SlideShare une entreprise Scribd logo
1  sur  19
Télécharger pour lire hors ligne
Mobile OLAP
Optimierungen mittels
Ad-hoc Netzwerken
Seminar Business Intelligence

Institut für Produktion, Wirtschaftsinformatik und
Operations Research, FU Berlin
Christian Becker Samstag, 18.06.2005
Überblick

 • Einführung: Data Warehousing / OLAP
 • Traditionelle Client/Server OLAP-Architektur
 • Mobile Geräte und OLAP
    – Vorteile und Einschränkungen
    – Optimierungsansätze durch Ausnutzung der
      Eigenschaften mobiler Geräte
 • Ziele der Seminararbeit
 • Ausblick




              Christian Becker
 18.06.2005                                       2
Data Warehousing / OLAP

 • Data Warehousing
    – Datensammlung zur Entscheidungsunterstützung
    – Fokus auf Geschäftsprozesse (z.B. Verkäufe)
    – Aus vielen Quellen zusammengestellt
    – Hohe Anzahl von Einträgen
    – Betrachtung auf lange Sicht

 • Online Analytical Processing (OLAP)
   – Werkzeuge, die schnelle multidimensionale
     Datenbankabfragen (i.d.R. auf Data Warehouses)
     ermöglichen

              Christian Becker
 18.06.2005                                           3
Relational -> Dimensional

 t       Standort                    Produkt   Umsatz

 1       Berlin                      1         500

 2       Berlin                      2         600

 2       München                     1         500

 3       Berlin                      1         700

 3       München                     2         700

 3       Berlin                      2         700

                  Christian Becker
 18.06.2005                                             4
Relational -> Dimensional

   t    Standort       Produkt Umsatz

   1 Berlin            1              500
   ……                  …              …




                                             Standort
                                            t
                                                        Produkt

                   Christian Becker
 18.06.2005                                                       5
OLAP / Data Warehousing: Abfragen

   • Abfagen mithilfe von Aggregationsfunktionen
      – MIN, MAX, AVG, SUM, COUNT ...
              Standort
                         t




                             Produkt


   • „Alle Umsätze in t2“
   • „Durchschnittlicher Umsatz in Berlin von t1 bis t3“
   • „Anzahl der Nutzer von Produkt A“

                              Christian Becker
 18.06.2005                                           6
Traditionelle OLAP-Architektur




              Christian Becker
 18.06.2005                      7
Mobile Clients in der traditionellen Architektur




                         Workstation       Workstation
                                                                Mobile Client




                     A
                                                                Mobile Client
       OLAP Server
                                        Wireless Access Point
                                                                   Q
                                                                Mobile Client


                            Internet


                                                                Mobile Client
                                               UMTS
                     Christian Becker
 18.06.2005                                                                     8
Mobilität

 • Vorteile
    – Zugriff von überall aus möglich
    – Schnelle Entscheidungsfähigkeit zu jeder Zeit
 • Einschränkungen
    – Bandbreite, Übertragungskosten
    – Längere Übertragungs- und Abfragedauer
      (langsamere Netze, geringere Rechenleistung)
    – Visualisierung der Ergebnisse
    – Batterielaufzeit
 • Abfragen zum Server sind aufwändig!
 • Müssen alle Abfragen zum Server laufen?

              Christian Becker
 18.06.2005                                           9
Müssen bei OLAP alle Daten zum Server laufen?

 • Daten im Data Warehouse haben historischen
   Charakter
    – Keine nachträglichen Änderungen
    – Lange Updatezyklen (z.B. vierteljährlich)
 • Datenbanken sind groß, mobile Speicherkapazität
   kann jedoch mithalten!
 • Fazit: Caching ist möglich!

 • Subcubes können voneinander abgeleitet werden!




              Christian Becker
 18.06.2005                                          10
Ableitung von Subcubes



              PT
                                           PST


                                      PS   PT     ST
                                 ST

                                      P     S     T
      PS
              Standort




                                           alle
              t




                     Produkt


                  Christian Becker
 18.06.2005                                            11
OLAP auf mobilen Geräten - genauer betrachtet

 • Mobile Geräte
   – Sind pausenlos eingeschaltet
   – Werden aber nur sporadisch genutzt
   – Sind schon angeschafft
   – Unterstützen WLAN-Technologien
   – Sind günstige Massenware (vgl. Server)

 • Somit:
    – Kostenlose Rechenpower – wenn auch beschränkt.
      Batterie muss berücksichtigt werden.
    – Kostenlose Ad-hoc Netzwerke!
       • -> Peer To Peer OLAP!

