0. Aktuelle Version

• Bugfixes.
• Die Attributnamen werden als Zeilen- bzw. Spaltenüberschrift in der Ergebnistabelle angezeigt (ab Version 3.2.1).
• Deutsche und englische Sprachunterstützung (ab Version 3.2).
• Das multidimensionale Datenmodell des Data-Warehouse wird als Semantisches Data-Warehouse-Modell (SDWM-Schema) graphisch dargestellt. Dadurch hat der Nutzer einen Überblick über das konzeptuelle Datenmodell (ab Version 3.1).
• Elemente für den Bericht werden direkt aus dem SDWM-Schema ausgewählt (ab Version 3.2).
• Ein Regelassistent unterstützt den Nutzer bei der Auswahl und somit bei der Definition korrekter Berichte (ab Version 3.2).
• Die Elemente des Berichtsergebnisses können über ein Popup-Menü pivotiert oder entfernt werden (ab Version 3.1).
• Auswahl zum Öffnen bestehender Berichte über ein Auswahlfenster (ab Version 3.0).
• Modifikation bestehender Berichte (ab Version 3.0).
• Spezifikation neuer Berichte über eine Schablone und einen Filter.
• Speichern der neu erstellten oder modifizierten Berichte (ab Version 3.0).
• Eine Schablone kann mehrere Metriken enthalten (ab Version 2.01).
• Die Elemente der Schablone können über ein Popup-Menü in der Schablone verschoben werden (ab Version 2.02).
• Im Ergebnis kann über die Drill-Operationen Drill-Down, Drill-Up und Drill-Across weiter navigiert werden (ab Version 2.01).
• Das Berichtsergebnis kann pivotiert werden (Zeilen und Spalten vertauschen).
• Das Berichtsergebnis kann ausgedruckt werden.
• Anzeige des generierten SQL-Kommandos.

Zurück

Einführung und Inhalt

Ziel dieses Teilprojekts ist die Konzeption und Implementierung eines Client-/Server-basierten Data-Warehouse- und OLAP-Werkzeugs unter Verwendung der Programmiersprache JAVA. Diese Seite gibt einen kurzen Überblick über das Projekt und geht dabei auf die folgenden Punkte näher ein:


1. Einführung und Inhalt
2. Merkmale des Analysewerkzeugs
3. Architektur des Analysewerkzeugs
4. Demonstration des Prototypen
   • Starten des Prototypen
   • Aufbau des Beispiel-Data-Warehouse
   • Bedienung des Prototypen
5. Feedback und Kontakt

In Abbildung 1 ist die Abgrenzung des Analysewerkzeugs gegenüber der Architektur eines klassischen Data-Warehouse-Systems dargestellt. Das vorliegende Teilprojekt deckt die Ebenen Datenbereitstellung und Präsentation eines Data-Warehouse-Systems ab. Das Tool basiert auf den Daten und den Metadaten der Datenhaltungsebene. Die Schritte Extraktion, Transformation und Laden der Daten aus den operativen Systemen in das Data-Warehouse sind Aufgabe des ETL-Werkzeugs.


Abbildung 1: Abgrenzung des Analysewerkzeugs gegenüber Data-Warehouse-Systemen

 

Merkmale des Analysewerkzeugs

Bei der Entwicklung werden vor allem folgende Merkmale berücksichtigt:


• Unabhängigkeit von der gewählten Hardwareplattform
• Zugriff auf multidimensionale Datenstrukturen mit einer standardisierten Zugriffssprache
• Webbasierter Zugriff mit einer Client-/Server-Architektur
• Bereitstellung einer intuitiven graphischen Benutzeroberfläche
• Realisierung benutzerabhängiger Sichten auf multidimensionale Datenstrukturen
• Hohe Performance durch Preaggregationen
• Einheitlicher Zugriff auf versionierte Schemata
• Zugriff auf die Metadaten existierender Data-Warehouse-Produkte (im Augenblick wir der Zugriff auf Metadaten der Firma Microstrategy Version 6.0 unterstützt)
 

Architektur des Analysewerkzeugs

Als Grundlage für die Architektur des Werkzeugs dient das ADK-Strukturmodell. Weiterhin wird zur Strukturierung des Anwendungssystems das Client-Server-Modell verwendet. Das ADK-Modell umfaßt die Teilkomponenten Anwendungsfunktionen (A), Datenverwaltung (D) und Kommunikation (K), wobei verschiedene Möglichkeiten existieren, diese auf Client und Server zu verteilen. Unter den Gesichtspunkten der Leistungsoptimierung und Minimierung des Kommunikationsbedarfs, erfolgt hier die Aufteilung des Anwendungsteils auf Client und Server.

