Chapter3数据仓库与OLAP技术概述0922.pptVIP

度量的分类和计算 分布的: 设数据被划分为n个集合,函数在每一部分上的计算得到一个聚集值.如果将函数用于n个聚集值得到的结果,与将函数用于所有数据得到的结果一样则该度量是分布的,如count(),sum()等 第三十一页，共六十八页。 代数的: 如果一个聚集函数能够由一个具有M个参数的代数函数计算,且每个参数都可以用一个分布聚集函数求得.如avg()可以由sum()/count()计算,其中sum()和count()是分布聚集函数. 第三十二页，共六十八页。 整体的: 如果一个聚集函数无法用具有M个参数的代数函数进行这一计算,则这个函数称是整体的,如rand()等 许多度量可以用关系的聚集操作计算 对应图2-4,我们也可写出SQL语句. 第三十三页，共六十八页。 计算dollars_sold和units_sold Select sum(s.number_of_units_sold*s.price) Sum(s.number_of_units_sold) From time t,item i,branch b,location l,sales s, Where s.time_key=t.time_key and s.item_key=i.item_key and s.branch_key=b.branch_key and s.loation_key=l.location_key Group by s.time_key,s.item_key,s.branch_key,s.location_key 第三十四页，共六十八页。 概念分层 全序相关 偏序相关 Country year City quarter month week Street day 第三十五页，共六十八页。 * 概念分层 all Europe North_America Mexico Canada Spain Germany Vancouver M. Wind L. Chan ... ... ... ... ... ... all region office country Toronto Frankfurt city 第三十六页，共六十八页。 * 仓库与概念视图 Specification of hierarchies Schema hierarchy day {month quarter; week} year Set_grouping hierarchy {1..10} inexpensive 第三十七页，共六十八页。 * 多维数据 Sales volume as a function of product, month, and region Product Region Month Dimensions: Product, Location, Time Hierarchical summarization paths Industry Region Year Category Country Quarter Product City Month Week Office Day 第三十八页，共六十八页。 * A Sample Data Cube Total annual sales of TV in U.S.A. Date Product Country All, All, All sum sum TV VCR PC 1Qtr 2Qtr 3Qtr 4Qtr U.S.A Canada Mexico sum 第三十九页，共六十八页。 多维数据模型的OLAP操作 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,由不太详细的数据到更详细的数据. 切片和切块,切片在给定的数据立方体的一个维上进行选择,切块则是在两个或两个以上的维进行选择. 转轴操作,转动数据的视觉,是目视操作. 如图3-10所示 第四十页，共六十八页。 * 图 3.10 典型OLAP 操作 第四十一页，共六十八页。 3.3 数据仓库的系统结构 自顶向下视图,使我们可以选择数据仓库所需的相关信息. 数据源视图,揭示被操作