पेंटाहो-आधारित OLAP सर्वर स्टार्टअप चरण

इसलिए, प्रिय खब्रोविट्स, मैं आपको निर्देश प्रदान करना चाहता हूं कि हमें अपनी कंपनी में ओएलएपी सर्वर कैसे जुटाना था। चरण दर चरण, हम उस पथ के साथ जाएंगे जिसका हमने अनुसरण किया था, पेंटाहो की स्थापना और कॉन्फ़िगरेशन के साथ शुरू करना और डेटा तालिकाओं की तैयारी और सर्वर पर एक ऑलप क्यूब के प्रकाशन के साथ समाप्त होना। स्वाभाविक रूप से, यहां बहुत कुछ भ्रमित / गलत / गैर-इष्टतम हो सकता है, लेकिन जब हमें सर्वर को बढ़ाने और यह देखने की आवश्यकता होती है कि क्या पेंटाहो हमारे स्व-लिखित आंकड़ों को बदल सकता है, तो हमारे पास ऐसा नहीं है ...

मैंने OLAP सर्वर बढ़ाने की पूरी प्रक्रिया को 3 भागों में विभाजित किया है:

• पेंटाहो बीआई सर्वर सेटअप
• तथ्य तालिकाओं और मापों की तैयारी
• क्यूब बनाकर सर्वर पर प्रकाशित करना

पेंटाहो बीआई सर्वर सेटअप

JDK स्थापित करें।

हम पर्यावरण चर सेट करते हैं:

JAVA_HOME=c:\Program Files\Java\jdk1.7.0_15 JRE_HOME=c:\Program Files\Java\jdk1.7.0_15\jre PENTAHO_JAVA_HOME=c:\Program Files\Java\jdk1.7.0_15 

पेंटाहो बिजनेस इंटेलिजेंस ( biserver-ce-4.8.0-stable.zip ) के नवीनतम संस्करण को डाउनलोड और अनपैक करें। मैंने संग्रह की सामग्री ( प्रशासन-कंसोल और biserver-CE फ़ोल्डर) को c: \ Pentaho फ़ोल्डर में अपलोड किया है। तो, अनपैक - अनपैक्ड, लेकिन सर्वर अभी तक कॉन्फ़िगर नहीं किया गया है। यही अब हम करेंगे ...

जावा के लिए MySQL कनेक्टर ( mysql-कनेक्टर-जावा-5.1.23-bin.jar ) डाउनलोड करें। हम इसे c: \ Pentaho \ biserver-ce \ tomcat \ lib फ़ोल्डर में छोड़ते हैं।

डिफ़ॉल्ट रूप से, पेंटाहो HSQLDB इंजन का उपयोग करता है, अर्थात। मेमोरी में सभी डेटाबेस बनाता है और संग्रहीत करता है, जिसमें नमूना परीक्षण डेटाबेस भी शामिल है। यह अभी भी छोटी तालिकाओं (जैसे डेमो) के लिए सामान्य है, लेकिन मुकाबला डेटा के लिए, आमतौर पर इंजन को MySQL या Oracle में बदल दिया जाता है, उदाहरण के लिए। हम MySQL का उपयोग करेंगे।

हम MySQL में हाइबरनेट और क्वार्ट्ज डेटाबेस को भरते हैं। दोनों का उपयोग पेंटाहो प्रणाली की जरूरतों के लिए किया जाता है। यहां से फ़ाइलें 1_create_repository_mysql.sql और 2_create_quartz_mysql.sql डाउनलोड करें । उन्हें MySQL में आयात करें।

अब हमारा MySQL सर्वर एक पेंटाहो रिपॉजिटरी के रूप में कॉन्फ़िगर किया गया है। हम डिफ़ॉल्ट रूप से इस रिपॉजिटरी का उपयोग करने के लिए पेंटाहो सर्वर को कॉन्फ़िगर करेंगे। ऐसा करने के लिए, हम निम्नलिखित xml-ki को संपादित करेंगे:

1. एक पंचको-समाधान \ system \ applicationContext-spring-security-hibernate.properties

चालक, url और बोली को com.mysql.jdbc.Driver , jdbc: mysql: // localhost: 3306 / hibernate और org.hibernate.dialect.MicSQL5Dialect में क्रमशः बदलें ।

2. " डॉ। बकैट \ वेबैप्स \ पेन्टाहो \ एमटीए-इन्फो \ संदर्भ। एक्सएमएल।"

ड्राइवर को परिवर्तित करें। नाम पैरामीटर को कॉम। १ ।

3. " पंचको-समाधान \ system \ hibernate \ hibernate-settings.xml

<Config-file> पैरामीटर में, hsql.hibernate.cfg.xml को mysql5.hibernate.cfg.xml में बदलें ।

