rolap和molap的概念跟差别_rolap_概念辩证法 概念如何理解

一、内容提要

1993年，关系型之父E.F.Codd明确定义了联机分析的概念并建立为十二条准则，他觉得用户的决策分析应该对数据进行长期计算能够受到结果，而关系型简单的查询并不能满足决策者提出的意愿。跟随这一革命性的概念，OLAP多维分析工具在十几年里渐渐成熟壮大，获得了行业的广泛认同。

润乾SOLAP是一款企业级多维分析软件，拥有完全自主的知识产权，采用了业内首创的先进数学建模，既适合对海量数据进行高性能的拖拽切片，也适合对实时数据进行即时的钻取透视。

普通的OLAP产品按照实现原理不同，大致分为MOLAP和ROLAP两类，两者各有优缺点又无法统一，使用户进入深深地纠结状态。润乾SOLAP集MOLAP和ROLAP两种分析模型于一体，具有统一的内部接口，不仅无法适应TB级的和GB级的文件数据，还可以预测钻取实时的业务数据，是结束这场纠结的绝佳选择。

二、两大阵营：MOLAP和ROLAP

多维分析派别林立，但纠其根本就会看到能分为MOLAP和ROLAP两大阵营，其他类型都是从这两类中细分下来的，差别甚微。MOLAP和ROLAP的主要差别是：分析数据是存放在中而是储存在多维文件中。

Multidimension OLAP简称MOLAP，是Arbor Software最先严格遵守Codd的定义，自行制定多维，存放联机分析平台数据，开创了多维数据存储的先河。MOLAP将OLAP分析所用到的多维数据物理上传输为多维数组的方式，形成“多维立方体(CUBE)”的结构。维的属性值被映射成多维键值的数组值或下标的范围，而汇总数据成为多维函数的值传输在子句的单元中。由于MOLAP采用了新的传输结构，从物理层实现起，因此既称为“物理OLAP”（Physical OLAP）。其结构如下图：

在MOLAP的结构中，分散在企业外部各OLTP中的数据经过提取、清洁、转换等方法后提交给多维。这些数据在被存入多维时，将按照他们所属的维进行一系列的预处理操作（计算跟合并），并把结果按一定的层次结构存入多维中。用户借助客户端应用工具的图标申请分析需求给OLAP服务器，再由OLAP服务器检索MDDB以得到结果并返回给用户。

MOLAP在多维文件中预算了长期数据，它的特点主要有：

专为olap所设计

性能好、响应速度快

支持高性能的决策支持计算

设计部署简便

Relational OLAP简称ROLAP，ROLAP将探讨用的多维数据传输在关系中，对每个针对OLAP服务器的查询，优先运用已经计算好的实视图来生成查询结果以提升查询效率。同时用作ROLAP存储器的RDBMS也对于OLAP作相应的改进，比如并行传输、并行查询、并行数据管理、基于成本的查询优化、位图索引、SQL的OLAP扩展(cube,rollup)等等。其结构如下图：

ROLAP的底层是关系型，而不是多维。用户借助客户端工具提交多维分析请求帮OLAP服务器，后者动态将这种请求转化成SQL语句执行，分析的结果经多维处理转换为多维视图返回给用户。

ROLAP基于灵活的，他的特点主要有：

可沿用旧的关系的技术

借用RDBMS存储数据，没有文件大小限制

数据实时性强

方便存储明细数据

有特点就有劣势，一方的特点正好是另一方的劣势，两者的优势如何兼顾是个令人苦恼的难题；个别厂商意识到了这个难题，已经借助收购推出了它们展现的产品，但由于是商业并购行为没有从底层创新突破rolap和molap的概念和差别，所以这类产品外观虽统一相似可用起来才会显著区别出两类产品的强制合并，在接口体验集成上都存在很大的障碍。

三、纠结：性能迅捷OR数据实时

首先纠结的是性能跟实时性。

MOLAP由于专为OLAP所设计，其数据传输结构是为了改进多维数据，预算了长期统计数据，因此在执行时无需等待，无需表关联，直接寻址，直接响应用户的查询请求。这样的结果就是MOLAP在客户体验上总是以性能迅捷闻名，非常合适领导决策类的面向领导、面向宏观的剖析。