              Christian Becker
 18.06.2005                                        12
Ad-hoc Netzwerke: Peer to Peer OLAP

 • Grundidee
   – Ein Client benötigt ein bestimmtes Subset des Data
     Cubes
   – Bevor er sich mit dem Server verbindet, fragt er die
     Geräte in seiner Umgebung
   – Verfügt ein Peer über das gewünschte Subset oder
     ein Subset, aus dem das gewünschte Subset
     abgeleitet werden kann, so übermittelt er es
   – Wenn dies klappt, wird die Serveranfrage
     eingespart



               Christian Becker
 18.06.2005                                             13
Ad-hoc Netzwerke: Peer to Peer OLAP




                  Internet

                                     UMTS                         T?
                                                                  T
    OLAP Server

                                                              Mobile Client




                                 PT

                             Mobile Client
                                                             Mobile Client



                                             Mobile Client



                  Christian Becker
 18.06.2005                                                                   14
Welche Node, welches Subset?

 • Parameter der Abfrage
      – Bei wem entstehen welche Kosten?
         • CPU-Auslastung
         • Batterieverbrauch
         • Bandbreite
      – Wie schnell läuft die Abfrage?
         • Anzahl der Hops, Verbindungsqualität, CPU-
           Auslastung der Nodes


 • Gesucht: Cost Model
      – Input: Subset S wird benötigt, Umgebungsdaten
      – Output: Node N nach Subset T fragen

                 Christian Becker
 18.06.2005                                             15
Reality Check

 • Büro
    – Viele Mitarbeiter, Zugriff auf gleiche Cubes
    – Ad-hoc OLAP spart Ressourcen des regulären
      Firmennetzes

 • Manager unterwegs
   – Reisen in Gruppen
   – Ad-hoc OLAP beschleunigt Abfragen während der
     Reise und beim Kunden




                Christian Becker
 18.06.2005                                          16
Ad-hoc Netzwerke: Peer to Peer OLAP



                     Übertragung
                     Dauer: 2,5 Sekunden
                                    ST
              S
                                            T
                     Verbrauch: 1 Batterieeinheit
                         PT


                     AggregationP                                  PST
      PT
                     Dauer: 1 Sekunde
                     T
                                                          PT
                     Verbrauch: 1 Batterieeinheit

                     Score: 95
                  S?  S
                                            PT        P
                                                               S
                                                 ST
                                                 ST
                         Christian Becker
 18.06.2005                                                              17
Ad-hoc Netzwerke: Peer to Peer OLAP



              S
                                                  ST
                           Übertragung
              S
                                                            T
                           Dauer: 5 Sekunden
                               PT

                           Verbrauch: 1 Batterieeinheit                       PST
      PT                                      P
                       T
                           Aggregation                               PT

                           Nicht notwendig
                           Score: 92
                  S?
                                                       PT        P
                                                                          S




                                                            ST
                           Christian Becker
 18.06.2005                                                                         18
Ziele und Ausblick

 • Ziele der Seminararbeit
    – Formale Beschreibung des Problems
    – Bestimmung der zugrunde liegenden Parameter
 • Ausblick
    – Experimente mit ns2
    – Hierarchien
    – Kombination mehrerer Teilantworten
    – Szenario ohne Server
    – Weitere multidimensionale Szenarien

 • Fragen?

              Christian Becker
 18.06.2005                                         19

Contenu connexe

En vedette (18)

Unidad 3
Unidad 3Unidad 3
Unidad 3
 
Curso del ABPMP Capítulo Panamá - Febrero 2015
Curso del ABPMP Capítulo Panamá - Febrero 2015Curso del ABPMP Capítulo Panamá - Febrero 2015
Curso del ABPMP Capítulo Panamá - Febrero 2015
 
Facebook Developer Garage Hamburg_Dr. Stefan Freytag
Facebook Developer Garage Hamburg_Dr. Stefan FreytagFacebook Developer Garage Hamburg_Dr. Stefan Freytag
Facebook Developer Garage Hamburg_Dr. Stefan Freytag
 
Präsentation zum Info-Abend der Gesamtschule Oppum
Präsentation zum Info-Abend der Gesamtschule OppumPräsentation zum Info-Abend der Gesamtschule Oppum
Präsentation zum Info-Abend der Gesamtschule Oppum
 
