Connexion et interrogation sur plusieurs sources de données

Ce didacticiel vous guide tout au long du processus d'utilisation de requêtes fédérées pour analyser les données de ventes d'une grande entreprise de vente au détail fictive, stockées à plusieurs emplacements.

Introduction

Présentation de la fédération de données

La fédération de données est un processus logiciel qui permet à plusieurs bases de données de fonctionner ensemble. Il vous permet de mélanger des données provenant de plusieurs sources pour obtenir des informations. Il vous permet d'accéder à toutes vos données dans de nombreuses bases de données dispersées avec une seule requête.

Presto (Java ) capacité de fédération de données du moteur

LePresto (Java ) les fonctions de requêtes fédérées du moteur permettent aux organisations de mélanger sans effort des données provenant de plusieurs sources, y compris les bases de données actuelles et les nouvelles données dansIBM® watsonx.data. En tirant parti de la capacité dewatsonx.data s'intégrer àPresto (Java ), votre entreprise peut désormais combiner et analyser de manière transparente des données provenant de diverses sources, obtenant ainsi des informations plus approfondies. Cette approche rationalisée améliore non seulement l'efficacité opérationnelle, mais donne également aux décideurs des informations opportunes et précises basées sur des données.

Scénario de cas d'utilisation

Analyser les méthodes d'achat sur plusieurs sources de données
L’objectif de ce cas d’usage est d’analyser les modes d’achat associés aux commandes les plus importantes. Les données de ventes sont disponibles dansDb2. Une partie de ces données est déplacée vers les tables Iceberg au seinwatsonx.data. Les données de ventes se trouvent désormais à deux endroits :Db2 etwatsonx.data et vous devez effectuer unPresto (Java ) requête des deuxDb2 et Iceberg pour analyser les données, dans le but d'identifier la méthode d'achat liée aux commandes les plus importantes.

La vidéo suivante fournit une méthode visuelle pour apprendre les concepts et les tâches de cette documentation.

Objectif

  • Enregistrer votreDb2 source de données avecwatsonx.data
  • Déplacement d'une partie des données de ventes deDb2 àwatsonx.data
  • Exécuter une requête pour récupérer des informations

Avant de commencer

Pour ce tutoriel, vous devez disposer des éléments suivants :

  • Abonnement dewatsonx.data sur le nuage.
  • Disponibilité du moteur Presto (Java)
  • Db2 base de données avec GOSALESDW données
  • Titres deDb2 base de données

Enregistrer votreDb2 la source de données

Enregistrez leDb2 source de données (qui a GOSALESDW données qu'il contient) avecwatsonx.data exemple.

Pour enregistrer votreDb2 source de données, voir IBMDb2. Utilisez les informations suivantes lorsque vous enregistrez leDb2 la source de données.

  • Nom de la base de données : saisissez le nom de la base de données comme BLUDB.
  • Nom d'hôte : saisissez le nom d'hôte tel que db2w-sucqakq.us-south.db2w.cloud.ibm.com
  • Nom d'utilisateur :db2inst
  • Mot de passe :Usertutorials1!
  • Port : 50001

AssociationDb2 avecPresto (Java ) moteur

Après avoir enregistré leDb2 base de données, vous devez associer le catalogue à laPresto (Java ) moteur. Pour plus d'informations, voir Associer un catalogue à un moteur.

Copie de données depuisDb2 base de données vers Iceberg

Après avoir associé le catalogue au moteur, copiez les données (une seule table) deDb2 à l'Iceberg. Pour ce faire, suivez les étapes suivantes :

  1. Dans le menu de navigation, sélectionnez Gestionnaire de données. Créer un schéma à l'intérieur Iceberg_data catalogue. Pour plus d'informations sur la création d'un schéma, voir Création d'un schéma.

  2. Dans le menu de navigation, sélectionnez Espace de travail de requête.

  3. Écrivez une requête pour copier les données à partir de GOSALESDW tableau présent dans leDb2 base de données et créez une nouvelle table (ici SLS_SALES_FACT ) à l'intérieur Iceberg catalogue.

    Exemple de requête :

    create table "iceberg_data"."wxgosalesdw"."sls_sales_fact" as select * from "db2catalog". "GOSALESDW"."SLS_SALES_FACT";

  4. Clique le Fonctionne au démarreur bouton pour exécuter la requête.

  5. Rafraîchir Iceberg_data catalogue pour voir le nouveau tableau SLS_SALES_FACT.

Fédération de données

Désormais, les données de ventes sont réparties entreDb2 et les catalogues Iceberg. Vous pouvez exécuter une requête à partir des deuxDb2 et Iceberg pour analyser les données et générer des informations sur les méthodes d'achat associées aux commandes les plus importantes. Pour faire ça:

  1. Du Espace de travail de requête, exécutez la requête suivante pour comprendre quelle méthode d'achat est associée aux commandes les plus importantes.

    Vous pouvez utiliser l'exemple de requête suivant pour déterminer la méthode d'achat associée aux commandes les plus importantes. La requête accède à cinq tables, dont l'une se trouve dans le stockage d'objets watsonx.data (iceberg_data) et les quatre autres dans Db2 ( db2catalog ).

    Exemple de requête :

    select pll.product_line_en as product,

    md.order_method_en as order_method,

    sum(sf.quantity) as total

    du

    db2catalog.GOSALESDW.SLS_ORDER_METHOD_DIM as md,

    db2catalog.GOSALESDW.SLS_PRODUCT_DIM as pd,

    db2catalog.GOSALESDW.SLS_PRODUCT_LINE_LOOKUP as pll,

    db2catalog.GOSALESDW.SLS_PRODUCT_BRAND_LOOKUP as pbl,

    iceberg_data.wxgosalesdw.sls_sales_fact as sf

    où

    pd.product_key = sf.product_key

    et md.order_method_key = sf.order_method_key

    et pll.product_line_code = pd.product_line_code

    et pbl.product_brand_code = pd.product_brand_code

    group by pll.product_line_en, md.order_method_en

    order by product, order_method ;

  2. Clique le Courir bouton pour exécuter la requête.

  3. Sélectionnez le Ensemble de résultats ou Détails onglet pour visualiser le résultat.

  4. Cliquez sur le lien Expliquer. La page Explain s'ouvre et affiche l'explication visuelle de la requête. Vous pouvez faire défiler la sortie de l'explication visuelle pour voir les cinq ScanProject nœuds feuilles (ici, cinq tables sont utilisées dans la requête) dans l'arbre. Ils correspondent aux cinq tableaux en cours de lecture.

Grâce à ces fonctionnalités, votre entreprise peut mener des opérations plus intelligentes, optimiser les méthodes d'achat et, à terme, améliorer les performances globales de l'entreprise.