相反地，MOLAP不能直接从取数，因此业务数据的差异不能迅速反应到MOLAP中，无法做到即时评述数据，这对一些实时性要求更强的业务就不合适了。另外在读写TB级的多维文件时MOLAP的性能优势亦不复存在，其读写性能显著降低，会明显影响客户体验。 MOLAP的性能曲线起点高，但随密度差异减少较快，在10GB之内有其王者地位。

ROLAP基于，其数据能直接来自于业务平台以及镜像的，即使是数据仓库也可以用触发器实时同步数据，因此基于的ROLAP分析的数据实时性高，非常合适对实时性要求敏感的业务种类。另外有分表，分区，集群的能力，因此对数据量的大小不敏感，TB级的经过改进后速率跟GB级的没有显著差别。ROLAP的性能曲线起点低，但随密度差异减少较慢，其性能只能在10GB之外展现出来。

相反地，ROLAP要把用户的请求最后转换为SQL语句。SQL语句本身不合适执行多维分析，其预测过程颇具了“多维请求-〉拆分成SQL->优化SQL->取数-〉整合数据-〉优化为多维结果”，因此其预测过程波折复杂，硬凑的痕迹明显，其性能大打折扣。

一种是预测性能，一种是数据实时性。前者在面向领导、面向宏观决策的剖析中用的较好，比如股票宏观预测、规划分析、航班政策分析。后者在实时性要求更强的业务中用的较差，比如股票买卖分析，预警分析，航班调度分析。

两类需求都在平台中存在的之后怎样选择？比如交通平台中，给领导看的规划分析跟给实时分析师看的交通预警分析还会存在，难道要牺牲性能使领导在慢吞吞的操作中抓耳挠腮？或者是牺牲实时性让交通分析师去敬告司机“昨天东二环堵车，请绕行通惠河北路”？----显然单选谁都不合适。

谁可解决这个冲突？怎么解决这个分歧？

四、纠结：钻取明细OR钻取立方体

其次纠结的是钻取明细跟钻取立方体（cube）

MOLAP把数据加工成能直接进行多维分析的数据，这使用户进行多维分析的之后速度大大加快，但是----用户在探讨中似乎只进行多维分析吗？答案是否定的----钻取明细就是一种和多维分析紧密相关，但更合适用关系型表现的功能。

明细指的是当前CUBE所依赖的原始聚合来源。这个来源一般是一条条的历史流水信息，比如合同订单列表、商品销售流水、日志表，这些流水信息不易于分析，因此经过汇总加工后，形成多维分析中的统计值供用户使用。用户在多维分析中观察至敏感数据后，往往希望知道这种脆弱数据的明细，这时就要做汇总明细的反操作：钻取明细。

钻取明细这类数据通常人数庞大，查询简单，又不是多维建模中的一部分，因此适合存储在ROLAP中rolap和molap的概念和差别，不合适在MOLAP中存储，勉强存储在MOLAP中只会大幅度影响分析的性能。

钻取立方体指从当前维度位置下钻一级形成新的立方体，比如用户当前察看的数据是08年按月份、东北地区按省份显示的数据，在3季度、辽宁省这个位置钻取出3季度按月，辽宁省按城镇显示的CUBE。钻取立方体有助于用户逐渐逐级的去看到敏感数据。

钻取立方体是多维建模的一部分，是原始CUBE的一种映射，对MOLAP来说从原CUBE到钻取立方体几乎没有多余的运算，效率十分高。相反对ROLAP来说，几乎等于再次建立一个多维分析，无谓的运算很多，需要耗费大量的资源。

在实际应用中它们都有用武之地，钻取明细便于用户察看统计数据的来源组成，钻取立方体便于用户层层下钻快速定位敏感数据。但它们的运行效率跟其所采取的OLAP模型紧密相关，想钻取明细快一些，就不得不采用ROLAP；想钻取立方体快一些，就不得不采取MOLAP，显然这是用户不乐意见到的。