4. एक पंचको-समाधान \ system \ simple-jndi \ jdbc.properties

हम हाइबरनेट और क्वार्ट्ज को छोड़कर सभी अनावश्यक कचरा हटाते हैं।

5. हम फोल्डर को \ pentaho-solutions \ bi-Developers , \ pentaho-solution \ plugin- नमूने और \ pentaho-Solutions \ स्टील-पहियों को ध्वस्त कर देते हैं । यह परीक्षण डेटा है, जिसकी हमें मूल रूप से आवश्यकता नहीं होगी।

6. \ tomcat \ webapps \ pentaho \ WEB-INF \ web.xml

[BEGIN SAMPLE SERVLETS] और [BEGIN SAMPLE SERVPET MAPPINGS] सेक्शन के सभी सर्वलेट्स को डिलीट या कमेंट करें, सिवाय ThemeServlet के।

[BEGIN HSQLDB STARTER] और [BEGIN HSQLDB DATABASES] सेक्शन हटाएं ।

लाइनें हटाएं:

 <filter-mapping> <filter-name>SystemStatusFilter</filter-name> <url-pattern>/*</url-pattern> </filter-mapping> 

7. \ डेटा निर्देशिका हटाएं। इस निर्देशिका में परीक्षण डेटाबेस, इस डेटाबेस को चलाने के लिए स्क्रिप्ट और पेन्टाहो भंडार को इनिशियलाइज़ करना है।

8. 8. \ पेन्टाहो-सॉल्यूशंस \ सिस्टम \ ओलैप \ डेट्रोइट्स.एक्सएमएल

SteelWheels और SampleData नामक निर्देशिकाओं को हटा दें।

9. अपने पेंटाहो-समाधान \ system \ systemListeners.xml

लाइन हटाएं या टिप्पणी करें:

 <bean id="pooledDataSourceSystemListener" class="org.pentaho.platform.engine.services.connection.datasource.dbcp.PooledDatasourceSystemListener" /> 

10. \ tomcat \ webapps \ pentaho \ WEB-INF \ web.xml

हम अपने समाधान-पथ को इंगित करते हैं: c: \ Pentaho \ biserver-Ce \ pentaho-Solutions ।

11. 'system \ sessionStartupActions.xml'

टिप्पणी करें या सभी ब्लॉक हटाएं ...

पेंटाहो वेब चेहरे को कॉन्फ़िगर करना

कॉन्फ़िगरेशन के साथ सभी जोड़तोड़ के बाद, आप पहले से ही कुछ चला सकते हैं। हम अपने सर्वर के साथ फ़ोल्डर में जाते हैं और स्टार्ट-पेंटाहो.बैट या श- शनिक चलाते हैं, जिसे उसके ऑपरेटिंग सिस्टम में क्या चाहिए। सिद्धांत रूप में, कंसोल या टॉमकैट लॉग में कोई ERRORs नहीं होना चाहिए।

तो, अगर सब कुछ सुचारू रूप से चला गया, तो पर localhost:8080 localhost:8080 लॉगिन फ़ॉर्म प्रदर्शित किया जाएगा:



हम मानक उपयोगकर्ता नाम / पासवर्ड ( जो / पासवर्ड ) दर्ज करते हैं और अंदर आते हैं। अब आपको ओलप-क्लाइंट को स्थापित करने की आवश्यकता है, जो वास्तव में, इसके लिए हमारे अनुरोधों को प्रदर्शित करेगा। पेंटाहो के भुगतान किए गए संस्करण का अपना ग्राहक है, सीई के लिए हमने साइकु प्लगइन का उपयोग किया है।

हम शीर्ष मेनू के पेंटाहो मार्केटप्लेस आइटम पर जाते हैं, Saiku Analytics इंस्टॉल करते हैं।

यह सब अब के लिए है, यह एनालिटिक्स के लिए डेटा तैयार करने का समय है।

तथ्य तालिकाओं और माप की तैयारी

पेंटाहो ओएलएपी तकनीक का एक रॉलाग कार्यान्वयन है, अर्थात हमारे द्वारा विश्लेषण किए जाने वाले सभी डेटा को साधारण संबंधपरक तालिकाओं में संग्रहीत किया जाता है, शायद, किसी तरह से, पहले से तैयार किए गए। इसलिए, हमें केवल आवश्यक तालिकाओं का निर्माण करना है।

