1. هوش تجاری (سری چهارم) دکتر احمد عبداله‏زاده بارفروش سهیل محمدی مدرس:
تدریس‏یار:
سهیل محمدی
آزمایشگاه سیستم‏های هوشمند (

2. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
پایگاه داده تحلیلی
منابع داده اغلب فقط داده‏های جاری را ذخیره سازی می‏نمایند، و داده‏های تاریخی را در خود نگهداری نمی‏کنند.
تصمیم گیری در شرکت‏ها نیازمند یک دید یکپارچه از همه داده‎های سازمانی، شامل اطلاعات تاریخی، است.
یک پایگاه داده تحلیلی، یک انباره (بایگانی) از اطلاعات جمع آوری شده از منابع متعدد است که تحت یک شمای یکپارچه در یک سایت ذخیره شده‏اند.
تا حد زیادی، انجام پرس‏و‏جو را ساده می‏کند؛ و همچنین، امکان مطالعه در خصوص رویه‏های تاریخی را نیز فراهم می‏سازد.
بار پرس‏و‏جو برای پشتیبانی از تصمیم را از روی سیستم‏های پردازش تراکنش برمی‏دارد.
آزمایشگاه سیستم های هوشمند (

3. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
پایگاه داده تحلیلی
آزمایشگاه سیستم های هوشمند (

4. مسائل مطرح در طراحی پایگاه داده تحلیلی
چه زمانی و چگونه داده‏ها را جمع آوری نماییم:
معماری منبع محور: منابع داده، اطلاعات جدید را، یا به طور مداوم و یا به صورت دوره‏ای، به پایگاه داده تحلیلی انتقال می‏دهند.
معماری مقصد محور: پایگاه داده تحلیلی به صورت دوره‏ای درخواست اطلاعات جدید را به منابع داده ارسال می‏نماید.
همگام سازی کامل پایگاه داده تحلیلی با منابع داده (مانند استفاده از two-phase commit) بسیار پرهزینه است.
معمولا داشتن داده‏هایی که کمی out-of-date هستند، مناسب و قابل قبول است.
داده‏های به روز رسانی شده به صورت دوره‏ای از سیستم‏های پردازش تراکنش برخط (OLTP) دریافت می‏شوند.
از چه شمای (Schema) استفاده شود؟
ادغام و یکپارچه سازی شما
آزمایشگاه سیستم های هوشمند (

5. مسائل دیگر در طراحی پایگاه داده تحلیلی
تصفیه داده‏ها (Data Cleansing):
مانند تصحیح اشتباهات در آدرس‏ها (غلط‏های املایی، اشتباهات کد پستی)
ادغام فهرست‏های آدرس از منابع مختلف و پالایش آدرس‏های تکرار‏ی
چگونگی انتشار به روز رسانی‏ها
شمای پایگاه داده تحلیلی ممکن است یک دید از شمای منابع داده باشد.
چه داده‏هایی باید خلاصه شود:
داده‏های خام ممکن است برای ذخیره سازی به صورت برخط بسیار بزرگ باشند.
اغلب نگهداری مجموع مقادیر کافی است.
پرس‏و‏جو‏ها بر روی داده‏های خام می‏توانند توسط بهینه ساز پرس‏و‏جو تغییر شکل یابند تا از مجموع مقادیر استفاده نمایند.
آزمایشگاه سیستم های هوشمند (

6. شماهای پایگاه داده تحلیلی
مقادیر بعد‏ها معمولا با استفاده از اعداد صحیح کوچک کد می‏شوند و از طریق جدول‏های بعد به مقادیر کامل نگاشت می‏گردند.
شمای حاصل، شمای ستاره‏ای (Star Schema) نامیده می‏شود.
ساختار‏های شمای پیچیده‏تر:
شمای دانه برفی (Snowflake Schema): سطوح متعدد جدول‏های بعد (dimension).
شمای کهکشانی (Constellation Schema): جدول‏های حقیقت (fact) متعدد.
آزمایشگاه سیستم های هوشمند (

