数据仓库与数据挖掘原理及应用（第二版）教学课件 作者 王丽珍 周丽华 陈红梅 第4章.pptVIP

在线教务辅导网：;第四章 联机分析处理（OLAP）;第四章 目录;数据仓库是管理决策分析的基础，要有效地利用数据仓库的信息资源，必须要有强大的工具对数据仓库的信息进行决策分析。On-line Analytical Processing（在线分析处理或联机分析处理）就是一个应用广泛的数据仓库使用技术。它可以根据分析人员的要求，迅速灵活地对大量的数据进行复杂的查询处理，并以直观的容易理解的形式将查询结果提供给各种决策人员，使他们能够迅速准确地掌握企业的运营情况，了解市场的需求。 ;第四章 联机分析处理（OLAP）;4.1 OLAP概念;4.1.1 什么是OLAP;OLAP 的特点： 多维性 —— OLAP服务通过支持多维聚合路径（dimensional aggregation path）或层次结构和/或多重层次结构，提供了大量数据视图或多维的概念性视图。 容易理解 —— 为OLAP 分析设计的数据仓库或数据集市可以处理与应用程序和开???人员相关的任何业务逻辑和统计分析，同时使它对于目标用户而言足够简单。 交互性 —— OLAP帮助用户通过对比性的个性化查看方式，以及对各种 “what-if”数据模型场景中的历史数据和预计算数据进行分析，将业务信息综合起来。用户可以在分析中定义新的专用 计算，并可以以任何希望的方式报告数据。 快速 —— OLAP服务常常以多用户的客户机/服务器模式实现，而且无论数据库的规模和复杂性有多大，都能够对查询提供一致的快速响应。合并的业务数据可以沿着所有维度中的层次结构预先进行聚合，从而减少构建OLAP报告所需的运行时间。 ;4.1.2 OLAP的相关基本概念;6. 多维数组 图4.1 按多维数组组织起来的三维立方体（multicube） 多维数组是维和变量的组合表示。一个多维数组可以表示为：维1，维2，…，维n，变量，比如：图4.1所示的商品销售数据是按时间、地区和产品组织起来的三维立方体，加上变量“销售额”，就组成了一个多维数组（时间，地区，产品，销售额）。如果在图4.1的基础上扩展一个维“销售渠道”，就得到一个四维的结构。 7. 数据单元（单元格） 数据单元（单元格）是多维数组的取值。当多维数组的各个维都选中一个维成员，这些维成员的组合就唯一确定了一个变量的值，比如：2004年3月，昆明，笔记本电脑，$80000。 ;4.1.3 OLAP和OLTP的区别;4.1.3 OLAP和OLTP的区别;4.1.4 OLAP和数据仓库的区别;4.1.4 OLAP和数据仓库的区别;第四章 联机分析处理（OLAP）;4.2 OLAP的基本操作;4.2.1 数据切片（SLICE）;按照定义4.3，一次切片一定使原来维数减1，因此所得的切片结果并不一定是二维的“平面”，其切片结果的维数取决于原来的多维数组的维数。这样的切片定义不够通俗易懂，所以我们给出了切片的另一个定义（这两个定义是不等价的）。 定义4.4 选定多维数组中两个维：维i和维j，在这两个维上取某一区间或任意的维成员，而将其余的维都分别取定一个维成员的动作称为多维数组在维i和维j上的一个切片，表示为:（维i，维j，变量）。 ;例4.2 对于例4.1，选定多维数组（时间，城市，产品，销售额）中的时间维度与产品维度，而在城市维上取定一个维成员（设为“上海”或“广州”），就得到了多维数组（时间，城市，产品，销售额）在时间和产品两维上的一个切片（时间，产品，销售额）。它表示“上海”或“广州”地区各产品、每年的销售情况。相应地，选定时间维度与城市维度，而在产品维上取定一个维成员（设为“电视机”或“电冰箱”），就得到了多维数组（时间，城市，产品，销售额）在时间和城市两维上的一个切片（时间，城市，销售额）。 从定义4.4可以得出两点： 1）一个多维数组的切片最终是由该数组中除切片所在平面的二个维之外的其他维的成员值确定的。 2）维是观察数据的角度，那么切片的作用或结果就是舍弃一些观察角度，使人们能在两个维上集中观察数据。因为人的空间想象能力毕竟有限，一般很难想象四维以上的空间结构。所以对于维数较多的多维数据空间，数据切片是很有意义的。 定义4.4可以看成是定义4.3的一个特例。对于一个n维数组，按定义4.3进行的n-2次切片的结果，就必定是对应于按定义4.4进行的某一次切片的结果。 ;4.2.2 数据切块（DICE）;4.2.3 数据上探/下钻（DRILL-UP/DRILL-DOWN）;图4.4 上探、下钻操作示意图 显然，钻取的深度与维所划分的层次相对应。如果对时间维度上只定义了“年”、“季度”这两个层次关系，那么表2是我们能够得到的最细节的数据，不能