मैं उस विषय क्षेत्र के बारे में थोड़ा कहूंगा जिसके लिए हमें आंकड़ों की आवश्यकता थी। एक वेबसाइट है, ग्राहक हैं, और ऐसे टिकट हैं जिन्हें ये ग्राहक लिख सकते हैं। टिप्पणियों के साथ भी, हाँ। और हमारा समर्थन विभिन्न विषयों, परियोजनाओं, देशों पर इन सभी टिकटों को तोड़ता है। और इसलिए, उदाहरण के लिए, हमें इस बात का पता लगाना था कि पिछले महीने जर्मनी से प्रत्येक परियोजना में "डिलीवरी" विषय पर कितने टिकट आए थे। और इसे सभी को व्यवस्थापक द्वारा तोड़ दें, अर्थात। देखें कि कौन समर्थन से है और कितने ऐसे टिकट संसाधित हैं, आदि। आदि

ऐसी सभी स्लाइस और OLAP तकनीक की अनुमति देता है। मैंने OLAP के बारे में विस्तार से बात नहीं की। हम मानते हैं कि पाठक एक ओएलएपी क्यूब, माप और उपायों की अवधारणाओं से परिचित है, और सामान्य शब्दों में कल्पना करता है कि यह क्या है और इसके साथ क्या खाया जाता है।

बेशक, मैं एक उदाहरण के रूप में वास्तविक ग्राहकों के वास्तविक डेटा का विश्लेषण नहीं करूंगा, और इस उद्देश्य के लिए मैं अपनी छोटी साइट का उपयोग फुटबॉल आंकड़ों के साथ करूंगा। इससे थोड़ा व्यावहारिक लाभ होता है, लेकिन एक नमूने के रूप में - यह है।

तो एक खिलाड़ी तालिका है। आइए सभी प्रकार के उपयोगी और बहुत अधिक आंकड़े खोजने की कोशिश करें: प्रत्येक देश में खिलाड़ियों की संख्या, लाइनअप में खिलाड़ियों की संख्या, सक्रिय खिलाड़ियों की संख्या, 30 से 40 वर्ष की आयु के रूसी मिडफ़ील्डर्स की संख्या। खैर, ऐसा ही कुछ ...

तो मैं कहाँ रुक गया? और, बिल्कुल, तालिकाओं की तैयारी। कई तरीके हैं: अपने हाथों और नंगे SQL निक्स के साथ सभी तालिकाओं को फिर से बनाने के लिए, या पेंटाहो डेटा इंटीग्रेशन यूटिलिटी (पीडीआई, जिसे केटल के रूप में भी जाना जाता है) का उपयोग करें - डेटा (ईटीएल) को निकालने, परिवर्तित करने और अपलोड करने की प्रक्रिया के लिए जिम्मेदार एक पेंटाहो जटिल घटक। यह आपको एक विशिष्ट डेटाबेस के साथ एक कनेक्शन स्थापित करने की अनुमति देता है और, विभिन्न उपकरणों का उपयोग करके, हमारे लिए आवश्यक तालिकाओं को तैयार करता है। इसे डाउनलोड करें। हम mysql कनेक्टर को lib फ़ोल्डर में छोड़ते हैं और Spoon.bat के माध्यम से PDI चलाते हैं ।

पहले, चलो हमारे आंकड़ों का दिल इकट्ठा करते हैं - खिलाड़ियों की तालिका। प्रारंभ में, इसकी संरचना कुछ इस तरह दिखती है:

 CREATE TABLE IF NOT EXISTS `player` ( `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT 'ID', `name` varchar(40) DEFAULT NULL COMMENT '', `patronymic` varchar(40) DEFAULT NULL COMMENT '', `surname` varchar(40) DEFAULT NULL COMMENT '', `full_name` varchar(255) DEFAULT NULL COMMENT ' ', `birth_date` date NOT NULL COMMENT ' ', `death_date` date DEFAULT NULL COMMENT ' ', `main_country_id` int(11) unsigned NOT NULL COMMENT 'ID ', `birthplace` varchar(255) DEFAULT NULL COMMENT ' ', `height` tinyint(3) unsigned DEFAULT NULL COMMENT '', `weight` tinyint(3) unsigned DEFAULT NULL COMMENT '', `status` enum('active','inactive') NOT NULL DEFAULT 'active' COMMENT '  - ,    ..', `has_career` enum('no','yes') NOT NULL DEFAULT 'no' COMMENT '     ', PRIMARY KEY (`id`), KEY `name` (`name`), KEY `surname` (`surname`), KEY `birth_date` (`birth_date`), KEY `death_date` (`death_date`), KEY `has_stat` (`has_career`), KEY `main_country_id` (`main_country_id`), KEY `status` (`status`), KEY `full_name_country_id` (`full_name_country_id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='' AUTO_INCREMENT=1; 

