Data warehouse architecture in hindi

टॉपिक • 1 Data Warehousing in Hindi – डेटा वेयरहाउसिंग क्या है? • 2 डेटा वेयरहाउस की विशेषताएं – Characteristics of Data Warehouse in Hindi • 3 Advantage of Data Warehouse – डाटा वेयरहाउस के लाभ • 4 Types of Data Warehouse in Hindi – डाटा वेयरहाउस के प्रकार Data Warehousing in Hindi – डेटा वेयरहाउसिंग क्या है? • डेटा वेयरहाउसिंग विभिन्न प्रकार के स्रोतों (sources) से डेटा को collect और manage करने की एक प्रक्रिया है. डेटा वेयरहाउस का उपयोग आमतौर पर अलग-अलग प्रकार के डेटा को collect और analyze करने के लिए किया जाता है। • आसान शब्दों में कहें तो, “डेटा वेयरहाउसिंग एक तकनीक है जिसमें डेटा को अलग-अलग स्थानों से इकट्ठाकिया जाता है और इसके बाद इस डेटा को डेटा वेयरहाउस में स्टोर किया जाता है।” • डेटा वेयरहाउस एक प्रकार का • Data warehousing डेटा को एक स्थान में स्टोर करने का माध्यम होता है। इसमें डेटा को स्टोर करने के लिए कई प्रकार के हार्डवेयर का प्रयोग किया जाता है। • Data को servers के समूह या कंप्यूटर पर स्टोर करना data warehousing कहलाता है। Data warehouse में नये और पुराने दोनों प्रकार के डेटा को स्टोर किया जाता है। • डेटा वेयरहाउसिंग का कार्य सिर्फ डेटा को स्टोर करना ही नही होता बल्कि यह डेटा को सुरक्षा भी प्रदान करता है। • Data warehouse कई प्रकार के source से प्राप्त जानकारी को एक स्थान में एकत्रित करता है जिसे repository कहते है। इसमें सारी सूचना एक ही schema में स्टोर की जाती है। • इसमें एक बार collect हुआ डेटा लम्बे समय तक store रहता है और इस डेटा का इस्तेमाल लम्बे समय तक किया जा सकता है। • डेटा वेयरहाउसिंग का उपयोग हर कोई व्यक्ति नहीं कर सकता, इसका उपयोगज्यादातर 2 :-...

आज के उद्योग में, रिटेल स्टोर्स से लेकर वित्तीय संस्थानों तक, मैन्युफैक्चरिंग एंटरप्राइजेज से लेकर सरकारी विभागों तक, और एयरलाइन कंपनियों से लेकर यूटिलिटी बिजनेस तक, डेटा वेयरहाउसिंग लोगो ंके व्यावसायिक विश्लेशण करने और रणनीतिक निर्णय लेने के तरीके में क्रांति ला रहा है । तो चलिए Data Warehouse के बारे में विस्तार से जानते है । Table of Contents • • • • • • • • डेटा वेयरहाउस क्या है (What is Data Warehouse in Hindi) ? डेटा वेयरहाउस सार्थक व्यावसायिक अंतर्दृष्टि प्रदान करने के लिए विभिन्न स्रोतों से डेटा एकत्र करने और प्रबंधित करने की प्रक्रिया है । डेटा वेयरहाउस का उपयोग आमतौर पर विषम स्रोतों से व्यावसायिक डेटा को जोड़ने और उसका विश्लेषण करने के लिए किया जाता है । डेटा वेयरहाउस एक रिलेशनल डेटाबेस है जिसे लेनदेन प्रसंस्करण के बजाय केरी और विश्लेषण के लिए डिजाइन किया गया है । यह डेटा को सूचना में बदलने और युजरों को इसे समय पर उपलब्ध कराने की एक प्रक्रिया है जिससे इसे दूसरों से अलग करता है । डेटा वेयरहाउस कितने प्रकार होते है (Types of Data Warehouse) ? डेटा वेयरहाउस के तीन मुख्य प्रकार होते हैः- • Enterprise Data Warehouse • Operational Data Store • Data Mart डेटा वेयरहाउस में कितने भाग होते है (Components of Data Warehouse) ? डेटा वेयरहाउस में चार भाग होते है :- • लोड मैनेजर • वेयरहाउस मैनेजर • क्केरी मैनेजर • एंड यूजर एक्सेस टूल्स डेटा वेयरहाउस की क्यों आवश्यकता होती है (Need for Data Warehouse) ? आमतौर पर निम्नलिखित कारणों से डेटा वेयरहाउस की आवश्यकता होती है :- • यदि उपयोगकर्ता बड़ी मात्रा में डेटा का तेज प्रदर्शन चाहता है जो रिपोर्ट, ग्रिड या चार्ट के लिए आवश्यक है, तो डे...

