Modeling Linkable Multidimensional Cubes with Logical Patterns

Abstract

I dette projekt udforsker vi muligheden for at bruge RDF som opbevaringsformat for multidimensionelle kuber. Dette giver mulighed for at bruge SPARQL queries til at udføre OLAP operationer. Fordelen ved at bruge SPARQL frem for andre query sprog, er at SPARQL har indbygget funktionalitet til at lave ad-hoc data integration gennem query federationer. Ad-hoc data integration er nyttigt i sammenhænge hvor man ikke på forhånd kan vide hvilke forretnings spørgsmål man kan blive stillet overfor. Traditionelt indsamler man data i et data warehouse (DW) og evaluerer sine forretnings spørgsmål, i form af queries, derpå. Det er bade dyrt og tidskrævende at opbygge denne proces (kaldet ETL), der indsamler data og gemmer det i sit DW. Ved at supportere ad-hoc data integration kan man tillade udforskning af nye data kilder der har relevance for et forretnings spørgsmål uden at skulle lave store investeringer. Derudover kan et svar også forventes langt hurtigere ved ad-hoc data integration ved brug af SPARQL end hvis man skulle til at ændre sin ETL proces. I forbindelse med OLAP bruger man i den relationelle verden nogle forskellige skema teknikker til at modellere sine kuber. Selvom der ændes vokabulare der beskriver kuber i RDF format er der ikke tidligere undersøgt og beskrevet hvordan relationelle modellerings tekniker kan bruges pa RDF kuber. Vi beskriver hvordan disse teknikker bruges pa RDF data, der er beskrevet med et vokabular, beregnet til at beskrive OLAP kuber, QB4OLAP. Vi siger at en kube er i Snowflake-pattern hvis hver level instans i hver dimension er repræsenteret som en ressource. Hvis en kube i stedet har en ressource for hver dimensions instans siger vi at den er i Star-pattern. Hvis der hverken er level eller dimension instanser, men facts er direkte tilknyttet dimensions attributterne, er kuben i Denormalized-pattern. Vi designer og implementerer en algoritme til at konvertere en kube fra Snowflake-pattern til Star-pattern eller Denormalized-pattern. Denne algoritme kan håndtere kuber med multiple hierarkier og ubalancerede hierarkier i dimensioner. Algoritmen konverterer instans dataen og genererer en onologiudvidelse der, sammen med den eksisterende ontologi, beskriver de konverterede kuber. For at teste vores patterns konverterer vi det velkendte TPC-H dataset til RDF og annoterer det med QB4OLAP. Vi definerer kuber i dette dataset og modellerer dem som Snowflake-pattern i en række forskellige størrelser. Disse kuber konverteres til Star-pattern og Denormalized-pattern og der køres queries på alle tre versioner af kuberne, hvorefter køretiderne sammenlignes. Vi ser at Star-pattern klarer sig generelt bedst, mens Denormalized-pattern ikke ser ud til at have nogle klare fordele i nogle af vores kuber. Pladsforbruget for Star-pattern er marginalt højere end for Snowflake-pattern, men Star-pattern kan bade håndtere flere af vores test queries uden at time out og generelt evaluere queries hurtigere.

Traditional Decision Support Systems (DSS) rely on local data to answer business questions. This limits the decision maker to a simplied world. Ad-hoc data integration enables the decision maker to answer more business questions because the local data is enriched with situationally appropriate data. Linked data in Resource Description Framework (RDF) format is attractive as situational data because of its growing amount and its interconnectivity between sources. Several systems have been proposed to facilitate ad-hoc data integration and there is a high potential for further research. We explore the potential of storing the local data in RDF as well as the situational data. We show how business questions can be answered on RDF formatted cubes annotated with the QB4OLAP vocabulary, called Linkable Multidimensional (LMD) cubes. We introduce three logical patterns for LMD cubes, which have dierent characteristics with regards to load time, storage size, and query evaluation time. Our novel algorithm Semantic Web OLAP Denormalizer (SWOD) is used to convert cubes of one pattern to another. The well-known TPC BenchmarkTMH (TPC-H) dataset is converted to RDF and described as LMD cubes. We evaluate our patterns on these cubes, with queries based on the TPC-H business questions.

A master thesis from Aalborg University

Modeling Linkable Multidimensional Cubes with Logical Patterns