多维数据模型与OLAP实现.docxVIP

PAGE 1 PAGE 1 多维数据模型与OLAP实现  以多维数据模型为基础组织和存储数据，能够满意对用户恳求的快速响应和交互式操作，针对OLAP多维数据模型，有多种实现途径，本文将其一一做了介绍了，并对多维联机分析处理、关系联机分析处理和混合联机分析处理做了具体的比较分析。  近年来，随着网络技术和数理分析在银行业中的广泛应用，西方商业银行开始广泛采用人口地理统计理论，运用数据挖掘及商业智能等技术，处理跨时间、跨空间、跨部门、跨产品的银行数据集成分析问题，逐步实现了金融产品和金融服务的交叉销售，以保留住优质客户。目前，国内多家银行也不同程度地开展了商业智能（BI，BusinessIntelligence）系统建设，从信息管理角度看，商业智能是决策支持技术在商业银行应用的进一步发展和完善，OLAP（On-LineAnalyticalProcessing，联机分析处理）技术是BI的关键技术之一。自1970年第一个OLAP的雏形工具Express发布，到1993年关系数据库之父、数学家与计算机科学家爱德华·库德（E.F.Codd）系统地提出OLAP概念和OLAP的12条准则，OLAP技术和产品有了很大的发展，其内涵和外延也发生了一定的变化。但其本质特征仍旧是：以多维数据模型为基础组织和存储数据，满意对用户恳求的快速响应和交互式操作。  OLAP技术在国内兴起和发展的过程中，人们对某些基本概念还有不同的理解。比如，OLAP与多维数据模型的关系，多维数据模型与多维数据库（MDD，MultiDimensionalDatabase）的关系，MOLAP（MultidimensionalOLAP，关系联机分析处理）和HOLAP（HybridOLAP，混合联机分析处理）间的差异，多维数据库与多维联机分析处理是不是完全全都等问题，还有待于进一步澄清。  一、多维数据模型及相关概念  数据模型一般有两个层次：概念层（规律层）和物理层。规律数据模型是从概念角度抽象出现实世界的内在规律，如业务流程、数据架构等；物理数据模型则侧重于特定环境下的详细实现，如效率、安全性等。  多维数据模型是一个规律概念，该模型主要解决如何对大量数据进行快速查询和多角度展示，以便得出有利于管理决策的信息和学问。多维数据模型的应用领域主要有数据仓库、OLAP和数据挖掘3个方面，其中，多维结构是OLAP的核心。  多维数据模型通过引入维、维分层和度量等概念，将信息在概念上视为一个立方体。图1表示了一个数据立方体。  图1一个数据立方体  1.立方体：用三维或更多的维数描述一个对象，每个维彼此垂直。数据的度量值发生在维的交叉点上，数据空间的各个部分都有相同的维属性。  2.维：是人们观看数据的特定角度，是考虑问题时的一类属性，属性的集合构成一个维（如时间维、机构维等）。  3.维分层：同一维度还可以存在细节程度不同的各个描述方面（如时间维可包括年、季度、月份、旬和日期等）。  4.维属性：维的一个取值，是数据项在某维中位置的描述（例如“某年某月某日”是在时间维上位置的描述）。  5.度量：立方体中的单元格，用以存放数据。  OLAP的基本多维分析操作有钻取（Rollup，Drilldown）、切片（Slice）、切块（Dice）及旋转（Pivot）等。  钻取包含向下钻取和向上钻取（上卷）操作，钻取的深度与维所划分的层次相对应。上卷操作通过维规约，在数据立方体上进行聚集；下钻操作是上卷操作的逆操作，由不太具体的数据到更具体的数据。  切片和切块是在一部分维上选定值后，度量数据在剩余维上的分布。在多维数据结构中，根据二维、二维进行切块可得到所需数据，如在“机构、产品、时间”三维立方体中进行切块和切片，可得到各城市、各产品的销售状况。  旋转（转轴）是变换维的方向，即在表格中重新支配维的放置（如行列互换），通过旋转得到不同视角的数据。   以多维数据模型为基础组织和存储数据，能够满意对用户恳求的快速响应和交互式操作，针对OLAP多维数据模型，有多种实现途径，本文将其一一做了介绍了，并对多维联机分析处理、关系联机分析处理和混合联机分析处理做了具体的比较分析。  近年来，随着网络技术和数理分析在银行业中的广泛应用，西方商业银行开始广泛采用人口地理统计理论，运用数据挖掘及商业智能等技术，处理跨时间、跨空间、跨部门、跨产品的银行数据集成分析问题，逐步实现了金融产品和金融服务的交叉销售，以保留住优质客户。目前，国内多家银行也不同程度地开展了商业智能（BI，BusinessIntelligence）系统建设，从信息管理角