7. مدل‏سازی ابعادی (Dimensional)
مدل‏سازی ابعادی این امکان را می‏دهد که بتوان یک مقدار مورد نظر (به عنوان مثال میزان فروش) را بر حسب بعد‏های مختلف (مانند زمان، مکان جغرافیایی، نوع محصول و غیره) مورد تحلیل و بررسی قرار داد.
مجموعه داده‏ای موجود در یک مدل ابعادی را می‏توان به صورت یک مکعب در نظر گرفت که تقاطع ابعاد مختلف با هم بیان‏گر مقدار مورد نظر به ازای ابعاد تعیین شده خواهد بود.
زمان
محصول
مکان جغرافیایی
آزمایشگاه سیستم های هوشمند (

8. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
تحلیل داده و OLAP
پردازش تحلیلی برخط (OLAP)
تحلیل تعاملی داده‏ها اجازه می‏دهد که داده‏ها خلاصه شوند و از راه‏های مختلف به آن‏ها به صورت برخط (با تأخیری جزئی) نگاه شود.
آزمایشگاه سیستم های هوشمند (

9. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
تحلیل داده و OLAP
داده‏هایی که می‏توانند به صورت صفات بعد یا صفات اندازه مدل شوند را داده‏های چند بعدی می‏نامند.
صفات اندازه
برخی مقادیر را اندازه می‏گیرند.
می‏توانند با همدیگر جمع شوند.
مثلا صفت number از رابطه sales
صفات بعد
ابعادی که در آن‏ها، صفات اندازه (یا مجموعی از آن‏ها) دیده می‏شوند را تعریف می‎نمایند.
مثلا صفات item_name، color و size از رابطه sales
آزمایشگاه سیستم های هوشمند (

10. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
جدول بندی متقاطع (Cross Tabulation) sales با استفاده از item-name و color
جدول فوق، مثالی از یک جدول متقاطع (cross-tab) می‎باشد؛ که تحت عنوان جدول محور (pivot-table) نیز به آن اشاره می‏گردد.
آزمایشگاه سیستم های هوشمند (

11. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
جدول بندی متقاطع (Cross Tabulation) sales با استفاده از item-name و color
مقادیر یکی از صفات بعد، عنوان سطر‏ها را شکل می‏دهند.
مقادیر یکی دیگر از صفات بعد، عنوان ستون‎ها را شکل می‏دهند.
بقیه صفات بعد در بالا فهرست می‏شوند.
مقادیر موجود در سلول‎های جدول، مقادیر (یا مجموع) صفات بعد هستند که آن سلول را مشخص می‏کند.
آزمایشگاه سیستم های هوشمند (

12. بازنمایی رابطه‏ای جدول‏های متقاطع (Cross-tabs)
استاندارد SQL:1999 به جای مقادیر all از مقادیر null استفاده می‏کند؛ علیرغم این که با مقادیر null حقیقی اشتباه گرفته می‏شوند.
جدول‎های متقاطع می‏توانند با رابطه‏ها بازنمایی شوند.
از مقدار all استفاده شده است تا مجموع‏ها را بازنمایی نماید.
آزمایشگاه سیستم های هوشمند (

13. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
مکعب داده (Data Cube)
یک مکعب داده، یک تعمیم چند بعدی از یک cross-tab است.
یک مکعب داده می‏تواند n بعد داشته باشد (در شکل زیر، 3 بعد نشان داده شده است.)
Cross-tabها می‏توانند به عنوان دید‎هایی بر روی یک مکعب داده استفاده گردند.
آزمایشگاه سیستم های هوشمند (

14. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
مکعب داده (Data Cube)
آزمایشگاه سیستم های هوشمند (

15. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
مدل‎سازی ابعادی
خانه قرمز حاوی مقدار فروش تمامی محصولات در کل سال در ایران می‏باشد.
به عنوان مثال در شکل زیر:
خانه (cell) زرد حاوی مقدار فروش پژو در فصل بهار در شهر تهران می‏باشد.
خانه‎های سبز حاوی مقادیر فروش محصول وانت به ازای شهر‏ها و فصل‏های مختلفی از سال می‏باشند.
خانه بنفش حاوی مقدار فروش تمامی محصولات در فصل پاییز در شهر اصفهان می‎باشد.
بهار
تابستان
پائيز
زمستان
کل سال
پژو
سمند
وانت
تهران
شیراز
اصفهان
کل ایران
آزمایشگاه سیستم های هوشمند (

16. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
مدل‎سازی ابعادی
در مدل‏سازی ابعادی دو جزء اصلی وجود دارد:
جدول واقعیت (Fact Table): تمامی مقادیر مورد بررسی (مثلا میزان فروش) در این جدول ذخیره می‏گردند. به این مقادیر که محور تحلیل را مشخص می‏نمایند، measure گفته می‏شود.
جدول بعد (Dimension Table): ویژگی‏های ابعاد مختلف (مثلا رنگ، اندازه و ... محصولات مختلف) در این جدول ذخیره می‏گردند.
نحوه قرار گرفتن جداول واقعیت را شما (Schema) مشخص می‎کند که سه شمای اصلی در مدل‏سازی ابعادی عبارتند از:
شمای ستاره‏ای یا Star Schema (متداول‏ترین شما)
شمای دانه برفی یا Snowflake Schema
شمای صورت فلکی یا Constellation Schema
آزمایشگاه سیستم های هوشمند (

17. جدول واقعیت (Fact Table)
Sales Fact Table
time_key
ستون‏های این جدول شامل دو نوع زیر می‏باشد:
ستون‏های کلید خارجی به جداول بعد
ستون‏های حاوی measure
item_key
Dimension Keys
branch_key
location_key
units_sold
dollars_sold
Measures
avg_sales
Timekey
Itemkey
Branchkey
Locationkey
Units_sold
Dollars_sold
Avg_Sales
2012/2/2
M Bike
Western
Ottawa
100
20000
15000
2012/4/5
R Bike
Eastern
Dubai 10
3000
1400
2012/5/12 30
6000
1200
آزمایشگاه سیستم های هوشمند (

18. جدول بعد (Dimension Table)
در این جدول، یک کلید اصلی وجود دارد و بقیه ستون‏ها شامل ویژگی‏های آن بعد می‏شود.
به عنوان مثال، برای یک روز خاص می‏توان موارد زیر را مشخص کرد:
این روز در چندمین روز ماه است؟
این روز در چندمین ماه است؟
این روز در کدام سال است؟
این روز چند شنبه بوده است؟
این روز در کدام فصل قرار دارد؟
این روز در کدام نیم فصل قرار دارد؟
...
آزمایشگاه سیستم های هوشمند (

19. جدول بعد (Dimension Table)
time_key
day
day_of_the_week
month
quarter
year
time
Timekey
Day
Day of week
Month
Quarter
Year
2011/2/2 2
Tuesday 1
2011
2012/4/5 5
Friday 4
2012
2012/5/12 12
Saturday
آزمایشگاه سیستم های هوشمند (

20. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
سلسله مراتب در جدول بعد
برخی اوقات بر اساس ویژگی‏های یک بعد می‏توان یک سلسله مراتب ایجاد کرد.
بر اساس سطوح این سلسله مراتب می‏توان مقادیر مجتمع شده را محاسبه و از قبل از زمان استفاده در cube ذخیره نمود.
بدین ترتیب در زمان پرسش، چون این مقادیر از قبل محاسبه شده اند، زمان پاسخ‏گویی (Query Time) بهبود می‏یابد.
شکل روبرو دو سلسله مراتب در بعد زمان را نشان می‏دهد:
روز ماه فصل نیم سال سال
روز هفته سال
سال
نیم سال
فصل
هفته
ماه
آزمایشگاه سیستم های هوشمند (
روز

21. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
ریز‏دانگی و تجمیع
در Cube دو نوع داده وجود دارد:
داده مجتمع
داده غیر‏مجتمع
از روی داده‏های غیر‏مجتمع و طی یک فرآیند، داده‏های مجتمع محاسبه و ذخیره می‏گردند.
ریز‏دانگی به سطح داده غیر‏مجتمع گفته می‏شود.
ریز‏دانگی سطح تحلیل را معین می‏کند. مثلا اگر داده‏های غیرمجتمع در سطح روز ذخیره شده باشند، امکان تحلیل در سطح ساعت وجود نخواهد داشت.
تعیین ریزدانگی یکی از مهم‏ترین مسائل در تحلیل و طراحی پایگاه داده تحلیلی به شمار می‏رود.
آزمایشگاه سیستم های هوشمند (

22. مثالی از مدل Star Schema
time_key
day
day_of_the_week
month
quarter
year
time
item_key
item_name
brand
type
supplier_type
item
Sales Fact Table
time_key
item_key
branch_key
location_key
street
city
state_or_province
country
location
branch_key
branch_name
branch_type
branch
location_key
units_sold
dollars_sold
avg_sales
Measures
آزمایشگاه سیستم های هوشمند (

23. مثالی از مدل Snowflake Schema
time_key
day
day_of_the_week
month
quarter
year
time
item_key
item_name
brand
type
supplier_key
item
supplier_key
supplier_type
supplier
Sales Fact Table
time_key
item_key
branch_key
location_key
street
city_key
location
branch_key
branch_name
branch_type
branch
location_key
units_sold
city_key
city
state_or_province
country
dollars_sold
avg_sales
Measures
آزمایشگاه سیستم های هوشمند (

24. مثالی از مدل Constellation Schema
time_key
day
day_of_the_week
month
quarter
year
time
item_key
item_name
brand
type
supplier_type
item
Shipping Fact Table
time_key
Sales Fact Table
item_key
time_key
shipper_key
item_key
from_location
branch_key
branch_key
branch_name
branch_type
branch
to_location
location_key
location_key
street
city
province_or_state
country
location
dollars_cost
units_sold
units_shipped
dollars_sold
avg_sales
shipper_key
shipper_name
location_key
shipper_type
shipper
Measures
آزمایشگاه سیستم های هوشمند (

25. پردازش تحلیلی برخط On-Line Analytical Processing (OLAP)
چرخاندن حول محور (Pivoting): تغییر ابعاد استفاده شده در یک جدول متقاطع (cross-tab).
برش (Slicing): ساخت یک جدول متقاطع فقط برای مقادیر ثابت.
گاهی اوقات dicing نیز نامیده می‏شود؛ به ویژه زمانی که مقادیری از ابعاد متعدد و مختلف، ثابت هستند.
Rollup: حرکت از داده‏های دانه ریزتر به داده‏های دانه درشت‏تر.
Drill down: حرکت از داده‏های دانه درشت‏تر به داده‏های دانه ریز‏تر. (عمل Drill down متضاد عمل Rollup است.)
آزمایشگاه سیستم های هوشمند (

26. سلسله مراتب بر روی ابعاد
سلسله مراتب بر روی صفات بعد:
امکان نمایش ابعاد در سطوح مختلفی از جزئیات را فراهم می‏سازد.
به عنوان مثال، بعد DateTime می‏تواند مورد استفاده قرار گیرد تا به وسیله ساعت روز، روز هفته، ماه، فصل یا سال تجمیع گردد.
آزمایشگاه سیستم های هوشمند (

27. جدول بندی متقاطع با سلسله مراتب
جداول متقاطع می‎توانند به سادگی توسعه یابند تا سلسله مراتب را در بر گیرند.
در یک سلسله مراتب می‏توان Drill down یا Rollup انجام داد.
آزمایشگاه سیستم های هوشمند (

28. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
پیاده سازی‎های OLAP
سیستم‏های OLAP اولیه از آرایه‏های چند بعدی در حافظه به منظور ذخیره سازی مکعب‏های داده استفاده می‏کردند. این سیستم‏ها را OLAP چند بعدی (Multidimensional OLAP (MOLAP)) می‏نامند.
پیاده سازی‎های OLAP که فقط از ویژگی‏های پایگاه داده‏های رابطه‏ای استفاده می‏کنند را سیستم‏های OLAP رابطه‏ای (Relational OLAP (ROLAP)) می‏نامند.
سیستم‏های پیوندی (hybrid)، که برخی از خلاصه‏ها را در حافظه، و داده‎های اصلی و بقیه خلاصه‏ها را در یک پایگاه داده رابطه‎ای ذخیره می‏نمایند، را سیستم‏های OLAP پیوندی (Hybrid OLAP H(OLAP)) می‏نامند.
آزمایشگاه سیستم های هوشمند (

29. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
ابزار‏های OLAP
انواع مختلف بسیاری از ابزار‎های OLAP در بازار موجود هستند.
انتخاب ابزار OLAP با مباحثی نظیر این که OLAP واقعا چه معنایی برای یک خریدار بالقوه دارد، و همچنین، این که معماری‏های موجود برای ابزار‏های OLAP چیستند، همراه است.
آزمایشگاه سیستم های هوشمند (

30. قوانین Codd برای سیستم‏های OLAP
در سال 1993، E. F. Codd دوازده قانون را به عنوان اصول انتخاب ابزار‏های OLAP تدوین نمود.
این قوانین عبارتند از:
نمای مفهومی چند بعدی (Multi-dimensional conceptual view)
شفافیت (نامحسوس بودن) (Transparency)
دسترس پذیری (Accessibility)
عملکرد سازگار در گزارش گیری (Consistent reporting performance)
معماری سرویس گیرنده – سرویس دهنده (Client-server architecture)
چند بعدی بودن (Generic dimensionality)
آزمایشگاه سیستم های هوشمند (

31. قوانین Codd برای سیستم‏های OLAP
بررسی ماتریس پراکنده پویا (Dynamic sparse matrix handling)
پشتیبانی از چند کاربری (Multi-user support)
عملیات نامحدود بر روی ابعاد متقاطع (Unrestricted cross-dimensional operations)
دستکاری شهودی داده‏ها (Intuitive data manipulation)
گزارش گیری انعطاف پذیر (Flexible reporting)
سطوح دانه بندی و ابعاد نامحدود (Unlimited dimensions and aggregation levels)
آزمایشگاه سیستم های هوشمند (

32. قوانین Codd برای سیستم‏های OLAP
پیشنهاداتی برای تعریف مجدد یا توسعه این قوانین وجود دارد. برخی از این پیشنهادات عبارتند از:
ابزار مدیریت پایگاه داده جامع
توانایی drill down کردن به سطح جزئیات (رکورد منبع)
Refresh افزایشی پایگاه داده
واسط SQL به محیط سازمانی موجود
آزمایشگاه سیستم های هوشمند (

33. دسته بندی ابزار‎های OLAP
OLAP چند بعدی (Multi-dimensional OLAP, MOLAP)
OLAP رابطه‏ای (Relational OLAP, ROLAP)
OLAP پیوندی (Hybrid OLAP, HOLAP)
OLAP دسکتاپ (Desktop OLAP, DOLAP)
آزمایشگاه سیستم های هوشمند (

34. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
OLAP چند بعدی (MOLAP)
از ساختار داده‏های تخصصی و سیستم‏های مدیریت پایگاه داده چند بعدی (MDDBMS) به منظور سازماندهی، هدایت و تحلیل داده‏ها استفاده می‏گردد.
داده‏ها معمولا بر اساس موارد استفاده پیش بینی شده به منظور افزایش کارایی پرس‏و‏جو‏ها تجمیع و ذخیره سازی می‏شوند.
از تکنولوژی آرایه و تکنیک‏های ذخیره سازی مؤثر استفاده می‏نماید تا فضای حافظه مورد نیاز را از طریق مدیریت داده‏های پراکنده به حداقل برساند.
آزمایشگاه سیستم های هوشمند (

35. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
OLAP چند بعدی (MOLAP)
هنگامی که داده‏ها همانگونه که طراحی شده‏اند، استفاده می‏گردند، کارایی در سطح عالی ارائه می‏شود؛ و تمرکز بر روی داده‏ها برای یک برنامه کاربردی تصمیم‏یار مشخص می‏باشد.
به یک جفت شدگی محکم (tight coupling) بین لایه کاربرد و لایه نمایش نیاز است.
رویه‏های جدید، OLAP را از طریق استفاده از واسط‏های برنامه نویسی کاربردی (APIs) از ساختار‏های داده جدا می‏سازند.
آزمایشگاه سیستم های هوشمند (

36. معماری مرسوم برای ابزار‏های MOLAP
آزمایشگاه سیستم های هوشمند (

37. ابزار‏های MOLAP – مسائل توسعه
ساختار‏های داده زمینه‏ای دارای توانایی محدودی در پشتیبانی از حوزه‏های موضوعی مختلف و ایجاد دسترسی به داده‏های دقیق و با جزئیات هستند.
هدایت و تحلیل داده‏ها دارای محدودیت است؛ زیرا داده‏ها با توجه به نیازمندی‏های تعیین شده قبلی طراحی گشته‏اند.
محصولات MOLAP نیازمند مجموعه‏ای متفاوت از مهارت‏ها و ابزار برای ساخت و نگهداری پایگاه داده می‏باشند؛ بنابراین منجر به افزایش هزینه و پیچیدگی پشتیبانی می‏گردد.
آزمایشگاه سیستم های هوشمند (

38. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
OLAP رابطه‏ای (ROLAP)
ROLAP به علت نیازمندی‏های لازم به منظور تحلیل حجم در حال افزایش داده‏ها و درک این موضوع که کاربران نمی‏توانند همه داده‏های مورد نیازشان را در پایگاه داده‏های MOLAP ذخیره نمایند، به در حال رشد‏ترین سبک معماری OLAP بدل گشته است.
ROLAP از محصولات سیستم مدیریت پایگاه داده رابطه‏ای (RDBMS) با استفاده از یک لایه فراداده پشتیبانی می‏کند (از نیاز به ساخت یک ساختار داده چند بعدی ایستا اجتناب می‏نماید). همچنین، ساخت چندین دید چند بعدی از رابطه دو بعدی را تسهیل می‏کند.
آزمایشگاه سیستم های هوشمند (

39. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
OLAP رابطه‏ای (ROLAP)
به منظور بهبود کارایی، برخی از محصولات از موتور‏های SQL برای پشتیبانی از پیچیدگی تحلیل چند بعدی استفاده می‏کنند؛ در حالی که دیگران نیازمند استفاده از طراحی‏های پایگاه داده بسیار نرمال نشده، مانند شمای ستاره‏ای، هستند و یا آن را پیشنهاد می‏دهند.
آزمایشگاه سیستم های هوشمند (

40. معماری مرسوم برای ابزار‏های ROLAP
آزمایشگاه سیستم های هوشمند (

41. ابزار‏های ROLAP – مسائل توسعه
مشکلات کارایی مرتبط با پردازش پرس‏و‏جو‏های پیچیده‏ای که نیازمند عبور‏های متعدد از میان داده‏های رابطه‎ای است.
میان‏افزاری به منظور تسهیل توسعه برنامه‏های کاربردی چند بعدی (نرم‏افزاری که رابطه دو بعدی را به یک ساختار چند بعدی تبدیل می‏نماید).
توسعه یک گزینه برای ساخت ساختار‏های چند بعدی ماندگار، به همراه ساده سازی به منظور کمک به مدیریت این ساختار‏ها.
آزمایشگاه سیستم های هوشمند (

42. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
OLAP پیوندی (HOLAP)
فراهم نمودن قابلیت تحلیل محدود، یا مستقیما با محصولات سیستم مدیریت پایگاه داده رابطه‏ای و یا با استفاده از یک سرور MOLAP میانی.
تحویل داده‏های انتخابی از سیستم مدیریت پایگاه داده یا از طریق یک سرور MOLAP به دسکتاپ (یا سرور محلی) در قالب یک مکعب داده که به صورت محلی ذخیره سازی، تحلیل و نگهداری می‏گردد، انجام می‏گیرد.
نصب، راه اندازی و مدیریت HOLAP نسبتا ساده است؛ همچنین، با کاهش هزینه نگهداری همراه است.
آزمایشگاه سیستم های هوشمند (

43. معماری مرسوم برای ابزار‏های HOLAP
آزمایشگاه سیستم های هوشمند (

44. ابزار‏های HOLAP – مسائل توسعه
استفاده از این معماری منجر به افزونگی قابل توجه داده‏ها خواهد شد؛ همچنین، می‏تواند سبب بروز مشکلاتی برای شبکه‏ای که از کاربران بسیاری پشتیبانی می‏کند، گردد.
توانایی ساخت یک مکعب داده سفارشی برای هر کاربر می‏تواند منجر به عدم وجود سازگاری داده‏ها در میان کاربران شود.
فقط حجم محدودی از داده‏ها را می‏توان به طور مؤثر نگهداری نمود.
آزمایشگاه سیستم های هوشمند (

45. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
OLAP دسکتاپ (DOLAP)
نگهداری از داده‏های OLAP در فایل‏های مبتنی بر مشتری و پشتیبانی از پردازش چند بعدی با استفاده از یک موتور چند بعدی مشتری.
نیازمند آن است که خلاصه‏های نسبتا کوچکی از داده‏ها در ماشین‏های مشتری نگه داشته شوند. این خلاصه‏ها ممکن است توزیع شده باشند، یا برحسب تقاضا ساخته شوند (احتمالا از طریق وب).
با پایگاه داده‏های چند بعدی بر روی سرور، داده‏های OLAP بر روی disk یا RAM نگهداری می‎شوند؛ اگرچه برخی محصولات DOLAP فقط اجازه دسترسی برای خواندن را می‏دهند.
آزمایشگاه سیستم های هوشمند (

46. آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)
OLAP دسکتاپ (DOLAP)
اکثر فروشندگان DOLAP از قدرت کامپیوتر‏های شخصی رومیزی برای اجرای برخی، یا اکثر، محاسبات چند بعدی استفاده می‏کنند.
مدیریت یک پایگاه داده DOLAP معمولا توسط یک سرور مرکزی، یا روتین پردازشی که مکعب‏های داده یا مجموعه‏هایی از داده‏ها را برای هر کاربر فراهم می‏سازد، انجام می‏گیرد.
یک بار که یک پردازش اصلی انجام شد، سپس هر کاربر می‏تواند به آن بخش از داده که مربوط به خودش است، دسترسی یابد.
آزمایشگاه سیستم های هوشمند (

47. معماری مرسوم برای ابزار‏های DOLAP
آزمایشگاه سیستم های هوشمند (

48. ابزار‏های DOLAP – مسائل توسعه
آزمایشگاه سیستم های هوشمند (

49. ابزار‏های DOLAP – مسائل توسعه
کاهش تلاش لازم برای استقرار و نگهداری ابزار‏های DOLAP. برخی فروشندگان DOLAP راه‏های دیگری را برای استقرار داده‏های OLAP پیشنهاد و ارائه می‏دهند؛ مانند ایمیل، وب یا استفاده از معماری سرویس گیرنده/ سرویس دهنده مرسوم.
روند فعلی به سمت ماشین‏های مشتری thin می‏باشد.
آزمایشگاه سیستم های هوشمند (