Webbasierte Darstellung großer Datenmengen als Pivot-Tabelle mithilfe ressourcenoptimierter Aggregationsverfahren

Abstract

Pivot-Tabellen sind komplexe, mehrdimensionale Tabellen, die zur gleichzeitigen Auswertung von mehreren, zusammenhängenden Merkmalen zugrunde liegender Daten dienen. Bestehende Software stößt bei sehr großen Datenmengen nicht nur an Zeit- sondern auch an Kapazitätslimits.<br />Auch der Trend zu webbasierten Tools und die Anforderung nach Plattformunabhängigkeit kann mit den vorhandenen Lösungen bisher nicht abgedeckt werden.<br />Im Zuge dieser Diplomarbeit werden vier Methoden zur Erstellung von Pivot-Tabellen aus gegebenen Datenbanktabellen entwickelt, die sich durch die Anzahl und Art der Datenbankabfragen, die Komplexität der Berechnungen und die Größe des benötigten Cache voneinander unterscheiden. Die Performanceuntersuchungen stellen laufzeitintensive SQL-Abfragen und speicherintensive PHP-basierende Lösungen gegenüber.<br />Die endgültige Wahl der richtigen Methode hängt zusätzlich von der Zusammensetzung und Menge der darzustellenden Daten ab.<br />

A pivot table is a complex, multidimensional table which makes it possible to analyse data comparing more than one attribute at the same time. Creating pivot tables with huge amounts of analysed data is not only a question of time. Limits concerning the memory capacity are often reached. The growing demand for platform independence and web based applications without high license costs is also an important criterion. These requirements cannot be supplied by existing solutions. In this thesis four methods for creating a pivot table out of a database table are presented. They differ in the amount of SQL queries needed, the complexity of the operations and how much cache is used for storing the SQL results. These factors are of main interest when discussing the computational results. For choosing the appropriate method also the kind and the amount of the analysed data to be presented in a pivot table have to be considered.