MOLAP es el acrónimo inglés de multi-dimensional online analytical processing, español: procesamiento analítico multidimensional en línea.

Se trata de una alternativa a la tecnología ROLAP (OLAP-Relacional). Aunque ambos tipos de herramientas están diseñadas para realizar análisis de datos a través de un modelo de datos multidimensional, MOLAP se diferencia significativamente en que requiere un preprocesamiento y almacenamiento de la información contenida en el cubo OLAP. MOLAP almacena estos datos en una matriz de almacenamiento multidimensional optimizada, más que en una base de datos relacional (o en un ROLAP).

MOLAP y ROLAP

editar

MOLAP y ROLAP.[1]

Ventajas de ROLAP

editar
  • Consultas rápidas debido a la optimización del rendimiento de almacenamiento, la indexación multidimensional y la memoria caché.
  • Ocupa menor tamaño en disco en comparación con los datos almacenados en base de datos relacional debido a técnicas de compresión.
  • Automatización del procesamiento de los datos agregados de mayor nivel.
  • Muy compacto para conjuntos de datos de pocas dimensiones.
  • El modelo de almacenamiento en vectores/matrices proporciona una indexación natural.
  • Eficaz extracción de datos lograda gracias a la pre-estructuración de los datos agregados.

Desventajas de MOLAP

editar
  • La etapa de procesamiento (carga de datos) puede ser bastante larga, sobre todo para grandes volúmenes de datos. Normalmente, esto se puede evitar con un procesamiento incremental, es decir, sólo el procesamiento de los datos que han cambiado (por lo general, los nuevos datos) en lugar de volver a procesar de todo el conjunto de datos.
  • Las herramientas MOLAP tradicionalmente tienen dificultades para consultar con modelos con dimensiones muy altas (del orden de millones de miembros).
  • Algunas herramientas MOLAP (por ejemplo, Essbase) tienen dificultades para actualizar y consultar los modelos con más de diez dimensiones. Este límite varía en función de la complejidad y la cardinalidad de las dimensiones de que se trate. También depende de la cantidad de hechos o medidas almacenados. Otras herramientas MOLAP (por ejemplo, Microsoft Análisis Services o Applix TM1) puede manejar cientos de dimensiones.
  • El enfoque MOLAP introduce redundancia en los datos.

Tendencias

editar

La mayoría de las herramientas comerciales OLAP utilizan ahora un "Híbrido OLAP" (HOLAP), que permite al diseñador del modelo decidir qué parte de los datos se almacenarán en MOLAP y qué parte en el ROLAP.

Productos

editar

Ejemplos de productos comerciales que utilizan MOLAP son Oracle OLAP, Microsoft Analysis Services, Essbase, icCube Server, Infor OLAP y IBM TM1.

También existe un servidor MOLAP con una versión en código abierto llamado PALO. También se utiliza en Microsoft SQL server en la mayoría de sus versiones.

Véase también

editar

Referencias

editar
  1. Bach Pedersen, Torben; S. Jensen, Christian (diciembre de 2001). «Multidimensional Database Technology». Distributed Systems Online (IEEE): 40-46. ISSN 0018-9162. 

📚 Artikel Terkait di Wikipedia

Academic Torrents

de mayo de 2020.  Bakshi, Kirti (18 Aug 2018). «Academic Torrents: A Distributed System For Sharing Enormous Datasets». TechLeer. Archivado desde el original

Computación distribuida

IEEE. ‘The Journal of Parallel and Distributed Computing (JPDC), ‘Distributed Computing’ e ‘Information Processing Letters’ (IPL) publican algoritmos

Per Brinch Hansen

(1999, ISBN 0-387-98683-9) Classic Operating Systems: From Batch Processing to Distributed Systems (editor, 2001, ISBN 0-387-95113-X) The Origin of Concurrent

David A. Bader

Consultado el 2 de junio de 2021.  «IEEE International Parallel & Distributed Processing Symposium». ipdps.org. Consultado el 9 de agosto de 2020.  Bader

Contenedorización (informática)

«Containerization Design for Autonomous and Controllable Cloud Distributed System». Communications, Signal Processing, and Systems. Lecture Notes in Electrical Engineering

ARPANET

Norberg, Arthur & Judy E. O'Neill. Transforming Computer Technology: Information Processing for the Pentagon, 1962-1982 (Johns Hopkins University, 1996)

Malla de datos

OCLC 1260236796.  «How to Move Beyond a Monolithic Data Lake to a Distributed Data Mesh». martinfowler.com. Consultado el 28 de enero de 2022.  Baer

Charles Bachman

"Commentary on the CODASYL Systems Committee's Interim Report on Distributed Database Technology." National Computer Conference vol. 47, 1978. 1978. "DDP Will