SQL_Server数据仓库相关概念.docxVIP

基本概念： 1.多维数据集：多维数据集是联机分析处理 (OLAP) 中的主要对象，是一项可对数据仓库中 的数据进行快速访问的技术。 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。 2.维度：是多维数据集的结构性特性。它们是事实数据表中用来描述数据的分类的有组织层次结构 (级别 )。这些分类和级别描述了一些相似的成员集合，用户将基于这些成员集合进行分析。 3.度量值：在多维数据集中，度量值是一组值，这些值基于多维数据集的事实数据表中的一 列，而且通常为数字。此外，度量值是所分析的多维数据集的中心值。即，度量值是最终用 户浏览多维数据集时重点查看的数字数据。 您所选择的度量值取决于最终用户所请求的信息 类型。一些常见的度量值有 sales、 cost、expenditures 和 production count 等。 4.元数据： 不同 OLAP 组件中的数据和应用程序的结构模型。 元数据描述 OLTP 数据库中的 表、数据仓库和数据集市中的多维数据集这类对象， 还记录哪些应用程序引用不同的记录块。 5.级别：级别是维度层次结构的一个元素。级别描述了数据的层次结构，从数据的最高 (汇 总程度最大 )级别直到最低 (最详细 )级别。 6.数据挖掘：数据挖掘使您得以定义包含分组和预测规则的模型，以便应用于关系数据库或多维 OLAP 数据集中的数据。之后，这些预测模型便可用于自动执行复杂的数据分析，以找出帮助识别新机会并选择有获胜把握的机会的趋势。 7.多维 OLAP (MOLAP)：MOLAP 存储模式使得分区的聚合和其源数据的复本以多维结构存储 在分析服务器计算机上。根据分区聚合的百分比和设计， MOLAP 存储模式为达到最快查询 响应时间提供了潜在可能性。总而言之， MOLAP 更加适合于频繁使用的多维数据集中的分 区和对快速查询响应的需要。 8.关系 OLAP (ROLAP)： ROLAP 存储模式使得分区的聚合存储在关系数据库的表 (在分区数据 源中指定 )中。但是，可为分区数据使用 ROLAP 存储模式，而不在关系数据库中创建聚合。 9.混合 OLAP (HOLAP)： HOLAP 存储模式结合了 MOLAP 和 ROLAP 二者的特性。 10.粒度：数据汇总的层次或深度。 11.聚合 | 聚集：聚合是预先计算好的数据汇总，由于在问题提出之前已经准备了答案，聚合可以改进查询响应时间。 12.切块：由多个维的多个成员限定的分区数据，称为一个切块。 13.切片：由一个维的一个成员限定的分区数据，称为一个切片。 14.数据钻取：最终用户从常规多维数据集、虚拟多维数据集或链接多维数据集中选择单个 单元，并从该单元的源数据中检索结果集以获得更详细的信息， 这个操作过程就是数据钻取。 15.数据挖掘模型：数据挖掘使您得以定义包含分组和预测规则的模型，以便应用于关系数据库或多维 OLAP 数据集中的数据。之后，这些预测模型便可用于自动执行复杂的数据分析，以找出帮助识别新机会并选择有获胜把握的机会的趋势。 数据库维度 (Database dimension) “数据库维度” 是与某个键属性相关的维度属性的集合， 而该键属性又与度量值维度中的事实数据相关。 维度属性 (Dimension attribute) “维度属性”被绑定到维度表中的一个或多个列并包含成员。维度属性可以包含客户名称、月份名称和产品名称。 成员 (Member) “成员”是维度属性（包括度量值维度）的值。层次结构中的成员可以是叶成员、父成员、数据成员或“ (全部 )”成员。 度量值 (Measure) “度量值” 是来自事实数据表的值， 也称为 “事实数据” 。度量值维度的值有时也通称为 “成员”。度量值通常是数值，但也可以是字符串值。 Measures  维度  (Measures dimension) “度量值维度” 是包含多维数据集中所有度量值的维度。中的成员通常是根据各个维度属性 （存在指定的度量值）  度量值维度是一种特殊的维度，的当前成员 （通常采用求和或计数  其 方式）进行聚合。 度量值组 (Measure Group) “度量值组”是 SQL Server 2005 Analysis Services 多维数据集中的相关度量值集合（通常是来自同一事实数据表的度量值） 。在 SQL Server 2005 Analysis Services 中，一个多维数据集可包含多个度量值组。 “(全部 )”成员 ((All) member) “(全部 )”成员是属性层次结构或用户定义的层次结构中的所有成员的计算值。 计算成员 (Calculated member) “计算成员” 是在查询