• External Sources – External source is a source from where data is collected irrespective of the type of data. Data can be structured, semi structured and unstructured as well. • Stage Area – Since the data, extracted from the external sources does not follow a particular format, so there is a need to validate this data to load into datawarehouse. For this purpose, it is recommended to use ETL tool. • E(Extracted): Data is extracted from External data source. • T(Transform): Data is transformed into the standard format. • L(Load): Data is loaded into datawarehouse after transforming it into the standard format. • Data-warehouse – After cleansing of data, it is stored in the datawarehouse as central repository. It actually stores the meta data and the actual data gets stored in the data marts. Note that datawarehouse stores the data in its purest form in this top-down approach. • Data Marts – Data mart is also a part of storage component. It stores the information of a particular function of an organisation which is handled by single authority. There can be as many number of data marts in an organisation depending upon the functions. We can also say that data mart contains subset of the data stored in datawarehouse. • Data Mining – The practice of analysing the big data present in datawarehouse is data mining. It is used to find the hidden patterns that are present in the database or in datawarehouse with the help of algorithm of data mining. This approach is defined by In...

In a nutshell, here are the two approaches: in Bill Inmon’s enterprise data warehouse approach (the top-down design), a normalised data model is designed first, then the dimensional data marts, which contain data required for specific business processes or specific departments, are created from the data warehouse. In Ralph Kimball’s dimensional design approach (the bottom-up design), the data marts facilitating reports and analysis are created first; these are then combined together to create a broad data warehouse. To begin with, let us have a quick look at both the approaches. Inmon’s top-down approach Inmon defines a data warehouse as a Inmon defines the data warehouse in the following terms: • Subject-oriented: The data in the data warehouse is organised so that all the data elements relating to the same real-world event or object are linked together. • Time-variant: The changes to the data in the database are tracked and recorded so that reports can be produced showing changes over time. • Non-volatile: Data in the data warehouse is never overwritten or deleted. Once committed, the data is static, read-only and retained for future reporting. • Integrated: The database contains data from most or all of an organisation’s operational applications, and that this data is made consistent. Kimball’s bottom-up approach Keeping in mind the most important business aspects or departments, data marts are created first. These provide a thin view into the organisational data and, a...

In this article The Databricks Lakehouse combines the ACID transactions and data governance of enterprise data warehouses with the flexibility and cost-efficiency of data lakes to enable business intelligence (BI) and machine learning (ML) on all data. The Databricks Lakehouse keeps your data in your massively scalable cloud object storage in open source data standards, allowing you to use your data however and wherever you want. • • • • • Components of the Databricks Lakehouse The primary components of the Databricks Lakehouse are: • • • • • • • • • By storing data with Unity Catalog ensures that you have complete control over who gains access to which data and provides a centralized mechanism for managing all data governance and access controls without needing to replicate your data. Delta tables Tables created on Azure Databricks use the Delta Lake protocol by default. When you create a new Delta table: • Metadata used to reference the table is added to the metastore in the declared schema or database. • Data and table metadata are saved to a directory in cloud object storage. The metastore reference to a Delta table is technically optional; you can create Delta tables by directly interacting with directory paths using • A directory containing table data in the Parquet file format. • A sub-directory /_delta_log that contains metadata about table versions in JSON and Parquet format. Learn more about Unity Catalog Unity Catalog unifies data governance and discovery on Azu...

