SQLServer基础教程19.pptVIP

* 第*页 第19章 分析服务 本章概述 本章要点 本章内容 * 第*页 本章概述 数据库系统已经从单纯的支持事务向支持事务和分析功能方向发展。如何把过去大量的业务数据存储到数据仓库中？如何创建数据仓库？如何在数据仓库中执行多维分析？如何从数据仓库中挖掘出更多的知识？对于许多组织的管理人员来说，这些问题都是非常重要和迫切的问题。Microsoft SQL Server 2008系统提供的分析服务可以用来解决这些问题，辅助管理人员发现知识和执行决策。本章将研究分析服务的功能特点和使用方式。 * 第*页 本章要点 为什么要引入分析服务 OLTP系统和数据仓库系统的区别和联系 数据仓库和数据集市之间的关系 雪花维度模型的特点 MOLAP/ROLAP/HOLAP存储结构的特点 聚合数据的特点和方法 数据访问的特点和方法 使用BIDS工具执行分析服务操作 * 第*页 本章内容 19.1 概述 19.2 数据仓库的基本概念 19.3 Business Intelligence Development Studio 19.4 本章小结 19.1 概述 数据仓库和分析系统是当前数据库领域的研究热点和应用重点，在银行、保险、证券、营销、通信、电子商务等行业领域的应用越来越多。实际上，数据仓库是数据库理论、技术和应用发展的必然趋势。 * 第*页 数据仓库 数据仓库和以数据仓库为基础的分析系统，无疑是数据库技术发展的更高阶段。因此，许多数据库厂商纷纷推出自己的数据仓库和分析系统产品。微软公司也不例外。Microsoft SQL Server 2008系统包含了功能强大、技术先进的分析服务，帮助用户构建数据仓库和分析数据仓库中的数据。 * 第*页 19.2 数据仓库的基本概念 下面，着重讨论数据仓库和分析服务领域中的一些基本概念，这些概念包括OLTP和数据仓库系统、数据仓库、数据集市、数据仓库设计、维度模型、多维数据集、存储模型、数据聚合和数据访问等内容。 * 第*页 OLTP和数据仓库系统 OLTP是在线事务处理(Online Transaction Processing)的简称。OLTP主要用在各种事务处理领域，例如会计核算、商品销售等典型的事务处理事件。普通的数据库系统就是一种OLTP系统。OLTP注重对业务数据记录的支持。 * 第*页 数据仓库和数据集市 数据仓库可以是包含了企业所有数据的数据库，由用户按照统一的方式进行访问。通常情况下，企业可能拥有产生在不同时间的、存储在不同数据库或文件的、由不同数据库管理系统管理的大量数据。这些数据库管理系统可能是关系型的，也有可能是层次数据库系统或网状数据库系统。 数据集市只是包含企业部门级的数据，并且只有一部分用户使用。 * 第*页 数据仓库设计和维度模型 在数据仓库设计时，需要使用维度模型。也就是说，维度模型是数据仓库的结构基础。 在数据仓库中，每一个维度模型都有一个包含了度量数据的表和若干个描述维度的表。前者被称为事实表，后者被称为维度表。例如，事实表可以包含库存、费用等数据，维度表可以包含时间、产品类型和员工等数据。 * 第*页 多维数据集和存储模型 数据仓库支持多种不同类型的存储结构。许多数据存储类型是基于被称为多维数据集的多维数据库。多维数据集是数据仓库数据的子集，可以组织成多维结构。在定义多维数据集时，需要选择一个事实表和确认该表中感兴趣的数值列，然后选择可以为数据提供描述性信息的维度表。 * 第*页 数据聚合 数据是按照最详细的格式存储在事实表中，各种报表可以充分利用这些数据。一般的查询语句在查询事实表时，一次操作经常涉及成千上万条记录，但是通过使用汇总、平均、极值等聚合技术可以大大降低数据的查询数量。因此，来自事实表中的底层数据应该事先经过聚合存储在中间表中。中间表存储了聚合信息，所以被称为聚合表，这种处理过程被称为聚合过程。 * 第*页 数据访问 一般地，用户使用3种访问技术访问数据仓库中的数据。这3种数据访问技术分别是报表、多维分析和数据挖掘。 报表是最简单的访问技术。报表是使用查询语句得到的表格数据或矩阵数据。这是最常见的数据访问方式。 多维分析是指可以利用数据仓库进行多个维度的计算、比较和分析，可以交互式地考虑所有的可能情况。 数据挖掘是通过对大量数据的研究和分析，企图发现更多未知的信息和模式。管理人员可以使用这些信息和模式进行管理上的决策。 * 第*页 19.3 Business Intelligence Development Studio 分析服务的主要组件是Business Intelligence Development Studio(简称为BIDS)。BIDS是一个管理工具，为集成服务、报表服务、分析服务和数据挖掘等提供了一个集成平