Etiket Bulutu

Benchmark Convert_IMplicit Database High Availability Database Mirroring datawarehouse dimension table dmv Dynamic Data Masking Execution Execution Plans fact table Failover Cluster Node ekleme Failover Clustering FileStream generate script High Availability Implicit Instant File Initialization index Kinect Linux Live Query Statistics Log Shipping Mirroring object explorer object explorer details ODBC Driver pass performance performance tuning Plan Handle Planü Power View reporting services rol Row Level Security script sql serer 2016 sql server SQL Server 2008 SQL Server 2008 Log Shipping SQL Server 2012 SQL Server 2012 installation SQL Server 2012 Kurulumu SQL Server Backup SQL Server da Backup planı SQL Server da Maintenance Plans oluşturma SQL Server database mirroring SQL Server Disaster Recovery sql server dynamic management views SQL Server Failover Cluster SQL Server High Availability SQL Server Log Shipping SQL Server Maintenace Plans sql server performans SQLDIAG SQLDIAG Troubleshooting T24 Temenos truncate table t-sql unique index performance 1. Dünya savaşı istatistikleri 1456 451 ACID advanced analytics Advanced Data Analytics Affinity algı Alter index Alter table ALTER TABLE .. ALTER COLUMN Altın Oran Always On ALWAYSON AlwaysOnDemoTool amazon web services kinesis AMR analiz analysis service Ankara Antivirus apache kafka Arduino Article Assembly asymmetric audit Authentication Auto Growth Availability Group azure Azure Backup azure event hub partition azure event hubs azure event hubs servisi azure event hubs veri edinme Azure File Share Azure Fiyatlandırma Azure HDInsight Azure Hizmet Modelleri Azure ML Azure New Portal Azure Pricing Azure Queue azure sql database configuration azure sql database kullanımı azure sql database stream veriyi tutma azure sql database table partitioning Azure Storage azure stream analytics azure stream analytics dashboard azure stream analytics ölçeklendirilmesi azure stream analytics servisi Azure Table BA Backup backup encyrption backupset Bakım BASE bellek Best Practice BI Semantic Model Big Data Big User blocking blocking disable trigger blocking enable trigger Buffer Cache buffer pool Buffer Pool Extension bulk logged Buluta Veri Depolama Buluttaki Disk Business Analytics Conference business intelligence Büyük Veri Case Central Management Server certificate changed data capture Cloud Computing Cloud DR CLR Cluster clustered columnstore index Clustered Index Code Snippets Cold Purging collation column store column-level columnstore ColumnStore Indexes Compress ComputerNamePhysicalNetBIOS Concurrency Conditions Contained Database Contained Databases convert CONVERT_IMPLICIT Corruption Credentials cube DAC Dashboard Tasarımı data cleansing Data Compression Data Consistency Model data encryption data matching data mining Data Page data profiling data quality Data Services Data Warehouse Design Database database list Database Management Sistem database master key Database Mirroring Database Snapshot database trigger database-level Data-Ink Ratio datasets datasource DataZen date date dimension db_owner DBA DBCC dbcc dropcleanbuffers dbcc freeproccache DBMS dbo user DDL deadlock debugging DecryptByKey DecryptByPassPhrase deleted bitmap delta store Denali Denali SSAS deny database list deşifre detail index developer DIFFERENTIAL BACKUP DirectQuery Dirty Read Disaster Recovery Distribution Yapılandırma Distributor Distributor Agent dm_server_services DMF DMO DMV document db dosya bazlı şifreleme dqs dr Dynamic Management Function Dynamic Management Object Dynamic Management View ecrypt Effected Report Design Techniques Eğitim EncryptByKey EncryptByPassPhrase encryption endpoint Environment Variable error Error 5030 Error Log Estetik Raporlama Estimated Rows Eş Zamanlılkk Etkili Rapor Tasarlama Teknikleri Etkinlik ETL event