	വേണ്ടി പ്രവർത്തന പ്രോസസ്സിംഗ്നിരവധി ഡാറ്റ ആവശ്യമാണ് കഴിഞ്ഞ മാസങ്ങൾ
ഡാറ്റ സ്റ്റോർപ്രവർത്തന ഡാറ്റാബേസുകളുടെ ഉള്ളടക്കത്തോട് കഴിയുന്നത്ര അടുത്ത് ഏകീകൃതവും സ്ഥിരവുമായ വിവരങ്ങൾ അടങ്ങിയിരിക്കണം. ഇതിൽ നിന്ന് വിവരങ്ങൾ വേർതിരിച്ചെടുക്കാനും "വൃത്തിയാക്കാനും" ഒരു ഘടകം ആവശ്യമാണ് വ്യത്യസ്ത ഉറവിടങ്ങൾ. പല വലിയ കോർപ്പറേഷനുകളിലും, സ്വന്തം ഡാറ്റാബേസുകളുള്ള നിരവധി പ്രവർത്തന വിവര സംവിധാനങ്ങൾ ഒരേസമയം നിലവിലുണ്ട് (ചരിത്രപരമായ കാരണങ്ങളാൽ).	പ്രവർത്തന ഡാറ്റാബേസുകളിൽ അവതരിപ്പിച്ചിരിക്കുന്ന അർത്ഥപരമായി തുല്യമായ വിവരങ്ങൾ അടങ്ങിയിരിക്കാം വ്യത്യസ്ത ഫോർമാറ്റുകൾ, അതിന്റെ വരവ് സമയത്തിന്റെ വ്യത്യസ്ത സൂചനകളോടെ, ചിലപ്പോൾ വൈരുദ്ധ്യം പോലും
ഒരു അനലിറ്റിക്കൽ ഡാറ്റാബേസിലേക്കുള്ള അന്വേഷണങ്ങളുടെ കൂട്ടം പ്രവചിക്കാൻ കഴിയില്ല. ഡാറ്റ വെയർഹൗസുകൾവിശകലന വിദഗ്ധരിൽ നിന്നുള്ള താൽക്കാലിക അഭ്യർത്ഥനകളോട് പ്രതികരിക്കാൻ നിലവിലുണ്ട്. അഭ്യർത്ഥനകൾ ഇടയ്ക്കിടെ വരില്ല എന്നതും വലിയ അളവിലുള്ള വിവരങ്ങൾ ഉൾക്കൊള്ളുന്നതുമായ വസ്തുത മാത്രമേ നിങ്ങൾക്ക് കണക്കാക്കാൻ കഴിയൂ. അനലിറ്റിക്കൽ ഡാറ്റാബേസിന്റെ വലുപ്പം അഗ്രഗേറ്റുകളുള്ള അന്വേഷണങ്ങളുടെ ഉപയോഗം പ്രോത്സാഹിപ്പിക്കുന്നു (തുക, കുറഞ്ഞത്, പരമാവധി, ശരാശരി മൂല്യംതുടങ്ങിയവ.)	ഡേറ്റ പ്രോസസ്സിംഗ് സിസ്റ്റങ്ങൾ നിർമ്മിച്ചിരിക്കുന്നത് പരിഹാരങ്ങൾ മനസ്സിൽ വെച്ചാണ്. നിർദ്ദിഷ്ട ജോലികൾ. ഡാറ്റാബേസിൽ നിന്നുള്ള വിവരങ്ങൾ ഇടയ്ക്കിടെയും ചെറിയ ഭാഗങ്ങളിലും തിരഞ്ഞെടുക്കുന്നു. സാധാരണഗതിയിൽ, ഒരു പ്രവർത്തന ഡാറ്റാബേസിലേക്കുള്ള അന്വേഷണങ്ങളുടെ ഒരു കൂട്ടം രൂപകൽപന സമയത്ത് ഇതിനകം തന്നെ അറിയാം
അനലിറ്റിക്കൽ ഡാറ്റാബേസുകളുടെ കുറഞ്ഞ വേരിയബിലിറ്റി ഉപയോഗിച്ച് (ഡാറ്റ ലോഡുചെയ്യുമ്പോൾ മാത്രം), അറേകളുടെ ക്രമം ന്യായമായതായി മാറുന്നു, കൂടുതൽ ദ്രുത രീതികൾമാസ് സാമ്പിളിനുള്ള സൂചികയിലാക്കൽ, പ്രീ-അഗ്രഗേറ്റഡ് ഡാറ്റ സംഭരിക്കൽ	ഡാറ്റാ പ്രോസസ്സിംഗ് സിസ്റ്റങ്ങൾ അവയുടെ സ്വഭാവമനുസരിച്ച് വളരെ വേരിയബിൾ ആണ്, ഇത് ഉപയോഗിച്ച DBMS-ൽ കണക്കിലെടുക്കുന്നു (സാധാരണ ഡാറ്റാബേസ് ഘടന, ക്രമരഹിതമായി സംഭരിച്ച വരികൾ, ഇൻഡെക്‌സിംഗ് ചെയ്യുന്നതിനുള്ള ബി-ട്രീകൾ, ഇടപാട്)
അനലിറ്റിക്കൽ ഡാറ്റാബേസ് വിവരങ്ങൾ ഒരു കോർപ്പറേഷനെ സംബന്ധിച്ചിടത്തോളം വളരെ നിർണായകമാണ്, കൂടുതൽ സംരക്ഷണം ആവശ്യമാണ് (വ്യക്തിഗത ആക്സസ് അവകാശങ്ങൾ ചില വരികൾകൂടാതെ/അല്ലെങ്കിൽ പട്ടിക നിരകൾ)	ഡാറ്റ പ്രോസസ്സിംഗ് സിസ്റ്റങ്ങൾക്ക് ഇത് സാധാരണയായി മതിയാകും വിവര സംരക്ഷണംപട്ടിക തലത്തിൽ

OLAP സിസ്റ്റങ്ങൾക്കായുള്ള കോഡിന്റെ നിയമങ്ങൾ

1993-ൽ, കോഡ് യൂസർ അനലിസ്റ്റുകൾക്കായി OLAP പ്രസിദ്ധീകരിച്ചു: അത് എന്തായിരിക്കണം. അതിൽ പ്രവർത്തനത്തിന്റെ അടിസ്ഥാന ആശയങ്ങൾ അദ്ദേഹം വിശദീകരിച്ചു അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ്ഓൺലൈൻ അനലിറ്റിക്‌സ് കഴിവുകൾ നൽകുന്ന ഉൽപ്പന്നങ്ങൾ പാലിക്കേണ്ട 12 നിയമങ്ങൾ തിരിച്ചറിഞ്ഞു.

1. ആശയപരമായ ബഹുമുഖ പ്രതിനിധാനം. ഒരു OLAP മോഡൽ അതിന്റെ കാമ്പിൽ മൾട്ടിഡൈമൻഷണൽ ആയിരിക്കണം. ഒരു മൾട്ടിഡൈമൻഷണൽ കൺസെപ്ച്വൽ ഡയഗ്രം അല്ലെങ്കിൽ ഇഷ്‌ടാനുസൃത പ്രാതിനിധ്യം മോഡലിംഗും വിശകലനവും കണക്കുകൂട്ടലുകളും സുഗമമാക്കുന്നു.
2. സുതാര്യത. OLAP എഞ്ചിനിൽ നിന്ന് ആവശ്യമായ എല്ലാ ഡാറ്റയും അത് എവിടെ നിന്നാണ് വരുന്നതെന്ന് പോലും അറിയാതെ ഉപയോക്താവിന് നേടാനാകും. OLAP ഉൽപ്പന്നം ഉപയോക്താവിന്റെ ഉപകരണങ്ങളുടെ ഭാഗമാണോ അല്ലയോ എന്നത് പരിഗണിക്കാതെ തന്നെ, ഈ വസ്തുത ഉപയോക്താവിന് അദൃശ്യമായിരിക്കണം. ക്ലയന്റ്-സെർവർ കമ്പ്യൂട്ടിംഗ് ആണ് OLAP നൽകുന്നതെങ്കിൽ, ഈ വസ്തുത സാധ്യമെങ്കിൽ ഉപയോക്താവിന് അദൃശ്യമായിരിക്കണം. യഥാർത്ഥ സന്ദർഭത്തിൽ OLAP നൽകണം തുറന്ന വാസ്തുവിദ്യ, ഉപയോക്താവ് എവിടെയായിരുന്നാലും സെർവറുമായി ഒരു വിശകലന ഉപകരണം ഉപയോഗിച്ച് ആശയവിനിമയം നടത്താൻ അനുവദിക്കുന്നു. ഇതുകൂടാതെ, അനലിറ്റിക്കൽ ടൂൾ ഏകതാനവും വൈവിധ്യപൂർണ്ണവുമായ ഡാറ്റാബേസ് പരിതസ്ഥിതികളുമായി സംവദിക്കുമ്പോൾ സുതാര്യതയും കൈവരിക്കണം.
3. ലഭ്യത. OLAP സ്വന്തമായി നൽകണം ലോജിക് സർക്യൂട്ട് വൈവിധ്യമാർന്ന ഡാറ്റാബേസ് പരിതസ്ഥിതിയിൽ പ്രവേശിക്കുന്നതിനും ഉപയോക്താവിന് ഡാറ്റ നൽകുന്നതിന് ഉചിതമായ പരിവർത്തനങ്ങൾ നടത്തുന്നതിനും. മാത്രമല്ല, എവിടെ, എങ്ങനെ, ഡാറ്റയുടെ ഏത് തരത്തിലുള്ള ഫിസിക്കൽ ഓർഗനൈസേഷൻ യഥാർത്ഥത്തിൽ ഉപയോഗിക്കും എന്നതിനെക്കുറിച്ച് മുൻകൂട്ടി ശ്രദ്ധിക്കേണ്ടത് ആവശ്യമാണ്. ഒരു OLAP സിസ്റ്റം യഥാർത്ഥത്തിൽ ആവശ്യമുള്ള ഡാറ്റ മാത്രമേ ആക്‌സസ് ചെയ്യാവൂ, കൂടാതെ അനാവശ്യമായ ഇൻപുട്ട് ഉൾക്കൊള്ളുന്ന പൊതുവായ "അടുക്കള ഫണൽ" തത്വം പ്രയോഗിക്കരുത്.
4. സ്ഥിരമായ പ്രകടനംറിപ്പോർട്ടുകൾ വികസിപ്പിക്കുമ്പോൾ. പ്രകടനംഅളവുകളുടെ എണ്ണവും ഡാറ്റാബേസ് വലുപ്പവും വർദ്ധിക്കുന്നതിനാൽ റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കാനുള്ള കഴിവ് ഗണ്യമായി കുറയരുത്.
5. ക്ലയന്റ്-സെർവർ ആർക്കിടെക്ചർ. ഉൽപ്പന്നം ക്ലയന്റ്-സെർവർ മാത്രമല്ല, വ്യത്യസ്ത ക്ലയന്റുകളെ ഏറ്റവും കുറഞ്ഞ പ്രയത്നവും പ്രോഗ്രാമിംഗും ഉപയോഗിച്ച് കണക്റ്റുചെയ്യാൻ അനുവദിക്കുന്നതിന് സെർവർ ഘടകം മതിയായ ബുദ്ധിശക്തിയുള്ളതായിരിക്കണം.
6. പൊതുവായ ബഹുമുഖത്വം. എല്ലാ അളവുകളും തുല്യമായിരിക്കണം, ഓരോ അളവും ഘടനയിലും പ്രവർത്തന ശേഷിയിലും തുല്യമായിരിക്കണം. ശരിയാണ്, അധികമായി പ്രവർത്തന ശേഷികൾവ്യക്തിഗത അളവുകൾക്കായി (സമയത്തെ സൂചിപ്പിക്കാം), എന്നാൽ അത്തരം അധിക പ്രവർത്തനം ഏത് അളവിലും നൽകണം. അത് അത്ര അടിസ്ഥാനപരമായിരിക്കരുത് ഡാറ്റ ഘടനകൾ, കമ്പ്യൂട്ടേഷണൽ അല്ലെങ്കിൽ റിപ്പോർട്ടിംഗ് ഫോർമാറ്റുകൾ ഒരു മാനത്തിന് കൂടുതൽ നിർദ്ദിഷ്ടമായിരുന്നു.
7. ഡൈനാമിക് നിയന്ത്രണം വിരളമായ മെട്രിക്സ്. മോഡൽ തരം, ഡാറ്റ വോള്യങ്ങൾ, ഡാറ്റാബേസ് സ്പാർസിറ്റി എന്നിവയെ ആശ്രയിച്ച് OLAP സിസ്റ്റങ്ങൾ അവയുടെ ഫിസിക്കൽ സ്കീമ സ്വയമേവ ക്രമീകരിക്കണം.
8. മൾട്ടി-ഉപയോക്തൃ പിന്തുണ. ഒരു OLAP ഉപകരണം കഴിവുകൾ നൽകണം പങ്കുവയ്ക്കുന്നു(അന്വേഷണവും പൂർത്തീകരണവും), സമഗ്രതയും സുരക്ഷയും.
9. പരിധിയില്ലാത്ത ക്രോസ് പ്രവർത്തനങ്ങൾ. ഏതെങ്കിലും അളവുകൾക്കായി എല്ലാ തരത്തിലുള്ള പ്രവർത്തനങ്ങളും അനുവദിക്കണം.
10. അവബോധജന്യമായ ഡാറ്റ കൃത്രിമത്വം. മെനുകളും ഒന്നിലധികം പ്രവർത്തനങ്ങളും ഉപയോഗിക്കാതെ വ്യൂവിംഗ് മോഡിൽ സെല്ലുകളിലെ നേരിട്ടുള്ള പ്രവർത്തനങ്ങളിലൂടെയാണ് ഡാറ്റ കൃത്രിമത്വം നടത്തിയത്.
11. ഫ്ലെക്സിബിൾ റിപ്പോർട്ടിംഗ് ഓപ്ഷനുകൾ. റിപ്പോർട്ടിൽ ഉപയോക്താവിന് ആവശ്യമുള്ള രീതിയിൽ അളവുകൾ സ്ഥാപിക്കണം.
12. അൺലിമിറ്റഡ്

മേൽപ്പറഞ്ഞവയെല്ലാം കണക്കിലെടുക്കുമ്പോൾ, വ്യത്യസ്ത MDD ഉൽപ്പന്നങ്ങൾ തമ്മിലുള്ള താരതമ്യങ്ങൾ ഏറ്റവും പൊതുവായ വിഭാഗങ്ങളിൽ മാത്രമേ നടത്താൻ കഴിയൂ. വിപണിയുടെ വിലകുറഞ്ഞ മേഖലയിൽ ഒറ്റ-ഉപയോക്താവ് മാത്രമേയുള്ളൂ, ചെറുത് ഉദ്ദേശിച്ചുള്ളതാണ് പ്രാദേശിക നെറ്റ്‌വർക്കുകൾമൾട്ടിഡൈമൻഷണൽ ഡാറ്റ വ്യൂവർ. അവ വളരെ ഉയർന്ന തലത്തിലുള്ള പ്രവർത്തനക്ഷമത വാഗ്ദാനം ചെയ്യുന്നുവെങ്കിലും ഉപയോഗിക്കാൻ എളുപ്പമാണെങ്കിലും, ഈ സംവിധാനങ്ങൾ പരിധിയിൽ പരിമിതമാണ്. വിശാലമായ അർത്ഥത്തിൽ OLAP പ്രോസസ്സിംഗ് നടപ്പിലാക്കാൻ ആവശ്യമായ ഉപകരണങ്ങൾ അവർക്ക് ഇല്ല. IN ഈ വിഭാഗംഉൽപ്പന്നങ്ങളിൽ കോഗ്നോസിന്റെ പവർപ്ലേ, ആൻഡൈന്റെ പാബ്ലോ, ബിസിനസ് ഒബ്‌ജക്‌റ്റുകളുടെ മെർക്കുറി എന്നിവ ഉൾപ്പെടുന്നു. വിപണിയിലെ ചെലവേറിയ മേഖലയെ പ്രതിനിധീകരിക്കുന്നത് കെനാൻ ടെക്നോളജീസിൽ നിന്നുള്ള അക്യുമേറ്റ് ഇഎസ് സിസ്റ്റങ്ങൾ, ഒറാക്കിൾ കോർപ്പറേഷനിൽ നിന്നുള്ള എക്സ്പ്രസ്, പ്ലാനിംഗ് സയൻസസിൽ നിന്നുള്ള ജെന്റിയം, ഹോളോസ്

ഹോളിസ്റ്റിക് സിസ്റ്റങ്ങൾ. അവരുടെ കഴിവുകളിൽ അവ വളരെ വ്യത്യാസപ്പെട്ടിരിക്കുന്നു, അവയിൽ ഏതെങ്കിലുമൊരു പ്രത്യേക വിഭാഗത്തിലേക്ക് സുരക്ഷിതമായി വേർതിരിക്കാനാകും. അവസാനമായി, ശുദ്ധമായ MDD സിസ്റ്റങ്ങൾ: ആർബർ സോഫ്റ്റ്വെയറിന്റെ എസ്സ്ബേസ്, പൈലറ്റ് സോഫ്റ്റ്വെയറിന്റെ ലൈറ്റ്ഷിപ്പ് സെർവർ, സിൻപറിന്റെ TM/1.

