Video: ODS database (Operation data Store ), Its properties and purpose explained with examples 2024
Nogle definitioner af en ODS gør det lyde som en klassisk datalager med periodiske (batch) input fra forskellige operationelle kilder til ODS, bortset fra at de nye indgange overskriver eksisterende data.
I en bank har for eksempel en ODS (ved denne definition) på ethvert tidspunkt en kontosaldo for hver kontrolkonto, takket være kontokontrolsystemet og en balance for hver opsparingskonto som angivet af opsparingskonto systemet.
De forskellige systemer sender kontosaldrene med jævne mellemrum (f.eks. I slutningen af hver dag), og en ODS-bruger kan derefter se på ét sted for at se hver bankkunders komplette profil (f.eks. Kundens grundlæggende oplysninger og balanceoplysninger for hver type konto).
En af de mere forvirrende begreber i datalagringens verden er den operationelle datalager. Ingen er virkelig enig i, hvad en ODS egentlig er.
Hvis du vil kalde et miljø som denne, skal en ODS på alle måder gå direkte. Terminologi til side er dette eksempel kun et batch-orienteret datalagringsmiljø, der gør en opdatering og erstatning på hvert stykke data der bor der (og selvfølgelig tilføjer nye data som relevant) i stedet for at holde en løbende historie om hvilke foranstaltninger der opbevares der.
Du kan nemt implementere denne såkaldte ODS, og du kan endda bruge batch-orienterede mellemværktøjsværktøjer og -tjenester samt rapporterings- og OLAP-værktøjer.
En anden version af en ODS er lidt mere arkitektonisk udfordrende. Det bruger en end-to-end tilgang, der kræver lageraktiverede applikationer (fordi du ved, at de vil levere data til et datalager). Lagerstyrede applikationer understøtter en push- eller pull-arkitektur og gør det muligt at opdatere en informationsdatabase i realtid (eller i nærheden af realtid).
Selv om forudsætningen for at nedbryde applikations- og systembarrierer er meget i samspil med hvad du gør med et datalager, har du et stort problem: Tempoet i opdateringer i dit oplysnings- og analysemiljø er meget for langsomt, hvis du bruger klassisk datalagring og dets batch-orienterede processer til udtrækning og flytning af data.
Glem terminologi og buzzwords. Fokus i stedet på de arkitektoniske og tidsorienterede forskelle mellem ODS.
