数据仓库技术概述.pdf

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（Data Warehouse ） 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 1 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（On Line Analytical Processing, 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层次。 （3 ） 切片和切块：主要根据维的限定做投影、选择等数据库操作获得数 据。 2 数据仓库的数据组织 一个典型的数据仓库的数据组织结构如图 2.10 所示: 数据仓库中的数据分为四个级别：早期细节级、当前细节级、轻度综合 级、高度综合级。源数据经过综合后，首先进入当前细节级，并