(数据仓)数据仓库技术概述.pdfVIP

（数据仓）数据仓库技术概 述 数据仓库技术概述 数据仓库技术 随着数据库技术的日趋成熟以及应用系统逐渐完善，无论是利用 早期的 RDB、Dbase ，还是后来以其领先的核心技术日渐垄断关系数 据库市场的 Oracle 、Sysbase 、DB2, 企业已经积累了大量的数据，这 些数据信息为企业的发展提供了客观依据。毫无疑问，在竞争激烈的 商业环境下，信息将是取胜的关键因素，决策者必须能快速可靠、随 时自主地访问企业数据，才能有效地做出计划和决策。在这种需求牵 引下，形成了数据仓库（ DataWarehouse ）的新概念、新技术。 1 数据仓库的概念 数据仓库的提出是以关系数据库、并行处理和分布式技术的飞速 发展为基础，是解决信息技术（ IT ）在发展中存在的拥有大量数据， 而其中有用信息贫乏的综合解决方案。数据仓库是一种新的数据处理 体系结构，是对企业内部各部门业务数据进行统一和综合的中央数据 仓库。它为企业决策支持系统（ DSS ）和经理信息系统（ EIS）提供所 需的信息。它是一种信息管理技术，为预测利润、风险分析、市场分 析以及加强客户服务与营销活动等管理决策提供支持的新技术。 数据仓库技术对大量分散、独立的数据库经过规划、平衡、协调 和编辑后，向管理决策者提供辅助决策信息，发挥大量数据的作用和 价值。 概括地说，数据仓库是面向主题的（ Subject-Oriented ）、集成 的(Integrated) 、稳定的 (Nonvolatile) 、不同时间的 (Timer-Variant) 数据集合 ,用于支持经营管理中决策制订过程。 数据仓库中的数据面向主题，与传统数据库面向应用相对应。主 题是一个在较高层次上将数据归类的标准，每一个主题对应一个宏观 的分析领域：数据仓库的集成特性是指在数据进入数据仓库之前，必 须经过数据加工和集成，这是建立数据仓库的关键步骤，首先要统一 原始数据中的矛盾之处，还要将原始数据结构做一个从面向应用向面 向主题的转变；数据仓库的稳定性是指数据仓库反映的是历史数据的 内容，而不是日常事务处理产生的数据，数据经加工和集成进入数据 仓库后是极少或根本不修改的；数据仓库是不同时间的数据集合，它 要求数据仓库中的数据保存时限能满足进行决策分析的需要，而且数 据仓库中的数据都要标明该数据的历史时期。 数据仓库最根本的特点是物理地存放数据，而且这些数据并 不是最新的、专有的，而是来源于其它数据库的。数据仓库的建立并 不是要取代数据库，它要建立在一个较全面和完善的信息应用的基础 上，用于支持高层决策分析，而事务处理数据库在企业的信息环境中 承担的是日常操作性的任务。数据仓库是数据库技术的一种新的应 用，而且到目前为止，数据仓库还是用关系数据库管理系统来管理其 中的数据。 传统数据库用于事务处理，也称为操作型处理，是指对数据库联 机进行日常操作，即对一个或一组记录的查询和修改，主要面向企业 特定的应用服务。用户关心的是响应时间、数据的安全性和完整性。 数据仓库用于决策支持，也称分析型处理，它是解决决策支持系统的 基础。 数据仓库的数据概念模型是数据的多维视图，它直接影响到前端工 具、数据库的设计和联机分析处理 （OnLineAnalyticalProcessing,OLAP ）的查询引擎。在多维数据模 型中，一部分数据是数字测量值，而这些数字测量值是依赖于一组维 的，这些维提供了测量值的上下文关系。因此，多维数据视图就是这 样一些由层次的维构成的多维空间中，存放着数字测量值。多维概念 模型的另一个特点是对一个或多个维所做的集合运算。这些运算可以 包括对于同样维所限定的测量值的比较。一般来说，时间维是一个有 特殊意义的维，对决策中的趋势分析很重要。 针对多维模型产生了 OLAP 分析方法，包括以下三种： （1 ） 旋转：即将表格的横、纵坐标交换（ x 、y ）→（y 、x ）. （2 ） 上钻和下钻 ：对所关心的数据根据维的层次提升或降低观察的