Open Source BI Projects

Open Source BI Projects

        介绍当前比较流行的开源商业智能项目和工具。

1. OLAP4J

        OLAP4J一个类似于JDBC驱动，能够用于访问任何OLAP服务器的Java公共类包。所以你可以开发一个应用程序来实现一个OLAP服务器与另一个服务器的交互。

2. Mondrian

        Mondrian是一个采用java开发的OLAP服务器，能够分析存储在SQL数据库中的海量数据而不需要编写任何SQL脚本。Mondrian用于数据的多维探测。它支持把MDX（Multi-Dimensional eXpression）语言转换成SQL。

        Mondrian是一个开源项目。一个用Java写成的OLAP（在线分析性处理）引擎。它用MDX语言实现查询，从关系数据库(RDBMS)中读取数据。然后经过Java API用多维的方式对结果进行展示。多维数据中，维度（dimension），层次（Hierarchies），级别(Level)等概念很重要。

        OLAP用了多维分析的技术。尽管关系型数据库所存储的所有数据都是以行和列的形式存在的，但一个多维数据集还是可以由轴(axes)和单元(cell)组成。

        联机分析处理(On Line Analytical Processing，简称OLAP) 概念最早由关系数据库之父E.F.Codd于1993年提出。OLAP应用是目前数据仓库上的重要应用之一，是决策分析的关键。作为数据仓库最重要的多维分析工具，OLAP利用存储在数据仓库中的数据完成各种分析操作，并以直观易懂的形式将分析结果返回给决策人员。它的目标是满足决策支持或多维环境特定的查询和报表需求，技术核心是多维分析。OLAP具有灵活的分析功能、直观的数据操作和分析结果可视化表示等突出优点，从而使用户对大量复杂数据的分析变得轻松而高效，以利于迅速做出正确的判断，辅助决策。

3. JPivot

        JPivot是一个JSP标签库用于操作OLAPTable，让用户可以执行基本的OLAP操作，如切片、切块、上钻、下钻等。JPivot使用Mondrian作为它的OLAP服务器但也支持XMLA数据源访问。

4. Kettle

        Kettle是首屈一指的，开源的ETL工具。数据集成平台是建立与便携式，基于Java的体系结构和开放的，基于XML的配置和工作语言。 Kettle功能可以成功地与主要商业产品竞争今日。

5. Weka

        Weka是一组用于数据挖掘的机器学习（machine learning）算法。这些算法可以直接应用于数据集，也可以从Java代码中调用。Weka包含的工具可以用于数据预处理，分类，聚类，关联规则，可视化。它还非常适用于开发新的机器学习方法。

        WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。

        WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。

6. olap4cloud

       olap4cloud是一个基于Hadoop/HBase/MapReduce的OLAP引擎。它构建服务于包含分组和聚合的OLAP查询。以下是olap4cloud提供的典型查询服务。

select d3, sum(m1), min(m2) from facts whered1 in (1,2) and d2 in (2,3) group by d3;