Event Viewer except;intersect;sql execution Execution Plan export formats extended events Extended Stored Procedure Facets Failover Failover Cluster fast n execution plan FETCH NEXT FILELISTONLY FILLFACTOR File Table file-level FileStream Filter Pack Filtered Index First_Value Flat File fn_repl_hash_binary Focal Point foreignkey FORMAT Forwarded Record forwarded_record_count ftp task FULL BACKUP Full Recovery Full-Text Search functions Gartner Geocluster Gerçek Zamanlı Dashboard gestalt Golden Ratio görsel duyu group by Güvenlik ha Hadoop hafıza Hash HASHBYTES HEADERONLY headers footers Heap Hekaton hicri High Availability hijr Hiyerarşi Hybrid Cloud IaaS Index Index Scan In-Memory InMemory DW In-Memory DW InMemory OLTP In-Memory OLTP Internet of People Internet of Things IO IOT IoT nedir Isolation Level indeks index inmemory in-memory oltp internet of things isolation level istatistik istatistikler İş zekası İzolasyon Seviyesi Job json json support knowledge base kolon-satır bazlı kurulum küp Lag Lansman latch Lead linked server lock locking locking hints Log Backup Log Reader Agent Log Shipping login Lost-Update LQS Machine Learning Maintenance Management Studio matrix Max Text Replication Size mdx memory Memory Optimization Advisor Memory Optimized Table Memory Optimized Tables merge Merge Agent merge kullanımı Merge Publication Merge Replication merge type 1 slowly changing dimension merge type 1 slowly changing dimension örneği merge type 1 vs type 2 scd merge type 2 slowly changing dimension merge type 2 slowly changing dimension örneği merge type 3 slowly changing dimension merge type 4 slowly changing dimension message Microsoft Advanced Data Analytics Çözümleri microsoft azure Microsoft Bulut Microsoft Sanal Akademi Microsoft SQL Server Microsoft SQL Server 2014 Yenilikleri Microsoft SQL Server 2016 Mirror mirroring missing index Monitoring move Msdb multi_user multiversion concurrency control MVP MVP Roadshow MySnippet Named Pipes Natively Store Procedures Natively Stored Procedures Nesnelerin İnterneti Network Binding Order NoEngine Approaches nonclustered columnstore index Non-Repetable Read NoSQL NoSQL Approaches NoSQL Dünyası object explorer Odak Noktası ODBC Office 365 Offline OFFSET olap OLAP Backup OLE DB OLTP Online Index order attributes Otomatik Büyüme OVER PaaS PAD_INDEX page out page properties PAGE RESTORE PAGEIOLATCH paging parameters partition partitioning PASS PASS Summit PASS Summit 2014 Performance Performance Tuning performans performans tuning Phantom Read pivot Policies Policy Based Management Filtreleme Policy Management Power BI Power BI Dashboard Power BI Rest API power bi power view PowerBI PowerBI for Office 365 powerbi PowerMap PowerPivot PowerQuery powershell powershell ile sql yönetimi PowerView PowerView raporlarının web sayfalarına gömülmesi precon Primary Key primarykey Project Deployment Model Project Variable Protokol Proxy Proxy Account Publisher Purging on Independent Tables QL Server 2014 Yenilikleri Que Reader Agent Query Plan query store R Range Raporlama Raporlama Projeleri için Strateji Belirleme Raporlama Projelerine Hazırlık Read Committed Read Uncommitted RealTime Dashboard Rebuild RECONFIGURE RECONFIGURE WITH OVERRIDE Recovery model Relational Engine relationships Rename SSRS Database Repeatable Read Replication Replication Monitoring replikasyon report manager web site report parts reporting service reporting services reporting servis Resource Governor RESTORE Restore Database Restore Generate Restore Generate Script Restore transaction log rollback rs Rule of Thirds sa user SaaS sayfalama scd 3 demo scd karşılaştırma scd type 4 demo Scheduling Schema Comparison script Security segment elimination select into Self-Service BI Semantic Search Serializable Server Core SERVERPROPERTY Service services shared data sources shared