《数据库技术-苏桂平》第12章 数据库新进展.pptVIP

2、面向事务处理的数据库环境不适宜DSS应用的原因主要有： ⑴ 事务处理和分析处理的性能特点不同 在事务处理环境中，用户对数据的存取操作频率高，每次操作处理的时间短。系统可以允许多个用户按分时方式使用系统资源，同时保持较短的使用时间。 在分析处理环境中，某个决策支持系统(DSS)应用程序由于涉及大量的历史数据，可能需要运行几个小时甚至更长时间。 ⑵ 数据集成困难 DSS不仅需要整个企业内部各个部门的相关数据，还需要企业外部竞争对手的相关数据。 ⑶ 事务处理系统自身没有动态集成能力，而DSS需定时刷新。 ⑷ 事务处理系统一般只需要当前数据，而DSS需要大量的历史数据。 ⑸ 事务处理系统中主要是细节数据，而DSS需要综合数据。 3.操作型数据与分析型数据之间的区别 操作型数据(原始的) 分析型数据(导出的) 细节的 在存取瞬间是准确的 可更新 操作需求事先可知道 生命周期符合SDLC 对性能要求高 事务驱动 面向应用 一次操作数据量小 支持日常操作 综合的，或提炼的 代表过去的数据 不更新（指用户对数据分析处理时） 操作需求事先不知道 完全不同的生命周期 对性能要求宽松 分析驱动 面向分析 一次操作数据量大 支持管理需求 1.数据仓库定义： 一个是专门用于支持企业或部门的管理决策分析的、面向主题的、集成的、不可更新的、随时间不断变化的数据集合。 10.3.2 数据仓库及其特征 2.数据仓库数据有四个基本特征： （1） 数据仓库的数据是面向主题 面向主题是一个在较高层次上对数据进行归类与组织的标准，每个主题基于对应一个宏观的决策分析领域。 （2）数据仓库的数据是集成的 首先要统一原始数据中所有矛盾之处，如：同名异义、单位不同、字长不一致等，还要还要把原始数据转变为面向主题方式组织的决策分析数据，然后才能放入数据仓库中。 （3） 数据仓库的数据是不可更新的 数据仓库的数据室企业相当一段时间内的历史数据，它主要供企业决策分析之用，所涉及的操作主要是数据查询，一般没有更新操作。 （4） 数据仓库的数据是随时间变化的 ① 数据仓库随时间变化不断增加新的数据内容。 ② 数据仓库随时间变化不断删去旧的数据内容。 ③ 数据仓库中包含有大量的综合数据，且随着时间的变化不断地进行重新综合。 10.3.3 数据仓库系统的组成 数据仓库系统(Data Warehouse System，DWS)的组成：数据抽取工具、数据仓库、元数据、数据仓库管理系统、访问工具。 ⑴ 数据抽取工具：它将面向联机事务处理（ on line transaction processing OLTP)应用的数据库中已有的数据抽取出来，并按照主题组织成决策分析所需的综合数据，一般由监视器和集成器两部分组成。 ① 监视器负责感知数据源中数据所发生的变化，并对变化的数据按数据仓库的主题需求抽取数据。 ② 集成器将从OLTP数据库中提取的数据经过转换、计算、综合等操作，集成后追加到数据仓库(DW)中去。 ⑵ 数据仓库：存贮已经按主题组织的数据，供决策分析处理之用。在整个数据系统中，数据仓库居于核心地位，是信息分析和挖掘的基础。 10.3.3 数据仓库系统的组成 ⑶ 元数据：描述数据仓库内数据的结构和建立方法的数据，是数据仓库的重要组成部分。主要有两种元数据： ① 为从操作型环境向数据仓库环境转换而建立的元数据，它包含了所有源数据项目名、属性及其在数据仓库中的转换； ② 用来与终端用户的多维商业模型/前端工具之间建立映射的元数据，称为DSS元数据，常用来支持开发更先进的决策支持工具。 ⑷数据仓库管理系统（ DWMS）：整个数据仓库系统运转管理引擎，它提供负责数据定义，数据操纵和系统运行管理等功能。 ⑸ 访问工具：用户访问数据仓库的手段，是整个系统发挥作用的关键和重要组成部分。 访问工具主要包括：数据查询和报表工具、应用开发工具、联机分析工具（on line analytic processing OATP）、数据挖掘工具（date mining ,DM)等. 10.3.4 数据仓库中数据的组织 1、数据仓库的数据组织结构 以早期细节级、当前细节级、轻度综合级和高度综合级形成的四级组织结构。比如：一个企业的数据仓库中对应的四个阶段：2005-2010年的销售明细表、2005-2010销售情况表、 2005-2010每周销售表、 2005-2010每月销售表。 数据仓库中存在着不同的综合级别，一般称之为“粒度”，粒度越大，表示细节程度越低，综合程度越高。 2、数据仓库的数据组织形式 两种常见