【導(dǎo)讀】方法學(xué)階段重點(diǎn)---------------------------------------------------------------------------------9

　　

【正文】 表即是事實(shí)表。 ? 維表（ dimension table）：一種存有維和與維相聯(lián)系的屬性的表。例如，假定“時間周期”是我們選定的一個維，則與之相關(guān)聯(lián)的屬性就可以是“假日”、“年”、“季度”等等，一個同時存有這兩類信息的表就是維表。 ? 維層次（ dimension hierarchy）：一種劃分為具有層次結(jié)構(gòu)的維，用 以表達(dá)更細(xì)的信息粒度。這種結(jié)構(gòu)所包含的層數(shù)，是信息表達(dá)粒度的一種指征，它反映了對相關(guān)數(shù)據(jù)的表達(dá)可以詳盡到何種程度。例如，“地理位置”維就可以細(xì)分為“國家”維，“大區(qū)”維，“省”維及“城市”維等等。 ? 事實(shí)層次（ fact hierarchy）：一種經(jīng)聚合或分割處理而將原本一個事實(shí)細(xì)分為多個其他事實(shí)，所有這些事實(shí)具有某種層次結(jié)構(gòu)的一類事實(shí)。例如，在信用卡交易中，按地區(qū)計算的年銷售額就是一個事實(shí)實(shí)體，該實(shí)體提供了得到信用卡交易情況的聚合路徑。 設(shè)計向?qū)? Warehouse Architect 所提供的設(shè)計 向?qū)?，可以幫助設(shè)計人員生成數(shù)據(jù)的多維層次結(jié)構(gòu)、可以為聚合與劃分處理而優(yōu)化數(shù)據(jù)結(jié)構(gòu)、可以用逆向工程的方法獲得源數(shù)據(jù)定義。還可以為不同的目標(biāo)數(shù)據(jù)庫和可視化環(huán)境生成各自的代碼。 生成多維層次結(jié)構(gòu) 使用 Warehouse Architect 所提供的設(shè)計工具，設(shè)計者可以將數(shù)據(jù)倉庫模型中的實(shí)體，變換為一種層次結(jié)構(gòu)。利用這種層次結(jié)構(gòu)，可以實(shí)現(xiàn)聚合與分割處理，并可以生成前端決策支持工具所需要的數(shù)據(jù)結(jié)構(gòu)。如果現(xiàn)有的數(shù)據(jù)模型是帶有維向的，則 Warehouse Architect 就可以為設(shè)計人員自動地生成相應(yīng)的層次結(jié)構(gòu) 。在這一過程中，設(shè)計者只需簡單地從設(shè)計向?qū)г趯υ捒蛑刑峁┑囊幌盗羞x項中按自己的需要作出選擇。 Warehouse Architect 將根據(jù)設(shè)計者的選擇，自動地生成相應(yīng)的層次結(jié)構(gòu)。 聚合、分割與數(shù)據(jù)結(jié)構(gòu)的優(yōu)化 高效率是所提交的數(shù)據(jù)倉庫真正可用的關(guān)鍵。 Warehouse Architect 通過設(shè)計向?qū)Ф峁┝艘恍┰跀?shù)據(jù)模型內(nèi)改善效率的方法，其中包括： ? 聚合 —— 產(chǎn)生部分冗余事實(shí)表的一種處理（所產(chǎn)生的事實(shí)稱為聚合事實(shí)）。在運(yùn)行時，前端決策支持引擎會“重新引導(dǎo)（ repath）”查詢，使之直接針對經(jīng)聚合處理 的事實(shí)表。這樣，查詢的效率將得以改善。 聚合數(shù)據(jù)也就是匯總性的數(shù)據(jù)，通常是在出現(xiàn)需要頻繁訪問的數(shù)據(jù)，而且數(shù)據(jù)本身具有層次結(jié)構(gòu)時，為加快查詢需要存放這類數(shù)據(jù)。聚合能夠優(yōu)化查詢效率，是因?yàn)椴樵兯阉鞯目臻g是特定維向所限定的匯總事實(shí)表中，相對而言比較小。因此，對事實(shí)和維作聚合處理，可以減少查詢執(zhí)行中所需的計算的總量。在對數(shù)據(jù)進(jìn)行聚合處理時，通常是沿著經(jīng)常需要查詢的路徑對數(shù)據(jù)作提取，然后再將提取的結(jié)果存入一個聚合事實(shí)表中。聚合事實(shí)表和原有的事實(shí)表一并構(gòu)成事實(shí)層次。 例如，你可以沿“時間”維和“行業(yè)代 碼”（ SIC： Standard Industry Code）維生成聚合事實(shí)表。