数据仓库和决策支持系统23659.ppt

第五章 数据仓库工程 目录  5.1 数据仓库工程概述 5.2 数据仓库开发模型 5.3 数据仓库的规划 5.4 数据仓库的概念模型设计 5.5 数据仓库的逻辑模型设计 5.6 数据仓库的物理模型设计 5.7 数据仓库的实施 5.8 数据仓库的应用、支持和增强 练 习 数据仓库的开发应用像其它软件系统一样，具有其特有的、完整的生命周期。 数据仓库的开发应用周期可以分成三个阶段： 规划分析阶段 设计实施阶段 使用维护阶段 这三个阶段是一个不断循环、完善、提高的过程。在一般情况下，数据仓库系统不可能在一个循环过程中完成，而是经过多次循环开发，每次循环都会为系统增加新的功能，使数据仓库的应用得到新的提高。 数据仓库的螺旋式开发方法 5.2 数据仓库的开发模型 5.2.1 模型与模型转换 模型是对现实世界进行抽象的工具。在信息管理中，需要将现实世界的事物及其有关特征转换为信息世界的数据，才能对信息进行处理与管理，这就需要依靠数据模型作为这种转换的桥梁。 这种转换一般需要经历从现实世界到概念模型、从概念模型到逻辑模型、从逻辑模型到物理模型的转换过程。 数据仓库的设计就是在概念模型、逻辑模型和物理模型的依次转换过程中实现的。作为数据仓库的灵魂——元数据模型则自始至终伴随着数据仓库的开发、实施与使用。数据粒度和聚集模型也在数据仓库的创建中发挥着指导的作用，指导着数据仓库的具体实现。 5.2.2 数据仓库的概念模型 概念数据模型---可采用E-R图 数据仓库的概念数据模型的特点 不包含操作型的数据，只包含用户所感兴趣的分析数据、描述数据和细节数据。 扩充了关键字结构，增加了时间属性作为关键字的一部分。 还增加了一些由基本数据所导出的衍生数据。这些导出的衍生数据主要用于对企业的管理决策进行分析。 指标实体 （事实实体） 数据模型的规范与反规范 星型模型 雪花模型 5.2.3 数据仓库的逻辑模型 5.2.4 数据仓库的物理模型 事实表模型设计 事实表模型设计 事实表模型设计 事实表模型设计 维模型设计 数据仓库物理模型的索引构建 数据仓库物理模型的优化问题 数据仓库物理模型的优化问题 5.2.5 数据仓库的元数据模型 5.2.5 数据仓库的元数据模型 元数据在数据仓库中的作用 元数据在数据仓库中的作用 元数据的收集 5.2.6 数据仓库的粒度和聚集模型 确定粒度的级别 数据粒度的划分 数据仓库的聚集模型确定 聚集模型的处理 聚集模型的管理 5.3 数据仓库的规划 5.3.1 数据仓库实现策略的选择 5.3.2 确定开发目标和实现范围 5.2.3 数据仓库的结构 5.2.4 数据仓库使用方案和项目规划预算 5.4 数据仓库的概念模型设计 5.4 数据仓库的概念模型设计 概念模型的定义 概念模型的定义 概念模型的定义 概念模型的定义 概念模型的定义 概念模型的分析 概念模型的分析---E-R图 概念模型的设计---星型模型 概念模型文档与评审 5.5 数据仓库的逻辑模型设计 5.5.1 分析主题域 5.5.2 粒度层次的划分 5.5.5 数据仓库的实体定义 5.5.5 数据仓库的实体定义 5.5.6 数据仓库的数据抽取模型 5.5.6 数据仓库的数据抽取模型 5.5.6 数据仓库的数据抽取模型 5.5.6 数据仓库的数据抽取模型 5.5.6 数据仓库的数据抽取模型 5.5.6 数据仓库的数据抽取模型 5.5.6 数据仓库的数据抽取模型 5.5.6 数据仓库的数据抽取模型 5.5.7 数据仓库的元数据模型建立与应用 5.5.8 逻辑模型的评审 5.5.8 逻辑模型的评审 5.6 数据仓库的物理模型设计 5.6.1 数据仓库设计的规范 5.6.2 确定数据结构的类型 5.6.2 确定数据结构的类型 5.6.3 数据仓库索引的创建 5.6.4 确定数据存放位置 5.6.5 确定存储分配 5.7 数据仓库的实施 5.7.1 数据仓库与业务处理系统的接口设计 5.7.2 数据仓库的创建 5.7.3 数据加载、复制与发行 5.7.4 数据仓库的中间件设计 5.7.5 数据仓库的测试 5.8 数据仓库的应用、支持和增强 5.8.2 数据仓库的使用方式 5.8.4 数据仓库的增强 练 习 1. 为什么说数据仓库的开发是一个不断循环、逐步提升的开发过程？ 2. 数据仓库的生命周期应该包含哪几个阶段？需要完成哪些工作？ 3. 在数据仓库的需求分析中需要对哪些人员进行需求调查，应该调查哪些内容？ 4. 数据仓库的设计包含那些内容？ 5. 怎样通过数据仓库的应用来增强