(精)数据仓库简介.pptVIP

* 1.8 多维数据的存储方式 ROLAP ROLAP的数据与计算结果直接由原来的关系数据库取得。 ROLAP将支撑多维数据的原始数据、多维数据集数据、汇总数据和维度数据都存储在现有的关系数据库中，并用独立的关系表来存放聚集数据。 不存储源数据副本，占用的磁盘空间最少，但存取速度也比较低。 * 1.8 多维数据的存储方式 MOLAP MOLAP使用多维数组存储数据，它是一种高性能的多维数据存储格式。 多维数据在存储中将形成“立方体”的结构。MOLAP存储模式将数据与计算结果都存储在立方体结构中，并存储在分析服务器上。 该结构在处理维度时创建。 存取速度最快，查询性能最好，但占用磁盘空间较多。 * 1.8 多维数据的存储方式 HOLAP ROLAP与MOLAP存储方式的结合。 原始数据和ROLAP一样存储在原来的关系数据库中，而聚合数据则以多维的形式存储分析服务器。 优点： 既能与关系数据库建立连接，同时又利用了多维数据库的性能优势。 缺点 是在ROLAP和MOLAP系统之间的切换会影响它的效率。 * 1.8 多维数据的存储方式 内容 MOLAP ROLAP HOLAP 源数据的副本 有 无 无 占用分析服务器存 储空间 大 小 小 使用多维数据集 小 较大 大 数据查询 快 慢 慢 聚合数据的查询 快 慢 快 使用查询频度 经常 不经常 经常 三种存储方式的比较 作业 从Internet网搜索至少5个数据仓库系统，并简单介绍其中一个系统的作用和功能。（要求写出系统名称和网页地址） * * 小结 数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合，这些也正是其区别于传统操作型数据库的特性所在。 OLAP又称为多维数据分析，它的多维性、分析性、快速性和信息性成为分析海量历史数据的有力工具。 数据仓库的体系结构：数据库、数据抽取、转换、加载、元数据、访问工具、数据集市、管理平台、信息发布系统。 * 1.3数据仓库体系结构 层次数据（企业信息源） * 1.3数据仓库体系结构 数据集市（Data Marts） 定义 为了特定的应用目的或应用范围，而从数据仓库中独立出来的一部分数据，也称部门数据或主题数据。 如：财务部门的数据集市 与数据仓库的关系 数据仓库是基于整个企业的数据模型建立的，它面向企业范围内的主题。而数据集市是按照某一特定部门的数据模型建立的。 * 1.3数据仓库体系结构 数据集市（Data Marts）（续） 特性 规模小 特定的应用 面向部门 由业务部门定义，设计和开发 由业务部门管理和维护 快速实现 购买较便宜 投资快速回收 更详细的、预先存在的数据仓库的摘要子集 可升级到完整的数据仓库 * 1.3数据仓库体系结构 数据集市（Data Marts）（续） * 1.4 数据准备和ETL 数据集成（抽取、转换、装载--ETL） * 1.4数据准备和ETL 数据集成（抽取、转换、装载--ETL） * 1.5 多维模型 多维模型 概念 是一个数据集合，通常从数据仓库的子集构造，并组织和汇总成一个由一组维度和度量值定义的多维结构。 特性 多维，也称作立方体（或超立方体） 提供一种便于使用的查询数据的机制。 * 1.5 多维模型 * 1.5 多维模型 度量值（Measure） 度量值是一组值，是客户发生事件或动作的事实记录。 如： 客户打电话，记录次数和费用等； 超市客户销售，记录销售数量、金额等等。 度量值所在的表称为事实数据表，常规多维数据集的结构中只能有一个事实数据表。 * 1.5 多维模型 维度（Dimension） 维度（也简称为维）是人们观察数据的角度。 例如，时间维，地区维等。 包含维度信息的表是维度表，维度表包含描述事实数据表中的事实记录的特性。 描述维度的字段称为维度属性 * 1.5 多维模型 维度成员（Dimension Member） 维的一个取值称为该维的一个维度成员（简称维成员）。 例如，考虑时间维具有日、月、年这3个级别，分别在日、月、年上各取一个值组合起来，就得到了时间维的一个维成员，即“某年某月某日”。 * 1.5 多维模型 维度的层次结构 定义 层次结构是维度中成员的集合以及这些成员之间的相对位置。 如，地址维：洲、国家、城市、区、街道、门牌号 类型 均衡层次结构 层次结构的所有分支都降至同一级别，每个成员的逻辑父代就是其上级成员。 不均衡层次结构 层次结构的所有分支都降至不同级别，每个成员的逻辑父代就是其上级成员。如CEO/部门经理（/员工）、执行秘书 不规则层次结构 * 1.5 多维模型 维的级别（Dimension Level） 人们观察数据的某个特定角度（即某个维）还可以存在不同的细节程度，我们称这些维度的不同的细节程度为维的级