Lectura tarea para segunda sesión
Lectura tarea para segunda sesiónLectura tarea para segunda sesión
Lectura tarea para segunda sesión
 
Web 2.0 für Unternehmen
Web 2.0 für UnternehmenWeb 2.0 für Unternehmen
Web 2.0 für Unternehmen
 
Practica 14
Practica 14Practica 14
Practica 14
 
160614_KV_8Seiter_Online_LR
160614_KV_8Seiter_Online_LR160614_KV_8Seiter_Online_LR
160614_KV_8Seiter_Online_LR
 
Carpata Society
Carpata SocietyCarpata Society
Carpata Society
 
El baloncesto
El baloncestoEl baloncesto
El baloncesto
 
Practica 1
Practica 1Practica 1
Practica 1
 
Tecnicas de archivo
Tecnicas de archivoTecnicas de archivo
Tecnicas de archivo
 
Social Media Recruiting OWL - Kick Off des Modellprojektes
Social Media Recruiting OWL - Kick Off des ModellprojektesSocial Media Recruiting OWL - Kick Off des Modellprojektes
Social Media Recruiting OWL - Kick Off des Modellprojektes
 
Schlichtungsverfahren im Rahmen der Behindertengleichstellung
Schlichtungsverfahren im Rahmen der BehindertengleichstellungSchlichtungsverfahren im Rahmen der Behindertengleichstellung
Schlichtungsverfahren im Rahmen der Behindertengleichstellung
 
Cuestionario
CuestionarioCuestionario
Cuestionario
 
Networking
NetworkingNetworking
Networking
 
Tarea de compu del tema 1.2 al 1.2.4
Tarea de compu del tema 1.2 al 1.2.4Tarea de compu del tema 1.2 al 1.2.4
Tarea de compu del tema 1.2 al 1.2.4
 
Social Media - Quo Vadis
Social Media - Quo VadisSocial Media - Quo Vadis
Social Media - Quo Vadis
 

Similaire à Mobile OLAP Optimierungen mittels Ad-hoc Netzwerken

Cloud-Native experience mit einer Container-Plattform im eigenen Rechenzentrum
Cloud-Native experience mit einer Container-Plattform im eigenen RechenzentrumCloud-Native experience mit einer Container-Plattform im eigenen Rechenzentrum
Cloud-Native experience mit einer Container-Plattform im eigenen RechenzentrumTEC Campus
 
Fujitsu Storage Days 2017 - Rudolf Klassen - "Erfahrungsbericht ETERNUS DX200...
Fujitsu Storage Days 2017 - Rudolf Klassen - "Erfahrungsbericht ETERNUS DX200...Fujitsu Storage Days 2017 - Rudolf Klassen - "Erfahrungsbericht ETERNUS DX200...
Fujitsu Storage Days 2017 - Rudolf Klassen - "Erfahrungsbericht ETERNUS DX200...Fujitsu Central Europe
 
Birgit Teubenbacher (ÖBB DLG)
Birgit Teubenbacher (ÖBB DLG)Birgit Teubenbacher (ÖBB DLG)
Birgit Teubenbacher (ÖBB DLG)Praxistage
 
Seit 10 Jahren mit Python: Quantax, ein Risk-Management-System für Banken
Seit 10 Jahren mit Python: Quantax, ein Risk-Management-System für Banken Seit 10 Jahren mit Python: Quantax, ein Risk-Management-System für Banken
Seit 10 Jahren mit Python: Quantax, ein Risk-Management-System für Banken Martin Gfeller
 
AdminCamp 14 - IBM Connections Deep Dive
AdminCamp 14 - IBM Connections Deep DiveAdminCamp 14 - IBM Connections Deep Dive
AdminCamp 14 - IBM Connections Deep DiveKlaus Bild
 
Modern Lightweight Enterprise Architectures mit Java
Modern Lightweight Enterprise Architectures mit JavaModern Lightweight Enterprise Architectures mit Java
Modern Lightweight Enterprise Architectures mit JavaOPEN KNOWLEDGE GmbH
 
Kaps - Es muss nicht immer Kubernetes sein
Kaps - Es muss nicht immer Kubernetes seinKaps - Es muss nicht immer Kubernetes sein
Kaps - Es muss nicht immer Kubernetes seinStephan Kaps
 