datasets Shared Memory sharepoint Sharepoint 2010 ShowPlan Shrink simple recovery sing_user sliding window Slowly Changing Dimension snapshot Snapshot Agent Snapshot Publication Snapshot Replication Snippet snowflake sorting sp_configure sp_describe_first_result_set sp_server_diagnostics sp_spaceused sql SQL Agent Job SQL Azure sql bilgi yarışması SQL CLR SQL DIAG SQL DIAG Performans verisi toplama SQL endpoint SQL Login SQL Onculeri SQL Öncüleri sql script sql server SQL Server 2005 SQL Server 2008 SQL Server 2011 CTP3 SQL Server 2011 Denali SQL Server 2012 SQL Server 2012 CTP3 SQL Server 2012 RC SQL Server 2012 RC0 SQL Server 2012 ShowPlan Enhancements SQL Server 2012 T-SQL Enhancements SQL Server 2014 Sql Server 2014 Cardinality Estimator SQL Server 2014 Yenilikleri sql server 2016 SQL Server 2016 New Features SQL Server 2016 Yenilikleri sql server agent sql server assembly ekleme SQL Server Authentication sql server cast ve convert sql server clr integration sql server clr kullanımı sql server clr örnek sql server cluster SQL Server Code Name Denali SQL Server da Kullanıcı Yaratma SQL Server Database Project sql server dmv ve dmf sql server execution plan temizleme SQL Server Express Backup sql server fast n option örneği sql server fast n seçeneği SQL Server login sql server management stdio sql server merge into örnek sql server merge komutu sql server merge performnas sql server merge type 1 scd sql server merge type 2 scd sql server merge type 3 scd SQL Server Mobile Report Publisher SQL Server Network Interface SQL Server Onculeri SQL Server Öncüleri SQL Server Öncüleri Ankara SQL Server Performance sql server performans SQL Server Profiler SQL server recovery model SQL Server Reporting Services SQL Server Restore Generate Script SQL Server sa SQL Server Security SQL Server SQL DIAG sql server tarih dönüşüm işlemi sql server tarihsel veriler ile çalışma SQL Server User SQL Server yetki SQL Server yetkilendirme sql servera .net kodu ekleme SQL Serverda yetkilendirme nasıl SQL Serverda yetkilendirme nasıl yapılır sql to oracle linked server sql türkiye SQL User With Password sql yarışma SQLCMD sql'den oracle'a linked server SQLDIAG SQLDIAG Report SQLOS sqlsaturay SQLSaturday SQLSaturday #182 SQLSaturday #359 sqlsaturday #451 sqlserveronculeri ssas SSAS 2012 SSIS SSIS 2012 ssis SSMS SSMS Project SSMS Solution ssrs Stanby Database star schema STOPAT STOPBEFOREMARK STORAGE Storage Engine stored procedure stream analytics job subreports Subscriber Subscription subscriptions symmetric SYS sys.dm_db_index_physical_stats sys.dm_db_index_usage_stats sys.dm_db_missing_index_columns sys.dm_db_missing_index_details sys.dm_db_missing_index_group_stats sys.dm_db_missing_index_groups sys.server_principals sysadmin System Databases System View şifre şifreleme table table difference TableHasClustIndex TableHasIdentity TableHasPrimaryKey Tablet PC Tabular Mode Tabular Model TCP/IP TDE Tempdb time series Transaction Transactional Publication Transactional Replication Transparent Data Encryption trigger Troubleshooting TRY_CONVERT TRY_PARSE tsql t-sql T-SQL 2012 tsql mistakes Undocument union unionall Updatable ColumnStore İndex upgrade Veri ambarı veri edinme seçenekleri Veri Güvenliği Veri Hizmetleri Veri madenciliği Veri Mürekkep Oranı Veri Tabanı Yönetim Sistemleri Veri Tipi Veri Tutarlılık Modelleri Veri Yönetimi Evrimi verinin evrimi Veritabanı oluşturmak VERİTABANI YEDEKLEME STRATEJİLERİ veritabanı yedeklerinin şifrelenmesi Veritabanı Yöneticisi Veritabanı Yönetimi VeritPaq view any database Visual Studio VTYS web services Webcast Windows 7 Windows 8 Windows Authentication Windows Azure Windows Failover Clustering wmi WRITELOG xevents xp_sqlagent_enum_jobs YEDEKLEME STRATEJİLERİ Yedekli Çalışma Yetkilendirme Yiğit Aktan ysfkhvc yusuf kahveci Yüksek Erişilebilirlik Yüksek Süreklilik zip