OLAP ടൂളുകളുടെ രണ്ടാം ക്ലാസ് റിലേഷണൽ OLAP സിസ്റ്റങ്ങളാണ് (ROLAP). ഇവിടെ, പഴയ റിലേഷണൽ DBMS-കൾ ഡാറ്റ സംഭരിക്കാൻ ഉപയോഗിക്കുന്നു, കൂടാതെ സിസ്റ്റം അഡ്മിനിസ്ട്രേറ്റർ നിർവചിച്ചിരിക്കുന്ന ഒരു മെറ്റാഡാറ്റ ലെയർ ഡാറ്റാബേസിനും ക്ലയന്റ് ഇന്റർഫേസിനും ഇടയിൽ ക്രമീകരിച്ചിരിക്കുന്നു. ഈ മിഡിൽവെയർ മുഖേന, ക്ലയന്റ് ഘടകത്തിന് റിലേഷണൽ ഡാറ്റാബേസുമായി അത് ഒരു മൾട്ടിഡൈമൻഷണൽ ഒന്നായി സംവദിക്കാൻ കഴിയും. ഫസ്റ്റ്-ക്ലാസ് ടൂളുകൾ പോലെ, വലിയ വിവര ശേഖരണങ്ങളിൽ പ്രവർത്തിക്കാൻ ROLAP സിസ്റ്റങ്ങൾ നന്നായി യോജിക്കുന്നു, വിവര വകുപ്പുകളിൽ നിന്നുള്ള സ്പെഷ്യലിസ്റ്റുകൾക്ക് കാര്യമായ അറ്റകുറ്റപ്പണി ചെലവുകൾ ആവശ്യമാണ്, കൂടാതെ മൾട്ടി-യൂസർ മോഡിൽ പ്രവർത്തിക്കാൻ നൽകുകയും ചെയ്യുന്നു. ഈ തരത്തിലുള്ള ഉൽപ്പന്നങ്ങളിൽ IQ സോഫ്റ്റ്‌വെയറിന്റെ IQ/Vision, MicroStrategy's DSS/Server, DSS/Agent, ഇൻഫർമേഷൻ അഡ്വാന്റേജിന്റെ DecisionSuite എന്നിവ ഉൾപ്പെടുന്നു.

ROLAP ടൂളുകൾ റിലേഷണൽ ഡാറ്റാബേസ് പ്രോസസറിൽ ഒരു ആഡ്-ഓണിൽ തീരുമാന പിന്തുണാ പ്രവർത്തനങ്ങൾ നടപ്പിലാക്കുന്നു.

അത്തരം സോഫ്റ്റ്വെയർ ഉൽപ്പന്നങ്ങൾനിരവധി ആവശ്യകതകൾ പാലിക്കണം,

പ്രത്യേകിച്ച്:

- OLAP-നായി ഒപ്റ്റിമൈസ് ചെയ്ത ഒരു ശക്തമായ SQL എക്സ്പ്രഷൻ ജനറേറ്റർ ഉണ്ടായിരിക്കുക, ഇത് മൾട്ടി-പാസ് ഉപയോഗിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു SQL SELECT പ്രസ്താവനകൾ കൂടാതെ/അല്ലെങ്കിൽ പരസ്പര ബന്ധമുള്ള സബ്ക്വറികൾ;

- റാങ്കിംഗ് ഉറപ്പാക്കുന്ന നിസ്സാരമല്ലാത്ത പ്രോസസ്സിംഗ് നടത്താൻ വേണ്ടത്ര വികസിപ്പിച്ച മാർഗങ്ങളുണ്ട്, താരതമ്യ വിശകലനംഒരു ക്ലാസിനുള്ളിലെ ശതമാനം കണക്കാക്കലും;

ലക്ഷ്യത്തിനായി ഒപ്റ്റിമൈസ് ചെയ്ത SQL എക്സ്പ്രഷനുകൾ സൃഷ്ടിക്കുക ബന്ധപ്പെട്ട DBMS, ഇതിൽ ലഭ്യമായ ഈ ഭാഷയുടെ വിപുലീകരണങ്ങൾക്കുള്ള പിന്തുണ ഉൾപ്പെടെ;

- മെറ്റാഡാറ്റ ഉപയോഗിച്ച് ഡാറ്റ മോഡൽ വിവരിക്കുന്നതിനുള്ള സംവിധാനങ്ങൾ നൽകുകയും തത്സമയം അന്വേഷണങ്ങൾ നിർമ്മിക്കുന്നതിന് ഈ മെറ്റാഡാറ്റ ഉപയോഗിക്കുന്നത് സാധ്യമാക്കുകയും ചെയ്യുക;

- കണക്കുകൂട്ടൽ വേഗതയുടെ അടിസ്ഥാനത്തിൽ പിവറ്റ് പട്ടികകൾ നിർമ്മിക്കുന്നതിന്റെ ഗുണനിലവാരം വിലയിരുത്താൻ നിങ്ങളെ അനുവദിക്കുന്ന ഒരു സംവിധാനം ഉൾപ്പെടുത്തുക, വെയിലത്ത് അവയുടെ ഉപയോഗത്തെക്കുറിച്ചുള്ള സ്ഥിതിവിവരക്കണക്കുകളുടെ ശേഖരണം.

മൂന്നാമതായി, താരതമ്യേന പുതിയ തരം OLAP ഉപകരണങ്ങൾ - ഡെസ്ക്ടോപ്പ് അന്വേഷണവും റിപ്പോർട്ടിംഗ് ടൂളുകളും, അനുബന്ധമായി

OLAP ഫംഗ്‌ഷനുകൾ അല്ലെങ്കിൽ അത്തരം പ്രവർത്തനങ്ങൾ നിർവഹിക്കുന്ന ബാഹ്യ ഉപകരണങ്ങളുമായി സംയോജിപ്പിച്ചിരിക്കുന്നു. ഈ ഉയർന്ന നൂതന സംവിധാനങ്ങൾ ഉറവിട ഉറവിടങ്ങളിൽ നിന്ന് ഡാറ്റ വീണ്ടെടുക്കുകയും അവയെ രൂപാന്തരപ്പെടുത്തുകയും ഒരു പിസിയിൽ പ്രവർത്തിക്കുന്ന ഒരു ഡൈനാമിക് മൾട്ടിഡൈമൻഷണൽ ഡാറ്റാബേസായി സ്ഥാപിക്കുകയും ചെയ്യുന്നു. അന്തിമ ഉപയോക്താവ്. ROLAP ടൂളുകൾക്ക് ആവശ്യമായ ഒരു ചെലവേറിയ മൾട്ടിഡൈമൻഷണൽ ഡാറ്റാബേസ് സെർവറും സങ്കീർണ്ണമായ ഒരു ഇന്റർമീഡിയറ്റ് മെറ്റാഡാറ്റ ലെയറും കൂടാതെ ചെയ്യുന്നത് സാധ്യമാക്കുന്ന ഈ സമീപനം, അതേ സമയം മതിയായ വിശകലന കാര്യക്ഷമത ഉറപ്പാക്കുന്നു. ചെറുതും ലളിതവുമായ ഡാറ്റാബേസുകളിൽ പ്രവർത്തിക്കാൻ ഈ ഡെസ്ക്ടോപ്പ് ടൂളുകൾ ഏറ്റവും അനുയോജ്യമാണ്. അവയ്ക്ക് മറ്റ് OLAP സിസ്റ്റങ്ങളെ അപേക്ഷിച്ച് കുറഞ്ഞ നൈപുണ്യമുള്ള അറ്റകുറ്റപ്പണികൾ ആവശ്യമാണ്, കൂടാതെ പരമ്പരാഗത അന്വേഷണ പ്രോസസ്സിംഗ് പരിതസ്ഥിതികളുമായി ഏകദേശം തുല്യമാണ്. ഈ മാർക്കറ്റ് മേഖലയിലെ പ്രധാന പങ്കാളികളിൽ ഇവ ഉൾപ്പെടുന്നു:

ബ്രിയോ ക്വറി എന്റർപ്രൈസ് സംവിധാനമുള്ള ബ്രിയോ ടെക്‌നോളജി, അതേ പേരിലുള്ള ഉൽപ്പന്നമുള്ള ബിസിനസ്സ് ഒബ്‌ജക്‌റ്റുകൾ, പവർപ്ലേയ്‌ക്കൊപ്പം കോഗ്നോസ്.

നിലവിൽ, വെബ്-അനുയോജ്യമായ OLAP ഉൽപ്പന്നങ്ങളുടെ എണ്ണം വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണ്.

മറ്റ് സോഫ്‌റ്റ്‌വെയറുകളിലേക്ക് OLAP പൊരുത്തപ്പെടുത്തുക എന്നതാണ് ഒരു പ്രധാന പ്രശ്നം. OLAP വെണ്ടർമാർ SQL ഡാറ്റാബേസുകളുമായും മറ്റ് ഉപകരണങ്ങളുമായും ഇന്റർഫേസ് ചെയ്യാൻ ചില വഴികൾ വാഗ്ദാനം ചെയ്യാൻ തുടങ്ങിയിട്ടുണ്ടെങ്കിലും, സംയോജനത്തിന്റെ നിലവാരം വ്യത്യാസപ്പെടുമെന്നും SQL-ൽ ചോദ്യങ്ങൾ എഴുതുന്നത് ഉൾപ്പെടെ കാര്യമായ കോഡിംഗ് ആവശ്യമായി വരുമെന്നും ഉപയോക്താക്കളും വിശകലന വിദഗ്ധരും മുന്നറിയിപ്പ് നൽകുന്നു. മാത്രമല്ല, ബാക്കിയുള്ള എന്റർപ്രൈസ് സോഫ്‌റ്റ്‌വെയറുമായി OLAP സംയോജിപ്പിക്കുന്നതിന് വ്യവസായ നിലവാരം ഒന്നുമില്ല.

ഈ പ്രശ്നത്തിനുള്ള പരിഹാരം ഇനിപ്പറയുന്നതായിരിക്കാം. ഉദാഹരണത്തിന്, പല കമ്പനികളും OLAP ഡാറ്റാബേസുകളെ ഡാറ്റ വെയർഹൗസുകളുടെ മുൻവശത്തായി സ്ഥാപിക്കുന്നു. ഈ സമീപനത്തിലൂടെ, സംഭരണം കാമ്പിനെ പോഷിപ്പിക്കുന്നു മൾട്ടിഡൈമൻഷണൽ OLAPഉപയോക്താക്കൾക്ക് പിന്നീട് ആക്സസ് ചെയ്യാൻ കഴിയുന്ന ഡാറ്റയുടെ സാമ്പിളുകൾ

സങ്കീർണ്ണമായ ചോദ്യങ്ങളുടെ വേഗത്തിലുള്ള നിർവ്വഹണം. ഉപയോക്താവിൽ നിന്ന് ഡാറ്റയുടെ സ്ഥാനം മറയ്ക്കുന്ന ഒരു അന്വേഷണ അന്തരീക്ഷം സൃഷ്ടിക്കുക എന്നതാണ് ലക്ഷ്യം. ഈ പരിതസ്ഥിതി മൾട്ടിഡൈമൻഷണൽ പ്രോസസ്സിംഗ് എഞ്ചിനെതിരെ സങ്കീർണ്ണമായ അന്വേഷണങ്ങൾ സ്വയമേവ പ്രവർത്തിപ്പിക്കും അല്ലെങ്കിൽ വിശദമായ വിവരങ്ങൾക്കായി തിരയുന്നു ലളിതമായ ചോദ്യങ്ങൾഓൺ റിലേഷണൽ സെർവറുകൾ. ഈ വഴി പോകാൻ കഴിയാത്ത കമ്പനികൾക്ക്, പ്രധാന പങ്ക് OLAP ടൂളുകളും മറ്റ് സോഫ്റ്റ്വെയറുകളും തമ്മിൽ കണക്ഷനുകൾ സജ്ജീകരിക്കുന്നതിൽ കൺസൾട്ടിംഗ് സ്ഥാപനങ്ങൾ ഒരു പങ്കു വഹിക്കുന്നു.

ഓപ്പറേഷണൽ പ്രോസസ്സിംഗ് നടപ്പിലാക്കുന്നതിനുള്ള വളരെ കാര്യക്ഷമമായ മാർഗമായ OLTP സിസ്റ്റങ്ങൾ, അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ് ജോലികൾക്ക് കാര്യമായ പ്രയോജനം ചെയ്തില്ല. ഇനിപ്പറയുന്ന കാരണങ്ങളാൽ ഇത് സംഭവിക്കുന്നു:

1. പരമ്പരാഗത വഴി OLTP സിസ്റ്റങ്ങൾക്ക് ഒരു വിശകലന റിപ്പോർട്ടും ഏതെങ്കിലും സങ്കീർണ്ണതയുടെ പ്രവചനവും നിർമ്മിക്കാൻ കഴിയും, എന്നാൽ മുൻകൂട്ടി നിയന്ത്രിക്കപ്പെടുന്നു. ഏത് ഘട്ടവും മാറ്റിനിർത്തിയാൽ, അന്തിമ ഉപയോക്താവിന്റെ ഏതെങ്കിലും അനിയന്ത്രിതമായ ആവശ്യകതയ്ക്ക്, ഒരു ചട്ടം പോലെ, ഡാറ്റാ ഘടനയെക്കുറിച്ചുള്ള അറിവും പ്രോഗ്രാമറുടെ ഉയർന്ന യോഗ്യതയും ആവശ്യമാണ്;

2. ആവശ്യമായ പലതും ഓപ്പറേറ്റിങ് സിസ്റ്റങ്ങൾ പ്രവർത്തനക്ഷമതഅനലിറ്റിക്കൽ ടാസ്ക്കുകൾക്ക് അനാവശ്യമാണ്, അതേ സമയം വിഷയ മേഖലയെ പ്രതിഫലിപ്പിച്ചേക്കില്ല. മിക്ക വിശകലന ജോലികളും പരിഹരിക്കുന്നതിന് ബാഹ്യ സ്പെഷ്യലൈസ്ഡ് ഉപയോഗം ആവശ്യമാണ് ഉപകരണങ്ങൾവിശകലനം, പ്രവചനം, മോഡലിംഗ് എന്നിവയ്ക്കായി. സങ്കീർണ്ണമായ തിരഞ്ഞെടുപ്പുകളുടെയും സോർട്ടിംഗുകളുടെയും കാര്യത്തിൽ സ്വീകാര്യമായ പ്രകടനം കൈവരിക്കാൻ ഡാറ്റാബേസുകളുടെ കർക്കശമായ ഘടന അനുവദിക്കുന്നില്ല, അതിനാൽ, ഗേറ്റ്‌വേകൾ സംഘടിപ്പിക്കുന്നതിന് ധാരാളം സമയം ആവശ്യമാണ്.

3. ഇടപാടുകളിൽ നിന്ന് വ്യത്യസ്തമായി, ഇൻ വിശകലന സംവിധാനങ്ങൾഡാറ്റ സമഗ്രത, ബാക്കപ്പ്, വീണ്ടെടുക്കൽ എന്നിവ ഉറപ്പാക്കുന്നതിനുള്ള വികസിപ്പിച്ച മാർഗങ്ങൾ ആവശ്യമില്ല, അതനുസരിച്ച്, നൽകിയിട്ടില്ല. ഇത് നടപ്പിലാക്കൽ ഉപകരണങ്ങൾ സ്വയം ലളിതമാക്കാൻ മാത്രമല്ല, ആന്തരിക ഓവർഹെഡ് കുറയ്ക്കാനും അതിനാൽ, ഡാറ്റ വീണ്ടെടുക്കുമ്പോൾ പ്രകടനം മെച്ചപ്പെടുത്താനും അനുവദിക്കുന്നു.

ഓരോ സിസ്റ്റവും ഫലപ്രദമായി പരിഹരിക്കുന്ന ടാസ്ക്കുകളുടെ ശ്രേണിയെ അടിസ്ഥാനമാക്കി നിർണ്ണയിക്കും താരതമ്യ സവിശേഷതകൾ OLTP, OLAP സംവിധാനങ്ങൾ (പട്ടിക 8).

പട്ടിക 8

OLTP, OLAP സിസ്റ്റങ്ങൾ പരിഹരിച്ച ടാസ്ക്കുകളുടെ ശ്രേണി

സ്വഭാവം
അപ്ഡേറ്റ് ആവൃത്തി	ഉയർന്ന ആവൃത്തി,	കുറഞ്ഞ ആവൃത്തി, വലിയ ഭാഗങ്ങൾ
	ചെറിയ ഭാഗങ്ങൾ
ഡാറ്റ ഉറവിടങ്ങൾ	പ്രധാനമായും ആന്തരികം	വിശകലനവുമായി ബന്ധപ്പെട്ട്
		സിസ്റ്റം പ്രധാനമായും
ഡാറ്റ പ്രായം	നിലവിലുള്ളത് (നിരവധി	ചരിത്രപരമായി (വർഷങ്ങളായി) ഒപ്പം
		പ്രൊജക്റ്റ് ചെയ്തത്
അഗ്രഗേഷൻ ലെവൽ	വിശദമായ ഡാറ്റ	മിക്കവാറും
		സംഗ്രഹിച്ച ഡാറ്റ
സാധ്യതകൾ	നിയന്ത്രിച്ചു	തുടർന്നുള്ള
വിശകലനാത്മകമായ		സംവേദനാത്മക റിപ്പോർട്ടുകൾ,
പ്രവർത്തനങ്ങൾ		ലെവലുകളുടെ ചലനാത്മക മാറ്റം
		അഗ്രഗേഷനുകളും ഡാറ്റ സ്ലൈസുകളും
ഉദ്ദേശ്യം	ഫിക്സേഷൻ, പ്രവർത്തനം	ചരിത്രവുമായി പ്രവർത്തിക്കുന്നു
	ഡാറ്റ തിരയലും പ്രോസസ്സിംഗും,	ഡാറ്റ, വിശകലനം
	നിയന്ത്രിച്ചു	പ്രോസസ്സിംഗ്, പ്രവചനം,
	അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ്	മോഡലിംഗ്

				പട്ടിക 9
	OLTP, OLAP എന്നിവയുടെ താരതമ്യം
സ്വഭാവം
പ്രബലമായ		ഡാറ്റ എൻട്രി, തിരയൽ		ഡാറ്റ വിശകലനം
പ്രവർത്തനങ്ങൾ
അഭ്യർത്ഥനകളുടെ സ്വഭാവം				സങ്കീർണ്ണമായ ഇടപാടുകൾ
		ഇടപാടുകൾ
സംഭരിച്ച ഡാറ്റ		പ്രവർത്തനപരമായ,		മൂടുന്നു
		വിശദമായ
				സമാഹരിച്ചത്
ഒരുതരം പ്രവർത്തനം		പ്രവർത്തനപരമായ,		വിശകലനം,
		തന്ത്രപരമായ		തന്ത്രപരമായ
ഡാറ്റ തരം		ഘടനാപരമായ		വിവിധ തരം

3.7. സാമ്പത്തിക വിവര സംവിധാനങ്ങൾ തിരഞ്ഞെടുക്കുന്നതിനുള്ള സമീപനങ്ങൾ

ഒരു എന്റർപ്രൈസസിന് ഏറ്റവും ലാഭകരവും മികച്ച ഫലം നൽകുന്നതുമായ ഓട്ടോമേഷൻ ഓപ്ഷൻ ഏതെന്ന ചോദ്യത്തിന് ഉത്തരം നൽകുന്നതിനുമുമ്പ്, ഈ തിരഞ്ഞെടുപ്പിനെ സ്വാധീനിക്കുന്ന നിരവധി ഘടകങ്ങൾ നിങ്ങൾ പരിഗണിക്കണം.