Diese Architektur bringt eine Reihe von Vorteilen. Da eine webbasierte Lösung implementiert werden sollte, mußte eine Trennung zwischen Client und Server erfolgen. Dies ist allerdings nur eine logische Aufteilung, so daß Client und Server auch auf dem gleichen Rechner laufen können. Die Trennung ermöglicht beispielsweise, daß mehrere Clients auf einen zentralen Server zugreifen können. Der Server übernimmt die Funktion der Datenverwaltung. Die Kommunikation mit dem Nutzer erfolgt über den Kommunikationsteil des Clients. Die Anwendungsfunktionen werden aufgeteilt, damit bereits eine Vor- und Nachbearbeitung der Anfragen am Client erfolgen kann. Zum einen reduziert sich damit der Netzwerkverkehr durch den minimierten Kommunikationsbedarf, und zum anderen sinkt die Belastung des zentralen Servers.

In Abbildung 2 wird schematisch die Architektur des Analysewerkzeugs dargestellt. Sie zeigt die Trennung des Anwendungssystems in Client- und Serveranteil, ebenso wie die Aufteilung nach den Teilsystemen des ADK-Strukturmodells. Diese Komponenten entsprechen Nutzermaschinen und repräsentieren die logische Architektur des Analysewerkzeugs. Die physische Architektur ist in Form der darunterliegenden Basismaschinen dargestellt. Den Kommunikationsteil realisiert die graphische Benutzerschnittstelle Swing der Programmiersprache Java. Die zugeordnete Basismaschine des D-Teilsystems besteht aus den Klassen, die über JDBC auf die Datenbankverwaltungssysteme des Data-Warehouse zugreifen. Die Innensicht der Anwendungsfunktionen bildet die Java-Klassenbibliothek. Die Kommunikation zwischen den beiden A-Teilsystemen erfolgt dabei über RMI (Remote Method Invocation).


Abbildung 2: Architektur des Analysewerkzeugs
Durch die folgende schematische Darstellung einer Anfrage an das Data-Warehouse soll der Zusammenhang zwischen den Komponenten verdeutlicht werden.

Beim Starten des Clients ruft das A-Teilsystem das dem Data-Warehouse zugrundeliegende Star Schema vom Server ab. Die Struktur des Star Schemas ermittelt der Server aus der Metadatenbank des Datenverwaltungsteils. Die Repräsentation der Dimensionen, Attribute und Metriken (Kennzahlen) erfolgt über den Kommunikationsteil des Clients. Aus diesen Elementen kann der Nutzer eine Anfrage graphisch erstellen. Er wählt dazu über die graphische Benutzeroberfläche die Bestandteile aus, die in der Ergebnistabelle angezeigt werden sollen. Anschließend übertragen die Anwendungsfunktionen die fertige Auswahl vom Client zum Server. Der A-Teil des Servers erstellt zu der Nutzeranfrage die entsprechenden SQL-Befehle. Diese werden über den Datenverwaltungsteil an das Data-Warehouse gesendet. Aus der Datenbankanfrage resultiert eine Ergebnistabelle, die zur Weiterverarbeitung an den Client gesendet wird. Die Anwendungsfunktionen des Clients transformieren die Tabelle in eine Kreuztabelle, bei der die Attributwerte sowohl in den Spaltenüberschriften, als auch in den Zeilenüberschriften stehen können. Die Werte der Metrik (Kennzahl) stehen in den Zellen der Kreuztabelle. Den Abschluß der Anfrage bildet die Darstellung der Kreuztabelle auf dem Client über die graphische Oberfläche.

 

Demonstration des Prototypen

Starten des Prototypen

Um den Client starten zu können, benötigen Sie einen Java-fähigen Webbrowser (z.B. Netscape-Communicator ab Version 4.5, Opera Version 5 oder Internet-Explorer ab Version 4.01). Bei Bedarf können Sie auf der Website von Sun das bereitgestellte Java Plugin für die Unterstützung von Java ab Version 1.2 herunterladen.
Sie können das Applet direkt über Ihren Browser starten, indem Sie folgenden Link aufrufen.