SQL Server ve Veri Madenciliği 1 - Temel raporlama tipleri ve farkları

Ekleyen: Mustafa Acungil Bilgeadam Kurumsal Teknoloji Yöneticisi Tarih:29.10.2011 Okunma Sayısı:2870


OLTP

Veritabanlarının geçmişine baktığımızda, ilk ortaya çıkan hizmetin verilerle ilgili işlemlerin bir veritabanında tutulabilmesi ve sorgulanabilmesi olduğunu görürüz. Burada temel birim 'transaction' yani işlemdir. İşlem kelimesinin daha genel olması ve veritabanı jargonunda transaction kelimesinin özel bir anlam kazanmış olması sebepleriyle bundan sonra transaction kelimesini kullanıyor olacağım.

Veritabanlarının bu ilk hallerindeki temel yapı tablolar ve bunların arasındaki ilişkilerdir. 1970'lerden itibaren ortaya çıkmış olan ve halen kullanılmakta olan bu yaklaşıma OLTP adını veriyoruz. Yani OnLine Transaction Processing. Görüldüğü gibi temel kavram, transaction'ların işlenmesidir.

OLTP sistemlerinde dört temel eylem vardır: Select, Insert, Update, Delete. Eklenmiş kayıtlardan koşullarını belirttiklerimizi seçebiliriz (Select). Yeni kayıtlar ekleyebiliriz (Insert). Eklenmiş kayıtlarda güncelleme yapabiliriz (Update). Ve eklenmiş kayıtları silebiliriz (Delete). Bu temel komutlara (fonksiyonlar gibi alt unsurları gözardı edecek olursak) sonradan bir tek Merge'in eklendiğini söyleyebiliriz. Ki o da, kaynaktaki verilerle hedefteki verileri karşılaştırıp her bir satır için Insert, Update ya da Delete çalıştırmayı ya da herhangi bir şey yapmamayı içerir.

OLAP

1990'lardan itibaren özellikle çok mekanda işlem yapan ve hem coğrafi ölçekte hem de parasal olarak büyük şirketlerde on yılı aşkın bir süredir OLTP veritabanları kullanılıyordu. Birikmiş veri ortaya bir sorun çıkardı: Bu verilerle başka türlü işlemler de yapılmak isteniyordu. Özellikle raporlama alanında. Verilere tekil transactionlar olarak değil de özetler olarak bakabilmek büyük önem kazanmaya başlamıştı. Ürün gruplarının çeyrekler bazında performanslarının hızlıca karşılaştırılabilmesi... Mağazaların aylık ve yılbaşından beri (year to date) satış verilerinin ürün kategorisinde hızla alınabilmesi... Siparişlerin geçen yıl aynı döneme göre artış oranının hızla elde edilebilmesi... Bu gibi istekler çoğalmaya ve içerik olarak da karmaşıklaşmaya başlamıştı.

istekler iyiydi hoştu da, OLTP'nin T'siyle çelişiyordu. OLTP sistemleri tekil transactionların yönetimi ve takibi için geliştirilmişlerdi. Okuma sorguları kadar yazma sorgularını da desteklemeleri gerekiyordu ve bunlar düşman kardeşlerdi. Okumayı desteklemek için koyduğunuz bir indeks yazma performansını olumsuz etkileyebiliyordu.

İsteklerin ve eldeki sistemlerin yetenekleri arasındaki uyuşmazlık yeni bir kavramın doğmasına yol açtı: OLAP. OnLine Analytical Processing. Bu yeni yaklaşımın temel bakış açısı analitikti. Veriler üzerinde analitik işlemler yapabilmek. Temel olarak özet verilerle hızlı bir şekilde çalışabilmek.

Bir OLTP sistemine bir senedeki dört çeyrek bazında on ürün grubunun satış performasını sorduğunuz zaman, istediğiniz bu 40 veriyi hesaplayabilmek için milyonlarca satırı okuyup toplaması gerekebilir. Oysa OLAP sistemleri bu tür özetleri önceden hesaplamış olur ve arkada milyonlarca satır olsa bile size zaten hesaplanmış bekleyen 40 veriyi saniyeler içinde verebilir.

SQL Server'ın OLAP çözümü SSAS'tir (SQL Server Analysis Services).

OLTP ortamlarında OLAP tipi işler yapmaya çalışmanın sonu yoktur. OLTP ortamları analitik sorgulara cevap vermek üzere geliştirilmiş yapılar değildirler. Bunun birkaç sebebini sıralayalım:

- OLTP sistemleri temel olarak unutkandırlar. Çoğu veride değişiklik durumunda üzerinde güncelleme yaparız. Eski hal yok olmuş olur. Verinin tarihçesini takip etmek için log ya da tarihçe tabloları kullanmak mümkün olmakla birlikte, bu zahmetli bir süreçtir. Raporlanması için de özel çalışma yapmak gerekir. Bu tür çalışmalar da SQL ifadeleri kısıtında hem yazmak hem çalıştırma performansı bakımından zorlayıcıdır.

- OLTP sistemlerinde özet değerler oluşturmak ve bunları yaşatmak zordur. Özet tablolar yapmanızı kimse engellemez. Ama bir özet tabloyu yapmak, yaşatmak, değişiklik taleplerini gerçekleştirmek ciddi anlamda insan emeği ister ve sistem üzerinde de zorlayıcı yükler getirir.