कुछ फ़ील्ड (नाम, उपनाम, संरक्षक, full_name या जन्मस्थान, उदाहरण के लिए) आँकड़ों के लिए आवश्यक नहीं हैं। Enum प्रकार के फ़ील्ड (स्थिति, has_career) को अलग आयाम तालिकाओं में रखा जाना चाहिए, और मुख्य तालिका में विदेशी कुंजी के पहचानकर्ता दर्ज करें।



तो, चलिए शुरू करते हैं: फ़ाइल> नई> नौकरी (Ctrl + Alt + N)। नौकरी का कार्यक्षेत्र खुलता है। व्यू टैब पर जाएं, एक नया डेटाबेस कनेक्शन ( डेटाबेस कनेक्शन> नया ) बनाएं: सर्वर, डेटाबेस, उपयोगकर्ता और पासवर्ड को ड्राइव करें, कनेक्शन को कुछ नाम दें (मेरे पास फ़ाइबलेपर हैं) और सहेजें ( c: \ Pentaho \ biserver-ce \ _entaho -solutions \ jobs \ fbplayers.kjb )।

एक परिवर्तन बनाएँ ( फ़ाइल> नया> परिवर्तन , Ctrl + N)। इसे save_tables.ktr के रूप में सहेजें। उसी तरह जैसे कि नौकरी के साथ, हम परिवर्तन के लिए डेटाबेस में एक कनेक्शन जोड़ते हैं। हो गया।

दृश्य टैब पर जाएं और इनपुट अनुभाग का विस्तार करें। डेटा ग्रिड टूल का चयन करें। यह अच्छी तरह से अनुकूल है यदि आपको अलग-अलग संबंधित तालिकाओं में संभव विकल्पों की एक छोटी संख्या के साथ कुछ फ़ील्ड निकालने की आवश्यकता है। इसलिए, कार्यक्षेत्र में डेटा ग्रिड को खींचें और इसे डबल क्लिक के साथ संपादन के लिए खोलें। हम इस परिवर्तन चरण ( प्लेयर स्थिति ) के नाम पर ड्राइव करते हैं, हम इस तालिका (मेटा टैब) और स्वयं डेटा (डेटा टैब) की संरचना निर्धारित करना शुरू करते हैं। संरचना में हमारे पास 2 क्षेत्र हैं:

1. नाम - आईडी, प्रकार - पूर्णांक, दशमलव - 11
2. नाम - स्थिति, प्रकार - स्ट्रिंग, लंबाई - 10।

डेटा टैब में, हम 2 लाइनें चलाते हैं: 1 - सक्रिय, 2 - निष्क्रिय।

आउटपुट सेक्शन में जाएं और टेबल आउटपुट एलिमेंट को बाहर निकालें। डबल क्लिक करें, आइटम का नाम प्लेयर स्थिति डिम के रूप में सेट करें। कनेक्शन अगली पंक्ति में दिखाई देना चाहिए। लक्ष्य तालिका फ़ील्ड में, खिलाड़ियों की स्थिति संग्रहीत करने के लिए डेटाबेस में बनाई जाने वाली तालिका का नाम लिखें: player_status_dim। हमने चेकबॉक्स ट्रंकट टेबल रखा। हम इनपुट और आउटपुट तत्वों को कनेक्ट करते हैं: प्लेयर स्टेटस पर क्लिक करें और, Shift बटन दबाए रखते हुए, माउस को प्लेयर स्टेटस मंद में खींचें। लिंक को इन तत्वों को जोड़ने वाले तीर के रूप में दिखाई देना चाहिए।



करियर के लिए एक ही चीज़ को एक झंडे के साथ बदल दिया जाना चाहिए ( खिलाड़ी कैरियर ):

1. नाम - आईडी, प्रकार - पूर्णांक, दशमलव - 11
2. नाम - has_career, प्रकार - स्ट्रिंग, लंबाई - 3।

डेटा टैब में, हम 2 लाइनें चलाते हैं: 1 - नहीं, 2 - हाँ।

इसी तरह, हम आउटपुट प्लेयर करियर डिम टेबल इकट्ठा करते हैं।



अब हम खिलाड़ी की जन्मतिथि को एक अलग माप तालिका में रखेंगे। द्वारा और बड़े, पेंटाहो आपको तारीख को सीधे तथ्य तालिका में उपयोग करने की अनुमति देता है, शुरू में हमने अपने विषय क्षेत्र में डेटा के साथ ऐसा किया था। लेकिन कुछ समस्याएं थीं:

1. यदि आपको जन्म की तारीख तक 2 अलग-अलग तथ्य तालिकाओं (उदाहरण के लिए, खिलाड़ी और कोच) को तोड़ने की आवश्यकता है, तो आपको उनके लिए एक सामान्य आयाम (आयाम) की आवश्यकता है;
2. जब किसी फ़ंक्शन के घटक भागों में तारीख को स्वयं विभाजित किया जाता है जैसे कि अर्क या वर्ष (महीना, ...) तो यह वर्ष, माह आदि प्राप्त करने के लिए तालिका की प्रत्येक पंक्ति पर लागू किया जाएगा। बर्फ क्या नहीं है