1. കമ്പനിയിലെ ബിസിനസ്സ് സാങ്കേതികവിദ്യകൾ പരമ്പരാഗതമായവയിൽ നിന്ന് എത്രത്തോളം വ്യത്യസ്തമാണ്?

വ്യത്യാസങ്ങൾ വളരെ ഗൗരവമുള്ളതാണെങ്കിൽ, സ്റ്റാൻഡേർഡൈസേഷന്റെ ദിശയിൽ ഈ സാങ്കേതികവിദ്യകൾ മാറ്റുന്നതിനുള്ള വഴികൾ അസ്വീകാര്യമായതോ അമിതമായി ചെലവേറിയതോ ആയി കാണുകയാണെങ്കിൽ, ഒരു റെഡിമെയ്ഡ് EIS വാങ്ങുകയും പൊരുത്തപ്പെടുത്തുകയും ചെയ്യുക. റഷ്യൻ ഉത്പാദനംഒന്നുകിൽ ബാധകമല്ല, അല്ലെങ്കിൽ അത് ആയി മാറിയേക്കാം

ഫലപ്രദമല്ലാത്തത് - നൽകിയിരിക്കുന്ന വ്യവസ്ഥകളിൽ ചില സിസ്റ്റം മൊഡ്യൂളുകൾ അപ്രായോഗികമോ പ്രവർത്തനരഹിതമോ ആയിരിക്കും.

2. നടപ്പിലാക്കുന്ന വിവര സംവിധാനത്തിൽ എത്ര തവണ കാര്യമായ മാറ്റങ്ങൾ വരുത്തേണ്ടി വരും?

കമ്പനിയുടെ പ്രവർത്തന മേഖലയോ കമ്പനി തന്നെയോ സാങ്കേതിക സാങ്കേതിക വിദ്യകളുടെ കാര്യത്തിൽ വളരെ ചലനാത്മകമാണെങ്കിൽ, ഒരു റെഡിമെയ്ഡ് റഷ്യൻ നിർമ്മിത EIS വാങ്ങലും പൊരുത്തപ്പെടുത്തലും, കൂടാതെ (മിക്ക കേസുകളിലും) ഒരു EIS വികസിപ്പിക്കുന്നത് ഒരു മൂന്നാം കക്ഷി ഡെവലപ്പർ അസ്വീകാര്യമാണ്. സിസ്റ്റത്തിൽ മാറ്റങ്ങൾ വരുത്തേണ്ടത് ആവശ്യമാണ്, അതിലേക്ക് പുതിയ ഘടകങ്ങൾ സംയോജിപ്പിക്കുക, മുതലായവ, ആദ്യ സന്ദർഭത്തിൽ അത് സാധ്യമല്ലായിരിക്കാം, മൂന്നാമത്തേതിൽ - ഒന്നുകിൽ വളരെ ചെലവേറിയതോ അല്ലെങ്കിൽ വേണ്ടത്ര പ്രതികരിക്കാത്തതോ ആണ്.

3. ഓട്ടോമേഷനിൽ എത്രത്തോളം നിക്ഷേപം നടത്താൻ കമ്പനി തയ്യാറാണ്?

വളരെ പരിമിതമായ വിഭവങ്ങളുള്ള സംരംഭങ്ങൾക്ക്, ഒരു വിദേശ ഓട്ടോമേഷൻ കോംപ്ലക്സ് വാങ്ങുന്നതും ഒരു മൂന്നാം കക്ഷി കമ്പനിയിൽ നിന്നുള്ള വികസനത്തിനുള്ള ഓർഡറും സാധാരണയായി അസ്വീകാര്യമാണ്. നിലവിലുള്ള ഒന്ന് വാങ്ങുന്നതിന് ഇടയിൽ തിരഞ്ഞെടുക്കുന്നു സോഫ്റ്റ്വെയർഅല്ലെങ്കിൽ ഒരു ചെറിയ ഓട്ടോമേഷൻ ഡിപ്പാർട്ട്‌മെന്റ് നിങ്ങളുടേത് വികസിപ്പിക്കുന്നത് സാധാരണയായി മുകളിൽ പറഞ്ഞ ചോദ്യങ്ങൾക്കുള്ള ഉത്തരങ്ങളെ അടിസ്ഥാനമാക്കിയാണ് തീരുമാനിക്കുന്നത്.

അതിനാൽ, ഒരു റെഡിമെയ്ഡ് EIS-ന്റെ വാങ്ങലും പൊരുത്തപ്പെടുത്തലും സ്ഥിരതയുള്ളതും കൂടുതലോ കുറവോ പരമ്പരാഗത ബിസിനസ്സ് രീതികളുള്ള കമ്പനികൾക്കും സോഫ്റ്റ്‌വെയർ വിപണിയിൽ ഉചിതമായ വിവര സംവിധാനങ്ങൾ ഉള്ള സാഹചര്യത്തിലും തിരഞ്ഞെടുക്കണം.

അതേ സമയം, വളരെ വലുതും വിപുലവുമായ ഘടനകൾക്ക് (പ്രത്യേകിച്ച് കമ്പനി സജീവമായ സംയോജനമോ വിദേശ പങ്കാളികളുമായുള്ള ആശയവിനിമയമോ ഉൾക്കൊള്ളുന്നുവെങ്കിൽ), ചെറുതും ഇടത്തരവുമായ ഒരു കമ്പനിക്ക് - ഒരു ശക്തമായ പാശ്ചാത്യ സംവിധാനം തിരഞ്ഞെടുക്കാൻ ശുപാർശ ചെയ്യുന്നു - ഒരു ആഭ്യന്തര.

നിങ്ങളുടെ സ്വന്തം ഫണ്ടുകൾ ഉപയോഗിച്ച് ഒരു EIS വികസിപ്പിക്കുകയും ഒരു മൂന്നാം കക്ഷി ഡവലപ്പറിൽ നിന്ന് ഒരു EIS വികസിപ്പിക്കാൻ ഓർഡർ നൽകുകയും ചെയ്യുന്നത് അപൂർവമോ അസാധാരണമോ ആയ "ബിസിനസ് പ്രവർത്തനങ്ങൾക്ക്" ഏറ്റവും ആകർഷകമാണ്. ഈ സാഹചര്യത്തിൽ, കമ്പനിയുടെ സാമ്പത്തിക സ്ഥിതി, ലഭ്യത എന്നിവയെക്കുറിച്ചുള്ള വിവരങ്ങൾ അടിസ്ഥാനമാക്കി ഒരു പ്രത്യേക തിരഞ്ഞെടുപ്പ് നടത്തണം വിശ്വസനീയമായ കമ്പനിഡെവലപ്പർ അല്ലെങ്കിൽ ഇന്റഗ്രേറ്റർ, അതും മറ്റ് ഘടകങ്ങളുമായി ദീർഘകാല പങ്കാളിത്തം സ്ഥാപിക്കാനുള്ള അവസരം.

കൂടുതൽ വിശദമായ വിശകലനംഓട്ടോമേഷൻ രീതികളുടെ ഗുണങ്ങളും ദോഷങ്ങളും പട്ടികയിൽ അവതരിപ്പിച്ചിരിക്കുന്നു.

പട്ടിക 10

ഓട്ടോമേഷൻ രീതികളുടെ ഗുണങ്ങളും ദോഷങ്ങളും

സമീപനത്തിന്റെ പ്രയോജനങ്ങൾ

സമീപനത്തിന്റെ പോരായ്മകൾ

ഓറിയന്റേഷൻ

റഷ്യൻ

പ്രശ്നം

നിക്ഷേപം

പൊരുത്തപ്പെടുത്തൽ

നിയമങ്ങൾ, ബിസിനസ്സ് "സവിശേഷതകൾ",

പ്രാഥമിക

EIS പൂർത്തിയാക്കി

അക്കൌണ്ടിംഗ്

കേവല

അളവ്

റഷ്യൻ

ആയി മാറുക

ചെറിയ,

കൂടുതൽ

ഉത്പാദനം

ലഭ്യത

ഡെവലപ്പർമാർ

വിദ്യാഭ്യാസം,

പിന്തുണ

സേവനം

വികസനം

അകമ്പടി, അത് ഓപ്ഷണൽ ആണ്

വിവരദായകമായ

ഒരു വിദേശ ഉൽപ്പന്നം ഉപയോഗിച്ച് അല്ലെങ്കിൽ

വളരെ പ്രാധാന്യമുള്ളതായിരിക്കണം). IN

വളരെ ചെറിയ സ്കെയിൽ ഉണ്ട്

വ്യവസ്ഥകൾ

അസ്ഥിരത

ചെലവുകൾ

സമ്പദ്

അപൂർണതകൾ

കൂടുതൽ ചെലവേറിയത് (ഒരുപക്ഷേ പതിനായിരങ്ങളും

നിയമനിർമ്മാണം,

നൂറുകണക്കിന് തവണ). ഒരാളുടെ പ്രവൃത്തി ദിവസം

ഉറപ്പ് നൽകുന്നു

സ്ഥിരത

യോഗ്യത നേടി

നിർമ്മാതാവ്

സോഫ്റ്റ്വെയർ

സ്പെഷ്യലിസ്റ്റ്

ഒരു നിർമ്മാണ സ്ഥലത്ത്

മുഴുവൻ സോഫ്റ്റ്‌വെയർ (സോഫ്റ്റ്‌വെയർ).

ഈ ക്ലാസിലെ സിസ്റ്റങ്ങളുടെ അഡാപ്റ്റേഷൻ

സോഫ്റ്റ്വെയറിന്റെ മുഴുവൻ ജീവിതവും.

ഒരു പാശ്ചാത്യ കമ്പനി നല്ലതായിരിക്കാം

വിലയിരുത്താൻ വളരെ ചെലവേറിയത്.

1.2. വാങ്ങലും

ഏറ്റവും വലിയ

പ്രാഥമിക

പൊരുത്തപ്പെടുത്തൽ

സമാനമായ

ആണ്

EIS പൂർത്തിയാക്കി

വൻ

ശക്തി

വളരെ ശ്രദ്ധേയമാണ്

ചെലവുകൾ

വിദേശി

പാശ്ചാത്യ ഉൽപ്പന്നങ്ങളുടെ സാധ്യത

നടപ്പിലാക്കൽ

ഉൽപ്പന്നം,

വിദ്യാഭ്യാസം

ഉത്പാദനം

ഓട്ടോമേഷൻ കോംപ്ലക്സുകളും.

ഉദ്യോഗസ്ഥരും ബന്ധപ്പെട്ടവരും

അവ സാധാരണയായി ഒരു പരമ്പര ഉൾക്കൊള്ളുന്നു

മാറ്റങ്ങൾ

പൂർത്തിയായി

സ്പർശിക്കുക

ഹാർഡ്വെയർ

ആശ്രിതത്വങ്ങൾ

കമ്പനിയുടെ വ്യവസ്ഥ.

ഉപഭോക്താവ് (ഉണ്ടെങ്കിലും

പലതും കാരണം

സിസ്റ്റങ്ങളുടെ മുഴുവൻ ശ്രേണിയും

റഷ്യൻ ഘടകങ്ങൾ (വലുത്

കാരണങ്ങൾ

ചലനാത്മകത

മോഡുലാർ

ആകുന്നു;

സാഹചര്യം,

സംവിധാനങ്ങൾ

സ്വഭാവം

മനുഷ്യൻ

കൂടുതൽ അടഞ്ഞതും വലുതും

മറ്റുള്ളവ) അത്തരം അപകടസാധ്യതയുടെ അളവ്

ബുദ്ധിമുട്ട്

ഓപ്പറേഷൻ

നിക്ഷേപത്തിന്റെ തരം വളരെ ഉയർന്നതാണ്.

നടപ്പിലാക്കൽ).

അടിസ്ഥാനം

പ്രശ്നം

ആണ്

ആവശ്യം

പുനഃക്രമീകരിക്കൽ

സാങ്കേതികമായ

കമ്പനിയുടെ പ്രവർത്തനങ്ങളുടെ വശങ്ങൾ

അവർ അത് സങ്കൽപ്പിച്ച രീതിയിൽ

ഉൽപ്പന്ന ഡെവലപ്പർമാർ അത്

നമ്മുടെ സാഹചര്യങ്ങളിൽ അത് വളരെ സാധ്യമാണ്

അപൂർവ്വമായി, ഈ സാങ്കേതികവിദ്യകൾ പോലും

തിരിച്ചറിഞ്ഞു

പൊതുവെ അംഗീകരിച്ചു.

അഭാവം

ചിലത്

ഉൽപ്പന്നങ്ങൾ

സാധാരണ

റഷ്യൻ

ഉപയോക്താവ്

ഘടകം,

പോരാ

പ്രാദേശികവൽക്കരണം

പ്രയാസപ്പെടുത്തുക

വളരെ

അതിന്റെ ഉപയോഗത്തിന്റെ ഫലപ്രാപ്തി.

തന്ത്രങ്ങൾ

കൂടാതെ തിരഞ്ഞെടുക്കൽ മാനദണ്ഡങ്ങളും

പടിഞ്ഞാറൻ

വിവരദായകമായ

മതി

എളുപ്പമല്ല,

പ്രധാന ആവശ്യകതകൾ

സിസ്റ്റത്തിന് മുന്നിൽ അവതരിപ്പിക്കാം

സമാനമായ

ആകുന്നു:

പ്രവർത്തനയോഗ്യമായ

തുറന്നത,

മോഡുലാരിറ്റി,

സ്കേലബിളിറ്റി, കഴിവ്

വിതരണം ചെയ്ത അന്തരീക്ഷത്തിൽ പ്രവർത്തിക്കുക,

ഇഷ്ടാനുസൃതമാക്കൽ

ഉറവിട കോഡുകളിലെ സപ്ലൈസ്),

നിർമ്മാതാവിന്റെ വിലനിർണ്ണയ നയം

ഉൽപ്പന്നവും അതിന്റെ പ്രതിനിധികളും

2. വികസനം

ഈ സമീപനമാണ് കൂടുതലും

വലുതും (ചിലപ്പോൾ ബുദ്ധിമുട്ടുള്ളതും)

രണ്ട് കേസുകളിൽ മാത്രം ബാധകമാണ്

പ്രൊജക്റ്റ്) വികസന സമയം

സ്വന്തം

ഓപ്ഷനുകൾ: ആവശ്യത്തിന്

കൂടാതെ, പല കേസുകളിലും, വലിയ

കഴിവുള്ള വലിയ കമ്പനി

ചെലവുകളുടെ തുക.

യോഗ്യത നേടി

സോഫ്റ്റ്‌വെയർ ഡെവലപ്പർമാരും അതും

സമുച്ചയമാണെങ്കിൽ കേസ്

ഓട്ടോമേഷൻ വളരെ വലുതല്ല

വികസിപ്പിക്കാൻ കഴിയും

തികച്ചും പരിമിതമാണ്

വിഭവങ്ങൾ.

സാധാരണയായി ഈ ഓപ്ഷൻ

ഓട്ടോമേഷൻ ഉപയോഗിക്കുന്നു

ഒന്നുമില്ലാത്ത സാഹചര്യത്തിൽ

നിലവിലുള്ള വാണിജ്യ

ഉൽപ്പന്നങ്ങൾ തൃപ്തികരമല്ല

എന്റർപ്രൈസസിന്റെ മാനേജ്മെന്റ്, അല്ലെങ്കിൽ

ബിസിനസ്സ് അങ്ങനെയാണെങ്കിൽ

ചലനാത്മകമായ ആ പുനഃക്രമീകരണം

പൂർത്തിയായ ഉൽപ്പന്നം ആയിരിക്കും

കൂടുതൽ ചെലവേറിയതോ കുറവോ

നിങ്ങളുടേതിനേക്കാൾ ഫലപ്രദമാണ്.

പ്രയോജനങ്ങൾ:

ഓറിയന്റഡ്

നിർദ്ദിഷ്ട കമ്പനി

സങ്കീർണ്ണമായ

ഓട്ടോമേഷൻ,

മൂടുന്നു

ആവശ്യമാണ്

ഗുണമേന്മയുള്ള,

കാര്യക്ഷമതയും കാര്യക്ഷമതയും

"പിന്തുണ" (ആർക്കും അറിയില്ല

എല്ലാ ബിസിനസ്സ് സവിശേഷതകളും

കമ്പനി മികച്ചതാണ്

അവളുടെ സ്വന്തം

ജീവനക്കാർ).

