数据库基础与应用第13章_联机分析处理(OLAP)技术-完成.pptVIP

第13章联机分析处理(OLAP)技术 13.1 什么是OLAP 13.2 多维数据模型 13.3 OLAP的实现 13.4 小结 13.1 什么是OLAP OLAP（On_Line Analytical Processing）即联机分析处理，是以海量数据为基础的复杂分析技术。 OLAP概念是由 E.F.Codd于1993年提出的。 OLAP软件提供的是多维分析和辅助决策功能。对于深层次的分析和发现数据中隐含的规律和知识，则需要数据挖掘（Data Mining）技术和相应的数据挖掘软件来完成。 13.2 多维数据模型 变量（Measure） 变量也称度量，是数据的实际意义，即描述数据“是什么”。例如：数据“10000”本身并没有意义或者说意义未定，它可能是一个学校的学生人数，也可能是某产品的单价，还可能是某商品的销售量等。一般情况下，变量是一个数值的度量指标，例如：“人数”、“单价”、“销售量”等都是变量或称为度量，而“10000万元”则是变量的一个值，销售量10000万元常称为度量值。 13.2.1 基本概念 13.2 多维数据模型 13.2.1 基本概念 维（Dimension） 维是人们观察数据的特定角度。例如，企业常常关心产品销售量随时间的变化情况, 这时他是从时间的角度来观察产品的销售, 所以时间就是一个维（时间维）。企业也时常关心自己的产品在不同的地区的销售分布情况，这时他是从地区分布的角度来观察产品的销售，所以地区也是一个维（地区维）。 “维”是OLAP中十分重要的概念。 13.2 多维数据模型 13.2.1 基本概念 维的层次（Hierarchy） 人们观察数据的某个特定角度（即某个维）还可能存在细节程度不同的多个描述方面，我们称这多个描述方面为维的层次。例如：描述时间维时，可以从年、季、月、日等不同层次来描述，那么年、季、月、日等就是时间维的一种层次；同样，县、市、省、大区、国家等构成了地区维的一种层次。 13.2 多维数据模型 13.2.1 基本概念 维成员(Member) 维的一个取值称为该维的一个维成员，也称作维值。如果一个维的某种层次具有多个层，那么该维的维成员是不同维层的取值的组合。假设时间维的层次是年、月、日这三个层，分别在年、月、日上各取一个值组合起来，就得到了时间维的一个维成员，即“某日某月某年”。一个维成员并不一定在每个维层上都要取值，例如，“某年某月”、“ 某月某日”、“某年”等都是时间维的维成员。 13.2 多维数据模型 13.2.1 基本概念 多维立方体(Cube) 多维数据模型的数据结构可以用这样来一个多维数组来表示：(维1，维2，···,维n，度量值)，例如：图13.1所示的电器商品销售数据是按时间、地区、商品，加上变量“销售额”组成的一个三维数组：(地区，时间，商品，销售额)。三维数组可以用一个立方体来直观的表示。一般地多维数组用多维立方体CUBE来表示。多维立方体CUBE也称为超立方体。 13.2 多维数据模型 13.2.1 基本概念 图13.1按商品、时间和地区组织的电器商品销售数据 销售额（万元） 时间 地区 商品 电视机 洗衣机 电冰箱 北京 1 2 3 4 13.2 多维数据模型 13.2.1 基本概念 数据单元（Cell） 多维立方体CUBE的取值称为数据单元。当多维立方体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。 对于三维以上的超立方体，很难用可视化的方式直观地表示出来。为此人们用较形象的星型模式”(Star Schema)和“雪片模式”(Snow Flake Schema)来描述多维数据模型。 13.2 多维数据模型 13.2.1 基本概念 星型模式通常由一个中心表（事实表）和一组维表组成。 销售事实表 销售员维 顾客维 时间维 产品维 制造商维 图13.2星型模式 13.2 多维数据模型 13.2.1 基本概念 星型模式的事实表与所有的维表相连，而每一个维表只与事实表相连。维表与事实表的连接是通过码来体现的，如图13.3所示。 顾客代码 顾客维表 制造商维表 销售事务表 销售员维 制造商代 码 日期 顾客代码 制造商代码 销售员代码 产品代码 销售额 销售员代 码 产品维表 产品代码 图13.3 星型模式示例 13.2 多维数据模型 13.2.1 基本概念 雪片模式就是对维表按层次进一步细化后形成的。如图13.4，在 “星型” 维表的角上又出现了分支，这样变形的星型模式被称为“雪片模式”(Snow Flake Schema)。 13.2 多维数据模型 13.2.1 基本概念 销售事实表 销售员维 顾客维 时间维 产品维 制造商维 日 月