तो, इन कारणों से, हमने अपनी मूल संरचना को फिर से बनाया और समय के सभी अद्वितीय मूल्यों के साथ एक तालिका बनाई, जिससे घड़ी को न्यूनतम स्तर के रूप में छोड़ दिया गया। हमारे परीक्षण उदाहरण के लिए, ऐसा कोई विवरण नहीं होगा, केवल वर्ष, महीने और दिन होंगे।

एक नया परिवर्तन बनाएं ( initial_sql )। कनेक्शन के बारे में मत भूलना। आइटम के संग्रह से, स्क्रिप्टिंग> SQL स्क्रिप्ट निष्पादित करें का चयन करें। हम इसमें दिनांक पिकर लिखते हैं:

 DROP TABLE IF EXISTS `player_birth_date_dim`; CREATE TABLE IF NOT EXISTS `player_birth_date_dim` ( `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT 'ID', `year` smallint(5) unsigned NOT NULL COMMENT '', `month` tinyint(2) unsigned NOT NULL COMMENT '', `day` tinyint(2) unsigned NOT NULL COMMENT '', PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT=' ' AUTO_INCREMENT=1 ; INSERT INTO `player_birth_date_dim` (SELECT DISTINCT NULL, YEAR(p.birth_date) as `year`, MONTH(p.birth_date) as `month`, DAY(p.birth_date) as `day` FROM ( SELECT DISTINCT birth_date FROM player ) AS p) 

इस परिवर्तन में, हम 2 और SQL स्क्रिप्ट बनाते हैं - टेबल प्लेयर कैरियर डिम और प्लेयर स्टेटस मंद बनाने के लिए:

 DROP TABLE IF EXISTS player_career_dim; CREATE TABLE IF NOT EXISTS `player_career_dim` ( `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT 'ID', `has_areer` varchar(3) NOT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ; 

 DROP TABLE IF EXISTS player_status_dim; CREATE TABLE IF NOT EXISTS `player_status_dim` ( `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT 'ID', `status` varchar(10) NOT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ; 

हम अपने मिशन के मुख्य भाग पर आगे बढ़ते हैं - तथ्य तालिका की विधानसभा। एक परिवर्तन ( player_fact.ktr ) बनाएँ। वे कनेक्शन के बारे में नहीं भूल गए, है ना? इनपुट टैब से, हम क्रमशः आउटपुट - टेबल आउटपुट से टेबल इनपुट फेंकते हैं। तालिका इनपुट में हम एक शांत SQL उपनाम लिखते हैं:

 SELECT p.id AS player_id, dd.id AS birth_date_id, p.main_country_id, p.height, p.weight, CASE p.status WHEN 'active' THEN 1 WHEN 'inactive' THEN 2 END as status_id, CASE p.has_career WHEN 'no' THEN 1 WHEN 'yes' THEN 2 END as has_career_id FROM player AS `p` INNER JOIN player_birth_date_dim AS dd ON YEAR(p.birth_date) = dd.`year` AND MONTH(p.birth_date) = dd.`month` AND DAY(p.birth_date) = dd.`day` 

तालिका आउटपुट में, तालिका का नाम निर्दिष्ट करें - player_fact । हम स्रोत और परिणामी तालिकाओं को एक तीर से जोड़ते हैं।

फिर से हम अपनी नौकरी पर चले जाते हैं। सामान्य टैब से, एक नया परिवर्तन जोड़ें। इसे खोलें, नाम दें टेबल्स तैयार करें और हमारे सहेजे गए परिवर्तन के लिए पथ निर्दिष्ट करें।



हम आरंभिक एसक्यूएल और प्लेयर फैक्ट ट्रांसफॉर्मेशन के साथ भी ऐसा ही करते हैं।

हम फॉर्म पर प्रारंभ बटन को छोड़ते हैं और निम्नलिखित अनुक्रम में तत्वों को जोड़ते हैं: प्रारंभ> आरंभिक SQL> तालिकाएँ तैयार करें> प्लेयर लोड करें तथ्य ।



अब आप कार्य को चलाने का प्रयास कर सकते हैं। टूलबार में, हरे त्रिकोण पर क्लिक करें। यदि हमारे हाथ काफी सीधे थे, तो हमारे प्रत्येक तत्व के बगल में हम एक हरे रंग की टिक देखेंगे। आप अपने सर्वर पर जा सकते हैं और सत्यापित कर सकते हैं कि प्लेटें वास्तव में बनाई गई हैं। अगर कुछ गलत हुआ, तो लॉग हमारे सभी पापों को दिखाएगा।