3. വികസനം

ഈ ഓപ്ഷൻ സമാനമാണ്

എന്നിരുന്നാലും, ഇവിടെ പ്രശ്നങ്ങൾ ഉണ്ടാകുന്നു

മുമ്പത്തേത്, എന്നാൽ വ്യത്യസ്തമാണ്

ആദ്യ ഓപ്ഷന് സമാനമാണ്

കൂടെ

അവനെ താഴെ പറയുന്നു: കമ്പനി അങ്ങനെ ചെയ്യുന്നില്ല

ഓട്ടോമേഷൻ, എന്നാൽ സാധാരണയായി ഇവ

പ്രശ്നങ്ങൾ കൈകാര്യം ചെയ്യാൻ എളുപ്പമാണ് കാരണം

ഡെവലപ്പർ

ഒന്നിനൊപ്പം പ്രോഗ്രാമർമാർ

അടുത്ത ബന്ധങ്ങൾ

കൈ അവൾ നേടുന്നു

ഉപഭോക്തൃ വിവരങ്ങൾ

പൂർണ്ണമായും അവളിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചു

സിസ്റ്റങ്ങളും ഡെവലപ്പർ കമ്പനികളും

ഉൽപ്പന്നം - മറുവശത്ത്.

(അല്ലെങ്കിൽ ഇന്റഗ്രേറ്റർ).

കമ്പനിക്ക് ഉണ്ടെങ്കിൽ -

സാങ്കേതിക ഡെവലപ്പർ

"കൺസ്ട്രക്റ്റർ" (കേർണൽ

വിവര സംവിധാനം,

വികസിപ്പിക്കാൻ വളരെ എളുപ്പമാണ്

ഇണങ്ങുന്നവയും

മാറുന്ന വ്യവസ്ഥകൾ) അത്തരം

ഓട്ടോമേഷൻ ഓപ്ഷൻ കഴിയും

വിലകുറഞ്ഞതും

രണ്ടാമത്തെ സമീപനത്തേക്കാൾ കൂടുതൽ ഫലപ്രദമാണ്

കൂടുതൽ ചലനാത്മകവും സാങ്കേതികമായി പുരോഗമിച്ചതും

തിരഞ്ഞെടുപ്പ് ഓട്ടോമേറ്റഡ് സിസ്റ്റംഒരു എന്റർപ്രൈസ് നടത്തേണ്ടത് ഏത് EIS ആണ് നല്ലത്, ഏതാണ് മോശം എന്ന തത്വമനുസരിച്ച് നടത്തരുത്. നൽകിയിരിക്കുന്ന വ്യവസ്ഥകളിൽ ഒരു നിർദ്ദിഷ്ട എന്റർപ്രൈസസിൽ പ്രവർത്തിക്കാൻ ഒരു നിശ്ചിത EIS എത്രത്തോളം അനുയോജ്യമാണെന്ന് ഇവിടെ നിർണ്ണയിക്കേണ്ടത് ആവശ്യമാണ്. പ്രത്യേക വ്യവസ്ഥകൾ കണക്കിലെടുക്കാതെ വിപണിയിൽ അവതരിപ്പിച്ചിരിക്കുന്ന ഇഐഎസിനായുള്ള താരതമ്യ മാനദണ്ഡങ്ങളുടെ വികസനം അപ്രായോഗികമാണ്, അതായത്: എന്റർപ്രൈസസിന്റെ സാമ്പത്തിക അവസ്ഥ, ജീവനക്കാരുടെ പരിശീലന നിലവാരം, സോഫ്റ്റ്വെയറിലും ഹാർഡ്‌വെയറിലും മുമ്പ് നടത്തിയ നിക്ഷേപം മുതലായവ. ഇക്കാര്യത്തിൽ, സാങ്കേതികവും സാമ്പത്തികവുമായ സൂചകങ്ങളുടെ വീക്ഷണകോണിൽ നിന്ന് യുക്തിസഹമായ ഒരു ഇഐഎസ് ഘടന നിർണ്ണയിക്കേണ്ടത് ആവശ്യമാണ്, ഇത് എന്റർപ്രൈസസിന്റെ ഘടനയിൽ മാറ്റമുണ്ടായാൽ ഉപകരണങ്ങളുടെയും സോഫ്റ്റ്വെയറുകളുടെയും വഴക്കമുള്ള പുനർക്രമീകരണത്തിനുള്ള സാധ്യത നിർദ്ദേശിക്കുന്നു. ബിസിനസ് പ്രക്രിയകളുടെ പുനർനിർമ്മാണം.

ഉയർന്ന നിലവാരമുള്ള EIS-ന്റെ ആമുഖം ഒരു എന്റർപ്രൈസസിന്റെ വിപണി വിജയത്തിന്റെ ഏറ്റവും പ്രധാനപ്പെട്ട ഘടകങ്ങളിലൊന്നാണ്, അതിന്റെ ചലനാത്മക വികസനത്തിനുള്ള ഒരു വ്യവസ്ഥയാണ്.

3.8. EIS തിരഞ്ഞെടുക്കൽ മാനദണ്ഡം

ഒരു EIS തിരഞ്ഞെടുക്കുമ്പോൾ, ഇനിപ്പറയുന്ന മാനദണ്ഡങ്ങൾ കണക്കിലെടുക്കണം:

കമ്പനിയുടെ പ്രശസ്തി, സിസ്റ്റത്തിന്റെ പ്രശസ്തി, കമ്പനി വിപണിയിൽ ഉണ്ടായിരുന്ന സമയം, വിൽപ്പനയുടെ എണ്ണം.

റഷ്യയിൽ എത്ര ഓപ്പറേറ്റിംഗ് സിസ്റ്റങ്ങളുണ്ട്?ബന്ധപ്പെട്ട സംരംഭങ്ങളിൽ എന്തെങ്കിലും നടപ്പാക്കലുകൾ ഉണ്ടോ? ബാഹ്യ കൺസൾട്ടന്റുമാരുടെ സഹായം ആവശ്യമായിരുന്നോ?

പാശ്ചാത്യ വ്യവസ്ഥയുടെ റസിഫിക്കേഷന്റെ പദാവലിയും ഗുണനിലവാരവും.

പാശ്ചാത്യ വ്യവസ്ഥയുടെ പ്രാദേശികവൽക്കരണത്തിന്റെ ഗുണനിലവാരം.മാനദണ്ഡങ്ങൾ ബാധകമാകുന്ന ഉൽപാദന മേഖലകളുണ്ട് - നിയമപരവും വസ്തുതാപരവും. ഉദാഹരണത്തിന് - അക്കൗണ്ടിംഗ് രീതികൾ, അക്കൗണ്ടിംഗ് കൂടാതെ നികുതി റിപ്പോർട്ടിംഗ്. ഉൽപ്പാദനത്തിന്റെ രൂപകൽപ്പനയിലും സാങ്കേതിക തയ്യാറെടുപ്പിലും, ആഭ്യന്തര സംരംഭങ്ങൾ സാർവത്രികമായി ESKD, ESTD മാനദണ്ഡങ്ങൾ സ്വീകരിച്ചു. പാശ്ചാത്യ സംരംഭങ്ങൾ ഉൽപ്പാദനത്തിന്റെ ഒരു അടച്ച ഓർഗനൈസേഷൻ സ്വീകരിച്ചു, അതേസമയം ആഭ്യന്തര സംരംഭങ്ങൾ സാങ്കേതിക സ്പെഷ്യലൈസേഷൻ സ്വീകരിച്ചു. പടിഞ്ഞാറൻ രാജ്യങ്ങളിൽ ഒരു നോൺ-ഷോപ്പ് മാനേജ്മെന്റ് ഘടനയുണ്ട്, റഷ്യയിൽ ഇത് ഒരു വർക്ക്ഷോപ്പ് ഘടനയാണ്. പ്രാദേശികവൽക്കരണ സമയത്ത് ഈ പോയിന്റുകളെല്ലാം പ്രവർത്തിക്കണം. ബാർട്ടർ, ഓഫ്‌സെറ്റ് ശൃംഖലകൾ, മുൻകൂർ പേയ്‌മെന്റ്, പണമടയ്ക്കൽ, ഇൻവോയ്‌സ് ചെയ്യാത്ത ഡെലിവറികൾ മുതലായവ പോലുള്ള റഷ്യൻ യാഥാർത്ഥ്യങ്ങൾ സിസ്റ്റം കൈകാര്യം ചെയ്യുന്നത് അഭികാമ്യമാണ്.

ഏത് റഷ്യൻ ടീംപാശ്ചാത്യ വ്യവസ്ഥിതിയുടെ പിന്നിൽ നിൽക്കുന്നു.ആരാണ് ഇത് റസിഫൈ ചെയ്തത്, ആരാണ് ഇത് നടപ്പിലാക്കുന്നത്? അവർക്ക് ഉത്പാദനം അറിയാമോ? എന്ത് തരത്തിലുള്ള വിദ്യാഭ്യാസമാണ് അവർക്കുള്ളത്? എന്ത് അനുഭവം? എന്താണ് അവരുടെ പിന്നിലെ "വിജയഗാഥ"? നടപ്പിലാക്കുന്നതിനുള്ള അവരുടെ സമീപനം എന്താണ്?

ന്യായവില. ഒരു സിസ്റ്റം വാങ്ങുമ്പോൾ, മുഴുവൻ സൈക്കിളിനും - വാങ്ങൽ, നടപ്പിലാക്കൽ, പരിപാലനം, വികസനം - 3-10 മടങ്ങ് ചിലവ് നൽകേണ്ടിവരുമെന്ന് നിങ്ങൾ ഓർക്കണം. കൂടുതൽ പണംചെലവിനേക്കാൾ സോഫ്റ്റ്വെയർ. കൂടുതൽ ബുദ്ധിമുട്ടുള്ളതും കൂടുതൽ ചെലവേറിയ സിസ്റ്റം, വലിയ ഗുണകം. നിങ്ങൾക്ക് പാശ്ചാത്യ കൺസൾട്ടന്റുമാരെ ആകർഷിക്കണമെങ്കിൽ, ഇതിന് പ്രതിദിനം കുറഞ്ഞത് $1000 ചിലവാകും, അവരുടെ സിസ്റ്റം ഉപയോഗിച്ച് എങ്ങനെ പ്രവർത്തിക്കണമെന്ന് അവർ പഠിപ്പിക്കുമോ, അല്ലെങ്കിൽ കമ്പനിയുടെ ജീവനക്കാർ ഈ പണം അവരെ ആവേശഭരിതരാക്കാൻ ഉപയോഗിക്കുമോ എന്ന് മുൻകൂട്ടി വ്യക്തമല്ല. റഷ്യൻ സമ്പദ്‌വ്യവസ്ഥയുടെ സവിശേഷതകൾ

പ്രവർത്തന പൂർണ്ണത.സിസ്റ്റം അടിസ്ഥാന മാനേജ്മെന്റ് ആവശ്യങ്ങൾ ഉൾക്കൊള്ളണം. മിക്കവാറും എല്ലാ പാശ്ചാത്യ സംവിധാനങ്ങളും ഇക്കാര്യത്തിൽ വളരെ അനാവശ്യമാണ്, എന്നാൽ തലത്തിൽ അടിസ്ഥാന കഴിവുകൾ- അവരെല്ലാം ഇരട്ടകളാണ്,

മോഡുലാരിറ്റി. അധിക പണം ചിലവഴിക്കാതിരിക്കാൻ, നിങ്ങൾക്ക് സിസ്റ്റം വാങ്ങാനും നടപ്പിലാക്കാനും കഴിയണം, ആവശ്യമുള്ള എണ്ണം ഉപയോക്താക്കൾക്ക് മാത്രം.

വഴക്കം. ഒന്നര-മൂന്ന് വർഷത്തിനുള്ളിൽ ഈ സംവിധാനം നടപ്പിലാക്കുകയും അഞ്ച് മുതൽ പത്ത് വർഷം വരെ പ്രവർത്തിക്കുകയും ചെയ്യും. ഈ സമയത്ത്, കമ്പനി മാറും. ഉൽപ്പന്നങ്ങൾ, സംഘടനാ ഘടന, മാനേജ്‌മെന്റ് ഓർഗനൈസേഷൻ, ബിസിനസ് പ്രക്രിയകൾ, മാനേജർമാരുടെ റോളുകൾ, അധികാരങ്ങൾ എന്നിവ മാറും. ഉൽപ്പാദനത്തോടൊപ്പം മാനേജ്മെന്റ് സംവിധാനവും മാറണം. വർക്ക്‌സ്റ്റേഷനുകളും മെനുകളും എളുപ്പത്തിൽ മാറ്റാനും റിപ്പോർട്ടുകളും സർട്ടിഫിക്കറ്റുകളും സൃഷ്‌ടിക്കാനും സൗകര്യപ്രദമായ അവതരണത്തിൽ വിവരങ്ങളുടെ അനിയന്ത്രിതമായ തിരഞ്ഞെടുപ്പ് നടത്താനും പാരാമെട്രിക് ക്രമീകരണങ്ങളിലൂടെ ബിസിനസ്സ് പ്രക്രിയകളും അൽഗോരിതങ്ങളും മാറ്റാനും സിസ്റ്റം നിങ്ങളെ അനുവദിക്കും എന്നാണ് ഇതിനർത്ഥം. പാശ്ചാത്യ സംവിധാനങ്ങളിലെ ഒരു സാധാരണ പ്രശ്നം, വിവരങ്ങൾ നൽകുന്നതിനുള്ള സ്‌ക്രീനുകൾ ഏത് ഉപയോക്താവിനാണ് എന്ന് വ്യക്തമല്ല എന്നതാണ്. ഇത് ഒരു ടെക്നോളജിസ്റ്റിന് വേണ്ടിയാണെന്ന് തോന്നുന്നു, പക്ഷേ ആസൂത്രണ മാനദണ്ഡങ്ങൾ ഇതുമായി എന്താണ് ചെയ്യേണ്ടത്? ഇത് ഒരു സ്റ്റോർകീപ്പർക്കുള്ളതാണെന്ന് തോന്നുന്നു, എന്നാൽ വിലകളും സൈക്കിൾ സമയവും ഇതുമായി എന്ത് ബന്ധമാണ്? ഇത് ഒരു അക്കൗണ്ടന്റിന് വേണ്ടിയാണെന്ന് തോന്നുന്നു, പക്ഷേ അക്കൗണ്ടിംഗിന്റെ ഏത് വിഭാഗത്തിന് വേണ്ടിയാണ്? ഈ സാഹചര്യത്തിൽ, നിങ്ങൾ സ്ക്രീനുകൾ വിഭജിക്കേണ്ടതുണ്ട്, അനാവശ്യ വിശദാംശങ്ങൾ നീക്കംചെയ്യുക, ആവശ്യമായവ ചേർക്കുക, ഫീൽഡുകളുടെ പേരുകൾ മാറ്റുക, സ്ക്രീനിൽ അവയുടെ സ്ഥാനം മാറ്റുക, അർത്ഥം മാറ്റുക, ഡാറ്റാബേസിലേക്ക് ഫീൽഡുകൾ ചേർക്കുക, സഹായം മാറ്റുക. സിസ്റ്റം ഇത് അനുവദിക്കുമോ, എന്ത് ചെലവിൽ? സിസ്റ്റം മറ്റ് മൊഡ്യൂളുകളുമായി എളുപ്പത്തിൽ സംയോജിപ്പിക്കണം, ഉദാ. റഷ്യൻ പ്രോഗ്രാമുകൾശമ്പളം അല്ലെങ്കിൽ പേഴ്‌സണൽ മാനേജ്‌മെന്റ് (അനുയോജ്യമായ പാശ്ചാത്യ അനലോഗുകൾ ഉപയോഗിക്കാൻ കഴിയുമെന്ന് വ്യക്തമല്ല) അല്ലെങ്കിൽ നിലവിലുള്ള പഴയ സംഭവവികാസങ്ങൾ ഉപയോഗിച്ച് അപ്രാപ്‌തമാക്കാൻ കഴിയില്ല (അവയുടെ പ്രത്യേകത, പ്രത്യേകത മുതലായവ കാരണം). യൂറോപ്യൻ ഉൽപ്പാദന സമ്പ്രദായങ്ങൾ സാധാരണയായി അമേരിക്കയെ അപേക്ഷിച്ച് കൂടുതൽ വഴക്കമുള്ളവയാണ് - അവ തുടക്കത്തിൽ അക്കൗണ്ടിംഗിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു ദേശീയ സവിശേഷതകൾ വിവിധ രാജ്യങ്ങൾയൂറോപ്യൻ കൂട്ടായ്മ,

വാസ്തുവിദ്യ. ഒരു ത്രീ-ടയർ ആർക്കിടെക്ചർ അഭികാമ്യമാണ് - ഡാറ്റാബേസ് സെർവർ, ആപ്ലിക്കേഷൻ സെർവർ, ക്ലയന്റ് - "ഡംബ് ടെർമിനലുകൾ" ഉപയോഗിക്കാനുള്ള കഴിവുള്ള ക്ലയന്റ്-സെർവർ ആർക്കിടെക്ചർ. ക്ലയന്റ് "കൊഴുപ്പ്" അല്ലെങ്കിൽ "മെലിഞ്ഞത്" ആകാം,

സാങ്കേതിക പ്ലാറ്റ്ഫോം.സിസ്റ്റത്തിന്റെ ജീവിതത്തിൽ, ഒന്നിലധികം തലമുറകൾ മാറും സാങ്കേതിക മാർഗങ്ങൾ. ഒരു പ്രത്യേക പ്ലാറ്റ്‌ഫോമുമായി ബന്ധിപ്പിച്ചിരിക്കുന്നത് അപകടകരമാണ്. പ്ലാറ്റ്‌ഫോമിൽ നിന്ന് പ്ലാറ്റ്‌ഫോമിലേക്ക് മൈഗ്രേറ്റ് ചെയ്യാൻ സിസ്റ്റത്തിന് കഴിയണം,

കുറവുകൾ
OLTP സിസ്റ്റങ്ങൾ ചെറുതും വ്യതിരിക്തവുമായ ഇടപാടുകൾക്കായി ഒപ്റ്റിമൈസ് ചെയ്തിരിക്കുന്നു. എന്നാൽ ചില സങ്കീർണ്ണമായ വിവരങ്ങൾക്കായുള്ള അഭ്യർത്ഥനകൾ (ഉദാഹരണത്തിന്, ഒരു പ്രത്യേക ബ്രാഞ്ചിലെ ഒരു പ്രത്യേക ഉൽപ്പന്ന മോഡലിന്റെ വിൽപ്പന വോള്യങ്ങളുടെ ത്രൈമാസ ഡൈനാമിക്സ്), അനലിറ്റിക്കൽ ആപ്ലിക്കേഷനുകൾക്ക് (OLAP), സങ്കീർണ്ണമായ ടേബിൾ ജോയിനുകളും മുഴുവൻ പട്ടികകളും കാണുന്നതും സൃഷ്ടിക്കും. അത്തരം ഒരു അഭ്യർത്ഥനയ്ക്ക് ധാരാളം സമയവും കമ്പ്യൂട്ടർ വിഭവങ്ങളും എടുക്കും, ഇത് നിലവിലുള്ള ഇടപാടുകളുടെ പ്രോസസ്സിംഗ് മന്ദഗതിയിലാക്കും.

