对数据仓库进行数据建模IBM.pdfVIP

对数据仓库进行数据建模IBM

2007-11-1615:00

OLTP与数据仓库一有何差异？

在日常生活中，我们要使用大量的应用序来生成新的数据、变更数据、删除数

据，当然在大多数的情况下我们还要查阅与分析数据。就来想象一个收发email

的简单应用序吧。我们已经存储了地址信息，可能还存储了一些文档。我们能

够决定是否存储已经发送过的邮件，但是也可能隔一段时间后将其删除，或者者

删除已经发送过的所有邮件。那么我们该如何处理一段时间往常删除或者者修改

过的地址呢？我们再也不可能看到它们了。

Email序大部分都属于不是很复杂的数据库，但是完全能够将其看作一个在单

用户环境下的OLTP（在线事务处理系统）简单示例。它使用了所有的所谓访问

数据的操作CRUD（创建、读取、更新、删除）。当数据存储达到一定量的时候,

规模就会几乎保持不变，由于能够从存储中删除过期数据。

数据仓库就完全是一种不一致种类的应用序。它并不是用来运行当前的操作，

比如发送邮件。它是用来分析数据同时从现有数据中发现新的价值，要紧是用来

预测未来的情况。数据仓库并不是解决所有问题的通用结构。它务必集中于某一

问题领域，比如航空服务、顾客收益等。

数据仓库也有有趣的一面，那就是数据库本身是稳固增长的。数据没有被删除，

也不发生变更。我们不需要将冗余数据置于数据库之外（由于加入仓库中的数据

通过了数据净化的过，该过检查了数据的正确性）来减少复杂性同时增强读

取操作的性能。

为了能够对数据仓库中的数据进行分析，数据存储于一个多维结构中，叫做星型

模式。假如将星型模式扩展，就会得到雪花模式。本白皮书将会阐述如何使用

IBMRationalRose进行星型模式建模与雪花模式建模。

飞行服务数据集市的例子

为了更好地解释如何对数据仓库建模，本白皮书将使用一个简单数据集市的为例

子（即一个数据仓库或者者数据仓库的一部分），来分析旅客乘坐航班Happ

FlingandLanding愉（快飞行平安降落）的行为与满意度。

我们将存储乘客信息与每个航班的的有关数据、选择的菜单与乘客对飞行的满意

度。

数据仓库术语表

数据仓库引入了新的术语，扩展了数据建模的术语表。为使本文的阐述能够完备,

下面我绍一下最常用的术语。

数据仓库

数据仓库是一个支持管理决策的数据集合。数据是面向主题的、集成的、不易丢

失的同时是时间变量。

数据仓库是所有操作环境与外部数据源的快照集合。它并不需要非常精确，由于

它务必在特定的时间基础上从操作环境中提取出来。

数据集市

数据仓库只限于单个主题的区域，比如顾客、部门、地点等。数据集市在从数据

仓库获取数据时能够依靠于数据仓库，或者者当它们从操作系统中获取数据时就

不依靠于数据仓库。

事实

事实是数据仓库中的信息单元，也是多维空间中的一个单元，受分析单元的限制。

事实存储于一张表中（当使用关系数据库时）或者者是多维数据库中的一个单元。

每个事实包含关于事实（收入、价值、满意记录等）的基本信息，同时与维度有

关。

在某些情况下，当所有的必要信息都存储于维度中时、单纯的事实出现就是关于

数据仓库足够的信息。我们稍后讨论有关缺无事实的情况。

维度

维度是绑定由坐标系定义的空间的坐标系的轴线。数据仓库中的坐标系定义了数

据单元，其中包含事实。

坐标系的一个例子就是带有X维度与维度的Cartesian笛（卡尔）坐标系。

在数据仓库中，时间总是维度之一。

数据挖掘

在数据仓库的数据中发现新信息的过程被称之数据挖掘，这些新信息不可能从操

作系统中获得。

分析空间

分析空间是数据仓库中一定量的数据，用于进行数据挖掘以发现新信息同时支持

管理决策。

切片

一种用来在数据仓库中将一个维度中的分析空间限制为数据子集的技术。

切块

一种用来在数据仓库中将多个维度中的分析空间限制为数据子集的技术。