एक क्यूब बनाएं और इसे सर्वर पर प्रकाशित करें

अब जब हमारे पास तैयार डेटा है, तो हम अंततः OLAP ले लेंगे। ओल्टो क्यूब्स बनाने के लिए पेंटाहो में स्कीमा वर्कबेन्च की उपयोगिता है। डाउनलोड करें, अनपैक करें, ड्रायवर फ़ोल्डर में mysql कनेक्टर को ड्रॉप करें, वर्कबेंच चलाएं। bat ।

तुरंत मेनू विकल्प> कनेक्शन पर जाएं । हम अपने डेटाबेस कनेक्शन पैरामीटर दर्ज करते हैं।

आरंभ करना: फ़ाइल> नया> स्कीमा । योजना को तुरंत सहेजें (मेरे पास fbplayers.xml है )। योजना का नाम निर्धारित करें।



सर्किट के संदर्भ मेनू का उपयोग करके, एक क्यूब बनाएं। हम इसे उस इकाई का नाम कहेंगे, जिसके आंकड़े पर हम विचार करेंगे, अर्थात् प्लेयर।

क्यूब के अंदर, हम तालिका को इंगित करते हैं, जो हमारी तथ्य तालिका होगी: player_fact ।



यदि आप प्लेयर क्यूब का चयन करते हैं, तो दाएँ फलक के निचले भाग में लाल रेखा हमें बताएगी कि क्यूब में आयाम सेट होने चाहिए, अर्थात्। उन मापदंडों, जिनके द्वारा डेटा स्लाइस का प्रदर्शन किया जाएगा।

क्यूब के लिए एक आयाम सेट करने के 2 तरीके हैं: सीधे इसके अंदर ( एड डाइमेंशन के माध्यम से) और सर्किट के अंदर (सर्किट के लिए एड डाइमेंशन प्लस क्यूब के लिए डायमेंशन यूसेज एड जोड़ें )। हमने अपने आँकड़ों में दूसरे विकल्प का इस्तेमाल किया, क्योंकि यह एक आयाम को कई तथ्य तालिकाओं पर एक साथ (कई क्यूब्स में) लागू करने की अनुमति देता है। हमने फिर इन क्यूब्स को एक वर्चुअल क्यूब में संयोजित किया, जिससे हमें एक साथ कई क्यूब्स के आंकड़े प्रदर्शित करने की अनुमति मिली।

हमारी परीक्षण परियोजना में, हम दूसरी विधि का भी उपयोग करेंगे, जब तक कि हम आभासी क्यूब्स नहीं बनाते हैं।

इसलिए, पहला आयाम (देश के अनुसार) जोड़ें। एक स्कीमा आयाम बनाएँ, इसे देश का नाम दें। इसके अंदर पहले से ही 1 पदानुक्रम है, हम इसे Country_Hierarchy नाम देंगे । इस पदानुक्रम में हम एक तालिका जोड़ते हैं जो देश आयाम के मूल्यों को संग्रहीत करता है, अर्थात्। देश।

यह निम्नलिखित संरचना वाले देशों की सूची के साथ मेरी नियमित mysql तालिका है:

 CREATE TABLE IF NOT EXISTS `country` ( `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT 'ID', `name` varchar(40) NOT NULL COMMENT '', `english_name` varchar(40) NOT NULL COMMENT '  ', `iso_alpha_3` varchar(3) NOT NULL COMMENT '  ISO 3166-1', PRIMARY KEY (`id`), KEY `name` (`name`), KEY `england_name` (`english_name`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='' AUTO_INCREMENT=1 ; 

उसके बाद हम पदानुक्रम 1 स्तर (एड लेवल) में जोड़ते हैं। हम इसे Country_Level कहते हैं और इस आयाम तालिका के साथ तथ्य तालिका को जोड़ते हैं : तालिका फ़ील्ड को देश, कॉलम से आईडी, नाम के आधार पर नाम पर सेट करें। यानी इसका मतलब यह है कि जब फैक्ट टेबल से देश की आईडी की तुलना की जाती है, तो देश की टेबल से देश की आईडी देश का नाम (पठनीयता के लिए) वापस कर देगी। शेष क्षेत्रों, सिद्धांत रूप में, खाली छोड़ दिया जा सकता है।



अब हम प्लेयर क्यूब पर वापस आ सकते हैं और इसे नए बनाए गए आयाम (एड डाइमेंशन यूसेज के जरिए) असाइन कर सकते हैं। हम नाम (देश) सेट करते हैं, स्रोत हमारा बनाया हुआ मापक देश है (ड्रॉप-डाउन सूची में यह अब तक केवल एक ही होगा), और विदेशीके क्षेत्र main_country_id है, अर्थात यह पेंटाहो को बताता है कि जब वह तथ्य तालिका में कुछ main_country_id देखता है, तो वह निर्दिष्ट कॉलम (id) पर आयाम तालिका (देश) तक पहुंचता है और main_country_id के लिए name_name को प्रतिस्थापित करता है। कुछ इस तरह ...