ഡാറ്റയുമായി പ്രവർത്തിക്കുന്ന ഒരു ലോജിക്കൽ യൂണിറ്റിനെ പ്രതിനിധീകരിക്കുന്ന തുടർച്ചയായ പ്രവർത്തനങ്ങളുടെ ഒരു കൂട്ടമാണ് ഇടപാട്. ഒരു ഇടപാട് സമാന്തരമായി പ്രവർത്തിക്കുന്ന മറ്റ് ഇടപാടുകളിൽ നിന്ന് സ്വതന്ത്രമായി ഡാറ്റ സമഗ്രത നിലനിർത്തിക്കൊണ്ട് പൂർണ്ണമായും വിജയകരമായി നടപ്പിലാക്കാൻ കഴിയും, അല്ലെങ്കിൽ അത് നടപ്പിലാക്കാൻ കഴിയില്ല, തുടർന്ന് അത് ഫലമുണ്ടാക്കില്ല. ഇടപാടുകൾ പ്രോസസ്സ് ചെയ്യുന്നത് ഇടപാട് സംവിധാനങ്ങളാണ്, അതിന്റെ പ്രവർത്തന സമയത്ത് ഒരു ഇടപാട് ചരിത്രം സൃഷ്ടിക്കപ്പെടുന്നു.

തുടർച്ചയായ (പതിവ്), സമാന്തരവും വിതരണം ചെയ്തതുമായ ഇടപാടുകൾ ഉണ്ട്. വിതരണ ഇടപാടുകളിൽ ഒന്നിൽ കൂടുതൽ ഇടപാട് സംവിധാനങ്ങളുടെ ഉപയോഗം ഉൾപ്പെടുന്നു, കൂടാതെ കൂടുതൽ ആവശ്യമാണ് സങ്കീർണ്ണമായ യുക്തി(ഉദാഹരണത്തിന്, ടു-ഫേസ് കമ്മിറ്റ് - ടു-ഫേസ് ട്രാൻസാക്ഷൻ കമ്മിറ്റ് പ്രോട്ടോക്കോൾ). കൂടാതെ, ചില സിസ്റ്റങ്ങൾ സ്വയംഭരണ ഇടപാടുകൾ അല്ലെങ്കിൽ ഉപഇടപാടുകൾ നടപ്പിലാക്കുന്നു, അവ രക്ഷാകർതൃ ഇടപാടിന്റെ സ്വയംഭരണ ഭാഗമാണ്.

ഉദാഹരണം: ബാങ്ക് അക്കൗണ്ട് നമ്പർ 5 ൽ നിന്ന് അക്കൗണ്ട് നമ്പർ 7 ലേക്ക് 10 മോണിറ്ററി യൂണിറ്റുകൾ കൈമാറേണ്ടത് ആവശ്യമാണ്. ഇത് നേടാനാകും, ഉദാഹരണത്തിന്, ഇനിപ്പറയുന്ന പ്രവർത്തനങ്ങളുടെ ക്രമം:
ഇടപാട് ആരംഭിക്കുക
അക്കൗണ്ട് നമ്പർ 5-ലെ ബാലൻസ് വായിക്കുക
ബാലൻസ് 10 മോണിറ്ററി യൂണിറ്റുകൾ കുറയ്ക്കുക
പുതിയ അക്കൗണ്ട് ബാലൻസ് നമ്പർ 5 സംരക്ഷിക്കുക
അക്കൗണ്ട് നമ്പർ 7-ലെ ബാലൻസ് വായിക്കുക
ബാലൻസ് 10 മോണിറ്ററി യൂണിറ്റുകൾ വർദ്ധിപ്പിക്കുക
അക്കൗണ്ട് നമ്പർ 7 ന്റെ പുതിയ ബാലൻസ് സംരക്ഷിക്കുക

ഇടപാട് അവസാനിപ്പിക്കുക
ഈ പ്രവർത്തനങ്ങൾ "അക്കൗണ്ടുകൾക്കിടയിൽ ഒരു തുക കൈമാറുന്ന" ജോലിയുടെ ഒരു ലോജിക്കൽ യൂണിറ്റിനെ പ്രതിനിധീകരിക്കുന്നു, അങ്ങനെ ഒരു ഇടപാട് രൂപീകരിക്കുന്നു. നിങ്ങൾ നൽകിയ ഇടപാടിനെ തടസ്സപ്പെടുത്തുകയാണെങ്കിൽ, ഉദാഹരണത്തിന്, മധ്യത്തിൽ, എല്ലാ മാറ്റങ്ങളും റദ്ദാക്കരുത്, അക്കൗണ്ട് നമ്പർ 5 ന്റെ ഉടമയെ 10 യൂണിറ്റുകൾ ഇല്ലാതെ വിടുന്നത് എളുപ്പമാണ്, അതേസമയം അക്കൗണ്ട് നമ്പർ 7 ന്റെ ഉടമയ്ക്ക് അവ ലഭിക്കുന്നില്ല.

ഓൺലൈൻ ഇടപാട് പ്രോസസ്സിംഗ് മോഡ് OLTP

എപ്പോൾ വേണമെങ്കിലും സബ്ജക്ട് ഏരിയയുടെ നിലവിലെ അവസ്ഥ പ്രതിഫലിപ്പിക്കുന്നതിന് ഓർഗനൈസേഷണൽ മാനേജ്മെന്റ് ഇൻഫർമേഷൻ സിസ്റ്റങ്ങളിൽ ഓൺലൈൻ ട്രാൻസാക്ഷൻ പ്രോസസ്സിംഗിന്റെ OLTP (ഓൺ-ലൈൻ ട്രാൻസാക്ഷൻ പ്രോസസ്സിംഗ്) മോഡ് ഉപയോഗിക്കുന്നു, കൂടാതെ ബാച്ച് പ്രോസസ്സിംഗ് വളരെ പരിമിതമായ ഒരു ഇടം മാത്രമാണ്.
OLTP

സാധാരണഗതിയിൽ, OLTP സിസ്റ്റങ്ങളുടെ വിശകലന ശേഷികൾ വളരെ പരിമിതമാണ്, അവ കോർപ്പറേഷന്റെ ദൈനംദിന പ്രവർത്തനങ്ങൾ സുഗമമാക്കുന്നതിന് ഉപയോഗിക്കുന്നു, കൂടാതെ ഈ നിമിഷത്തിന് പ്രസക്തമായ ഡാറ്റയെ അടിസ്ഥാനമാക്കിയുള്ളവയുമാണ്. ഒരു പ്രത്യേക വിഷയ മേഖലയുമായി ബന്ധപ്പെട്ട ഉറവിട ഡാറ്റ ശേഖരിക്കുന്നതിനും രജിസ്റ്റർ ചെയ്യുന്നതിനും നൽകുന്നതിനും പ്രാഥമിക ഡാറ്റ പ്രോസസ്സിംഗ്, സംഭരണം, മതിയായ ദൃശ്യവൽക്കരണം, തിരയൽ, സർട്ടിഫിക്കറ്റുകൾ നൽകൽ, റിപ്പോർട്ടിംഗ് മെറ്റീരിയലുകൾ എന്നിവയ്ക്കായി രൂപകൽപ്പന ചെയ്തിട്ടുള്ളതാണ് OLTP ക്ലാസ് വിവര സംവിധാനങ്ങൾ. പ്രാഥമിക പ്രോസസ്സിംഗിൽ ഇൻപുട്ട് ഡാറ്റയുടെ കൃത്യത പരിശോധിക്കുന്നതും സമഗ്രത പരിമിതികളുമായുള്ള അവ പാലിക്കുന്നതും, ഡാറ്റ വിവരിച്ച വസ്തുക്കളുടെ തിരിച്ചറിയൽ, കോഡിംഗ്, തിരശ്ചീനവും ലംബവുമായ കണക്ഷനുകളിലൂടെ ഡാറ്റ കൈമാറൽ എന്നിവ ഉൾപ്പെടുന്നു. ഒരു നിശ്ചിത നിയമപരമായ ശക്തിയുള്ള ഒരു പ്രമാണത്തിൽ നിന്നോ അല്ലെങ്കിൽ ഡാറ്റ ഉത്ഭവിച്ച സ്ഥലത്ത് നിന്ന് നേരിട്ടോ വിവര സംവിധാനത്തിലേക്ക് ഡാറ്റ പ്രവേശിക്കുന്നു. പിന്നീടുള്ള സന്ദർഭത്തിൽ, നൽകിയ ഡാറ്റ അടങ്ങിയ പ്രമാണം സിസ്റ്റം പ്രിന്റ് ചെയ്യുകയും നിയമപരമായ ശക്തി നൽകുകയും ചെയ്യുന്നു.

OLTP സിസ്റ്റങ്ങളിൽ, ടാർഗെറ്റ് ഡാറ്റാബേസുകളിൽ ടാർഗെറ്റ് ഇടപാടുകൾ നടപ്പിലാക്കുന്നു (ഉദാഹരണത്തിന്, ഇഷ്യൂ ചെയ്ത ഇൻവോയ്‌സിന്റെ പാരാമീറ്ററുകൾ, ഒരു പോസ്റ്റ് ചെയ്ത ഇൻവോയ്‌സ് അല്ലെങ്കിൽ മറ്റേതെങ്കിലും വസ്തുതയുള്ള ഒരു പട്ടികയിൽ ഒരു റെക്കോർഡ് നൽകുക), ഇത് ഡാറ്റാബേസിന്റെ അവസ്ഥയെ മാറ്റി അവയെ കൊണ്ടുവരുന്നു. പാലിക്കൽ നിലവിലുള്ള അവസ്ഥഡാറ്റാബേസ് മോഡലുകൾ സൃഷ്ടിക്കുന്ന യഥാർത്ഥ ലോകത്തിന്റെ ശകലം. അതിനാൽ, ടാർഗെറ്റ് ഡാറ്റാബേസുകളുടെ പ്രധാന ലക്ഷ്യം ഇടപാട് പ്രോസസ്സിംഗ് ആണ്.

അത്തരം സംവിധാനങ്ങൾ ഇൻപുട്ട്, ഘടനാപരമായ സംഭരണം, തത്സമയം വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യൽ എന്നിവയ്ക്കായി രൂപകൽപ്പന ചെയ്തിട്ടുള്ളതാണ്. എത്ര, എവിടെ, എന്നിങ്ങനെയുള്ള ചോദ്യങ്ങൾ രൂപപ്പെടുത്താൻ OLTP സിസ്റ്റങ്ങൾ നിങ്ങളെ അനുവദിക്കുന്നു. സ്ഥിരമായി സമന്വയിപ്പിച്ച (അപ്‌ഡേറ്റ് ചെയ്‌ത) ഡാറ്റാബേസുകളിൽ നിന്ന് ഡാറ്റ നൽകുന്നു, ഓപ്പറേറ്റിംഗ് സിസ്റ്റങ്ങൾ വലിയ സമയങ്ങളിൽ പ്രക്രിയകളിലെ മാറ്റങ്ങളുടെ ചലനാത്മകത ട്രാക്കുചെയ്യുന്നില്ല, പ്രായോഗികമായി ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നില്ല (ചില കണക്കുകൂട്ടലുകൾ ഒഴികെ) കൂടാതെ, ഏറ്റവും പ്രധാനമായി, ഇതിനെ അടിസ്ഥാനമാക്കി നിഗമനങ്ങളിൽ എത്തിച്ചേരരുത്. ലഭ്യമായ ഡാറ്റ, ഈ ഫംഗ്‌ഷൻ തീരുമാനമെടുക്കുന്ന വ്യക്തിക്ക് വിട്ടുകൊടുക്കുന്നു.

OLTP-ആപ്ലിക്കേഷനുകൾ പല വ്യവസായങ്ങളിലും വിശാലമായ ജോലികൾ ഉൾക്കൊള്ളുന്നു - അക്കൗണ്ടിംഗിന്റെ ഓട്ടോമേഷൻ കൂടാതെ വെയർഹൗസ് അക്കൗണ്ടിംഗ്കൂടാതെ രേഖകളുടെ കണക്കെടുപ്പ് മുതലായവ.

അത്തരം സംവിധാനങ്ങളുടെ പ്രധാന പ്രവർത്തനം ഒരേസമയം നിരവധി ഹ്രസ്വ ഇടപാടുകൾ നടത്തുക എന്നതാണ് വലിയ സംഖ്യഉപയോക്താക്കൾ. ഇടപാടുകൾ തന്നെ താരതമ്യേന ലളിതമായി കാണപ്പെടുന്നു, ഉദാഹരണത്തിന്, "എ അക്കൗണ്ടിൽ നിന്ന് ഒരു തുക പിൻവലിക്കുക, ഈ തുക ബി അക്കൗണ്ടിലേക്ക് ചേർക്കുക."

വിവര സംവിധാനം OLTP ക്ലാസ് ഇനിപ്പറയുന്ന സവിശേഷതകളാൽ സവിശേഷതയാണ്.
IS - ഇൻഫർമേഷൻ സിസ്റ്റങ്ങളുടെ സവിശേഷതകൾ - OLTP ക്ലാസ്
- ആപേക്ഷിക അൽഗോരിതം ലാളിത്യം,
പ്രോസസ്സ് ചെയ്ത ഡോക്യുമെന്റുകളുടെ നാമകരണത്തിന്റെയും ഘടനയുടെയും അടിസ്ഥാനത്തിൽ വർദ്ധിച്ച ചലനാത്മകത, ഈ സിസ്റ്റങ്ങളുടെ വിഷയ മേഖലയുമായുള്ള സാമീപ്യവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു,
- പ്രാരംഭ ഡാറ്റ ശേഖരിക്കുന്നതിനുള്ള സ്ഥലങ്ങളുടെ ബഹുജനവും പ്രാദേശികവുമായ വിതരണം,
നൽകിയ ഡാറ്റയുടെ വിശ്വാസ്യതയ്ക്കും പ്രസക്തിയ്ക്കും ഉയർന്ന ആവശ്യകതകൾ,
- വൻതോതിലുള്ള, പതിവ് വിറ്റുവരവ്, താരതമ്യേന കുറഞ്ഞ കമ്പ്യൂട്ടർ - ഉദ്യോഗസ്ഥരുടെ (ഉപയോക്താക്കൾ) യോഗ്യതകൾ.
- ധാരാളം ഉപയോക്താക്കൾക്കുള്ള പിന്തുണ;
- അഭ്യർത്ഥനകളോടുള്ള ഹ്രസ്വ പ്രതികരണ സമയം;
- താരതമ്യേന ചെറിയ ചോദ്യങ്ങൾ;
ചെറിയ എണ്ണം പട്ടികകളുടെ അന്വേഷണങ്ങളിൽ പങ്കാളിത്തം.

ചരിത്രപരമായിഅക്കൌണ്ടിംഗ്, സേവനത്തിന്റെ വേഗത, ഡാറ്റ ശേഖരണം മുതലായവയുടെ ആവശ്യകതകൾ നിറവേറ്റുന്നതിനാലാണ് ഇത്തരം സംവിധാനങ്ങൾ ഉണ്ടായത്. എന്നിരുന്നാലും, ഡാറ്റ ശേഖരണം അതിൽത്തന്നെ അവസാനമല്ലെന്നും ശേഖരിക്കപ്പെട്ട ഡാറ്റ ഉപയോഗപ്രദമാകുമെന്നും താമസിയാതെ വ്യക്തമായി. ഡാറ്റ.
സിസ്റ്റം വികസന തന്ത്രം
വളരെക്കാലമായി, അത്തരം സംവിധാനങ്ങൾ വികസിപ്പിക്കുന്നതിന് ഇനിപ്പറയുന്ന തന്ത്രം ഉപയോഗിച്ചു:
പ്രവർത്തനപരമായി ബന്ധപ്പെട്ട ഡോക്യുമെന്റുകളുടെ ഗ്രൂപ്പുകൾ പ്രോസസ്സ് ചെയ്യുന്നതിനും സൈറ്റിലെ റെഡിമെയ്ഡ് വർക്ക്സ്റ്റേഷനുകളുടെ പകർപ്പിനും ഉദ്ദേശിച്ചുള്ള പ്രത്യേക വർക്ക്സ്റ്റേഷനുകളുടെ നിർമ്മാണം,
റെപ്ലിക്കേഷനും പ്രാദേശിക ഇഷ്‌ടാനുസൃതമാക്കലും ഉപയോഗിച്ച് പൂർണ്ണ സവിശേഷതയുള്ള പാരാമീറ്ററൈസബിൾ സിസ്റ്റങ്ങൾ നിർമ്മിക്കുന്നു. എന്നിരുന്നാലും, ഈ രീതിയിൽ ലഭിച്ച സിസ്റ്റങ്ങൾക്ക് വിഷയ മേഖലകളുടെ ചലനാത്മകതയെ മറികടക്കാൻ കുറഞ്ഞ അഡാപ്റ്റീവ് കഴിവുകൾ ഉണ്ടായിരുന്നു. അവർ ഓപ്പറേറ്റിംഗ് ഉദ്യോഗസ്ഥരോട് ഉയർന്ന ആവശ്യങ്ങൾ ഉന്നയിക്കുകയും വലിയ മെയിന്റനൻസ് ഓവർഹെഡുകൾ ആവശ്യപ്പെടുകയും ചെയ്തു.
താരതമ്യേന അടുത്തിടെ, OLTP ക്ലാസിന്റെ വിവര സംവിധാനങ്ങൾ വികസിപ്പിക്കുന്നതിനുള്ള ഒരു പുതിയ, മൂന്നാമത്തെ തന്ത്രം ഉപയോഗിക്കാൻ തുടങ്ങി. അതിന്റെ സാരാംശം ഇപ്രകാരമാണ്: അവ ആവർത്തിക്കപ്പെടുന്നില്ല റെഡിമെയ്ഡ് സംവിധാനങ്ങൾ, കൂടാതെ സൈറ്റിൽ നേരിട്ട് ആവശ്യമായ പ്രവർത്തനക്ഷമതയുള്ള ഒരു സിസ്റ്റം വേഗത്തിൽ നിർമ്മിക്കാനും പൂർത്തിയാക്കാനും നിങ്ങളെ അനുവദിക്കുന്ന ചില ശൂന്യതകളും സാങ്കേതിക ഉപകരണങ്ങളും തുടർന്ന്, അതേ ഉപകരണം ഉപയോഗിച്ച്, വിഷയ മേഖലയുടെ ചലനാത്മകതയ്ക്ക് അനുസൃതമായി അത് പരിഷ്ക്കരിക്കുക.

