多维模型中渐变维度的研究与应用-软件工程专业论文.docxVIP

PAGE PAGE IV 摘 要 企业信息化建设为企业积累了大量的业务数据，因此，企业所面临的问题已 经不是如何寻找数据，而是怎样充分利用这些现有的丰富数据，从中发掘具有商 业价值的潜在信息，以促进企业业务的进一步开展。数据仓库技术的兴起正好适 应了企业的这项迫切需求。 数据仓库提供一个集成的数据环境，对企业历史数据进行综合的抽取、清洗 和整理，然后加载到数据仓库数据库中。数据仓库是面向主题进行分析的，分析 人员根据不同的分析角度对数据进行观察，以验证他们提出业务的预测。数据仓 库中的数据模型多采用多维数据模型，将数据划分为事实表数据和维度表数据。 事实数据用于度量各项业务指标，维度数据则表示各种描述性数据。 在多维数据模型中，维度是分析人员分析业务数据的角度，不同的角度能够 得出不同的结果。对数据仓库的维度而言，其值并非始终保持不变的。由此便引 出了数据仓库中渐变维度的更新问题。渐变维度是针对某些变化频率不多，变化 缓慢的维度属性而提出的。维度属性发生变化，那么观察事实数据的角度也就相 应改变了，得出的数据分析结果随之而变。当维度属性值发生改变后，其变化情 况应该及时的反映到数据仓库数据库中，以便数据仓库能够正确的跟踪变化前后 的事实数据。基于事件的渐变维度更新模型正是这类更新问题的响应方法，它综 合了已有的三种更新策略：直接覆盖属性值、新增维度记录行和新增维度属性列 的优点，并且引入事件的特性，能够准确的监控业务数据库中有关维度属性的变 化，在第一时间内让数据仓库响应维度属性的变化。基于事件的渐变维度更新模 型通过增量式方法节省了存储空间，同时也体现了实时性操作的优势之处。 关键词：数据仓库 多维数据模型 渐变维度 星型模式 Abstract Enterprise information construction has accumulated a lot of business data for companies. Therefore, the problems faced by companies today is not how to find data, but how to take full advantage of these existing useful data, from which to explore the potential commercial value in order to promote further development of business. The emergence of data warehouse technology precisely meets the urgent needs of the enterprise. Data warehouse provides an integrated data environment, which can carry out a series of comprehensive operation on company historical data, such as extraction, cleaning, integration and so on, and then load it into databases of data warehouse. The data warehouse is subject oriented. Analysts point of view depending on the angles which they observe the data, in order to verify their business prediction. In data warehouse, multi-dimensional data model is one of data models which is most used. According it business data is divided into fact data and dimension data. The fact data is used to measure the operational indicators; the dimension data indicate the various descriptive data. In multi-dimensional data model, dimension is the angle which analysts analysis the business data. Different perspectives can yield different resu