OLAP和数据仓库之间的关系.docxVIP

摘要数据仓库从多个同构或异构的传统数据库中获取原始数据, 先按辅助决策的主题要求形成当前基本数据层, 再按综合决策的要求形成综合数据层, 实现了操作型数据与决策环境的分离, 为决策支持系统提供了理想的数据组织形式,解决了决策支持系统发展中的一大难题。OLAP(联机分析处理)作为数据分析工具, 与数据仓库进行有效的结合, 加上数据挖掘，构成了新型的决策支持系统的基本框架。数据仓库、OLAP、数据挖掘从发展的渊源上看, 三者是分别作为三种独立的信息处理技术出现的。数据仓库从数据处理技术发展而来, 它解决了数据不统一问题。其核心在于从底层收集量事务级数据, 并对这些数据进行集成、转换和综合, 形成面向全局的数据视图和整个决策支持系统的基础数据组织, 即数据仓库是直接面向决策支持目标、经过提炼、加工后的数据集合OLAP 是在OLTP (联机事务处理)已不能满足终端用户对数据库查询分析的需要,SQL对大数据库进行的简单查询也不能满足用户分析的需要的情况下所出现的一种数据处理新技术。两者都是以解决决策支持分析问题为目的发展起来的, 它们之间存在着必然的内在联系和互补性。对两者相互关系的研究, 有助于完善数据仓库化决策支持系统的体系结构。一、数据仓库和OLAP的特点分析1.数据仓库数据仓库之父W.H.Inmon 认为“数据仓库是一个面向主题的、集成的、不可更新的且随时间不断变化的数据集合, 用来支持管理人员的决策”。该定义表明了数据仓库是一个处理过程, 过程依据主题对若干个分布的、异质的信息源中的历史数据进行组织和存储, 并能集成地进行数据分析, 它有着比一般数据库系统更大的数据规模。数据仓库不仅具有传统数据库管理系统共享性、完整性、数据独立性等基本特点, 还具有主题、集成性、历史性、时间属性等独有特征。数据仓库系统的基本功能是:数据获取、数据存储和管理、信息的访问。其最终目是把分散的、不利于访问的数据转换成集中、统一、随时可用的信息, 即为了决策目标将不同形式的数据集合成为一种特殊的格式, 建立起一种新的数据存储体系, 使数据操作环境与数分析环境相到分离。2.OLAPOLAP概念最早是由关系库之父E.F.Codd于1993年提出。当时,Codd认为联机事务处理(On-line Transaetion proeessing , 简称(OLTP) 已不能足终端用户对数据库查询分析的需要,SQL 对大数据库进行的简单查询也不能满足用户分析的需求。于是,Codd提出了多维数据库和多维分析的概念, 即OLAP。OLAP的目的是决策支持多维环境特定的查询和报表需求, 它的技术核心是维的概念, 因此OLAP可以说是多维数据分析工具的集合。OLAP是一种软件技术, 它使分析人员能够迅速、一致、交互地从各个方的观察信息, 以达到深人理解数据的目的。OLAP 技术是针对人们事先假设的特定问题进行联机数据访问和分析。它通过对信息进行快速、稳定、一致和交互式存取, 对数据进行多层次、阶段的分析处理, 以获得高度归纳的分析结果。因此O LA P 技术从其对数据的分析方式上讲是一种自上而下、不断深人的工具, 即在用户提出问题或假设之后, 它负责提取关于此问题的细信息, 并以一种比较直观的方式呈现给用户。多维性是O LA P 的关键属性。多维分析是分析企业数据最有效的方法, 是O LA P 的灵魂。多维数据分析是指对以多维分析组织起来的数据取切片、切块、钻取、旋转等各种分析动作来剖析数据, 使用户直观地理解、分析数据, 最终能多角度、多侧面地观察数据库中的数据, 深人地了解包含在数据中的信息、内涵。多维分析合了人的思维模式, 因此减少了混淆并且降低了出现错误的可能性。二、数据仓库和OLAP在发展过程中的关联关系数据仓库是一个决策支持技术的集合,旨在能够使知识工作者(执行者,主管,分析人员)做出更快更好的决策。过去三年,无论是在所提供的产品和服务的数量上还是在按行业对这些技术的采用上都出现了爆炸性的增长。数据仓库技术已经成功施展于许多行业:制造业(订单发货和客户支持),零售业(用户分析和库存管理),金融服务业(索赔分析,风险分析,信用卡分析,诈骗侦查),运输业(车队管理),电信业(呼叫分析和欺诈检测),城市管理服务业(电力使用情况分析),保健业(结果分析)。本文介绍了数据仓库的技术路线图,重点放在数据仓库对数据库管理系统提出的特殊要求之上。数据仓库就是一个“面向主题的、集成的、时变的、非易失性的数据集合,主要帮助组织做出决策”。通常,数据仓库需要与组织的操作数据库分离并被维护。分离的原因是多方面的。数据仓库支持联机分析处理(OLAP),其功能和性能要求与传统情况下由操作数据库支持的联机事务处理(OLTP)应用有很大不同。　　OLTP应用程序通常会自动处理当前数据任务,比