ഇടപാടുകൾ എന്നത് പൂർണ്ണമായി നടപ്പിലാക്കുന്നതോ അല്ലാത്തതോ ആയ പ്രവർത്തനങ്ങളാണ്. ഒരു ഇടപാടിനിടെ ഒരു സിസ്റ്റം തടസ്സം സംഭവിക്കുകയാണെങ്കിൽ, ഇടപാടിന് മുമ്പായി ഡാറ്റാബേസ് അതിന്റെ യഥാർത്ഥ അവസ്ഥയിലേക്ക് മടങ്ങും (റോൾബാക്ക്). പൂർത്തിയാക്കിയ എല്ലാ ഇടപാടുകളും ഇടപാട് ലോഗിൽ രേഖപ്പെടുത്തിയിട്ടുണ്ട്. ജേണലിൽ അനുബന്ധ ഇടപാട് എൻട്രി ദൃശ്യമാകുമ്പോൾ ഒരു ഇടപാട് പൂർത്തിയായതായി കണക്കാക്കുന്നു.

OLTP സാങ്കേതികവിദ്യകൾ

എന്റർപ്രൈസ് വിവര സേവനങ്ങളുടെ പ്രതിനിധികളുമായി ആശയവിനിമയം നടത്തുമ്പോൾ, വിവരങ്ങൾ ശേഖരിക്കുന്നതിനായി രൂപകൽപ്പന ചെയ്ത സാങ്കേതികവിദ്യകളുടെ കഴിവുകൾ, ഉദ്ദേശ്യം, പങ്ക് എന്നിവയിലെ വ്യത്യാസങ്ങളെക്കുറിച്ച് ഗുരുതരമായ തെറ്റിദ്ധാരണ പലപ്പോഴും നേരിടുന്നു - OLTP സിസ്റ്റങ്ങൾ (ഓൺ-ലൈൻ ട്രാൻസാക്ഷൻ പ്രോസസ്സിംഗ്), വിവര വിശകലന സാങ്കേതികവിദ്യകൾ. അതേസമയം, അവ പ്രവർത്തനത്തിൽ കാര്യമായ വ്യത്യാസമുണ്ട്, കൂടാതെ അവ ഓരോന്നും വിവര സംവിധാനത്തിലെ സ്വന്തം മേഖലയ്ക്ക് ഉത്തരവാദികളാണ്.
OLTP സിസ്റ്റം ടാസ്ക്കുകൾ- ഡാറ്റാബേസിൽ വിവരങ്ങളുടെ ദ്രുത ശേഖരണവും ഏറ്റവും ഒപ്റ്റിമൽ പ്ലേസ്‌മെന്റും അതോടൊപ്പം അതിന്റെ പൂർണ്ണതയും പ്രസക്തിയും സ്ഥിരതയും ഉറപ്പാക്കുന്നു. എന്നിരുന്നാലും, അത്തരം സംവിധാനങ്ങൾ ഏറ്റവും കാര്യക്ഷമവും വേഗതയേറിയതും മൾട്ടിഡൈമൻഷണൽ വിശകലനത്തിനും വേണ്ടി രൂപകൽപ്പന ചെയ്തിട്ടില്ല.
തീർച്ചയായും, ശേഖരിച്ച ഡാറ്റയെ അടിസ്ഥാനമാക്കി റിപ്പോർട്ടുകൾ നിർമ്മിക്കുന്നത് സാധ്യമാണ്, എന്നാൽ ഇതിന് ബിസിനസ്സ് അനലിസ്റ്റ് ഒരു ഐടി സ്പെഷ്യലിസ്റ്റുമായി നിരന്തരം ഇടപഴകുകയോ പ്രോഗ്രാമിംഗിലും കമ്പ്യൂട്ടർ സാങ്കേതികവിദ്യയിലും പ്രത്യേക പരിശീലനം നേടുകയും വേണം.
OLTP സാങ്കേതികവിദ്യയിൽ നിർമ്മിച്ച ഒരു വിവര സംവിധാനം ഉപയോഗിക്കുന്ന ഒരു റഷ്യൻ കമ്പനിയിൽ പരമ്പരാഗത തീരുമാനമെടുക്കൽ പ്രക്രിയ എങ്ങനെയായിരിക്കും?
ഈ പ്രശ്നത്തെക്കുറിച്ചുള്ള അദ്ദേഹത്തിന്റെ ധാരണയ്ക്ക് അനുസൃതമായി മാനേജർ വിവര വകുപ്പ് സ്പെഷ്യലിസ്റ്റിന് ചുമതല നൽകുന്നു. ഇൻഫർമേഷൻ ഡിപ്പാർട്ട്‌മെന്റ് സ്പെഷ്യലിസ്റ്റ്, സ്വന്തം രീതിയിൽ ചുമതല മനസ്സിലാക്കി, പ്രവർത്തന സംവിധാനത്തിലേക്ക് ഒരു അഭ്യർത്ഥന നിർമ്മിക്കുകയും ഒരു ഇലക്ട്രോണിക് റിപ്പോർട്ട് സ്വീകരിക്കുകയും മാനേജരുടെ ശ്രദ്ധയിൽപ്പെടുത്തുകയും ചെയ്യുന്നു. നിർണായക തീരുമാനങ്ങൾ എടുക്കുന്നതിനുള്ള ഈ സ്കീമിന് ഇനിപ്പറയുന്ന അവശ്യഘടകങ്ങളുണ്ട് ദോഷങ്ങൾ:
- ഒരു ചെറിയ അളവിലുള്ള ഡാറ്റ ഉപയോഗിക്കുന്നു;
ഈ പ്രക്രിയയ്ക്ക് വളരെയധികം സമയമെടുക്കും, കാരണം അഭ്യർത്ഥനകൾ തയ്യാറാക്കുന്നതും ഒരു ഇലക്ട്രോണിക് റിപ്പോർട്ട് വ്യാഖ്യാനിക്കുന്നതും മടുപ്പിക്കുന്ന പ്രവർത്തനങ്ങളാണ്, അതേസമയം മാനേജർ ഉടനടി തീരുമാനമെടുക്കേണ്ടതായി വന്നേക്കാം;
- ഡാറ്റ വ്യക്തമാക്കുന്നതിനോ മറ്റൊരു സന്ദർഭത്തിൽ ഡാറ്റ പരിഗണിക്കുന്നതിനോ ആവശ്യമെങ്കിൽ സൈക്കിളിന്റെ ആവർത്തനം ആവശ്യമാണ്, അതുപോലെ തന്നെ കൂടുതൽ ചോദ്യങ്ങൾ ഉയർന്നുവരുന്നുവെങ്കിൽ. മാത്രമല്ല, ഈ മന്ദഗതിയിലുള്ള ചക്രം ആവർത്തിക്കുകയും, ചട്ടം പോലെ, നിരവധി തവണ, ഡാറ്റ വിശകലനത്തിനായി കൂടുതൽ സമയം ചെലവഴിക്കുകയും വേണം;
ഒരു ഇൻഫർമേഷൻ ടെക്നോളജി സ്പെഷ്യലിസ്റ്റിന്റെയും മാനേജർമാരുടെയും പ്രൊഫഷണൽ പരിശീലനത്തിലും പ്രവർത്തന മേഖലകളിലും ഉള്ള വ്യത്യാസം നെഗറ്റീവ് സ്വാധീനം ചെലുത്തുന്നു. പലപ്പോഴും അവർ വ്യത്യസ്ത വിഭാഗങ്ങളിൽ ചിന്തിക്കുന്നു, തൽഫലമായി, പരസ്പരം മനസ്സിലാക്കുന്നില്ല;
ഗ്രഹണത്തിനായുള്ള ഇലക്ട്രോണിക് റിപ്പോർട്ടുകളുടെ സങ്കീർണ്ണത പോലുള്ള ഒരു ഘടകം പ്രതികൂലമായ പ്രഭാവം ചെലുത്തുന്നു. റിപ്പോർട്ടിൽ നിന്ന് താൽപ്പര്യമുള്ള നമ്പറുകൾ തിരഞ്ഞെടുക്കാൻ മാനേജർക്ക് സമയമില്ല, പ്രത്യേകിച്ചും അവയിൽ പലതും ഉണ്ടായിരിക്കാം. ഡാറ്റ തയ്യാറാക്കുന്ന ജോലി മിക്കപ്പോഴും ഇൻഫർമേഷൻ ഡിപ്പാർട്ട്‌മെന്റുകളിലെ സ്പെഷ്യലിസ്റ്റുകളിൽ പതിക്കുന്നുവെന്ന് വ്യക്തമാണ്. തൽഫലമായി, കഴിവുള്ള ഒരു സ്പെഷ്യലിസ്റ്റ് പട്ടികകൾ, ഡയഗ്രമുകൾ മുതലായവ കംപൈൽ ചെയ്യുന്നതിനുള്ള പതിവും ഫലപ്രദമല്ലാത്തതുമായ ജോലികളാൽ വ്യതിചലിക്കുന്നു, ഇത് സ്വാഭാവികമായും അവന്റെ കഴിവുകൾ മെച്ചപ്പെടുത്തുന്നതിന് കാരണമാകില്ല.
ഈ അവസ്ഥയിൽ നിന്ന് ഒരു വഴിയേ ഉള്ളൂ, "വിവരങ്ങൾ നിങ്ങളുടെ വിരൽത്തുമ്പിൽ" എന്ന പദപ്രയോഗത്തിന്റെ രൂപത്തിൽ ബിൽ ഗേറ്റ്സ് രൂപപ്പെടുത്തിയതാണ്. പ്രാരംഭ വിവരങ്ങൾ അതിന്റെ നേരിട്ടുള്ള ഉപഭോക്താവിന് ലഭ്യമായിരിക്കണം - അനലിസ്റ്റ്. ഇത് നേരിട്ട് ആക്സസ് ചെയ്യാവുന്നതാണ് (!). വിവരങ്ങൾ ശേഖരിക്കുന്നതിനും ശേഖരിക്കുന്നതിനും സംഭരിക്കുന്നതിനും പരിരക്ഷിക്കുന്നതിനും വിശകലന വിദഗ്ധർക്ക് അതിന്റെ ലഭ്യത ഉറപ്പാക്കുന്നതിനുമുള്ള ഒരു സംവിധാനം സൃഷ്ടിക്കുക എന്നതാണ് വിവര വകുപ്പ് ജീവനക്കാരുടെ ചുമതല.

പേയ്‌മെന്റുകൾ, അക്കൗണ്ടിംഗ്, റിസർവേഷനുകൾ, ബാങ്കുകൾ, സ്റ്റോക്ക് എക്സ്ചേഞ്ച് പ്രവർത്തനങ്ങൾ എന്നിവയുടെ മേഖലയാണ് ആപ്ലിക്കേഷന്റെ വ്യാപ്തി.

OLTP സംവിധാനങ്ങൾ, പ്രവർത്തനപരമായ പ്രോസസ്സിംഗ് നടപ്പിലാക്കുന്നതിനുള്ള വളരെ ഫലപ്രദമായ മാർഗ്ഗമായതിനാൽ, അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ് ജോലികൾക്ക് കാര്യമായ ഉപയോഗമില്ല. ഇനിപ്പറയുന്ന കാരണങ്ങളാൽ ഇത് സംഭവിക്കുന്നു:
1. പരമ്പരാഗത OLTP സിസ്റ്റങ്ങൾ ഉപയോഗിച്ച്, നിങ്ങൾക്ക് ഒരു അനലിറ്റിക്കൽ റിപ്പോർട്ടും ഏതെങ്കിലും സങ്കീർണ്ണതയുടെ പ്രവചനവും നിർമ്മിക്കാൻ കഴിയും, എന്നാൽ മുൻകൂട്ടി നിയന്ത്രിക്കാം. ഏത് ഘട്ടവും മാറ്റിനിർത്തിയാൽ, അന്തിമ ഉപയോക്താവിന്റെ ഏതെങ്കിലും അനിയന്ത്രിതമായ ആവശ്യകതയ്ക്ക്, ഒരു ചട്ടം പോലെ, ഡാറ്റാ ഘടനയെക്കുറിച്ചുള്ള അറിവും പ്രോഗ്രാമറുടെ ഉയർന്ന യോഗ്യതയും ആവശ്യമാണ്;
2. ഓപ്പറേറ്റിംഗ് സിസ്റ്റങ്ങൾക്ക് ആവശ്യമായ പല പ്രവർത്തനങ്ങളും അനലിറ്റിക്കൽ ടാസ്ക്കുകൾക്ക് അനാവശ്യമാണ്, അതേ സമയം സബ്ജക്ട് ഏരിയയെ പ്രതിഫലിപ്പിക്കുന്നില്ല. മിക്ക അനലിറ്റിക്കൽ പ്രശ്‌നങ്ങളും പരിഹരിക്കുന്നതിന്, വിശകലനം, പ്രവചനം, മോഡലിംഗ് എന്നിവയ്‌ക്കായി ബാഹ്യ പ്രത്യേക ഉപകരണങ്ങളുടെ ഉപയോഗം ആവശ്യമാണ്. സങ്കീർണ്ണമായ തിരഞ്ഞെടുപ്പുകളുടെയും സോർട്ടിംഗുകളുടെയും കാര്യത്തിൽ സ്വീകാര്യമായ പ്രകടനം കൈവരിക്കാൻ ഡാറ്റാബേസുകളുടെ കർക്കശമായ ഘടന അനുവദിക്കുന്നില്ല, അതിനാൽ, ഗേറ്റ്‌വേകൾ സംഘടിപ്പിക്കുന്നതിന് ധാരാളം സമയം ആവശ്യമാണ്.
3. ഇടപാട് സംവിധാനങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി, വിശകലന സംവിധാനങ്ങൾ ആവശ്യമില്ല, അതനുസരിച്ച്, ഡാറ്റയുടെ സമഗ്രത, ബാക്കപ്പ്, വീണ്ടെടുക്കൽ എന്നിവ ഉറപ്പാക്കുന്നതിനുള്ള വികസിത മാർഗങ്ങൾ നൽകുന്നില്ല. ഇത് നടപ്പിലാക്കൽ ഉപകരണങ്ങൾ സ്വയം ലളിതമാക്കാൻ മാത്രമല്ല, ആന്തരിക ഓവർഹെഡ് കുറയ്ക്കാനും അതിനാൽ, ഡാറ്റ വീണ്ടെടുക്കുമ്പോൾ പ്രകടനം മെച്ചപ്പെടുത്താനും അനുവദിക്കുന്നു.

OLTP, OLAP സിസ്റ്റങ്ങളുടെ താരതമ്യ സവിശേഷതകളെ അടിസ്ഥാനമാക്കി ഓരോ സിസ്റ്റവും ഫലപ്രദമായി പരിഹരിക്കുന്ന ടാസ്ക്കുകളുടെ ശ്രേണി നിർണ്ണയിക്കപ്പെടും.

OLTP സിസ്റ്റങ്ങളിലെ ഡാറ്റ പ്രാഥമികമായി ഇത്തരം ഇടപാടുകളെ പിന്തുണയ്ക്കുന്നതിനാണ് ക്രമീകരിച്ചിരിക്കുന്നത്:

ഒരു ക്യാഷ് രജിസ്റ്ററിൽ നിന്നോ ഒരു വെബ് സൈറ്റ് വഴിയോ നൽകിയ ഒരു ഓർഡറിന്റെ രജിസ്ട്രേഷൻ;

വെയർഹൗസിലെ അവയുടെ അളവ് ഒരു നിശ്ചിത സംഖ്യയിൽ കുറവായിരിക്കുമ്പോൾ ഘടകങ്ങൾക്കായി ഒരു ഓർഡർ നൽകൽ;

ഉൽപാദനത്തിൽ അന്തിമ ഉൽപ്പന്നത്തിന്റെ അസംബ്ലി സമയത്ത് ഘടകങ്ങൾ ട്രാക്കുചെയ്യുന്നു;

ജീവനക്കാരെക്കുറിച്ചുള്ള വിവരങ്ങളുടെ രജിസ്ട്രേഷൻ;

റസ്റ്റോറന്റ് ഉടമകൾ അല്ലെങ്കിൽ ഡ്രൈവർമാർ പോലുള്ള ലൈസൻസ് ഉടമകളുടെ ഐഡന്റിറ്റി രജിസ്റ്റർ ചെയ്യുന്നു.