还是那句话，谁可解决这个冲突？

五、纠结：各自为政OR统一协作

个别厂商也发现了MOLAP和ROLAP统一的很大需求，因此打造了它们都可以支持的产品，混合型OLAP----好像事情更成功，但且慢----MOLAP和ROLAP模型差别很大，底层算法完全不同，一直是相对独立的产品，两者的厂家也把握着完全不同的核心科技，融合两种模型谈何容易。

实际的融合并不顺利，用户在使用中逐渐看到：号称可支持两种模型的OLAP产品，其实也是一种商业出售及产品封装行为。

MOLAP在多维分析行业因为性能获得了比ROLAP更多的行业营收，但其产品单一，资金实力相对弱；反观ROLAP厂商仍然在OLAP领域份额不多，但一般有强力的产品为借助，资金实力强大。因此OLAP市场上就出现了戏剧性的一幕：市场营收较小的ROLAP厂商纷纷出售市场总量较大的MOLAP厂商。

仅靠收购是远远不够的，MOLAP和ROLAP毕竟在底层差异很大，必须从底层让它们完美的统一起来，简单的封装只会使客户在使用中更为纠结。

简单封装后的产品仍然入口看似统一了，但进一步操作还是常常还是应用不同的软件来定义不同的建模，展现风格也大相径庭，只能做到形似而不能神似，甚至出现过一家产品外部相互不兼容的笑话，以至于大部分客户还是只采购其中一种产品，让合并后的多维工具厂家大为尴尬。虽然采购成本略有下降，但总体工作量没有比以往少多少，两者的不兼容反而造成了平台的不稳固，让维护的工作量大幅下滑；而厂商通常对出售来的多维工具限定了对自家有更好的支持，反而使用户怀念起以往独立的多维分析软件对的低依赖性。

总之一句话：还是各自为政

。

六、结束纠结：润乾SOLAP

有没有一种多维分析软件，完全构造一种新的建模，从底层构建良好的数学预测路径，完美的统一MOLAP和ROLAP，结束这场纠结？

有，那就是在BI领域奋斗10多年，以技术创新为经营模式，拥有自主的“非线性报表”专利数学建模，缔造过润乾报表产品神化，在中国BI市场进入领头羊位置的润乾公司的SOLAP产品。

润乾SOLAP是一款企业级多维分析软件，拥有完全自主的知识产权，其特征是：适合快速建模部署，采用了先进的离散数据集物理建模，提供了建立的多维分析功能，包括拖拽、旋转、切片、切块、钻取、统计图、自定义指标等。该产品集MOLAP和ROLAP两种分析模型于一体，具有统一的外部接口和内部模型，不仅无法适应TB级的和GB级的文件数据，还可以预测钻取实时的业务数据，解决了同类产品数据量跟实时性无法兼顾的冲突。

七、离散数据集：创新科技促进应用进步

润乾SOLAP可以完美的结合ROLAP和MOLAP，源自于其运用了业界先进的“离散数据集”数学建模，该模型从底层就为统一MOLAP和ROLAP而生，专门对于海量矩阵数据做了特殊的改进，因此在容量和速率上都足以支撑企业级的预测应用。

润乾SOLAP的如下：

该产品以SOLAP引擎为核心，支持对外形式一致的4种类型的矩阵，分别是：矩阵、物理矩阵、序表矩阵、导出矩阵。用户可以使用B/S或C/S进行分析。其中矩阵即一般含义上的ROLAP、物理矩阵即一般含义上的MOLAP。两者使用同一套工具定义分析，并且对内部有一致的接口和功能，对程序员和最后用户都是透明的，用户跟程序员在使用时无须关注这两种矩阵的差别。

除了本文提到的让MOLAP和ROLAP统一协作的特征，SOLAP还带有如下特点：

纯J2EE产品架构

无需服务器的客户端应用方案

标准OLAP分析方式

多数据源的维度统一定义接口

灵活的CUBE映射机制

完善的权限管控措施

丰富的OLAP计算功能

精确的图表输出及打印模式

深度集成润乾系列产品

以上具体信息或者润乾SOLAP的其它两种矩阵：序表矩阵、导出矩阵，均可参考SOLAP技术白皮书。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-144578-1.html