2、數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的olap技術(shù)(編輯修改稿)
2025-01-29 16:10 本頁面
【文章內(nèi)容簡介】 try) 實(shí)例：使用 DMQL定義雪花模式 define cube sales_snowflake [time, item, branch, location]: dollars_sold = sum(sales_in_dollars), avg_sales = avg(sales_in_dollars), units_sold = count(*) define dimension time as (time_key, day, day_of_week, month, quarter, year) define dimension item as (item_key, item_name, brand, type, supplier(supplier_key, supplier_type)) define dimension branch as (branch_key, branch_name, branch_type) define dimension location as (location_key, street, city(city_key, province_or_state, country)) 實(shí)例：使用 DMQL定義事實(shí)星座模式 define cube sales [time, item, branch, location]: dollars_sold = sum(sales_in_dollars), avg_sales = avg(sales_in_dollars), units_sold = count(*) define dimension time as (time_key, day, day_of_week, month, quarter, year) define dimension item as (item_key, item_name, brand, type, supplier_type) define dimension branch as (branch_key, branch_name, branch_type) define dimension location as (location_key, street, city, province_or_state, country) define cube shipping [time, item, shipper, from_location, to_location]: dollar_cost = sum(cost_in_dollars), unit_shipped = count(*) define dimension time as time in cube sales define dimension item as item in cube sales define dimension shipper as (shipper_key, shipper_name, location as location in cube sales, shipper_type) define dimension from_location as location in cube sales define dimension to_location as location in cube sales 度量的分類 ? 一個數(shù)據(jù)立方體的度量是一個 數(shù)值 函數(shù)，該函數(shù)可以對數(shù)據(jù)立方體的每一個點(diǎn)求值。 ? (剛才的示例中用的是什么函數(shù)？ ) ? 度量可以根據(jù)其所用的聚集函數(shù)分為三類： ? 分布的 (distributive)：將函數(shù)用于 n個聚集值得到的結(jié)果和將函數(shù)用于所有數(shù)據(jù)得到的結(jié)果一樣。 ? 比如： count()， sum()， min()， max()等 ? 代數(shù)的 (algebraic)：函數(shù)可以由一個帶 M個參數(shù)的代數(shù)函數(shù)計算（ M為有界整數(shù)），而每個參數(shù)值都可以有一個分布的聚集函數(shù)求得。 ? 比如： avg()， min_N()， standard_deviation() ? 整體的 (holistic)：描述函數(shù)的子聚集所需的存儲沒有一個常數(shù)界。 ? 比如： median()， mode()， rank() 56 王 燦 數(shù)據(jù)挖掘 0703004 概念分層 (1) ? 一個概念分層（ concept hierarchy）定義一個映射序列，將低層概念映射到更一般的高層概念 ? . 表示 location的概念：杭州 ?浙江 ?中國 ?亞洲 ? 概念分層允許我們在各種抽象級審查和處理數(shù)據(jù) ? 概念分層可以由系統(tǒng)用戶、領(lǐng)域?qū)＜?、知識工程師人工的提供，也可以根據(jù)數(shù)據(jù)分布的統(tǒng)計分析自動的產(chǎn)生 概念分層 (2): location維的一個概念分層 all Europe North_America Mexico Canada Spain Germany Vancouver M. Wind L. Chan ... ... ... ... ... ... all region office country Toronto Frankfurt city 許多概念分層的定義隱含在數(shù)據(jù)庫的模式中。比如： location維的定義，officecitycountryregion；這些屬性 按一個全序相關(guān)，形成一個層次結(jié)構(gòu)： year day quarter month week 維的屬性也可以組成一個偏序，形成一個格： 概念分層 (3) —— 使用 ? 概念分層為不同級別上的數(shù)據(jù)匯總提供了一個良好的基礎(chǔ) ? 綜合概念分層和多維數(shù)據(jù)模型的潛力，可以對數(shù)據(jù)獲得更深入的洞察力 ? 通過在多維數(shù)據(jù)模型中，在不同的維上定義概念分層，使得用戶在不同的維上從不同的層次對數(shù)據(jù)進(jìn)行觀察成為可能。 ? 多維數(shù)據(jù)模型（數(shù)據(jù)立方體）使得從不同的角度對數(shù)據(jù)進(jìn)行觀察成為可能，而概念分層則提供了從不同層次對數(shù)據(jù)進(jìn)行觀察的能力；結(jié)合這兩者的特征，我們可以在多維數(shù)據(jù)模型上定義各種 OLAP操作，為用戶從不同角度不同層次觀察數(shù)據(jù)提供了靈活性： 多維數(shù)據(jù)模型上的 OLAP操作 (1) ? 上卷 (rollup):匯總數(shù)據(jù) ? 通過一個維的概念分層向上攀升或者通過維規(guī)約 ? 當(dāng)用維歸約進(jìn)行上卷時，一個或多個維由給定的數(shù)據(jù)立方體刪除 ? 下鉆 (drilldown)：上卷的逆操作 ? 由不太詳細(xì)的數(shù)據(jù)到更詳細(xì)的數(shù)據(jù)，可以通過沿維的概念分層向下或引入新的維來實(shí)現(xiàn) (為給定數(shù)據(jù)添加更多細(xì)節(jié) ) ? 切片和切塊 (slice and dice) ? 切片操作在給定的數(shù)據(jù)立方體的一個維上進(jìn)行選擇，導(dǎo)致一個子方 ? 切塊操作通過對兩個或多個維進(jìn)行選擇，定義子方 多維數(shù)據(jù)模型上的 OLAP操作 (2) ? 轉(zhuǎn)軸 (pivot) ? 立方體的重定位，可視化，或?qū)⒁粋€ 3維立方體轉(zhuǎn)化為一個 2維平面序列 ? 轉(zhuǎn)軸是一種 可視化 操作，通過轉(zhuǎn)動當(dāng)前數(shù)據(jù)的視圖來提供一個數(shù)據(jù)的替代表示 ? 其他 OLAP操作 ? 鉆過 (drill_across)：執(zhí)行涉及多個事實(shí)表的查詢 ? 鉆透 (drill_through)：使用關(guān)系 SQL機(jī)制，鉆到數(shù)據(jù)立方體的底層，到后端關(guān)系表 ? 其他 OLAP操作可能包括列出表中最高或最低的 N項(xiàng)，以及計算移動平均值、增長率、利潤、統(tǒng)計函數(shù)等等 數(shù)據(jù)倉庫設(shè)計：一個商務(wù)分析框架 (1) ? 數(shù)據(jù)倉庫給商業(yè)分析專家提供了什么？ ? 通過提供相關(guān)數(shù)據(jù)與信息，獲得競爭優(yōu)勢 ? 通過有效的收集精確的描述組織的數(shù)據(jù)，獲得生產(chǎn)力的提高 ? 通過提供不同級別（部門、市場、商業(yè)）的客戶視圖，協(xié)助客戶關(guān)系管理 ? 通過追蹤長期趨勢、異常等，降低成本 ? 有效構(gòu)建數(shù)據(jù)倉庫的關(guān)鍵：理解和分析商業(yè)需求 ? 通過提供一個商
語文相關(guān)推薦
鄂ICP備17016276號-1