താരതമ്യേന ചെറിയ അളവിലുള്ള ഡാറ്റ ആക്‌സസ് ചെയ്യുന്ന വ്യക്തിഗത ഇടപാടുകൾ വേഗത്തിൽ പൂർത്തിയാകും. ഒരേസമയം നൂറുകണക്കിന് അല്ലെങ്കിൽ ആയിരക്കണക്കിന് ഇടപാടുകൾ പ്രോസസ്സ് ചെയ്യുന്നതിനായി OLTP സിസ്റ്റങ്ങൾ രൂപകൽപ്പന ചെയ്യുകയും ഒപ്റ്റിമൈസ് ചെയ്യുകയും ചെയ്യുന്നു.

ദൈനംദിന പ്രവർത്തനങ്ങളെ പിന്തുണയ്ക്കുന്നതിന് ആവശ്യമായ ഡാറ്റ ക്യാപ്‌ചർ ചെയ്യുന്നതിൽ OLTP സിസ്റ്റങ്ങൾ മികവ് പുലർത്തുന്നു. എന്നിരുന്നാലും, മാനേജർമാർക്ക് അവരുടെ ഓർഗനൈസേഷനുകളുടെ പ്രവർത്തനം ആസൂത്രണം ചെയ്യുന്നതിനായി വിവരങ്ങൾ ഉദ്ദേശിച്ചിരിക്കുമ്പോൾ അവയിലെ ഡാറ്റ ആവശ്യമായതിനേക്കാൾ വ്യത്യസ്തമായി ക്രമീകരിച്ചിരിക്കുന്നു. മാനേജർമാർക്ക് അവരുടെ ഓർഗനൈസേഷനെയോ ഗ്രൂപ്പിനെയോ ബാധിക്കുന്ന ട്രെൻഡുകൾ വിശകലനം ചെയ്യാൻ സംഗ്രഹ വിവരങ്ങൾ ആവശ്യമാണ്.

ആധുനിക ഡാറ്റ വെയർഹൗസിംഗ് വെല്ലുവിളികൾ
നിർദ്ദിഷ്ട ആവശ്യങ്ങൾക്കായി ഡാറ്റ പങ്കിടുന്നു

പ്രവർത്തനങ്ങൾക്കായി ഉപയോഗിക്കുന്ന ഡാറ്റയും വിശകലന ആവശ്യങ്ങൾക്കായി ഉപയോഗിക്കുന്ന ഡാറ്റയും വേർതിരിക്കേണ്ടതിന്റെ ആവശ്യകതയോടെയാണ് ഡാറ്റ വെയർഹൗസ് സാങ്കേതികവിദ്യയുടെ വികസനം ആരംഭിച്ചത്. റിപ്പോർട്ടിംഗിന് ഏറ്റവും അനുയോജ്യമായ കഴിവുകൾ ശേഖരം നൽകുന്നു. കൂടാതെ, ഇടപാട്, റിപ്പോർട്ടിംഗ് ഉപയോക്താക്കളെ വേർതിരിക്കുന്നത്, അവരുടെ താൽക്കാലിക അന്വേഷണങ്ങൾ പ്രവർത്തന സംവിധാനങ്ങളുടെ കാര്യക്ഷമതയെ പ്രതികൂലമായി ബാധിക്കും, ഡാറ്റ ഇൻഫ്രാസ്ട്രക്ചർ ഉറവിടങ്ങളുടെ ഒപ്റ്റിമൽ ഉപയോഗം ഉറപ്പാക്കുന്നു.
ഡാറ്റയുടെ സമയ മൂല്യം

വെയർഹൗസുകൾ ഒരു മികച്ച റിപ്പോർട്ടിംഗ്, വിശകലന പ്ലാറ്റ്‌ഫോം ഉള്ള ഒരു ഓർഗനൈസേഷൻ നൽകുമ്പോൾ, ലഭ്യമായ ഡാറ്റയുടെ പ്രായത്തെ അടിസ്ഥാനമാക്കി തത്സമയത്ത് അത് സാധാരണയായി കുറയുന്നു. സാങ്കേതിക പരിമിതികൾ കാരണം, പാക്കറ്റ് ഡാറ്റ കൈമാറ്റം ഉപയോഗിച്ച് രാത്രിയിൽ സ്റ്റോറേജുകൾ സാധാരണയായി നിറയ്ക്കുന്നു. ഇത് ചെയ്യുന്നതിന്, മാറ്റങ്ങൾക്കായി തിരയുന്ന മുഴുവൻ ഡാറ്റാബേസും ലംബമായി വായിക്കുന്ന ഒരു ബാച്ച് പ്രോഗ്രാം ഉപയോഗിക്കുന്നു. ഈ ETL സമീപനം ഉപയോഗിച്ച് വെയർഹൗസിലേക്ക് പ്രവേശിക്കുന്ന ഡാറ്റ എല്ലായ്പ്പോഴും കാലഹരണപ്പെട്ടതാണ് (സാധാരണയായി ഒരു ദിവസം).

പ്രോസസ്സ് ചെയ്ത ഡാറ്റയുടെ അളവും അതുപോലെ തന്നെ ഡാറ്റ പ്രോസസ്സിംഗ് സിസ്റ്റങ്ങളുടെ എണ്ണവും വൈവിധ്യവും വർദ്ധിക്കുന്നതിനനുസരിച്ച്, സംഭരണം പൂരിപ്പിക്കുന്ന പ്രക്രിയയുടെ സമയവും സങ്കീർണ്ണതയും വർദ്ധിക്കുന്നു. അതേ സമയം, ആഗോളവൽക്കരണം, സിസ്റ്റങ്ങളുടെ പ്രവർത്തനത്തിന്റെ വർദ്ധിച്ചുവരുന്ന ദൈർഘ്യം, പരിമിതമായ കരാറുകൾ വില്പ്പനാനന്തര സേവനംബാച്ച് പ്രവർത്തനങ്ങൾ കുറയ്ക്കേണ്ടതിന്റെ ആവശ്യകതയിലേക്ക് നയിക്കുന്നു. കൂടുതൽ ഡാറ്റയുടെയും മത്സര സമ്മർദ്ദങ്ങളുടെയും സംയോജനം ഒരു ഐടി സ്ഥാപനത്തിന് കാര്യമായ വെല്ലുവിളികൾ സൃഷ്ടിക്കുന്നു.

ഇന്നലത്തെ ഡാറ്റയെ അടിസ്ഥാനമാക്കി എടുത്ത തീരുമാനങ്ങൾ മിക്ക സ്ഥാപനങ്ങൾക്കും തൃപ്തികരമല്ല. തത്സമയ തീരുമാനമെടുക്കുന്നതിന് തത്സമയ ഡാറ്റ ആവശ്യമാണ്, ഇത് വെയർഹൗസിനുള്ള ഡാറ്റ സംയോജനത്തിൽ പ്രത്യേക ആവശ്യങ്ങൾ ഉന്നയിക്കുന്നു.

കൂടാതെ, വെയർഹൗസിൽ നടത്തിയ അനലിറ്റിക്കൽ പ്രവർത്തനങ്ങൾ ഡാറ്റ വന്ന OLTP സിസ്റ്റത്തിലേക്ക് വീണ്ടും കൈമാറ്റം ചെയ്യണം. ഈ രീതിയിൽ, അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ് കേന്ദ്രീകൃതമാവുകയും വെയർഹൗസിലെ സംഗ്രഹിച്ച ഡാറ്റയിൽ എടുക്കുന്ന തീരുമാനങ്ങൾ ഉചിതമായ OLTP സിസ്റ്റങ്ങളിലേക്ക് മാറ്റുകയും ചെയ്യുന്നു.

ഈ പ്രവണതകൾ ഇനിപ്പറയുന്ന രീതിയിൽ സാക്ഷാത്കരിക്കപ്പെടുന്നു:
ഡാറ്റ വെയർഹൗസിനുള്ള തത്സമയ ഡാറ്റ സംയോജനം. ഓപ്പറേറ്റിംഗ് സിസ്റ്റങ്ങളിൽ നിന്ന് സ്റ്റോറേജിലേക്ക് തത്സമയം ഡാറ്റ സ്വീകരിക്കുകയും കൈമാറുകയും ചെയ്യുന്നു, ഡാറ്റ വിശകലനത്തിനായി ലഭ്യമാക്കുന്നു.
സജീവ ഡാറ്റ വെയർഹൗസ്. ബിസിനസ്സ് തീരുമാനങ്ങൾ പ്രോസസ്സ് ചെയ്യുന്നതിനും നടപ്പിലാക്കുന്നതിനുമുള്ള ബിസിനസ് ഇന്റലിജൻസ് ടൂളുകളാൽ പൂരകമായ തത്സമയ ഡാറ്റ വെയർഹൗസ്. പരിഹാരങ്ങൾ സ്വയമേവ OLTP സിസ്റ്റങ്ങളിലേക്ക് മാറ്റുന്നു. തൽഫലമായി, ഒരു അടഞ്ഞ പ്രോസസ്സിംഗ് സൈക്കിൾ രൂപപ്പെടുന്നു.

വെയർഹൗസിന്റെ തത്സമയ പ്രവർത്തനക്ഷമത കൈവരിക്കുന്നതിനുള്ള അന്വേഷണത്തിൽ, വിജയം പലപ്പോഴും വിവരങ്ങളുടെ ഗുണനിലവാരവും സമയബന്ധിതവും മെച്ചപ്പെടുത്തുന്നതിനുള്ള അവസരം നൽകുന്ന ഒരു സംയോജന ഉപകരണത്തെയും ഡാറ്റ ഏറ്റെടുക്കലിനുള്ള സമീപനത്തെയും വിവേകപൂർവ്വം തിരഞ്ഞെടുക്കുന്നതിനെ ആശ്രയിച്ചിരിക്കുന്നു.
വെയർഹൗസിനുള്ള തത്സമയ ഡാറ്റ ഇന്റഗ്രേഷൻ

തത്സമയ സംയോജനത്തെ പിന്തുണയ്‌ക്കുന്നതിന്, പ്രവർത്തന ഡാറ്റ വീണ്ടെടുക്കുന്നതിനുള്ള ബാച്ച് സമീപനം സോഴ്‌സ് സിസ്റ്റങ്ങളുടെ അവസ്ഥ തുടർച്ചയായി നിരീക്ഷിക്കുന്ന പ്രക്രിയകളാൽ മാറ്റിസ്ഥാപിക്കേണ്ടതുണ്ട്, അവ സംഭവിക്കുമ്പോൾ ഡാറ്റയിലെ മാറ്റങ്ങൾ ക്യാപ്‌ചർ ചെയ്യുകയും പരിവർത്തനം ചെയ്യുകയും തുടർന്ന് തത്സമയം വെയർഹൗസിലേക്ക് ലോഡുചെയ്യുകയും വേണം. കഴിയുന്നത്ര. തുടർച്ചയായ ഡാറ്റ ശേഖരണം ഏത് സമയ ഫ്രെയിമിലും ലാഭവും വില ഘടകങ്ങളും വിശകലനം ചെയ്യാൻ നിങ്ങളെ അനുവദിക്കുന്നു. തിരഞ്ഞെടുത്ത ഏത് ആവൃത്തിയിലും കാലതാമസമില്ലാതെ ട്രെൻഡുകൾ വിശകലനം ചെയ്യാൻ കഴിയും.

വെയർഹൗസിലേക്ക് വലിയ അളവിലുള്ള ഡാറ്റ സമാനമായി ലോഡുചെയ്യുന്നതിനുള്ള പ്രശ്നത്തിന് ETL ഒരു മികച്ച പരിഹാരമാണ്, കൂടാതെ വിപുലമായ ഡാറ്റാ പരിവർത്തന കഴിവുകളും നൽകുന്നു. എന്നിരുന്നാലും, ഡാറ്റ ലഭിക്കുമ്പോൾ ഉറവിടം പരിഷ്‌ക്കരിക്കപ്പെടുന്നില്ലെന്ന് ഉറപ്പാക്കാൻ സോഴ്‌സ് സിസ്റ്റം അപ്‌ഡേറ്റ് ചെയ്യുമ്പോൾ ETL പ്രവർത്തനങ്ങൾ സാധാരണഗതിയിൽ നടത്തുന്നു. ഇത്, OLTP സിസ്റ്റങ്ങളും സ്റ്റോറേജും തമ്മിലുള്ള പൊരുത്തക്കേടുകളിലേക്ക് നയിക്കുന്നു. തൽഫലമായി, ബിസിനസ് ഉപയോക്താക്കൾക്ക് ഡാറ്റയും ആപ്ലിക്കേഷനുകളും എല്ലായ്പ്പോഴും ലഭ്യമല്ല.

ആപ്ലിക്കേഷൻ സംയോജനത്തിനായി മുമ്പ് രൂപകൽപ്പന ചെയ്ത EAI സൊല്യൂഷനുകൾ, ഇന്ന് പലപ്പോഴും ETL സാങ്കേതികവിദ്യകളുമായി മത്സരിക്കുകയോ അല്ലെങ്കിൽ സഹവർത്തിത്വം പുലർത്തുകയോ ചെയ്യുന്നു, സംയോജനത്തിനും തത്സമയ ഡാറ്റ ഏറ്റെടുക്കലിനും ടൂളുകളെ പ്രതിനിധീകരിക്കുന്നു. EAI സൊല്യൂഷനുകൾ ഉറവിടത്തിനും ടാർഗെറ്റ് സിസ്റ്റങ്ങൾക്കുമിടയിൽ വിവരങ്ങൾ കൈമാറുന്നു, ഡാറ്റ ഡെലിവറി ഉറപ്പാക്കുന്നു, വിപുലമായ ഫ്ലോ പിന്തുണ നൽകുന്നു, പ്രധാന പരിവർത്തന ഘടകങ്ങൾ ലളിതമാക്കുന്നു.

എന്നിരുന്നാലും, EAI സാങ്കേതികവിദ്യ വോള്യങ്ങളിൽ പരിമിതികൾ ഏർപ്പെടുത്തുന്നു, കാരണം ഈ രീതിയുടെ യഥാർത്ഥ ആമുഖം ആപ്ലിക്കേഷനുകളുടെ സംയോജനമാണ് (ഡാറ്റയല്ല), കൂടാതെ ആപ്ലിക്കേഷനുകൾ സമാരംഭിക്കുകയും നിർദ്ദേശങ്ങളും സന്ദേശങ്ങളും കൈമാറുകയും ചെയ്യുക എന്നതാണ് ഇതിന്റെ സാരാംശം. എന്നിരുന്നാലും, തത്സമയം വിവരങ്ങൾ നീക്കാനും സംയോജന പ്രക്രിയയിൽ അതിന്റെ സമഗ്രത നിലനിർത്താനുമുള്ള കഴിവ് ചില സന്ദർഭങ്ങളിൽ ഓപ്പറേറ്റിംഗ് സിസ്റ്റങ്ങളും സജീവ സംഭരണവും തമ്മിലുള്ള കൈമാറ്റത്തിന് EAI സാങ്കേതികവിദ്യയെ അനുയോജ്യമാക്കുന്നു.

തത്സമയ ഡാറ്റ സംയോജനത്തിനുള്ള മറ്റൊരു സമീപനം ട്രാൻസാക്ഷൻ ഡാറ്റ മാനേജ്‌മെന്റ് (TDM) സാങ്കേതികവിദ്യയാണ്, തത്സമയം വൈവിധ്യമാർന്ന പരിതസ്ഥിതിയിൽ ഇടപാട് ഡാറ്റ സ്വീകരിക്കാനും കൈമാറാനും പരിവർത്തനം ചെയ്യാനും വിതരണം ചെയ്യാനും പരിശോധിക്കാനും രൂപകൽപ്പന ചെയ്‌തിരിക്കുന്നു. പൂർത്തിയാക്കിയ ഇടപാടുകളിൽ TDM പ്രവർത്തിക്കുന്നു: OLTP സിസ്റ്റങ്ങളിൽ നിന്ന് അവ തിരഞ്ഞെടുക്കുന്നു അടിസ്ഥാന പരിവർത്തന രീതികൾ അവ വെയർഹൗസിലേക്ക് മാറ്റുക. അതിന്റെ ആർക്കിടെക്ചർ അനുസരിച്ച്, സാങ്കേതികവിദ്യ അസമന്വിതമാണ്, പക്ഷേ ഇത് സിൻക്രണസ് സ്വഭാവം നൽകുന്നു, ഒരു സെക്കൻഡിന്റെ ഒരു അംശത്തിന്റെ കാലതാമസത്തോടെ പ്രവർത്തിക്കുന്നു, ഇടപാടിലെ ഡാറ്റയുടെ സമഗ്രത നിലനിർത്തുന്നു.

പൂർണ്ണമായ ഡാറ്റ സാമ്പിളുകളേക്കാൾ, ഡാറ്റയിലേക്കുള്ള മാറ്റങ്ങളും അപ്‌ഡേറ്റുകളും അറിയിക്കുന്നതിനാണ് EAI, TDM എന്നിവ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. ഈ സാങ്കേതികവിദ്യകൾ ഡാറ്റാ മാനിപ്പുലേഷൻ ലാംഗ്വേജ് (DML) പ്രവർത്തനങ്ങളുടെ സമഗ്രത നിലനിർത്തുന്നതിനാൽ ഉറവിട സിസ്റ്റങ്ങൾ താൽക്കാലികമായി നിർത്തേണ്ട ആവശ്യമില്ല. ഇത് ആവശ്യമായ ഡാറ്റ ചലനത്തിന്റെ അളവ് ഗണ്യമായി കുറയ്ക്കുന്നു. ETL ടൂളുകൾ പ്രാഥമികമായി ഡാറ്റയുടെ പ്രാരംഭ ലോഡിംഗിനും പരിവർത്തനത്തിനുമായി രൂപകൽപ്പന ചെയ്‌തിരിക്കുമ്പോൾ, തുടർച്ചയായ ഡാറ്റ ശേഖരണത്തിന് EAI, TDM എന്നിവ കൂടുതൽ അനുയോജ്യമാണ്.

