Oracle数据仓库课程.pptVIP

What is... 数据仓库 ( Data Warehouse ) / 数据集市 ( Data Mart ) 决策支持系统 ( Decision Support System ) 联机分析处理 ( OLAP ) / ROLAP / MOLAP 元数据 ( Meta Data ) 分析指标 ( Measure ) / 维 ( Dimension ) 星型模型 ( Star Schema ) / 雪花模型 ( Snow Schema ) 数据钻入 / 数据钻出 ( Drill Down / Drill Up ) 表旋转 ( Table Rotation ) 数据挖掘 ( Data Mining ) 建立数据仓库需要考虑的因素 扩展性 灵活性 集成性 可靠性 数据仓库专家的建议 需要业务人员的积极参与 通过原型设计验证需求 确定数据仓库的范围，不要试图Warehouse所有数据 为不同需求选择合适工具 控制风险 利用外部Consultant的经验 重点放在不同系统的集成 建立数据仓库举例 Use a Building Estate OLTP database as an example to illustrate the concepts and how to build a successful Data Warehouse which used to check and forecast the rental rate and sell amount in Hong Kong. 步骤1：确定数据仓库的问题范围 列出4月份香港地区每日房屋销售情况 找出销售额大于4百万的居民住宅项目 比较 Whampoo 和 Kornhill 地区上月销售情况 找出售屋数量最多的前3个地区 截止到当月的累计销售数量 用图表反映最佳销售模式 时间序列分析 确定数据仓库的问题范围 确定业务需求和用户需求: 用户查询执行的频度 系统保留数据的年限 用户主要希望从哪些角度, 哪些层次分析数据 数据源是哪些系统 步骤2 : 选择合适的软硬件平台 可靠的供应商 数据建模和管理工具 易用性 开放 集中管理 性能 并行处理 数据仓库的考虑因素 前3位的考虑因素 : 易用性 92.4% 集中管理 65.2% 可靠的供应商 65.2% MOLAP 还是 ROLAP？ ROLAP 和 MOLAP的功能区别 步骤3：根据需要创建新的实体 步骤 4: 确定维表删除不必要的表 步骤 5: 建立层次结构 步骤 6: 确定属性 步骤 7: 建立FactTable，确定合适的粒度 步骤 8: 建立数据仓库模型 步骤 9: 数据仓库模型优化 数据仓库设计优化的原则 避免数据实时汇总 (建立汇总表) 减少表连接操作 (不要超过3-5个) 用ID code作关键字 减少I/O竞争 利用分区技术提高性能和可管理性 估算数据仓库容量的算法 步骤 10:从业务系统中抽取数据到数据仓库 数据抽取的要求： 可访问各种数据源 可满足时间要求 可满足数据转换要求 可检测源系统中数据的变化 步骤 11: 开发前端应用 步骤12: 数据仓库的管理 安全管理 备份和恢复 高可用性 数据时效 Designing a successful data warehouse solution poses a number of challenges. The design must produce a system which is : Extensible. It must be possible to add new types of transactional data and introduce new aggregations and summaries to a warehouse as information requirements evolve through usage. Scaleable Data warehouses are capable of storing and managing enormous volumes of transactional and summarised data. A data warehouse may grow by an order of magnitude over time through the need to add new types of data or because historical data must be retained on-line for long periods. Flexible The data access paths to detailed