08《数据库》第八章数据库技术新发展.ppt

工程数据库的数据模型 扩展的关系数据模型 对象数据模型 语义数据模型：利用实体、联系、和约束得来描述现实世界的静态、动态和视台特征。具有较高的抽象层次和较强的语义表达。 设计方案的版本p178 在设计过程中产生多个不同的方案，每个设计方案就是一个版本。 每个方案都具有很高的参考价值。因此需要管理。 版本因包含的信息： 设计信息 对象与版本的关联信息。 版本标识信息 附加的版本管理信息。 版本管理 线性版本管理模型 树型版本管理模型 有向无环版本管理模型 九、数据仓库 基本概念 ⑴ 数据仓库的定义 数据仓库Data Warehouse-DW：是面向主题的、集成的、稳定的，并且时变地收集不同数据的一种数据集合的结构形式，用以支持经营管理中的决策制定过程。 面向主题：数据仓库中的数据是面向主题的，而传统数据库是面向应用的。主题是在较高层次将数据归类的标准，每个主题对应一个宏观分析领域。 集成特性：数据仓库的集成特性是指在数据进入数据仓库之前，必须经过转换、加工和集成，或称“整合”处理。这是建立数据仓库的关键步骤。首先要解决原始数据的一致性，消除矛盾，使数据完整、统一；其次还要把面向应用的原始数据结构转变为面向主题的。 稳定性：数据仓库反映的是历史性的数据内容，而不是日常事务处理产生的数据，经加工和集成进入数据仓库后，基本上不再修改。在一次数据分析的执行过程中使用的数据不得变更，这样才能保证两次使用同一组信息进行分析时不会得出不同的答案。 不同时间的集合：要求数据仓库是不同时间的数据集合，这种数据保存的时限能满足进行决策分析的要求，而且在数据仓库中要标明这些数据的历史时期。 数据仓库系统的组成 数据仓库DW 组成 事实表：存储历史商务数据的表。通常不更新。 维表：用于提炼事实表中所包含的数据。减少了对事实表扫描的数据量，提高了查询性能。维表中的数据常需更新 模式 星型模式 雪花模式 数据仓库管理系统 对数据仓库进行数据建模。 确定从源数据到数据仓库的数据抽取、转换和装载等。 确定数据仓库的存储方式。 管理数据的安全、归档、维护、备份、恢复等工作。 分析工具 用户查询工具 C/S检索工具 OLAP分析工具 数据挖掘(DM)工具（Data Mining） DW查询系统 特点 报表杳询：从DW中产生各种业务报表，一般为多表联接、累计、分类、排序等。 随机、动态查询：根据上次查询结果，进行进一步的查询，又称为DM。 共同特点：数据量大、查询速度受到限制。 应考虑的问题： 数据仓库中数据库的可扩展能力。 系统的并发查询处理能力。 OLAP OLTP和OLAP的区别 联机事务处理OLTP系统，它是事件驱动、面向应用的。 联机分析处理OLAP系统，是基于DW的信息分析与处理过程，OLAP是跨部门的、面向主题的。 OLTP和OLAP的区别 OLTP 分析型 细节的 综合的 操作需求事先可知道 操作需求事先不知道 对性能要求高 对性能要求宽松 一个时刻操作一个单元 一个时刻操作一个集合 事务驱动 分析驱动 一次操作数据量小 一次操作数据量大 支持日常操作 支持管理决策需求 OLAP的基本概念 变量： 是决策者所关心的具有实际意义的数量。 维：人们观察数据的特定角度。如：时间、地区等 维的层次：观察数据的某个特定角度的不同细节程度的方面。例：时间维中的日期、月份、季度、年度等 维成员：维的一个取值。例如：某年某月 多维数组：可表示为（维1，维2，…，维n，变量)，例如：日用品的销售数据按地区、时间和销售渠道组织起来的三维立方体，加上变量“销售量” 多维分析： 指对以多维方式组织起来的数据采取切片，切块、旋转、钻入、归并等各种分析动作，是分析者、决策者能从多个角度、多个侧面观察数据。 切片：选定多维数组的一个二维子集的动作。 切块：选定多维数组的一个三维子集的动作。 旋转：改变一个报告或页面显示的维方向。 钻入：对结果数据的下一层数据进行剖析。 归并：是钻入的反向处理。 数据挖掘DM 1、数据挖掘的定义 数据挖掘，Data Mining, 就是从大型数据库中的数据中提取人们感兴趣的知识。MD与KDD(Knowledge discovery in database) 有很大的重合度，一般在AI领域称KDD。 2、数据挖掘的目的 发现大量数据中尚未发现的知识，是系统内部自动获取知识的过程 学会方法：OLAP、OLTP等 3、 DM的相关领域 归纳学习(inductive learning) 机器学习(machine learning)，关系最为密切 统计(statistics)分析 4、决策支持空间 数据空间(data space):处理基于关键字的查询,如OLTP 聚合空间(aggregation space):数据空间 聚合运算(su