- OLTP sistemlerinde okuma performansını artırmaya yönelik yaptığınız çalışmalar yazma performansında olumsuz sonuçlarla karşınıza çıkar.

- OLTP sistemlerinin temel dili olan SQL analitik ihtiyaçlarda çok temel olan önceki dönemle karşılaştırma, geçen sene aynı dönemle karşılaştırma, sene başından beri toplam alma gibi konularda bile hazır çözümler sunmaz.

Diyelim 100 GB'lık bir veritabanınız olsun. Kaç yıllık veri tuttuğunuza bağlı olarak OLTP türü sorgularda bu verinin yüzde 5 ila 20'sini falan kullanırsınız. 32 GB RAM'i olan bir sunucunuz varsa, max server memory'i diyelim ki 26 GB yaptıysanız, verinin kullanılan kısmının tamamının buffer cache'e alınması için yeterli kaynağınız var demektir. Oysa bu sunucuya biraz geniş aralıklı bir analitik özet sorgusu gelirse işler karışır. Diyelim ki son 5 yılda ürün grubu bazında satışların yıllık grafiğini almak istiyorsunuz. Normal OLTP sorgularının dokunmadığı binlerce sayfayı buffer cache'e almanız gerekir. Memory optimizasyonu bir anda darmadağın olabilir. Uzun süreli bir rapor sorgusuyla eş zamanlı çalışan yazma sorgularının kilitler gibi konular yüzünden uğrayabileceği sıkıntıları saymıyorum bile.

Bu tür analitik sorguları OLTP ortamlarında ne kadar kahramanca gerçekleştirirseniz, bataklığa o kadar çok batarsınız. Çünkü siz başarılı oldukça bir yandan veri miktarı artacak bir yandan da istenen raporların sayısı ve karmaşıklığı artacaktır. Pes edeceğiniz ana kadar devam edeceksiniz demektir bu. Ya da sistem performans açısından pes edene kadar... OLAP tipi bir çözüme gitmek doğru yol olacaktır.

Peki neden veri madenciliği?

Tamam OLAP'ı da yaptık. Peki veri madenciliği nereden çıktı?

Bu verilerden anlam çıkarmaya çalışanların iştahları öyle kabarıktır ki... Cevaplanması gereken o kadar çok soru vardır ki...

OLAP sadece belirli raporlar için değil, aynı veri grubuyla yapılabilecek (bazıları daha önce hiç düşünülmemiş) her türlü rapor için bir altyapı sağlar. Ama bu raporlar insan gözüyle değerlendirilebilecek raporlardır. Yani grupların özet değerlerinin karşılaştırması, trend eğrilerinin incelenmesi gibi insan gözüyle yapılabilecek çalışmalar içindirler.

Oysa bazı sorunlar insan gözüyle yapılabilecek incelemeler kapsamında çözülemezler.

1 milyon müşterim var. Bunlara tekrarlı satışlar yapıyorum. Acaba 6 ay sonra bu müşterilerden hangisinin benimle iş yapmayı bırakmasının ihtimali belirli bir sınırın üstündedir?

Daha önce yaptığım satış kampanyalarında 50 bin kişi ya müşterim oldu ya da bilgilerini edindim. Şimdi yeni bir site inşaatımız var. 2 bin konut satmamız gerekiyor. Acaba bu 50 bin kişiden hangilerine kampanya yapmalıyım. Kullandığım satış yöntemleri pahalı olduğu için tamamını hedeflemek istemiyorum....

100 bin ürünüm var. Bunlardan hangileri bir arada satılıyorlar. Hangi ürünü alanlara hangi ürünleri önermeliyim...

Bu tür sorguların ortak noktaları ne OLTP sorgularıyla ne de OLAP sistemlerinden çekilen özet raporlarla pratik bir şekilde yapılamamalarıdır. Ama neyse ki aslında biraz veritabanı dünyasının dışında gelişen bazı kavramlar, algoritmalar ve diğer çalışmalar karşımıza veri madenciliği diye bir seçenek çıkarmıştır. İşte bu veri madenciliği imkanı SQL Server'da hem de 10 yılı aşkın bir süredir bulunmaktadır.

Bu yazı dizimizin devamında veri madenciliğine daha yakından bakıp SQL Server'da veri madenciliğiyle ilgili neler yapabileceğimizi inceliyor olacağız.


yorum yaz

Üye Girişi

Kullanıcı Adınız

Şifreniz

Şifremi Unuttum

Arkadaşına Tavsiye Et

Tavsiye edebilmek için siteye giriş yapmalısınız