OLAP的三大实现技术.pptxVIP

OLAP的三大实现技术会计学第1页/共64页目录OLAP的实现技术OLAP实例分析第2页/共64页OLAP的实现技术关系型联机分析处理（ROLAP，Relational OLAP）多维联机分析处理（MOLAP，Multi-Dimensional OLAP）混合型联机分析处理（HOLAP，Hybrid OLAP）第3页/共64页关系数据存储与多维数据存储关系型OLAP数据存储 在关系数据库中，没有数组的概念，因此多维数据必须被映像成平面型的关系表中的行。具有代表性的是非标准化的星型模式的设计，它将基本信息存储在一个单独的事实表中，而有关维的支持信息则被存储在其他表中。 预处理的结果一般被存放在大量的综合汇总表中，这些综合汇总表分别有不同的聚集及组合。他们每个都需要关键字来标识，并且通过索引来获得高效的访问。 第4页/共64页多维数据存储与关系数据存储多维数据库中的数据存储 多维数据库是由许多经压缩的，类似于数组的对象构成，这种对象通常带有高度压缩的索引及指针结构。每个对象由聚集成组的单元块组成，每个单元块都类似于多维数组的结构存储，并通过直接偏移计算进行存取。 由于索引只需一个较小的数来标识单元块，因此多维数据库的索引一般较小，只占数据空间的一小部分，正因为它们如此之小，以至于可以很容易地将整个索引装进内存，这将极大地提高性能。 在实际分析过程中，可能需要把任一维与其他维进行组合，因而需要能够旋转数据立方体及切片的视图，即以多维方式显示数据。 在多维数据库中，并非维间的每种组合都会产生具体的值，实际上，许多组合没有具体值，是空的或者值为0。另外，许多值重复，如一年中的价格可能不变。因此多维数据库必须具有高效的稀疏数据处理能力，能略过零元、缺失和重复数据。 第5页/共64页多维数据存储与关系数据存储关系数据存储与多维数据存储的比较 关系数据库按表中存放的关键字记录来存放数据，数据可用通用语言SQL来访问；而多维数据存储在逻辑上按数组保存数据，它既没有通用或一致的多维模型，也没有标准的或通用的数据访问方法。利用关系数据存储，数据仓库的尺寸可以非常大。通过使用索引和一些特殊的技术，可以增大存储的尺寸，以便在多维查询时获得可接受的性能。在多维存储中，数据存储的大小通常是有限的，但数据存储可利用压缩技术，例如稀疏矩阵压缩，可以在较少空间存放更多数据。存储在多维数据库中的信息具有更详尽的索引，可以常驻内存。且在逻辑上按数组保存数据，所以它可以在不影响索引的情况下更新数据。DB基础数据元数据计算结果SQL多维存取多维综合引擎多维视图存取DW关系型OLAP服务器 客户RDBMS服务器第6页/共64页关系型联机分析处理（ROLAP）ROLAP ROLAP将分析用的多维数据存储在关系数据库中，并根据应用的需要有选择的定义一批实视图作为表也存储在关系数据库中。 ROLAP主要通过一些软件工具或中间软件实现，物理层仍采用关系数据库的存储结构，因此称为虚拟OLAP（Virtual OLAP）。 尽管数据按关系型格式存储，但对用户来说，数据却是按多维方式给出。为了隐藏存储格式，应创建元数据的语义层，此层将映射到关系表。为改善响应时间，还应为概括数据或聚集数据生成元数据。所有元数据存放于可被维护和管理的关系数据库中。第7页/共64页关系型联机分析处理（ROLAP）设计基本步骤： （1）利用星型模式、雪花模式、混合模式等技术来构造维模型。 （2）添加适当的聚集和概括数据。 （3）把大的数据库分解成可管理的部分来提高效率。 （4）添加生成的索引或位模式索引来增强功能。 （5）生成并存储元数据。元数据包括对维的定义、维到关系表格的映射、维间的层次关系、概括和聚集的定义和描述、公式和计算及其他数据等。第8页/共64页关系型联机分析处理（ROLAP）执行查询的步骤： （1）利用数据的应用视图或维视图来构造客户工具。 （2）从客户工具查询OLAP并实时检查元数据。 （3）创建多种SELECT语句和/或相关子查询，并把它们提交给关系数据库。 （4）在数据库查询结果上完成多维功能，例如公式和计算，从字节到应用描述的转换。 （5）将结果返回给客户工具以便进一步处理和显示，或者立即进行显示。第9页/共64页关系型联机分析处理（ROLAP）提供给用户和管理员的主要功能有： （1）关系数据库的商业视图。 （2）维层次支持。 （3）计算、统计和财会功能，它们都可由用户扩充。 （4）细剖细节层次。 （5）选择前后端工具。 （6）数据库管理员可以增强已有的备份和恢复功能，并可提供数据库的子集来进行个例分析。 （7）利用元数据导航。 （8）具有使用权限的多级安全性控制。第10页/共64页关系型联机分析处理（ROLAP）可能会遇到的问题： （1）此方法允许使用星型和雪花模