Mehrdimensionale Würfel PDF

1984 entwickelt und von der Firma Applix unter dem Namen Applix TM1 vertrieben. 2007 wurde die Firma Applix mehrdimensionale Würfel PDF Cognos übernommen.


Författare: Anja Hashagen.
Grafik und Geometrie sind scheinbar Gegensätze.
Grafik ist visuell wahrnehmbar und Geometrie als
Teilgebiet der Mathematik eine geistige Disziplin.
Versuche, Geometrie mit Grafik anhand von Zeichnungen
sichtbar zu machen, zerstören dessen Präzision. Das
Ergebnis vermag jedoch die geistige Erfassung
geometrischer Strukturen zu erleichtern und visuell
ansprechend, ästhetisch zu sein. Zwei
Betrachtungsweisen sind möglich: Sehen und Denken.
Der Computer als bilderzeugende Maschine mit
abstrakten Strukturen kombiniert beides. Autorin Anja
Hashagen verbindet Grafik und Geometrie mit dem
Computer und regt zum Sehen und Denken, Ansehen und
Einsehen an. Sie nimmt Bezug auf die Anfänge der
Computerkunst, insbesondere die Arbeiten des
Künstlers Manfred Mohr, der den Würfel als zentralen
Gegenstand seiner Arbeiten gewählt hat, und gibt
einen Überblick über die Thematik Mehrdimensionalität
in Mathematik, Kunst und Literatur. Zusätzlich
entwickelt sie ein Konzept zur Sichtbarmachung von
unsichtbarer Geometrie und geistiger Erfassung
ästhetischer Grafik am Beispiel mehrdimensionaler
Würfel. Das Buch richtet sich an Interessierte der
Mathematik, Kunst und ästhetischen Bildung.

Dabei wurde die Datenbank umbenannt in Cognos TM1. Die aktuelle Version ist IBM Cognos TM1 10. Als Vater von TM1 gilt Manny Perez, der die Entwicklung bis in die Gegenwart aktiv begleitet und sich nun ein wenig zurückgezogen hat. TM1 begann mit seiner Vision im Jahre 1983, ein Werkzeug zu schaffen, das fachlich verständlicher als relationale Datenmodelle ist und gleichzeitig performant, skalierbar und flexibel. TM1 ist als Werkzeug für den Fachbereich konzipiert, um fachliche Prozesse und zugehörige Geschäftslogik durch flexible, mehrdimensionale Datenmodelle abzubilden. Mehrdimensional abgelegte Kennzahlen erhalten im Prozesskontext eine Bedeutung. Die Dimensionierung einer Information kann dabei der fachlichen Anforderung im Prozess angepasst werden.

TM1 ist als multidimensionale In-Memory-Datenbank für lesenden und schreibenden Zugriff konzipiert. Die Daten werden dabei auf Ebene der Einzelfakten im Arbeitsspeicher gehalten. Um eine Abfrage auszuführen, werden die dafür erforderlichen Aggregationen zur Laufzeit ausgeführt. Durch die Verwendung von Excel als Entwicklungsumgebung sind die Anforderungen an den Planungs- und Berichtersteller sehr gering. Cognos Executive Viewer ist ein Endbenutzer-Analyse-Tool für Ad-hoc-Auswertungen und wurde von IBM an die Firma Cubus verkauft.

Diese Seite wurde zuletzt am 19. Juni 2018 um 12:46 Uhr bearbeitet. Regelfall durch Anklicken dieser abgerufen werden. Möglicherweise unterliegen die Inhalte jeweils zusätzlichen Bedingungen. Der Einsatz eines Data-Warehouse verhindert, dass die Analysedaten mit den transaktionsorientierten Datenbeständen in Kontakt kommen und die Leistungsfähigkeit beeinträchtigt wird. Durchführung komplexer Analysevorhaben im Vordergrund, welche ein sehr hohes Datenaufkommen verursachen.

Das Ziel ist, durch multidimensionale Betrachtung dieser Daten ein entscheidungsunterstützendes Analyseergebnis zu gewinnen. Dieser folgt einer multidimensionalen, datenpunktorientierten Logik im Gegensatz zur zeilenorientierten Logik beim OLTP. Jeder Typ hat Vor- und Nachteile. MOLAP speichert Zahlen in Form von Datenpunkten. Dadurch hat MOLAP einen Performance-Vorteil gegenüber ROLAP-Systemen, die Daten auf relationaler Basis als Datensätze speichern. Vorausberechnete OLAP-Systeme weisen eine bessere Performance auf als OLAP-Systeme, die zur Laufzeit rechnen. In-Memory-Systeme weisen eine bessere Performance auf als festplattenbasierte Systeme, müssen jedoch mit dem Speicher sorgfältig haushalten.

ROLAP skaliert besser, ist dafür aber je nach Performance der eingesetzten relationalen Quellen langsamer als MOLAP. Dies liegt bei ROLAP daran, dass die Daten neben den teils vielleicht schon vorausberechneten Aggregationen in einer vielseitigen, aber eventuell langsameren relationalen Datenbank gespeichert vorliegen, während diese Daten bei MOLAP in geeigneter, schnell zugänglicher Form als Datenpunkt vorliegen. HOLAP bietet oft einen guten Kompromiss aus ROLAP und MOLAP. Hierbei werden die Basisdaten zunächst lokal in den Analyseclient importiert, um eine lokale Analyse vollziehen zu können. Als Nachteil kann hier allerdings eine eventuell zu schwache Hardwareauslegung gesehen werden.

Zeitintensiv bei DOLAP ist nicht die Auswertung der Daten, sondern die Erstellung und Auffrischung der angelegten Cubes. Einen weiteren, immer populäreren Typ stellt memory-based OLAP dar. Hier werden alle Daten im RAM gehalten und alle Werte in Echtzeit berechnet. Diese Technik war in der Vergangenheit hinsichtlich der Datenmengen limitiert.

This entry was posted in Fachbücher. Bookmark the permalink.