(Version 3.2.1)


Für die Login- bzw. Paßwortabfrage verwenden Sie bitte jeweils gast



Aufbau des Beispiel-Data-Warehouse

Der Prototyp ist hier zur Demonstration mit einem einfachen Beispiel eines Data-Warehouse verknüpft. Das Beispiel beschreibt das Data-Warehouse einer Kaufhauskette, die mehrere Filialen in Deutschland besitzt. Sie verfügt über mehrere Abteilungen mit Unterabteilungen. Diese vertreiben Artikel, die sich zu Warengruppen zusammenfassen lassen.

Abbildung 3 stellt die Dimensionen des zugehörigen Schemas mit den hierarchisch angeordneten Attributen dar.


Abbildung 3: Dimensionen, Attribute und Kennzahlen des Beispiels
Das Data-Warehouse verfügt über die drei Dimensionen Geographie, Sortiment und Zeit. Die Hierarchie der Attribute ist in Abbildung 3 dargestellt. Die drei Dimensionen qualifizieren die quantitativen Daten des Hypercubes (Datenwürfel). Die Werte in den einzelnen Zellen des Würfels werden über Aggregationsfunktionen zu sogenannten Metriken verknüpft. Der Datenwürfel des Data-Warehouse ist schematisch in Abbildung 4 aufgezeigt.


Abbildung 4: Datenwürfel des Beispiels



Bedienung des Prototypen

Nach dem erfolgreichen Anmelden erscheint die Oberfläche, mit der ein Bericht erstellt werden kann. Ein Bericht besteht dabei aus einer Schablone und einem optionalen Filter. Die Schablone definiert das Layout des Berichts. Sie enthält eine Kennzahl (Metrik) und mindestens ein qualifizierendes Attribut. Die Attribute können verschachtelt in den Zeilen und in den Spalten der Tabelle angeordnet werden (Kreuztabelle). Mit dem Filter kann die Anfrage auf einen Teilbereich des Datenraums (Datenwürfel) eingeschränkt werden.

Das interne Fenster der Oberfläche enthält die drei Reiter Schablone, Filter und Ergebnis, mit denen die Schritte zur Erstellung eines Berichtes durchlaufen werden.

Der erste Reiter Schablone dient zur Auswahl der Kennzahl und der Attribute. Der linke Bereich des Fensters enthält einen Baum, der die vorhandenen Dimensionen mit ihren Attributen darstellt, die den Datenwürfel aufspannen. In einem weiteren Ast dieses Baumes sind die Kennzahlen (Metriken) des Data-Warehouse angeordnet. Diese Komponenten lassen sich auswählen und zu der Schablone hinzufügen. Die aktuelle Struktur der Schablone ist im rechten Bereich des Fensters zu sehen. Das Hinzufügen und Entfernen von Komponenten ist über entsprechende Schaltflächen, Doppelklick oder Tastatur (Enter/Entf/Backspace) möglich.
Ein Bericht kann nur ausgeführt werden, wenn eine vollständige Schablone angegeben ist. Dazu muß mindestens ein Attribut und eine Metrik angegeben sein.

Der Screenshot in Abbildung 5 zeigt eine Schablone, die den Nettogewinn differenziert nach Jahr und Monat für die Filialen der Bundesländer und Verkaufsregionen darstellen soll.


Abbildung 5: Auswahl der Schablone (Vollbild)

Der zweite Reiter Filter ermöglicht die Angabe eines Filters. Dieser schränkt die Anfrage auf einen Bereich des Datenwürfels ein. Der linke Fensterteil enthält einen Baum, der für alle Dimensionen des Datenwürfels die Attribute und die zugehörigen Attributwerte hierarchisch darstellt. Ausgewählte Werte lassen sich zum Filter hinzufügen. Der aktuelle Filter ist im rechten Bereich des Fensters zu sehen. Das Hinzufügen und Entfernen von Komponenten ist über entsprechende Schaltflächen oder die Tastatur (Entf/Backspace) möglich.
Zum Ausführen eines Berichts ist die Angabe eines Filters nicht zwingend erforderlich.

Der Screenshot in Abbildung 6 zeigt einen Filter, der die Abfrage auf die Daten des Bundeslandes Bayern und die Monate März 1995, Februar 1996 und März 1996 einschränkt.