यह केवल उस क्यूब को इंगित करने के लिए बनी हुई है जिसे हम वास्तव में कुछ एकत्र करना चाहते हैं)) क्यूब में एक माप जोड़ें ( माप जोड़ें )। आइए इसे प्लेयरकाउंट, एग्रीगेटर - विशिष्ट-गणना और वह फ़ील्ड दें जिसके द्वारा हम एग्रीगेट करेंगे - प्लेयर_आईडी। हो गया!



चलो थोड़ी देर के लिए इस पर ध्यान दें और जांचें कि हमने यहां क्या संकलित किया है। पेंटाहो वेब चेहरा लॉन्च करें: localhost:8080/pentaho localhost:8080/pentaho (स्टार्ट-पेंटाहो.बात के बारे में मत भूलना)। फ़ाइल> प्रबंधित करें> डेटा स्रोत पर जाएं । नया स्रोत जोड़ने के लिए बटन पर क्लिक करें। प्रकार चुनें - डेटाबेस तालिका। एक नया कनेक्शन बनाने के लिए सबसे महत्वपूर्ण बात जो हमें यहाँ चाहिए वह है। हम नाम (Fbplayers) सेट करते हैं और डेटाबेस तक पहुंचने के लिए अपना डेटा चलाते हैं। कनेक्शन सहेजने के बाद, हर जगह रद्द करें पर क्लिक करें, हमें कुछ और नहीं चाहिए।

अगला, हमें पेंटाहो सर्वर पर बनाई गई योजना को प्रकाशित करने की आवश्यकता है: फ़ाइल> प्रकाशित करें । Url सेट करें: localhost:8080/pentaho localhost:8080/pentaho और प्रकाशित करने के लिए पासवर्ड दर्ज करें। यह पासवर्ड फ़ाइल c: \ Pentaho \ biserver-Ce \ pentaho-Solutions \ system \ publisher_config.xml में सेट है । इस पासवर्ड को 123 पर सेट करें, उदाहरण के लिए, उपयोगकर्ता और पासवर्ड मानक हैं - जो / पासवर्ड। यदि सब कुछ ठीक है, तो उसके बाद एक फ़ोल्डर को चुनने के लिए एक विंडो दिखाई देनी चाहिए जहां हमारी योजना को बचाया जाए। उस कनेक्शन का नाम दर्ज करें जिसे हमने अंतिम चरण (Fbplayers) में "पेंटाहो या JNDI स्रोत" फ़ील्ड में बनाया था। एक स्कीमा फ़ोल्डर बनाएँ और फ़ाइल को इसमें सहेजें। यदि सब कुछ ठीक रहा, तो हमें एक हर्षित खिड़की देखनी चाहिए:



चलिए देखते हैं! हम वेब-फेस पर जाते हैं, सैकु को खोलते हैं, ड्रॉप-डाउन सूची से हमारे क्यूब का चयन करते हैं। हम देश का आयाम और प्लेयरकाउंट माप दिखाई देते हैं। पंक्तियों के क्षेत्र में Country_Level खींचें, स्तंभों में PlayerCount। डिफ़ॉल्ट रूप से, Saiku पैनल पर स्वचालित क्वेरी निष्पादन के लिए बटन दबाया जाता है। आमतौर पर माप और उपायों को खींचने से पहले इसे निचोड़ना आवश्यक होता है, लेकिन यह महत्वपूर्ण नहीं है। यदि स्वचालित निष्पादन अक्षम है, तो रन बटन पर क्लिक करें। ख़ुश हो जाओ!

लेकिन अगर अचानक सुंदर डेटा के बजाय आपको “EOFException: जैसे संदेश दिखाई दिया, तो आप सर्वर से प्रतिक्रिया नहीं पढ़ सकते। 4 बाइट्स पढ़ने की उम्मीद, कनेक्शन से पहले 0 बाइट्स पढ़ें अप्रत्याशित रूप से खो गया था ”, चिंता न करें - ऐसा होता है, बस एक या दो बार चलाएँ क्लिक करें।



माप बटन पर तीरों पर क्लिक करके, हम परिणामस्वरूप चयन को अवरोही या आरोही क्रम में सॉर्ट कर सकते हैं।



