第25章数据仓库与决策支持(免费阅读).pptVIP

数据仓库的产生 操作型处理(OLTP) （也叫事务处理）：对数据库联机的日常操作，通常是对一个或一组记录的查询和修改 特点：快速响应用户请求，对数据的安全性、完整性以及事务吞吐量要求很高。 分析型处理(OLAP) ：对数据的查询和分析操作，通常是对海量的历史数据查询和分析 特点：要访问的数据量非常大，查询和分析的操作十分复杂。 数据仓库技术 为了构建新的分析处理环境而出现的一种数据存储和组织技术 数据仓库技术(续) 数据仓库定义： 数据仓库是一个面向主题的 ，集成的，时变的，非易失的数据集合，支持管理部门的决策过程。 本质上和数据库一样，是长期储存在计算机内的、有组织、可共享的数据集合。 数据仓库技术(续) 一、 数据仓库的基本特征 数据仓库的数据是面向主题的； 数据仓库围绕一些主题如顾客，供应商，产品和销售来组织。 排除对于决策支持过程无用的数据，提供特定主题的简明视图。 数据仓库的数据是集成的； 构造数据仓库是将多个异构的数据源，如关系数据库，一般文件和联机事务记录集成在一起。 数据仓库的数据是非易失的的； 数据仓库总是物理地分别存放数据，分离的数据仓库。 数据仓库的数据是时变的 数据存储从历史的角度提供信息。数据仓库中的关键结构都隐式或显式地包含时间元素。 传统数据库与数据仓库的最根本的区别在于侧重点不同 数据仓库是在传统数据库的基础上发展起来的，提供良好的大规模数据分析能力，力图为决策提供有效的技术支持。 数据仓库系统的体系结构 数据仓库系统的体系结构 数据仓库的后台工具 包括数据抽取、清洗、转换、装载和维护(Maintain)工具。 数据仓库服务器 相当于数据库系统中的DBMS，负责管理数据仓库中数据的存储管理和数据存取，并给OLAP服务器和前台工具提供存取接口(如SQL查询接口) OLAP服务器 透明地为前台工具和用户提供多维数据视图 OLAP服务器则必须考虑物理上这些分析数据的存储问题 前台工具 包括查询报表工具、多维分析工具、数据挖掘工具和分析结果可视化工具等 25.1 决策支持简介 用户决策制定时 首先根据各业务部门数据库中的数据创建数据仓库，存储各种历史信息和汇总信息 对数据仓库的进一步应用由功能强大的分析工具来实现 决策支持查询新特点： where 子句包含大量的AND OR 统计函数 如标准方差 对一定时间范围内进行聚集 用户经常提交一系列的相关查询 25.1 决策支持简介 三类用于决策支持的分析工具 第一类： OLAP----支持分组和聚集查询，并能对各种复杂的布尔条件、统计函数和时间序列分析提供支持的系统。由上述查询组成的应用成为联机分析处理OLAP 第二类：优化的关系数据库系统——传统的DBMS为有效执行OLAP查询而进行了特殊设计。 第三类：数据挖掘，在大量的数据集合中，找到有意义的数据趋势或模式。 25.2 OLAP：多维数据模型 OLAP(On-Line Analytical Processing)即联机分析处理，是以海量数据为基础的复杂分析技术 一、多维数据模型 数据分析时用户的数据视图，是面向分析的数据模型，用于给分析人员提供多种观察的视角和面向分析的操作 可用这样来一个多维数组来表示： (维1，维2，…，维n，度量值) 25.2 OLAP：多维数据模型 25.2 OLAP：多维数据模型 25.2 OLAP：多维数据模型 例：度量属性 sales 维 product(key:pid) Location(locid) Time(timeid) 将sales 信息看成一个三维数组sales Locid=1切片 25.2 OLAP：多维数据模型 按照多维数据模型的不同实现方式: 1. MOLAP（多维OLAP系统）——用多维数组来存储多维数据集的OLAP系统 2. ROLAP（关系OLAP系统）——将所有信息都转成关系的OLAP系统。 25.2 OLAP：多维数据模型 对于每个维，相关的一组属性之间可能具有层次关系 25.2 OLAP：多维数据模型 有关维的信息也可以表示成一组关系： locations(locid:integer,city:string,state:string,county:string) Products(pid:integer,pname:string,category:string,price:real) Times(timeid:integer,date:string,week:integer,month:integer,quarter:integer,year:integer,holiday-flag:boolean) 事实