04.多维数据模型.ppt

数据挖掘 陈靖宇 广东工业大学 2007 第四讲 多维数据模型 1.从表到数据立方体 2.多维数据库模型 3.度量的分类和计算 4.概念分层 5.多维数据模型上的操作 6.多维数据库的星型网查询模型 4.1 从表到数据立方体 数据仓库和OLAP工具基于多维数据模型 多维数据模型?数据立方体 4.1 .1 什么是数据立方体 由维和事实定义； 允许以多维对数据建模和观察； 4.1.2 维、事实、维表以及事实表的概念 4.1.3 2D立方体模型 4.1.4 3D立方体模型 4.1.5 4D立方体模型 4.1.5 立方格 4.2 多维数据库模型 4.2.1 星型模式 4.2.2 雪花模式 4.2.3 事实星座（星系模式） 4.2.1 星型模式 4.2.2 雪花模式 4.2.3 事实星座（星系模式） 4.2.4 实现星型模式的方法 扁平维表 归一化维表 扩展的维表 层次化维表 4.2.4 实现星型模式的方法 扁平维表 4.2.4 实现星型模式的方法 归一化维表 4.2.4 实现星型模式的方法 扩展的维表 4.2.4 实现星型模式的方法 扁平维表 4.3 度量的分类和计算 分布的：如 count(), sum(), max() ; 代数的: 如 avg() = sum() / count() ; 整体的: 如 median(), mode(), rank() ; 4.4 引入概念分层 4.4 引入概念分层 4.4 引入概念分层 4.5 多维数据模型上的OLAP操作 常用的OLAP操作 一个单元 多个单元（上卷、下钻） 切片 切块 旋转、钻过、钻透 4.5 多维数据模型上的OLAP操作 4.5 多维数据模型上的OLAP操作 4.5 多维数据模型上的OLAP操作 4.5 多维数据模型上的OLAP操作 4.5 多维数据模型上的OLAP操作 4.5 多维数据模型上的OLAP操作 4.5 多维数据模型上的OLAP操作 4.5 多维数据模型上的OLAP操作 4.6 查询多维数据库的星型网查询模型 小结 1. 数据立方体 （ 维，事实，维表，事实表 ） 2.多维数据库模型 （星形模式，雪花模式，星系模式） 3.度量的分类和计算 （分布的，代数的，整体的） 4.概念分层 5.多维数据模型上的操作 （查询，上卷、下钻、切片、切块、旋转、 钻过、钻透） 6.实现星型模式的方法 （扁平维表、归一化维表、扩展的维表、层次化维表） 切块方法1：针对区域维度与时间维度做切块(dice)操作 将上一张资料图经过旋转90度操作后的结果 第四讲 多维数据模型 维 ?是关于一个组织想要记录的透视或实体。 ?是一个逻辑上相关的属性集合，可以看作是 对数据建模的坐标轴； 事实 ?指存储的特殊数据，通常是数值型数据； 维 ?是关于一个组织想要记录的透视或实体。 ?是一个逻辑上相关的属性集合，可以看作是 对数据建模的坐标轴； 事实 ?指存储的特殊数据，通常是数值型数据； 维表?每个维都有一个表与之关联，以进一步描述维，该表称为维表； 事实表?包括事实的名称及度量； 0-D方体 1-D方体 2-D方体 3-D方体 4-D方体 Sales ( ProductID, DayID, SalesmanID, LocationID, Quantity, Price ) Product ( ProductID, Description, Type, TypeDescription ) Day ( DayID, Month, Qurter, Year ) Division ( SalesmanID, Dept, DeptDesc, Div , DivDesc ) Location ( LocationID, ZipCode, State, City ) Sales ( ProductID, DayID, SalesmanID, LocationID, Quantity, Price ) Product ( ProductID, Description, Type) Types ( Type, TypeDesc ) Day ( DayID, Month) Months ( Month , Quarter ) Quarter (Quarter ,Year Division ( SalesmanID, Dept ) Depts(Dept, DeptDesc, Div ) Divs (Div , DivDesc ) Location