डेटा वेयरहाउस आर्किटेक्चर के द्वारा हम किसी उद्देश्य को maintain रख सकते है. डेटा वेयरहाउस आर्किटेक्चर जो है वह क्लाइंट की जरूरतों एवं employee के लक्ष्य को ध्यान में रखकर बनाया जाता है. डेटा वेयरहाउस के बहुत सारें अलग-अलग प्रकार के आर्किटेक्चर होते है. हम यहाँ पर डेटा वेयरहाउस के three tier architecture के बारें में पढेंगें जो कि सबसे ज्यादा प्रयोग में लाया जाता है. three tier data warehouse architecture in hindi:- data warehouse architecture में तीन layers होती है. 1:- bottom tier (निम्नतम लेयर) 2:- middle tier (मध्यम लेयर) 3:- top tier (उच्चतम लेयर) 1:- bottom tier:- निम्नतम लेयर में यह लेयर डेटा वेयरहाउस की ETL प्रोसेस को हैंडल करता है. ETL प्रोसेस वह प्रोसेस है जिसमें डेटा वेयरहाउस में डेटा को extract, transform तथा load किया जाता है. ETL (extract, transform, तथा load) प्रोसेस को back end टूल्स के द्वारा परफॉर्म किया जाता है. 2:- middle tier:- इस tier को application tier भी कहते है. यह लेयर सभी users की रिक्वेस्ट को हैंडल करता है. इसी लेयर में BI (बिज़नस इंटेलिजेंस) का निर्माण होता है. इस लेयर में 1:- ROLAP (रिलेशनल OLAP):- ये सर्वर इंटरमीडिएट सर्वर होते है जो कि रिलेशनल back end सर्वर तथा क्लाइंट front end टूल्स के मध्य स्थित होते है. 2:- MOLAP (multidimensional OLAP):- ये सर्वर डेटा के मल्टी-डायमेंशनल व्यू को सपोर्ट करता है. 3:- top tier:- इस tier को presentation tier भी कहते है. यह front end क्लाइंट लेयर होती है. इस लेयर में क्वेरी टूल्स, रिपोर्टिंग टूल्स, एनालिसिस टूल्स तथा निवेदन:- आपको यह पोस्ट (data warehouse architecture) कैसी लगी हमें comment के द्वारा बताइए त...

Data warehouse architecture में कई operational database और बाहरी स्रोतों से डेटा निकालने के लिए डिवाइस शामिल हैं; इस डेटा को साफ करने, बदलने और Integrated करने के लिए; डेटा वेयरहाउस में डेटा लोड करने के लिए; और वेयरहाउस को समय-समय पर रिफ्रेश करने के लिए स्रोतों पर अपडेट को reflected करने के लिए और वेयरहाउस से डेटा को शुद्ध करने के लिए, शायद धीमे archival storage पर मुख्य godown के अलावा, कई departmental data market हो सकते हैं। एक डेटा वेयरहाउस जिसे business की एक विशेष लाइन, जैसे बिक्री, मार्किंग या मार्केट के लिए डिज़ाइन किया गया है। एक dependent data mart में, डेटा एक एंटरप्राइज़-वाइड डेटा वेयरहाउस से प्राप्त किया जा सकता है। एक डेटा मार्ट में, डेटा सीधे स्रोतों से एकत्र किया जा सकता है। वेयरहाउस और डेटा मार्ट में data stored और managed किया जाता है। एक या अधिक वेयरहाउस सर्वर, जो विभिन्न प्रकार के फ्रंट एंड टूल्स के लिए डेटा के render multidimensional view करते हैं: क्वेरी टूल, रिपोर्ट राइटर, विश्लेषण टूल और डेटा माइनिंग टूल। अंत में, मेटा डेटा के भंडारण और प्रबंधन के लिए एक भंडार है, और भंडारण प्रणाली की निगरानी और administration के लिए उपकरण हैं। • एक यूजर अनुभव प्रदान करना उपयोगकर्ता स्वीकृति सफलता का माप है • OLAP सिस्टम में Interference किए बिना कार्य लगातार डेटा का provide central repository करें • complex questions का उत्तर जल्दी से • विभिन्न शक्तिशाली analytical tools प्रदान करें जैसे कि OLAP और डेटा माइनिंग इन आवश्यकताओं को पूरा करने वाले सबसे सफल डेटा वेयरहाउस में ये सामान्य विशेषताएं हैं: • एक dimensional model के आधार पर। • historical data included करें • De...