 
Abbildung 6: Auswahl des Filters (Vollbild)

Sofern eine vollständige Schablone angegeben ist, ist die Schaltfläche Fertig des Reiters Filter aktiviert. Durch das Drücken des Buttons wird der Bericht zum Server übertragen und ausgeführt. Nach erfolgreicher Übertragung der Daten ist schließlich im Fenster des letzten Reiters Ergebnis die aus der Anfrage resultierende Kreuztabelle zu sehen. (Der Reiter wird erst nach Betätigung der Schaltfläche Fertig aktiv.)

Der Screenshot in Abbildung 7 zeigt die Kreuztabelle, die sich aus der Schablone und dem Filter aus den Abbildungen 5 und 6 ergibt.

 
Abbildung 7: Darstellung des Anfrageergebnisses (Vollbild)

Auf dieser Ergebnistabelle können nun weitere (Navigations-)Operationen ausgeführt werden. Über das Menü Extras können die Zeilen und Spalten der Erbebnistabelle vertauschen werden. Abbildung 8 stellt den Screenshot dar, der die Ergebnistabelle aus Abbildung 7 nach dem Ausführen der Operation Zeilen und Spalten vertauschen zeigt.

 
Abbildung 8: Durchführung weiterer Operationen auf der Ergebnistabelle (Vollbild)

Weiterhin können über das Drill-Menü die Operationen Drill Up, Drill Down und Drill Across ausgeführt werden. Dazu müssen im Anfrageergebnis ein oder mehrere Ausprägungen eines Attributs selektiert werden, bezüglich derer die Drill-Operationen ausgeführt werden sollen. Bei der Drill Up-Operation werden die Werte der Metrik(en) entlang des Aggregationspfades zusammengefaßt. Die Drill Down-Operation bildet die inverse Operation zu Drill Up und erzeugt entlang des Aggregationspfades eine detailliertere Darstellung des Ergebnisses. Über die Funktion Drill Across kann das Anfrageergebnis bezüglich eines beliebigen Attributs aus dem Data-Warehouse-Schema aufgespalten werden. Bei den Operationen Drill Down und Drill Across wird die Schablone um die ausgewählten Attribute erweitert, bei der Drill Up-Operation wird das selektierte Attribut ersetzt.

Die nachfolgenden Abbildungen zeigen das Drill Across-Dialogfenster (Abbildung 9) und das zugehörige Drill-Ergebnis (Abbildung 10), das aus dem Ergebnis der Anfrage (Abbildung 7) die Umsatz- und Gewinnzahlen der Filiale München abteilungsspezifisch aufspaltet.

 
Abbildung 9: Dialogfenster der Drill Across-Operation (Vollbild)
 
Abbildung 10: Ergebnis nach dem Ausführen der Drill Across-Operation (Vollbild)

Über die Schaltfläche SQL-Daten anzeigen, bzw. über den entsprechenden Eintrag im Menü Ansicht kann die generierte SQL-Anweisung angezeigt werden, mit der serverseitig die quantitativen Daten aus der Datenbank ausgelesen wurden. Zusätzlich gibt das Fenster Auskunft über den zeitlichen Verlauf zur Ausführung der Anfrage (Abbildung 12). Die Eigenschaft, ob diese operativen Daten vom Server zum Client übertragen werden, läßt sich im Dialog Einstellungen aus dem Menü Optionen festlegen.

Der Screenshot in der nachfolgenden Abbildung 11 zeigt das Dialogfeld, mit dem sich bestimmte Einstellungen des Analysewerkzeugs vornehmen lassen.

 
Abbildung 11: Einstellungen des Analysewerkzeugs (Vollbild)

Abbildung 12 enthält einen Screenshot des Fensters, das den erzeugten SQL-Befehl des Servers zum Auslesen der quantitativen Daten aus der Datenbank anzeigt.

 
Abbildung 12: Generierter SQL-Befehl zum Auslesen der quantitativen Daten (Vollbild)
 

Feedback und Kontakt

Bei Problemen, Anmerkungen oder Fragen können Sie gerne Kontakt mit uns aufnehmen. Wir sind auch sehr an Ihrer Meinung zu unserem Werkzeug interessiert.

Dipl.-Wirtsch.Inf. Markus Plaha

• E-Mail: markus.plaha@wiai.uni-bamberg.de
• Telefon: +49 (951) 863-2771