Die gute IT-Ausschreibung aus Anwendersicht
Die gute IT-Ausschreibung aus AnwendersichtDie gute IT-Ausschreibung aus Anwendersicht
Die gute IT-Ausschreibung aus AnwendersichtChristophGraf9
 
Data Is The New Oil
Data Is The New OilData Is The New Oil
Data Is The New OilParStream
 
Klimaschutzmaßnahmen in der Kältetechnik (Dipl.-Ing. Thomas Bader, tebeg)
Klimaschutzmaßnahmen in der Kältetechnik (Dipl.-Ing. Thomas Bader, tebeg)Klimaschutzmaßnahmen in der Kältetechnik (Dipl.-Ing. Thomas Bader, tebeg)
Klimaschutzmaßnahmen in der Kältetechnik (Dipl.-Ing. Thomas Bader, tebeg)co2online gem. GmbH
 
Betriebsdatenerfassung einer Dimplex Wärmepumpe vom Typ LA 40TU
Betriebsdatenerfassung einer Dimplex Wärmepumpe vom Typ LA 40TUBetriebsdatenerfassung einer Dimplex Wärmepumpe vom Typ LA 40TU
Betriebsdatenerfassung einer Dimplex Wärmepumpe vom Typ LA 40TUJohannes Kinzig
 
KIWIGRID ‐ Internet of Devices. Dr. Carsten Bether, KIWIGRID, Dresden
KIWIGRID ‐ Internet of Devices. Dr. Carsten Bether, KIWIGRID, DresdenKIWIGRID ‐ Internet of Devices. Dr. Carsten Bether, KIWIGRID, Dresden
KIWIGRID ‐ Internet of Devices. Dr. Carsten Bether, KIWIGRID, DresdenLeiter AK Software - Dr. Schönefeld
 
Neo4j Use Cases - Graphdatenbanken im Einsatz
Neo4j Use Cases - Graphdatenbanken im EinsatzNeo4j Use Cases - Graphdatenbanken im Einsatz
Neo4j Use Cases - Graphdatenbanken im EinsatzNeo4j
 
Public Cloud Erfahrungsbericht SBB
Public Cloud Erfahrungsbericht SBBPublic Cloud Erfahrungsbericht SBB
Public Cloud Erfahrungsbericht SBBBATbern
 
Selbstbedienung bei FME Server Apps
Selbstbedienung bei FME Server AppsSelbstbedienung bei FME Server Apps
Selbstbedienung bei FME Server AppsSafe Software
 
openstack Übersicht @GPN15
openstack Übersicht @GPN15openstack Übersicht @GPN15
openstack Übersicht @GPN15m1no
 
Power point stadtwerke cottbus w.will 16 9
Power point stadtwerke cottbus w.will 16 9Power point stadtwerke cottbus w.will 16 9
Power point stadtwerke cottbus w.will 16 9Cloud-EcoSystem
 

Similaire à Mobile OLAP Optimierungen mittels Ad-hoc Netzwerken (20)

Cloud-Native experience mit einer Container-Plattform im eigenen Rechenzentrum
Cloud-Native experience mit einer Container-Plattform im eigenen RechenzentrumCloud-Native experience mit einer Container-Plattform im eigenen Rechenzentrum
Cloud-Native experience mit einer Container-Plattform im eigenen Rechenzentrum
 
Fujitsu Storage Days 2017 - Rudolf Klassen - "Erfahrungsbericht ETERNUS DX200...
Fujitsu Storage Days 2017 - Rudolf Klassen - "Erfahrungsbericht ETERNUS DX200...Fujitsu Storage Days 2017 - Rudolf Klassen - "Erfahrungsbericht ETERNUS DX200...
Fujitsu Storage Days 2017 - Rudolf Klassen - "Erfahrungsbericht ETERNUS DX200...
 
Birgit Teubenbacher (ÖBB DLG)
Birgit Teubenbacher (ÖBB DLG)Birgit Teubenbacher (ÖBB DLG)
Birgit Teubenbacher (ÖBB DLG)
 
Seit 10 Jahren mit Python: Quantax, ein Risk-Management-System für Banken
Seit 10 Jahren mit Python: Quantax, ein Risk-Management-System für Banken Seit 10 Jahren mit Python: Quantax, ein Risk-Management-System für Banken
Seit 10 Jahren mit Python: Quantax, ein Risk-Management-System für Banken
 
