数据仓库与数据挖掘-OLAP的数据模型与实现方式要点解析.pptVIP

* * OLEDB 数据源 立方体文件 Pivot Table 服务 OLAP服务 客户程序 OLEDB2.0扩展的 OLAP#0 ADO2.0扩展的 OLAP#0 客户程序 没有和服务器/数据源 建立连接时的选项 没有和服务器建立 连接时的选项 源数据 ROLAP MOLAP 多维数据 PivotTable服务器的体系示意图 数据仓库 与数据挖掘 冯海旗 * * 数据仓库与数据挖掘-OLAP的数据模型 * * OLAP的数据模型 MOLAP数据模型 ROLAP数据模型 MOLAP与ROLAP的比较 HOLAP数据模型 * * MOLAP的数据模型 MOLAP是基于多维数据库存储方式建立的OLAP； 表现为“超立方”结构，采用类似于多维数组的结构。如，二维MDDB（数组，即矩阵）的数据组织如下所示。 北京 上海 广州 衣服 600 700 500 鞋 800 900 700 帽子 100 200 80 * * MOLAP的原理 OLAP Server user Warehouse Query Data MDDB Periodic load * * 多维数据模型 数据立方体sales中每格的度量可以看作是关联Product、Region和Month的函数 Product Region Month 涉及的维: Product, Location, Time 属性的层次结构和格结构 Industry Region Year Category Country Quarter Product City Month Week Office Day * * ROLAP数据模型 ROLAP是基于关系数据库的OLAP。 它是一个平面结构，用关系数据库表示多维数据时，采用星型模型。 产品名 地区 销售量 衣服 北京 600 衣服 上海 700 衣服 广州 500 鞋 北京 800 鞋 上海 900 鞋 广州 700 帽子 北京 100 帽子 上海 200 帽子 广州 80 * * 星型模式的例子 time_key day day_of_the_week month quarter year time维表 location_key street city province_or_street country location维表 Sales 事实表 time_key item_key branch_key location_key units_sold dollars_sold avg_sales 各种度量 item_key item_name brand type supplier_type item维表 branch_key branch_name branch_type branch维表 * * OLAP Server user Warehouse Data cache Live fetch Cache Query Data ROLAP的原理 * * MOLAP与ROLAP的比较 1.数据存取速度 2.数据存储的容量 3.多维计算的能力 4.维度变化的适应性 5.数据变化的适应性 6.软硬件平台的适应性 7.元数据管理 * * 1.数据存取速度 ROLAP服务器需要将SQL语句转化为多维存储语句，临时“拼合”出多维数据立方体。因此，ROLAP的响应时间较长。 MOLAP在数据存储速度上性能好，响应速度快。 * * 2.数据存储的容量 ROLAP使用的传统关系数据库的存储方法，在存储容量上基本没有限制。 MOLAP通常采用多平面叠加成立体的方式存放数据。 当数据量超过操作系统最大文件长度时，需要进行数据分割。 多维数据库的数据量级难以达到太大的字节级。 * * 3.多维计算的能力 MOLAP能够支持高性能的决策支持计算。 ROLAP无法完成多行的计算和维之间的计算。 * * 4.维度变化的适应性 MOLAP增加新的维度，则多维数据库通常需要重新建立。 ROLAP对于维表的变更有很好的适应性。 * * 5.数据变化的适应性 当数据频繁的变化时，MOLAP需要进行大量的重新计算，甚至重新建立索引乃至重构多维数据库。 在ROLAP中灵活性较好，对于数据变化的适应性高。 * * 软硬件平台的适应性与元数据 6.软硬件平台的适应性 ROLAP对软硬件平台的适应性很好，而MOLAP相对较差。 7.元数据管理 目前在元数据的管理，MOLAP和ROL