數據挖掘2章數據倉庫和數據挖掘的olap技術-wenkub
2023-05-20 03:06:17 本頁面
【正文】 的，僅當超過規(guī)定的存儲期限，才將其從數據倉庫中刪除，提取新的數據經集成后輸入數據倉庫。 OLAP從數據倉庫中的綜合數據出發(fā)，提供面向分析的多維模型，并使用多維分析的方法從多個角度、多個層次對多維數據進行分析，使決策者能夠以更加自然的方式來分析數據。 ? 復雜分析的高性能體現：涉及大量數據的聚集、綜合等，在進行復雜查詢時經常會使用多表的聯(lián)接、累計、分類、排序等操作。事務型處理是用來協(xié)助企業(yè)對響應事件或事務的日常商務活動進行處理。 分析型處理 ? 分析型處理：用于管理人員的決策分析，例如DSS、 EIS、和多維分析等。細節(jié)數據量太大，會嚴重影響分析的效率，而且太多的細節(jié)數據不利于分析人員將注意力集中于有用的信息。 ? 數據倉庫系統(tǒng)的完善工作： ? 改正性維護：在數據倉庫設計與開發(fā)過程中，雖然已經進行了嚴格的測試，但對于一個大型的系統(tǒng)可能還潛藏著一些錯誤，改正性維護就是為了發(fā)現和改正這些錯誤而進行的過程。 進一步發(fā)展和探討 ? 發(fā)現驅動的探查 :預計算的度量指出數據異常 ,避免人工檢查數據 . ? 擴充 SQL語句的實現 (多粒度上的復雜聚集 ). ? 聯(lián)機聚集 ,可以顯示迄今為止所知道的 ,而不是等待查詢完全處理完 . ? 最高 N查詢 ,只查詢最高的 N項 ,而不是整個排序的表 ,這導致較快的響應時間并減少資源浪費 . 從數據倉庫到數據挖掘 ? 信息處理 :支持查詢和基本的統(tǒng)計分析 ,并使用表或圖進行報告 . ? 分析處理 :支持基本的 OLAP操作 ,在匯總的和細節(jié)的歷史數據上操作 . ? 數據挖掘 :支持知識發(fā)現 ,包括找出隱藏的模式和關聯(lián) ,構造分析模型 ,進行分類和預測 ,并用可視化工具提供挖掘結果 . 數據倉庫的應用 聯(lián)機分析挖掘 (OLAM) 將聯(lián)機分析處理與數據挖掘集成 ,有以下幾 個原因 : ? 數據倉庫中數據的高質量 :大部分數據挖掘工具需要在集成的一致的和清理過的數據上進行 ,經由這些預處理而構造的數據倉庫不僅用作 OLAP而且也用作數據挖掘的數據源 . ? 環(huán)繞數據倉庫的有價值的信息處理基礎設施 :謹慎的做法是盡量利用可用的基礎設施 ,而不是一切從頭做起 . ? 基于 OLAP的探測式數據分析 :有效的數據挖掘需要探測式數據分析 .用戶常常想在不同粒度上分析它們 .聯(lián)機分析挖掘提供在不同的數據子集和不同的抽象層上進行數據挖掘的工具 . ? 數據挖掘功能的聯(lián)機選擇 :用戶常常不知道想挖掘些什么 .通過將 OLAP與多種數據挖掘功能集成在一起 ,聯(lián)機分析挖掘為用戶選擇所期望的數據挖掘功能動態(tài)修改挖掘任務提供了靈活性 。 ? 完善性維護：因為數據倉庫系統(tǒng)一般是采用快速原型法開發(fā)的，需要在系統(tǒng)的運行過程中不斷地聽取用戶對已有功能的修改建議和增加新功能的需求，使系統(tǒng)日趨完善，這項工作稱為完善性維護。 事務型處理數據和分析型處理數據的區(qū)別 事務型處理數據 分析型處理數據 細節(jié)的 綜合的，或提煉的 在存取瞬間是準確的 代表過去的數據 可更新 不可更新，只讀的 操作需求事先可知道 操作需求事先不知 生命周期符合 SDLC 完全不同的生命周期 對性能要求高 對性能要求寬松 一個時刻操作一個單元 一個時刻操作一個 事務驅動 分析驅動 面向應用 面向分析 一次操作數據量小 一次操作數據量大 支持日常操作 支持管理需求 OLTP和 OLAP的區(qū)別 ? 用戶和系統(tǒng)的面向性 : OLTP是面向顧客的 ,用于事務和查詢處理 OLAP是面向市場的 ,用于數據分析 ? 數據內容 : OLTP系統(tǒng)管理當前數據 . OLAP系統(tǒng)管理大量歷史數據 ,提供匯總和 聚集機制 . ? 數據庫設計 : OLTP采用實體 聯(lián)系 ER模型和面向應用的 數據庫設計 . OLAP采用星型或雪花模型和面向主題的數 據庫設計 . ? 視圖 : OLTP主要關注一個企業(yè)或部門內部的當前 數據 ,不涉及
畢業(yè)設計相關推薦
鄂ICP備17016276號-1