AdminCamp 14 - IBM Connections Deep Dive
AdminCamp 14 - IBM Connections Deep DiveAdminCamp 14 - IBM Connections Deep Dive
AdminCamp 14 - IBM Connections Deep Dive
 
Modern Lightweight Enterprise Architectures mit Java
Modern Lightweight Enterprise Architectures mit JavaModern Lightweight Enterprise Architectures mit Java
Modern Lightweight Enterprise Architectures mit Java
 
Kaps - Es muss nicht immer Kubernetes sein
Kaps - Es muss nicht immer Kubernetes seinKaps - Es muss nicht immer Kubernetes sein
Kaps - Es muss nicht immer Kubernetes sein
 
Die gute IT-Ausschreibung aus Anwendersicht
Die gute IT-Ausschreibung aus AnwendersichtDie gute IT-Ausschreibung aus Anwendersicht
Die gute IT-Ausschreibung aus Anwendersicht
 
openExperts Talk - Kunden an die Macht
openExperts Talk - Kunden an die MachtopenExperts Talk - Kunden an die Macht
openExperts Talk - Kunden an die Macht
 
Data Is The New Oil
Data Is The New OilData Is The New Oil
Data Is The New Oil
 
Klimaschutzmaßnahmen in der Kältetechnik (Dipl.-Ing. Thomas Bader, tebeg)
Klimaschutzmaßnahmen in der Kältetechnik (Dipl.-Ing. Thomas Bader, tebeg)Klimaschutzmaßnahmen in der Kältetechnik (Dipl.-Ing. Thomas Bader, tebeg)
Klimaschutzmaßnahmen in der Kältetechnik (Dipl.-Ing. Thomas Bader, tebeg)
 
Betriebsdatenerfassung einer Dimplex Wärmepumpe vom Typ LA 40TU
Betriebsdatenerfassung einer Dimplex Wärmepumpe vom Typ LA 40TUBetriebsdatenerfassung einer Dimplex Wärmepumpe vom Typ LA 40TU
Betriebsdatenerfassung einer Dimplex Wärmepumpe vom Typ LA 40TU
 
Vortrag linux tag
Vortrag linux tagVortrag linux tag
Vortrag linux tag
 
KIWIGRID ‐ Internet of Devices. Dr. Carsten Bether, KIWIGRID, Dresden
KIWIGRID ‐ Internet of Devices. Dr. Carsten Bether, KIWIGRID, DresdenKIWIGRID ‐ Internet of Devices. Dr. Carsten Bether, KIWIGRID, Dresden
KIWIGRID ‐ Internet of Devices. Dr. Carsten Bether, KIWIGRID, Dresden
 
Neo4j Use Cases - Graphdatenbanken im Einsatz
Neo4j Use Cases - Graphdatenbanken im EinsatzNeo4j Use Cases - Graphdatenbanken im Einsatz
Neo4j Use Cases - Graphdatenbanken im Einsatz
 
Public Cloud Erfahrungsbericht SBB
Public Cloud Erfahrungsbericht SBBPublic Cloud Erfahrungsbericht SBB
Public Cloud Erfahrungsbericht SBB
 
Selbstbedienung bei FME Server Apps
Selbstbedienung bei FME Server AppsSelbstbedienung bei FME Server Apps
Selbstbedienung bei FME Server Apps
 
openstack Übersicht @GPN15
openstack Übersicht @GPN15openstack Übersicht @GPN15
openstack Übersicht @GPN15
 
Power point stadtwerke cottbus w.will 16 9
Power point stadtwerke cottbus w.will 16 9Power point stadtwerke cottbus w.will 16 9
Power point stadtwerke cottbus w.will 16 9
 
Nefos: Nefos Mobile iPad App
Nefos: Nefos Mobile iPad AppNefos: Nefos Mobile iPad App
Nefos: Nefos Mobile iPad App
 

Plus de christianhbecker

Linking Spatial Data From The Web
Linking Spatial Data From The WebLinking Spatial Data From The Web
Linking Spatial Data From The Webchristianhbecker
 
DBpedia - Un hub de liens dans le web des données
DBpedia - Un hub de liens dans le web des donnéesDBpedia - Un hub de liens dans le web des données
DBpedia - Un hub de liens dans le web des donnéeschristianhbecker
 
DBpedia Mobile: A Location-Enabled Linked Data Browser
DBpedia Mobile: A Location-Enabled Linked Data BrowserDBpedia Mobile: A Location-Enabled Linked Data Browser
DBpedia Mobile: A Location-Enabled Linked Data Browserchristianhbecker
 
Möglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRL
Möglichkeiten und  Grenzen der  IFRS-Finanzberichterstattung via  XBRLMöglichkeiten und  Grenzen der  IFRS-Finanzberichterstattung via  XBRL
Möglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRLchristianhbecker
 
Informationsasymmetrien und Moral Hazard - Kreditrationierung
Informationsasymmetrien und Moral Hazard - KreditrationierungInformationsasymmetrien und Moral Hazard - Kreditrationierung
Informationsasymmetrien und Moral Hazard - Kreditrationierungchristianhbecker
 
Möglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRL
Möglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRLMöglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRL
Möglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRLchristianhbecker
 

Plus de christianhbecker (7)

Linking Spatial Data From The Web
Linking Spatial Data From The WebLinking Spatial Data From The Web
Linking Spatial Data From The Web
 
DBpedia - Un hub de liens dans le web des données
DBpedia - Un hub de liens dans le web des donnéesDBpedia - Un hub de liens dans le web des données
DBpedia - Un hub de liens dans le web des données
 
DBpedia Linker
DBpedia LinkerDBpedia Linker
DBpedia Linker
 
DBpedia Mobile: A Location-Enabled Linked Data Browser
DBpedia Mobile: A Location-Enabled Linked Data BrowserDBpedia Mobile: A Location-Enabled Linked Data Browser
DBpedia Mobile: A Location-Enabled Linked Data Browser
 
Möglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRL
Möglichkeiten und  Grenzen der  IFRS-Finanzberichterstattung via  XBRLMöglichkeiten und  Grenzen der  IFRS-Finanzberichterstattung via  XBRL
Möglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRL
 
Informationsasymmetrien und Moral Hazard - Kreditrationierung
Informationsasymmetrien und Moral Hazard - KreditrationierungInformationsasymmetrien und Moral Hazard - Kreditrationierung
Informationsasymmetrien und Moral Hazard - Kreditrationierung
 
Möglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRL
Möglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRLMöglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRL
Möglichkeiten und Grenzen der IFRS-Finanzberichterstattung via XBRL
 

