FineDirect引擎底层搭配选型建议

编辑
文档创建者:howie (66764 )     浏览次数:1046次     编辑次数:3次     最近更新:doreen0813 于 2017-06-29     

目录:

1.描述编辑

企业在单独使用FineDirect引擎时,基于引擎的核心机制,数据执行计算的效率很大程度依赖所对接底层的数据库性能,因此本文也给出一些选型方面的建议。


2.选型建议编辑

222

方案① 直连业务系统数据库

企业安装部署FineBI,通过FineDirect分析引擎数据模块直接连接业务系统数据源,通过FineDirect分析模块,针对业务系统的原始数据源通过易用的拖拽操作进行OLAP分析和可视化的展示。

优势:

1.几乎不需要实施时间,一天内安装部署完成,即可实现针对业务系统数据的可视化分析;

2.获取数据的实时性和准确的最高;

劣势:

1.    查询和分析操作针对业务系统,事务性系统对于查询和分析操作响应效率差,分析效果差,仅可以完成较小数据量的查询操作;

2.    查询和分析会影响业务系统的正常运行;

3.    业务系统数据结构设计多数不适合查询分析操作;


方案② 中间库(ODS)

企业将业务系统有查询和分析需要的数据抽取到中间库(ODS层),安装部署FineBI,通过FineDirect数据模块对接ODS层进行查询分析操作。

优势:

1.中间库一般不需要太多的数据库设计,因此实施和开发周期都比较短;

       2.中间库的数据延迟低,能做到实时分析。

       3.读写分离,一定程度提高查询效率,减轻业务库压力。

劣势:

       1.对于OLAP分析来说,由于没有良好的数据处理机制,数据的易用性和查询效率都不够高。

       2.通常情况中间库的选型,无法支持较大的数据量,一般场景数据量在百万级别。

 
方案③数据仓库(DW)(推荐)

FineBIFineDirect数据引擎对接用户的数据仓库层是最好的选择,面向主题的特征正好配合FineBI的业务包管理方式,能让管理员更敏捷的准备数据,同时让用户更好找到想要进行的分析数据,集成性解决了数据规范性,数据一致性,数据孤岛的问题,更规范完善的数据能让数据分析的结果更有实际意义。

222

222
管理员在配置好业务包之后,分析人员可以根据有权限的数据,进行自助拖拽,进行上钻、下钻、切片、换维、同期环期等OLAP分析,更能通过FineBI丰富的可视化效果实现分析结果的良好呈现。

222
优势:

1.经过设计的数据仓库,数据的规范性,易用性,复用性都较高,极大提升用户的查询效率。

2.数据仓库能够处理的数据量较大,根据用户的场景,从百万级到亿级,千亿级都有相应的解决方案。

劣势:

1.DW模型开发量较大,糟糕的数据仓库设计对之后BI应用有很大影响。

2.经过层层的ETL处理,数据的实时性不能保证,更多的是针对历史数据,静态数据的分析。


方案④数据集市(DM)

 优势:

1.根据业务需求,从数据池整合成结果数据集市。能更方便的管理,并专注针对主题进行分析。

2.将部门数据进行切分,能极大提升查询效率,并且解决多部门访问而给数据仓库带来的并发压力。

3.多数情况下,数据集市会存放计算的结果集,因此对于复杂的计算指标,直接展现效率会很高。减少SQL会话和事物的处理时间。

劣势:

1. 多数数据集市不会再采用高成本的数据库,因此数据集市的展现需要依赖数据库的性能。

2.多层ETL,导致数据的及时性和实时性更难保证,而且有赖于ETL的效率。


附件列表


标签: 暂无标签 编辑/添加标签
如果您认为本文档还有待完善,请编辑

文档内容仅供参考,如果你需要获取更多帮助,请咨询帆软技术支持
关于技术问题,您还可以通过帆软论坛获取帮助,论坛上有非常多的大神,有些水平比帆软工程师还要高哦。
若您还有其他非技术类问题,可以联系帆软传说哥(qq:1745114201

本文档是否有用?