 | ||||||||||||
| ||||||||||||
| 前のページ 1 2 3 次のページ | ||||||||||||
| ||||||||||||
| インデックスの違い | ||||||||||||
汎用RDBMSでは、高速化手法の1つとしてインデックスがあります。インデックスは検索条件となるカラムに設定する必要がありますから、データ抽出の視点が多様な、言い換えるとあらゆるカラムが検索条件になり得るようなデータウェアハウスにおいては、下記のような問題が生じることになります。
表3：データ抽出が多様な場合の問題点  図3：膨大な量のインデックスが発生する例 （画像をクリックすると別ウィンドウに拡大図を表示します） このように汎用RDBMSが採用する「テーブル＋インデックス構造」はいたずらにデータベースサイズを膨らませ、ストレージコストやメンテナンスコストを押し上げるだけでなく、データウェアハウスの構造／運用コストを上昇させることになりますが、性能的には投下コストほどの効果を得られないという問題をはらんでいます。 以上をまとめると表4のようになります。
表4：まとめ | ||||||||||||
| データ活用のアプローチ「Sybase IQ」 | ||||||||||||
このようにデータウェアハウスに求められる要件は、現在の汎用RDBMSでは解決できない点が数多くあります。では、企業にある様々なデータをそのまま眠った資産としておいてよいのでしょうか。本連載では、その解決策としてSybase IQを紹介します。 | ||||||||||||
| 前のページ 1 2 3 次のページ | ||||||||||||
技術ホワイトペーパ「情報分析用高速クエリエンジンSybase IQ」 本連載はサイベースが提供している技術ホワイトペーパ「情報分析用高速クエリエンジンSybase IQ」の転載となります。Sybase IQのより詳細な内容については以下のページを参照してください。 http://www.sybase.jp/products/informationmanagement/sybaseIQ_moreInfo.html | ||||||||||||
| ||||||||||||
| ||||||||||||
| ||||||||||||
| ||||||||||||
| ||||||||||||
-
人気記事ランキング
-
-
連載