വെയർഹൗസിനായി ഡാറ്റ ശേഖരിക്കാൻ ടിഡിഎം സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്ന കമ്പനികളുടെ എണ്ണം വർദ്ധിക്കുന്നു. ടിഡിഎം ടൂളുകൾ ഉപ-സെക്കൻഡ് ലേറ്റൻസി ഉപയോഗിച്ച് വൈവിധ്യമാർന്ന ഡാറ്റാബേസ് പരിതസ്ഥിതികളിലുടനീളം ഡാറ്റ പ്രവർത്തനങ്ങൾ ക്യാപ്‌ചർ ചെയ്യുകയും റൂട്ട് ചെയ്യുകയും വിതരണം ചെയ്യുകയും സ്ഥിരീകരിക്കുകയും ചെയ്യുന്നു.

ട്രാൻസാക്ഷൻ ലെവലിൽ മാറിയ ഡാറ്റ കൈമാറ്റം ചെയ്യുന്നത്, സിസ്റ്റത്തെ സജീവ മോഡിൽ പ്രവർത്തിക്കാനും സ്റ്റോറേജ് പൂരിപ്പിക്കുന്നതിനൊപ്പം ഒരേസമയം പ്രവർത്തനങ്ങൾ നടത്താനും അനുവദിക്കുന്നു. ഈ സാഹചര്യത്തിൽ, ബാച്ച് പ്രോസസ്സിംഗ് ഇടവേളയുടെ ആശ്രിതത്വം പൂർണ്ണമായും ഇല്ലാതാകുകയും ഓരോ ഇടപാടിന്റെയും സമഗ്രത സംരക്ഷിക്കപ്പെടുകയും ചെയ്യുന്നു.

വെയർഹൗസിന്റെയും ഒഎൽടിപിയുടെയും സംയോജനത്തിൽ, ഒന്നോ അതിലധികമോ പ്രവർത്തന സംവിധാനങ്ങളിലേക്ക് ഡാറ്റ വെയർഹൗസ് ഡാറ്റയെ അടിസ്ഥാനമാക്കിയുള്ള തീരുമാനങ്ങളുടെ ഡാറ്റ കൈമാറ്റം ചെയ്യുന്നതിനൊപ്പം ഒരേസമയം വെയർഹൗസിലേക്ക് ഇടപാട് ഡാറ്റ സ്വീകരിക്കുന്നതും കൈമാറുന്നതും ഉൾപ്പെടുന്നു. ഈ ക്ലോസ്ഡ് ലൂപ്പ് ഓപ്പറേഷൻ ടിഡിഎം ടൂളുകളും ഉറപ്പാക്കുന്നു.
ഇന്റഗ്രേഷൻ ടൂളുകളുടെ പ്രധാന സവിശേഷതകളും കഴിവുകളും

ടിഡിഎം ഇന്റഗ്രേഷൻ ടൂളുകൾക്ക് നിരവധി പ്രധാന പ്രവർത്തന സവിശേഷതകൾ ഉണ്ട്.

ഡാറ്റ ശേഖരണം

ഉറവിട ഡാറ്റാബേസിൽ ഡാറ്റ ശേഖരണ മൊഡ്യൂളുകൾ ഇൻസ്റ്റാൾ ചെയ്യുകയും പുതുതായി ലഭിച്ച എല്ലാ ഇടപാടുകളും നിരന്തരം നിരീക്ഷിക്കുകയും ചെയ്യുന്നു. ഇടപാടുകൾ പുരോഗമിക്കുമ്പോഴും സാധാരണയായി മെമ്മറിയിലായിരിക്കുമ്പോഴും ഇടപാട് ലോഗുകളിൽ നിന്ന് വലിയ അളവിലുള്ള ഡാറ്റ വായിക്കുന്നതിലൂടെ ഇത് നേടാനാകും. ഇടപാട് തലത്തിൽ ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നു, കൂടാതെ പൂർത്തിയാക്കിയ പ്രവർത്തനങ്ങൾ മാത്രമേ സ്റ്റോറേജിലേക്ക് അയയ്ക്കൂ.

ഡാറ്റ ഡെലിവറി

എല്ലാ പുതിയ ഡാറ്റയും ഡാറ്റ വെയർഹൗസിന്റെ ഇന്റർമീഡിയറ്റ് സ്റ്റോറേജ് ഏരിയയിലേക്ക് മാറ്റുന്നു, സെക്കന്റിന്റെ ഒരു ഭാഗത്തിന്റെ കാലതാമസത്തോടെ. ഇതിനർത്ഥം ഏറ്റവും കാലികമായ ഡാറ്റ എല്ലായ്‌പ്പോഴും അത്യാധുനിക ബിസിനസ് ഇന്റലിജൻസ് ടെക്‌നിക്കുകൾക്കും റിപ്പോർട്ടിംഗിനും തീരുമാനങ്ങൾ എടുക്കുന്നതിനും ലഭ്യമാണ്. ഡാറ്റയുടെ ചെറിയ സാമ്പിളുകൾ ഒരു നിശ്ചിത കാലയളവിൽ കൈമാറ്റം ചെയ്യപ്പെടുന്നതിനാൽ (പാക്കറ്റ് ട്രാൻസ്മിഷനെ അപേക്ഷിച്ച്), OLTP സിസ്റ്റത്തിലെ അധിക ലോഡ് വളരെ ചെറുതാണ്.

വൈവിധ്യം

ഡാറ്റ വെയർഹൗസ് OLTP സിസ്റ്റത്തിന്റെ അതേ ഓപ്പറേറ്റിംഗ് സിസ്റ്റത്തിലോ ഡാറ്റാബേസിലോ പ്രവർത്തിക്കണമെന്നില്ല. കൂടാതെ, നിങ്ങൾക്ക് പലരിൽ നിന്നും ഡാറ്റ ശേഖരിക്കേണ്ടിവരുമ്പോൾ പലപ്പോഴും സാഹചര്യങ്ങൾ ഉണ്ടാകാറുണ്ട് ഓപ്പറേറ്റിങ് സിസ്റ്റങ്ങൾഅടിസ്ഥാനങ്ങളും. തൽഫലമായി, ഇന്റഗ്രേഷൻ ടൂളുകൾ വൈവിധ്യമാർന്ന ഡിബിഎംഎസുകളെയും പ്ലാറ്റ്‌ഫോമുകളെയും പിന്തുണയ്ക്കണം, ഇത് ഏറ്റവും വൈവിധ്യമാർന്ന ഐടി ഇൻഫ്രാസ്ട്രക്ചറുകൾക്കുള്ള ആവശ്യകതകൾ ലളിതമാക്കുന്നു. ഈ രീതിയിൽ, ഒരു ഓർഗനൈസേഷന് കോർപ്പറേറ്റ് സ്റ്റാൻഡേർഡുകളും മുൻഗണനകളും അടിസ്ഥാനമാക്കി ഒരു പ്ലാറ്റ്ഫോം തിരഞ്ഞെടുക്കാനും അതിന്റെ പൂർത്തിയായ ഡാറ്റ സ്റ്റോറേജ് സൊല്യൂഷനിൽ കുറഞ്ഞ സ്വാധീനം ചെലുത്തി വികസിപ്പിക്കാനും കഴിയും.

ഇന്റഗ്രേഷൻ ടൂൾ ശേഖരിക്കുന്ന ഡാറ്റ ഒരു പ്ലാറ്റ്‌ഫോമിലേക്കും DBMS-സ്വതന്ത്ര ഫോർമാറ്റിലേക്കും പരിവർത്തനം ചെയ്യപ്പെടുന്നു. ഇത് വൈവിധ്യം നിലനിർത്തുകയും ഒരു ഉറവിടം അല്ലെങ്കിൽ ടാർഗെറ്റ് സിസ്റ്റം തകരാർ സംഭവിക്കുമ്പോൾ ഡാറ്റ നഷ്‌ടമോ അഴിമതിയോ ഉണ്ടാകാനുള്ള സാധ്യത ഇല്ലാതാക്കുകയും ചെയ്യുന്നു.

ഡാറ്റ തിരഞ്ഞെടുക്കൽ

സംയോജന ടൂളുകൾ സ്റ്റോറേജിൽ ആവശ്യമായ ഡാറ്റ മാത്രം കൈമാറുന്നു. ഒരു സാധാരണ OLTP സിസ്റ്റത്തിൽ, ഡാറ്റാബേസ് നൽകുന്ന ആപ്ലിക്കേഷന് മാത്രം പ്രത്യേകമായ ഫീൽഡുകൾ ഉണ്ട്. ഈ എല്ലാ പാരാമീറ്ററുകളും സ്റ്റോറേജിൽ ആവശ്യമില്ല. ഡാറ്റാബേസുകളിൽ നിന്ന് വേർതിരിച്ച് സ്റ്റോറേജിലേക്ക് മാറ്റേണ്ട കോളങ്ങളുടെ ഐഡന്റിഫിക്കേഷൻ ഇന്റഗ്രേഷൻ ടൂൾ നൽകണം.

കൂടാതെ, ഉപയോക്താവിന്റെ മാനദണ്ഡം അനുസരിച്ച്, ഉറവിട സിസ്റ്റം ഡാറ്റാബേസിൽ നിന്ന് ചില വരികൾ തിരഞ്ഞെടുക്കാവുന്നതാണ്. ഉദാഹരണത്തിന്, ഭൂമിശാസ്ത്രം അനുസരിച്ച് ഡാറ്റ വേർതിരിക്കുന്നതിനോ ടാർഗെറ്റ് വെയർഹൗസിന് പ്രത്യേകമായ ഉൽപ്പന്നങ്ങൾ തിരഞ്ഞെടുക്കുന്നതിനോ.

ഡാറ്റ പരിവർത്തനം

ഡാറ്റാ കൈമാറ്റത്തിലെ സെലക്‌ടിവിറ്റി പ്രധാനമാണ്, എന്നാൽ ടാർഗെറ്റ് സിസ്റ്റത്തെ ആശ്രയിച്ച് ഡാറ്റ രൂപാന്തരപ്പെടുത്തുക, നോർമലൈസ് ചെയ്യുക അല്ലെങ്കിൽ ഡീനോമലൈസ് ചെയ്യുക എന്നതാണ് വെല്ലുവിളി. OLTP ഡാറ്റാബേസിനും വെയർഹൗസിനും ഇടയിലുള്ള വ്യത്യസ്ത ഡാറ്റ മോഡലുകളും ഒബ്‌ജക്റ്റ് ഘടനകളും കാരണം, ഉറവിട സിസ്റ്റത്തിലെ നിരകൾ ടാർഗെറ്റ് സിസ്റ്റത്തിലെ നിരകളുമായി പൊരുത്തപ്പെടുന്നതിന് പരിവർത്തനം ചെയ്യാൻ കഴിയും. ചില സന്ദർഭങ്ങളിൽ, വ്യത്യസ്‌ത സ്രോതസ് വരികളിൽ നിന്ന് ഒരു നിരയിലേക്കും തിരിച്ചും നിരവധി നിരകൾ ലയിപ്പിക്കേണ്ടത് ആവശ്യമാണ്. സങ്കീർണ്ണമായ ഡാറ്റാ പരിവർത്തനങ്ങൾക്കായി, ഡാറ്റ വെയർഹൗസ് പൂരിപ്പിക്കുന്നതിന് ഏതെങ്കിലും ഓർഗനൈസേഷൻ-നിർദ്ദിഷ്ട നിയമങ്ങൾ നടപ്പിലാക്കാൻ ഉപയോക്തൃ പ്രോഗ്രാമിലേക്കുള്ള എക്സിറ്റ് പോയിന്റുകൾ നിർദ്ദേശിക്കപ്പെടുന്നു.

വഴക്കം

പുതിയ ഡാറ്റാബേസ് ഉറവിടങ്ങൾ വേഗത്തിലും എളുപ്പത്തിലും പ്രവർത്തനക്ഷമമാക്കാനുള്ള കഴിവ്, അല്ലെങ്കിൽ ലക്ഷ്യ സംവിധാനങ്ങൾ, ഡാറ്റ ക്യാപ്ചർ, ഡെലിവറി പ്രക്രിയകൾ ഉൾപ്പെടെ, ഒരു പ്രധാന പങ്ക് വഹിക്കുന്നു.

ഡൈനാമിക് ടേബിൾ നിർവചനം

സ്റ്റോറേജിന്റെ പ്രവർത്തനത്തെ തടസ്സപ്പെടുത്താതിരിക്കാൻ, ഡാറ്റാബേസിൽ സാധ്യമായ മാറ്റങ്ങളുമായി വേഗത്തിൽ പൊരുത്തപ്പെടാനുള്ള കഴിവോടെയാണ് ഇത് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. പുതിയ സോഫ്‌റ്റ്‌വെയർ പതിപ്പുകളുടെ വരവോടെയോ സ്‌റ്റോറേജ് കപ്പാസിറ്റി ആവശ്യകതകളിലെ മാറ്റങ്ങളിലൂടെയോ ഉറവിടത്തിന്റെയും ടാർഗെറ്റ് ടേബിളുകളുടെയും നിർവചനങ്ങൾ മാറുന്നു. പാരാമെട്രിക് ഫയലുകൾ ഉപയോഗിച്ച് ടേബിൾ സ്കീമകളുടെ ഡൈനാമിക് ക്രമീകരണം സാധ്യമാണ്. ഈ രീതിയിൽ, സോഫ്‌റ്റ്‌വെയർ അപ്‌ഗ്രേഡ് ചെയ്യാതെയോ സിസ്റ്റങ്ങൾ കാലഹരണപ്പെടാതെയോ മാറ്റങ്ങൾ വേഗത്തിൽ നടപ്പിലാക്കാൻ ഉറവിടത്തിലോ ടാർഗെറ്റ് ടേബിളിലോ മാറ്റങ്ങൾ വരുത്താം.

പ്രതികരണം

ചില വ്യവസ്ഥകളോ നിയമങ്ങളോ പാലിക്കുകയാണെങ്കിൽ, സജീവ സംഭരണം ഡാറ്റ കൈമാറുന്നു. ഒരു സങ്കീർണ്ണമായ പ്രവർത്തനത്തിൽ OLTP-യിൽ റെക്കോർഡുകൾ അപ്ഡേറ്റ് ചെയ്യുന്നത് ഉൾപ്പെട്ടേക്കാം. ഉദാഹരണത്തിന്, ഒരു തട്ടിപ്പ് കണ്ടെത്തൽ സംവിധാനത്തിന് സംശയാസ്പദമായ ഇടപാടുകൾ ഹൈലൈറ്റ് ചെയ്യാനും വോൾട്ടിലെ ഒരു ഉപയോക്താവിന്റെ അക്കൗണ്ടിന്റെ നില മാറ്റാനും കഴിയും. ഈ സ്റ്റാറ്റസ് മാറ്റം ഇന്റഗ്രേഷൻ ടൂൾ വഴി നിരീക്ഷിക്കുകയും ഉചിതമായ ഓൺലൈൻ ഇടപാട് പ്രോസസ്സിംഗ് സിസ്റ്റത്തിലേക്ക് കൈമാറുകയും ചെയ്യാം. OLTP സിസ്റ്റത്തിലേക്കുള്ള വിവരങ്ങളുടെ മടക്കം ഏതൊരു ക്ലോസ്ഡ്-ലൂപ്പ് ആപ്ലിക്കേഷനും വളരെ പ്രധാനമാണ്, അതുപോലെ തന്നെ റിപ്പോർട്ടിംഗ് പരിതസ്ഥിതി, ഡാറ്റ വെയർഹൗസുകൾ, എന്നിവയിലേക്ക് ഒരേസമയം വിവരങ്ങൾ അയയ്ക്കുന്നതിന്. ബാക്കപ്പുകൾഅല്ലെങ്കിൽ മറ്റ് ലക്ഷ്യ സംവിധാനങ്ങൾ.
സാങ്കേതികവിദ്യകൾ സംയോജിപ്പിക്കുന്നു

DW, OLTP എന്നിവ സംയോജിപ്പിക്കുന്ന ചുമതലയിൽ, TDM, ETL പ്രക്രിയകൾ സംയോജിപ്പിക്കുന്നത് സാധ്യമാണ്. തത്സമയ ഡാറ്റ പ്രോസസ്സിംഗ്, തുടർച്ചയായ ക്യാപ്‌ചർ, ഇടപാട് തലത്തിൽ ഡാറ്റ വീണ്ടെടുക്കൽ എന്നിവ ഉൾപ്പെടുന്നു. TDM ടൂളുകൾക്ക് ടാർഗെറ്റ് ഡാറ്റാബേസിന്റെ ഇന്റർമീഡിയറ്റ് സ്റ്റോറേജ് ലെയറിലേക്ക് തത്സമയം ഡാറ്റ കൈമാറാൻ കഴിയും, അവിടെ ETL സെർവർ ഡാറ്റയെ തടസ്സപ്പെടുത്തുകയും അതിൽ പരിവർത്തനങ്ങൾ പ്രയോഗിച്ചതിന് ശേഷം അത് വെയർഹൗസിലേക്ക് ലോഡ് ചെയ്യുകയും ചെയ്യും. ഈ സമീപനത്തിന് ദോഷങ്ങളുമുണ്ട് (അധിക ലേറ്റൻസിയും ഒരു ETL സെർവർ പരിപാലിക്കേണ്ടതിന്റെ ആവശ്യകതയും ഉൾപ്പെടെ), എന്നാൽ ഡാറ്റാ പരിവർത്തന ആവശ്യകതകൾ വളരെ സങ്കീർണ്ണമാണെങ്കിൽ അവ ന്യായമാണ്.

OLTP സിസ്റ്റത്തിൽ (ഒരു പരമ്പരാഗത ETL പ്രക്രിയയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ) വളരെ കുറച്ച് പ്രകടന സ്വാധീനം ഉപയോഗിച്ച് പുതിയ ഇടപാട് ഡാറ്റ ഉടനടി ക്യാപ്‌ചർ ചെയ്യപ്പെടുന്നു എന്നതാണ് നേട്ടങ്ങൾ.
തുടങ്ങിയവ.................