数据仓库与OLAP实践.pdf

数据仓库与OLAP实践 清华大学出版社 第3章多维数据分析基础与方法 3.1 多维数据分析基础 3.2 多维数据分析方法 3.3 维度表与事实表的连接 3.4 多维数据的存储方式 3.5 小结 2 3.1 多维数据分析基础 多维数据分析是以数据库或数据仓库为基础的， 其最终数据来源与OLTP一样均来自底层的数据 库系统，但两者面对的用户不同，数据的特点与 处理也不同。 多维数据分析与OLTP是两类不同的应用， OLTP面对的是操作人员和低层管理人员，多维 数据分析面对的是决策人员和高层管理人员。 OLTP是对基本数据的查询和增删改操作，它以 数据库为基础，而多维数据分析更适合以数据仓 库为基础的数据分析处理。 3 1. 多维数据集（Cube）  多维数据集由于其多维的特性通常被形象 地称作立方体（Cube），  多维数据集是一个数据集合，通常从数据 仓库的子集构造，并组织和汇总成一个由 一组维度和度量值定义的多维结构。  SQL Server 2000中一个多维数据集最 多可包含128个维度和1024个度量值。 4 2. 度量值（Measure）  度量值是决策者所关心的具有实际意义的数值。  例如，销售量、库存量、银行贷款金额等。  度量值所在的表称为事实数据表，事实数据表中 存放的事实数据通常包含大量的数据行。  事实数据表的主要特点是包含数值数据（事 实），而这些数值数据可以统计汇总以提供有关 单位运作历史的信息。  度量值是所分析的多维数据集的核心，它是最终 用户浏览多维数据集时重点查看的数值数据。 5 3. 维度（Dimension）  维度（也简称为维）是人们观察数据的角度。  例如，企业常常关心产品销售数据随时间的变化 情况，这是从时间的角度来观察产品的销售，因 此时间就是一个维（时间维）。  例如，银行会给不同经济性质的企业贷款，比如 国有、集体等，若通过企业性质的角度来分析贷 款数据，那么经济性质也就成为了一个维度。  包含维度信息的表是维度表，维度表包含描述事 实数据表中的事实记录的特性。 6 4. 维的级别（Dimension Level）  人们观察数据的某个特定角度（即某个维）还可 以存在不同的细节程度，我们称这些维度的不同 的细节程度为维的级别。  一个维往往具有多个级别.  例如描述时间维时，可以从月、季度、年等不同 级别来描述，那么月、季度、年等就是时间维的 级别。 7 5. 维度成员（Dimension Member）  维的一个取值称为该维的一个维度成员（简称维 成员）。  如果一个维是多级别的，那么该维的维度成员是 在不同维级别的取值的组合。  例如，考虑时间维具有日、月、年这3个级别， 分别在日、月、年上各取一个值组合起来，就得 到了时间维的一个维成员，即“某年某月某 日”。 8 多维数据集示例 9 3.2 多维数据分析方法 多维分析可以对以多维形式组织起来的数 据进行上卷、下钻、切片、切块、旋转等 各种分析操作，以便剖析数据，使分析 者、决策者能从多个角度、多个侧面观察 数据库中的数据，从而