數(shù)據(jù)倉庫培訓(xùn)(編輯修改稿)
2025-02-12 18:06 本頁面
【文章內(nèi)容簡介】 ，以后就不再發(fā)生變化，稱為 靜態(tài)集成 對集成后的數(shù)據(jù)進行周期性刷新，稱為 動態(tài)集成 在采用靜態(tài)集成策略時，如果數(shù)據(jù)源中的數(shù)據(jù)發(fā)生了變化，那么這些變化就不能反映給決策者，導(dǎo)致決策使用的是過時的數(shù)據(jù)。因此集成數(shù)據(jù)必須以一定的周期進行刷新（ 即采用動態(tài)集成策略 ），但傳統(tǒng)的 OLTP 環(huán)境并不具備動態(tài)集成的能力 。 OLTP與 OLAP ? 原因四 、歷史 數(shù)據(jù)問題 OLTP 一般只需要 當前數(shù)據(jù) ，在數(shù)據(jù)庫中一般也只存儲短期數(shù)據(jù) (36個月 )，且不同數(shù)據(jù)的保存期限也不一樣 OLAP更看重 歷史數(shù)據(jù) (510年 )，可以通過對大量歷史數(shù)據(jù)的詳細分析來把握企業(yè)的發(fā)展趨勢 歷史數(shù)據(jù)對于事務(wù)處理作用不大，但對于決策分析而言，如果沒有歷史數(shù)據(jù)的支撐，就變成了“無源之水”、“無本之木”。 OLTP與 OLAP ? 原因五 、數(shù)據(jù)的綜合問題 OLTP 需要的是當前的細節(jié)性操作數(shù)據(jù)， OLAP 需要的往往是大量的總結(jié)性分析型數(shù)據(jù)，而非數(shù)據(jù)庫中的細節(jié)性操作型數(shù)據(jù) OLTP 系統(tǒng)中積累的是大量的細節(jié)數(shù)據(jù)，而 OLAP 并不對這些細節(jié)數(shù)據(jù)進行分析，其原因是 細節(jié)數(shù)據(jù)量太大，影響處理效率 不利于分析人員將注意力集中于有用的信息上 這就是常說的數(shù)據(jù)庫中 “ 數(shù)據(jù)豐富、信息貧困 ” 現(xiàn)象。因此，在分析前往往需要對細節(jié)數(shù)據(jù)進行不同程度的綜合，傳統(tǒng)的事務(wù)處理系統(tǒng)不具備這種綜合能力，而且在數(shù)據(jù)庫系統(tǒng)中，這種綜合還往往因為是一種數(shù)據(jù)冗余而被限制。 OLTP與 OLAP ? 原因六 、數(shù)據(jù)的訪問問題 OLTP 需要提供多種不同類型的數(shù)據(jù)訪問操作，且對于需要修改的數(shù)據(jù)必須實時‘更新’數(shù)據(jù)庫 OLAP數(shù)據(jù)的訪問操作以‘讀’操作為主，且不需要實時的‘更新’操作，只需要定時‘刷新’ OLTP與 OLAP ? OLAP 與 OLTP 分離的好處 提高兩個系統(tǒng)的性能 提高操作型數(shù)據(jù)庫的事務(wù)吞吐量 避免兩個系統(tǒng)中數(shù)據(jù)的結(jié)構(gòu)、內(nèi)容和用法的不同帶來的困擾 建立數(shù)據(jù)倉庫的目的并不是要代替?zhèn)鹘y(tǒng)的事務(wù)處理系統(tǒng)（數(shù)據(jù)庫），而是為了適應(yīng)因市場商業(yè)經(jīng)營行為的改變和精細化管理而進行的 DSS的需要。 數(shù)據(jù)倉庫技術(shù)正成為企業(yè)信息集成和輔助決策應(yīng)用的關(guān)鍵技術(shù)之一 OLTP與 OLAP 數(shù)據(jù)倉庫與數(shù)據(jù)中心概述 OLTP 與 OLAP 多維數(shù)據(jù)分析模型 數(shù)據(jù)整合 應(yīng)用介紹 ? 基本概念 對象（ Object）和度量值（ Measure） 對象 是我們所關(guān)心和分析的內(nèi)容 觀察對象 又稱為 度量值 度量值是一組值，而且通常為數(shù)字值 度量值的選擇取決于最終用戶所請求的信息類型。一些常見的度量值有 銷售電量 庫存量 發(fā)生金額 職工人數(shù) 線損率 發(fā)現(xiàn)缺陷數(shù)量 多維數(shù)據(jù)分析模型 ? 基本概念 維度（ Dimension） 維度 是我們觀察分析 對象 的角度 例如：我們可以從三個“維度” 來觀察“發(fā)現(xiàn)缺陷”這個對象 時間維度 缺陷類型 缺陷等級 多維數(shù)據(jù)分析模型 ? 基本概念 層（ Layer） 對分析對象可以 在不同的深度層面上進行分析與觀察，并可能得到不同的分析結(jié)果 。因此， ‘層’ 反映了對分析對象的 觀察深度 一般而言，‘層’是與‘維’相關(guān)聯(lián)的。在一個‘維’中可允許存在若干個‘層’，并且可以采用多種不同的‘層’次劃分方法 年份 季度 月份 日期 周 日期維 日期 —— 月份 —— 季度 —— 年 日期 —— 周 —— 年 多維數(shù)據(jù)分析模型 ? 基本概念 維度成員（ Dimension Member） 維度的一個取值稱為該維度的一個 “維度成員” 如果一個維度是多層次的，則該維度的 “維度成員” 可以是 在不同維度層次上的取值的組合 在某個維度層次上的取值 對一個數(shù)據(jù)項來說，維度成員是該數(shù)據(jù)項在某維度中位置的描述。 多維數(shù)據(jù)分析模型 ? 基本概念 多維數(shù)據(jù)集（ MultiDimensional Dataset） 一個 多維數(shù)據(jù)集 可以表示為 (維 1， 維 2， ……, 維 n，變量 ) 變量表示我們觀察的 數(shù)據(jù)對象 維 1， 維 2， ……, 維 n分別表示我們觀察的各個 角度 如 (時間，單位， 缺陷類別，缺陷等級，發(fā)現(xiàn)缺陷數(shù)量 )是一個有關(guān)“發(fā)現(xiàn)缺陷”的四維數(shù)據(jù)集，其數(shù)據(jù)成員可表示為： （ 2023年，江蘇，線路缺陷， Ⅰ 類缺陷， 300） （ 2023年 1月，南京，設(shè)備缺陷， Ⅱ 類缺陷， 35） 多維數(shù)據(jù)分析模型 ? 多維數(shù)據(jù)分析模型 事實表： 銷售表（產(chǎn)品標識符，商店標識符，日期標識符，銷售額） 維表 1： 產(chǎn)品表（產(chǎn)品標識符，類別，大類別） 維表 2： 商店表（商店標識符，市名，省名，國名，洲名） 維表 3： 時間表（時間標識符，日期，月份，季度，年份） 多維數(shù)據(jù)分析模型 ? 數(shù)據(jù)立方體（ Data Cube） 存放數(shù)據(jù)視圖的多維數(shù)據(jù)模型稱為 數(shù)據(jù)立方體 數(shù)據(jù)立方體可以是 物理 存在的，也可以是一個 邏輯 定義 三個維度以上的數(shù)據(jù)立方體也稱為數(shù)據(jù)超立方體 超過三個維度的信息
試題試卷相關(guān)推薦
鄂ICP備17016276號-1