Mobile OLAP Optimierungen mittels Ad-hoc Netzwerken

  • 1. Mobile OLAP Optimierungen mittels Ad-hoc Netzwerken Seminar Business Intelligence Institut für Produktion, Wirtschaftsinformatik und Operations Research, FU Berlin Christian Becker Samstag, 18.06.2005
  • 2. Überblick • Einführung: Data Warehousing / OLAP • Traditionelle Client/Server OLAP-Architektur • Mobile Geräte und OLAP – Vorteile und Einschränkungen – Optimierungsansätze durch Ausnutzung der Eigenschaften mobiler Geräte • Ziele der Seminararbeit • Ausblick Christian Becker 18.06.2005 2
  • 3. Data Warehousing / OLAP • Data Warehousing – Datensammlung zur Entscheidungsunterstützung – Fokus auf Geschäftsprozesse (z.B. Verkäufe) – Aus vielen Quellen zusammengestellt – Hohe Anzahl von Einträgen – Betrachtung auf lange Sicht • Online Analytical Processing (OLAP) – Werkzeuge, die schnelle multidimensionale Datenbankabfragen (i.d.R. auf Data Warehouses) ermöglichen Christian Becker 18.06.2005 3
  • 4. Relational -> Dimensional t Standort Produkt Umsatz 1 Berlin 1 500 2 Berlin 2 600 2 München 1 500 3 Berlin 1 700 3 München 2 700 3 Berlin 2 700 Christian Becker 18.06.2005 4
  • 5. Relational -> Dimensional t Standort Produkt Umsatz 1 Berlin 1 500 …… … … Standort t Produkt Christian Becker 18.06.2005 5
  • 6. OLAP / Data Warehousing: Abfragen • Abfagen mithilfe von Aggregationsfunktionen – MIN, MAX, AVG, SUM, COUNT ... Standort t Produkt • „Alle Umsätze in t2“ • „Durchschnittlicher Umsatz in Berlin von t1 bis t3“ • „Anzahl der Nutzer von Produkt A“ Christian Becker 18.06.2005 6
  • 7. Traditionelle OLAP-Architektur Christian Becker 18.06.2005 7
  • 8. Mobile Clients in der traditionellen Architektur Workstation Workstation Mobile Client A Mobile Client OLAP Server Wireless Access Point Q Mobile Client Internet Mobile Client UMTS Christian Becker 18.06.2005 8
  • 9. Mobilität • Vorteile – Zugriff von überall aus möglich – Schnelle Entscheidungsfähigkeit zu jeder Zeit • Einschränkungen – Bandbreite, Übertragungskosten – Längere Übertragungs- und Abfragedauer (langsamere Netze, geringere Rechenleistung) – Visualisierung der Ergebnisse – Batterielaufzeit • Abfragen zum Server sind aufwändig! • Müssen alle Abfragen zum Server laufen? Christian Becker 18.06.2005 9
  • 10. Müssen bei OLAP alle Daten zum Server laufen? • Daten im Data Warehouse haben historischen Charakter – Keine nachträglichen Änderungen – Lange Updatezyklen (z.B. vierteljährlich) • Datenbanken sind groß, mobile Speicherkapazität kann jedoch mithalten! • Fazit: Caching ist möglich! • Subcubes können voneinander abgeleitet werden! Christian Becker 18.06.2005 10
  • 11. Ableitung von Subcubes PT PST PS PT ST ST P S T PS Standort alle t Produkt Christian Becker 18.06.2005 11
  • 12. OLAP auf mobilen Geräten - genauer betrachtet • Mobile Geräte – Sind pausenlos eingeschaltet – Werden aber nur sporadisch genutzt – Sind schon angeschafft – Unterstützen WLAN-Technologien – Sind günstige Massenware (vgl. Server) • Somit: – Kostenlose Rechenpower – wenn auch beschränkt. Batterie muss berücksichtigt werden. – Kostenlose Ad-hoc Netzwerke! • -> Peer To Peer OLAP! Christian Becker 18.06.2005 12
  • 13. Ad-hoc Netzwerke: Peer to Peer OLAP • Grundidee – Ein Client benötigt ein bestimmtes Subset des Data Cubes – Bevor er sich mit dem Server verbindet, fragt er die Geräte in seiner Umgebung – Verfügt ein Peer über das gewünschte Subset oder ein Subset, aus dem das gewünschte Subset abgeleitet werden kann, so übermittelt er es – Wenn dies klappt, wird die Serveranfrage eingespart Christian Becker 18.06.2005 13
  • 14. Ad-hoc Netzwerke: Peer to Peer OLAP Internet UMTS T? T OLAP Server Mobile Client PT Mobile Client Mobile Client Mobile Client Christian Becker 18.06.2005 14
  • 15. Welche Node, welches Subset? • Parameter der Abfrage – Bei wem entstehen welche Kosten? • CPU-Auslastung • Batterieverbrauch • Bandbreite – Wie schnell läuft die Abfrage? • Anzahl der Hops, Verbindungsqualität, CPU- Auslastung der Nodes • Gesucht: Cost Model – Input: Subset S wird benötigt, Umgebungsdaten – Output: Node N nach Subset T fragen Christian Becker 18.06.2005 15
  • 16. Reality Check • Büro – Viele Mitarbeiter, Zugriff auf gleiche Cubes – Ad-hoc OLAP spart Ressourcen des regulären Firmennetzes • Manager unterwegs – Reisen in Gruppen – Ad-hoc OLAP beschleunigt Abfragen während der Reise und beim Kunden Christian Becker 18.06.2005 16
  • 17. Ad-hoc Netzwerke: Peer to Peer OLAP Übertragung Dauer: 2,5 Sekunden ST S T Verbrauch: 1 Batterieeinheit PT AggregationP PST PT Dauer: 1 Sekunde T PT Verbrauch: 1 Batterieeinheit Score: 95 S? S PT P S ST ST Christian Becker 18.06.2005 17
  • 18. Ad-hoc Netzwerke: Peer to Peer OLAP S ST Übertragung S T Dauer: 5 Sekunden PT Verbrauch: 1 Batterieeinheit PST PT P T Aggregation PT Nicht notwendig Score: 92 S? PT P S ST Christian Becker 18.06.2005 18
  • 19. Ziele und Ausblick • Ziele der Seminararbeit – Formale Beschreibung des Problems – Bestimmung der zugrunde liegenden Parameter • Ausblick – Experimente mit ns2 – Hierarchien – Kombination mehrerer Teilantworten – Szenario ohne Server – Weitere multidimensionale Szenarien • Fragen? Christian Becker 18.06.2005 19