SQL Server 2005基础教程 作者 978-7-302-14848-7 ch19.pptVIP

第19章 分析服务 教学目标 为什么要引入分析服务 OLTP系统和数据仓库系统的区别和联系 数据仓库和数据集市之间的关系 雪花维度模型的特点 MOLAP/ROLAP/HOLAP存储结构的特点 聚合数据的特点和方法 数据访问的特点和方法 使用BIDS工具执行分析服务操作 教学过程 19.1 概述 19.2 数据仓库的基本概念 19.3 Business Intelligence Development Studio 19.1 概述 数据仓库和以数据仓库为基础的分析系统，无疑是数据库技术发展的更高阶段。因此，许多数据库厂商纷纷推出自己的数据仓库和分析系统产品。微软公司也不例外。Microsoft SQL Server 2005系统包含了功能强大、技术先进的分析服务，它可以帮助用户构建数据仓库和分析数据仓库中的数据。 19.2 数据仓库的基本概念 下面，着重讨论数据仓库和分析服务领域中的一些基本概念，这些概念包括OLTP和数据仓库系统、数据仓库和数据集市、数据仓库设计和维度模型、多维数据集和存储模型、数据聚合、数据访问等内容。 OLTP和数据仓库系统 OLTP是在线事务处理(online transaction processing)的简称。OLTP主要用在各种事务处理领域，例如会计核算、商品销售等都是典型的事务处理事件。普通的数据库系统就是一种OLTP系统。OLTP注重对业务数据记录的支持。 数据仓库把企业中的所有数据集中到一起存储，用户可以运行各种查询语句和报表来使用数据仓库中的数据。也就是说，数据仓库可以作为用户进行分析和决策的基础。 数据仓库和数据集市 数据仓库可以是包含了企业所有数据的数据库，可以由用户按照统一的方式进行访问。在经常情况下，企业可能拥有产生在不同时间的、存储在不同数据库或文件的、由不同的数据库管理系统管理的大量数据。这些数据库管理系统可能是关系型的，但是也可能是层次数据库系统或网状数据库系统。 数据集市只是包含企业部门级的数据，并且只有一部分用户使用。 数据仓库设计和维度模型 合理的数据库设计可以大大提高数据库的性能，同样，合理的数据仓库设计也可以大大提高数据仓库的性能。在数据库设计时，一般使用ER模型。在数据仓库设计时，需要使用维度模型。也就是说，维度模型是数据仓库的结构基础。 在数据仓库中，每一个维度模型都有一个包含了度量数据的表和若干个描述维度的表。前者被称为事实表，后者被称为维度表。 多维数据集和存储模型 数据仓库支持多种不同类型的存储结构。许多数据存储类型是基于被称为多维数据集的多维数据库。多维数据集是数据仓库数据的子集，可以组织成多维结构。在定义多维数据集时，需要选择一个事实表和确认该表中感兴趣的数值列，然后选择可以为数据提供描述性信息的维度表。 有三种典型的存储模型，即MOLAP(multidimensional OLAP，多维OLAP)、ROLAP(relational OLAP，关系型OLAP)和HOLAP(Hybrid OLAP，混合OLAP)。 数据聚合 数据是按照最详细的格式存储在事实表中，各种报表可以充分利用这些数据。一般的查询语句在查询事实表时，一次操作经常涉及成千上万条记录，但是通过使用汇总、平均、极值等聚合技术可以大大降低数据的查询数量。因此，来自事实表中的底层数据应该事先经过聚合存储在中间表中。 因为这种中间表存储了聚合信息，所以被称为聚合表，这种处理过程被称为聚合过程。 数据访问 一般地，用户使用三种访问技术访问数据仓库中的数据。这三种数据访问技术分别是报表、多维分析和数据挖掘。 报表是最简单的访问技术。报表是使用查询语句得到的表格数据或矩阵数据。这是最常见的数据访问方式。 多维分析是指可以利用数据仓库进行多个维度的计算、比较和分析，可以交互式地考虑所有的可能情况。 数据挖掘是通过对大量数据的研究和分析，企图发现更多的以前未知的信息和模式。管理人员可以使用这些信息和模式进行管理上的决策。 19.3 Business Intelligence Development Studio 分析服务的主要组件是Business Intelligence Development Studio(BIDS)。BIDS是一个管理工具，为集成服务、报表服务、分析服务、数据挖掘等提供了一个集成平台。基于Visual Studio 2005的BIDS支持用户开发商业智能应用程序，用户可以在该平台中进行编写代码、调试、版本控制等工作。 BIDS工具具有易用性的特点，提供了许多向导工具帮助用户完成诸如创建数据源、创建数据源视图、创建多维数据集等工作。 从数据仓库存储结构角度来看，BIDS工具支持用户根据需要创建MOLAP、ROLAP和HOLAP等不同的结构，增强了系统