जबकि हमारे पास थोड़ा डेटा है, आइए देखें कि क्या अभी भी उपलब्ध है। केवल पत्र ए के लिए देश द्वारा आउटपुट डेटा को सीमित करना संभव है:



हमें मिलता है:



आप रेखांकन देख सकते हैं। यह आमतौर पर सुंदर होता है अगर नमूने में बहुत कम डेटा होता है।



आप नमूने पर आंकड़े देख सकते हैं: न्यूनतम, अधिकतम संकेतक, औसत मूल्य, आदि। आप यह सारी संपत्ति xls या csv पर अपलोड कर सकते हैं। साथ ही, कंस्ट्रक्टर का उपयोग करके हमारे द्वारा फेंके गए अनुरोध को सर्वर पर सहेजा जा सकता है, ताकि बाद में हम इसमें वापस आ सकें।

तो, सार स्पष्ट है। आइए कुछ और आयाम बनाएं। सिद्धांत रूप में, खिलाड़ी की स्थिति और करियर के माप देश के माप से अलग नहीं होते हैं। और दोनों मामलों में परिणाम केवल 2 लाइनों (सक्रिय / निष्क्रिय और है / नहीं) होगा।

दिनांक प्रकार के पदानुक्रम के साथ स्थिति अधिक दिलचस्प है। हम इसे अभी बनाएंगे। हम कार्यक्षेत्र में लौटते हैं, एक नया आयाम ( जन्मतिथि ) जोड़ते हैं । StandardDimension के बजाय, हम पैरामीटर TimeDimension सेट करते हैं। यहां पहले से ही एक पदानुक्रम है। एक आयाम तालिका जोड़ें - player_birth_date_dim ।

प्रथम स्तर - वर्ष जोड़ें। सेट तालिका = खिलाड़ी_बीठ_डेट_डीम, कॉलम = आईडी, स्तरप्रकार = समय इस स्तर के लिए, `वर्ष` के मूल्य के साथ कुंजी अभिव्यक्ति की संपत्ति जोड़ें।

दूसरा स्तर जोड़ें - महीना । सेट तालिका = player_birth_date_dim, कॉलम = id, levelType = TimeMonths। इस स्तर के लिए, "अभिव्यक्ति", "CONCAT (` वर्ष ',', ", MONTHNAME (STR_TO_DATE (` माह `, '% m'))) के मान के साथ '' महीने 'के मूल्य के साथ कुंजी अभिव्यक्ति की संपत्ति जोड़ें।")।

तीसरा स्तर जोड़ें - दिन । सेट टेबल = खिलाड़ी_बीठ_डेट_डीम, कॉलम = आईडी, स्तरप्रकार = टाइमडे। इस स्तर के लिए, "CONCAT (LPAD (` दिन, 2, 0)), ',', LPAD (`महीना, 2, 0), ',', 'वर्ष')" मान के साथ कैप्शन एक्सप्रेशन गुण जोड़ें।

क्यूब में निर्मित आयाम जोड़ें, एक विदेशी के रूप में bith_date_id निर्दिष्ट करें।

हम प्रकाशित करते हैं। आइए जन्म के वर्ष तक सभी खिलाड़ियों को तोड़ने की कोशिश करें।



और अब हम "महीना" पैरामीटर को "वर्ष" पैरामीटर में जोड़ देंगे। पेंटाहो प्रत्येक वर्ष को महीनों में तोड़ देगा और प्रत्येक वर्ष के एक विशेष महीने में पैदा होने वाले खिलाड़ियों की संख्या की गणना करेगा। डिफ़ॉल्ट रूप से, केवल मासिक डेटा प्रदर्शित किया जाता है, लेकिन यदि आप टूलबार में "माता-पिता को छिपाएं" बटन दबाते हैं, तो आप किसी दिए गए वर्ष के लिए खिलाड़ियों की कुल संख्या देख सकते हैं।



लेकिन पेंटाहो की मुख्य ताकत, और वास्तव में पूरे ओएलएपी की वास्तव में ऐसी सरल नमूनों में नहीं है, लेकिन एक ही समय में कई मापों से स्लाइस में। यानीउदाहरण के लिए, हम 1990 के बाद पैदा हुए प्रत्येक देश में खिलाड़ियों की संख्या पाते हैं।



जैसे-जैसे मीट्रिक की संख्या बढ़ती है, प्रश्न एक विशिष्ट स्थैतिक आवश्यकता को दर्शाते हुए अधिक जटिल और नुकीले बन सकते हैं।

यह हमारे लंबे-लंबे लेख को समाप्त करता है। मुझे आशा है कि यह ट्यूटोरियल किसी को ओएलएपी समाधानों पर नए सिरे से विचार करने में मदद करेगा या शायद इन समाधानों को अपने संगठनों में भी पेश कर सकता है।