在作了這樣的聚合處理后，若想按“月”和按“行業(yè)”分析市場趨勢，就只需在聚合表和聚合事實(shí)中（而不是在交易的明細(xì)數(shù)據(jù)中）進(jìn)行了。 Warehouse Architect 的 Aggregation Wizard 是聚合處理的軟件向?qū)?，在它的引?dǎo)下，針對上述要求而言，設(shè)計者所要作的僅僅是：選擇交易事實(shí)表（作為基礎(chǔ)數(shù)據(jù)），將“時間”維設(shè)定為“月”，將商品維設(shè)定為“行業(yè)代碼”。整個聚合過程都由軟件自動完成，聚合的結(jié)果乃是一個聚合事實(shí)表 ，它所記錄的是按月按行業(yè)的銷售事實(shí)。 ? 分割 —— 是將事實(shí)分解為更小部分的一種處理。多個小的事實(shí)表分別存放更基礎(chǔ)性的數(shù)據(jù)，但這些小的事實(shí)表是彼此相關(guān)的，其總體構(gòu)成一種層次結(jié)構(gòu)。 分割處理將事實(shí)分解為某種層次，并按照一個或多個維分配數(shù)據(jù)。因此，分割處理同樣可以優(yōu)化查詢的執(zhí)行過程。當(dāng)需要查詢很明細(xì)的數(shù)據(jù)時，往往需要先作分割處理。這樣作可以避免為得到所需的信息而跨越很多無關(guān)的行。另外，分割還可以對數(shù)據(jù)倉庫中的數(shù)據(jù)實(shí)施保護(hù)。因?yàn)?，事?shí)表中某些粒度的信息早已不復(fù)存在，從而能夠限制用戶取得細(xì)節(jié)數(shù)據(jù)的欲望。 例如，你可以按地區(qū)分布情況對每個地區(qū)或者每個地區(qū)辦公機(jī)構(gòu)生成一組分割表。有了這樣的分割，就可以做到使每個地區(qū)辦公機(jī)構(gòu)只看到本地區(qū)的交易信息，但看不到其它地區(qū)的交易信息。由于在分析本地區(qū)交易信息時，不必跨越到其他地區(qū)去，所以就壓縮了對數(shù)據(jù)的查找范圍，使分析能夠快速完成。 Warehouse Architect 的 Partitioning Wizard 是作分割處理的設(shè)計向?qū)?。在其引?dǎo)下，設(shè)計者可以很簡單地建立一組分割表：首先，選擇要對其分割的事實(shí)表，然后，從表中指定分割原則的一維屬性或多維屬性即可 。例如，你可以選擇位置維中的地區(qū)屬性。這樣選擇的具體結(jié)果是：對地區(qū)屬性的每個值（如，東部地區(qū)交易，中部地區(qū)交易，西部地區(qū)交易）生成一個對應(yīng)的事實(shí)表。 所產(chǎn)生的分割表的數(shù)目，取決于對每維屬性所指定的具體值的個數(shù)。 導(dǎo)入源數(shù)據(jù)的定義 數(shù)據(jù)倉庫模型可以是新建的，也可以是從外部數(shù)據(jù)源得到的。得到這些模型所選用的方法可以是自頂向下的建模方法，或者是自底向上的建模方法。 Warehouse Architect 不僅支持這兩種方法各自單用，還支持從這兩種方法中選其優(yōu)者而用之 ，即更典型的所謂混合建模方法。 ? 自頂向下的建模 方法 . 自頂向下的建模方法采用如下的流程完成建模工作，即：從用戶需求得到邏輯數(shù)據(jù)模型，從邏輯數(shù)據(jù)模型得到物理數(shù)據(jù)模型，從物理數(shù)據(jù)模型得到物理數(shù)據(jù)庫定義。 ? 自底向上的建模方法 . 自底向上的建模方法是從指出當(dāng)前系統(tǒng)所包含的具體數(shù)據(jù)元素出發(fā) ,運(yùn)用綜合的辦法將這些數(shù)據(jù)元素組合成若干個維和若干個結(jié)構(gòu)單元 ,從這些結(jié)構(gòu)導(dǎo)出物理數(shù)據(jù)模型。 Warehouse Architect 的導(dǎo)入向?qū)?，使得?shù)據(jù)倉庫的設(shè)計者可以選擇一個或多個外部的運(yùn)行數(shù)據(jù)庫作為數(shù) 據(jù)倉庫模型的來源。導(dǎo)入向?qū)乖O(shè)計者能夠從這些外部數(shù)據(jù)庫中選擇某些特定的表。該向?qū)ё詣拥貙⑺鶎?dǎo)入的每個表列的數(shù)據(jù)類型轉(zhuǎn)換為目標(biāo)數(shù)據(jù)倉庫數(shù)據(jù)庫中適當(dāng)?shù)臄?shù)據(jù)類型。進(jìn)入目標(biāo)數(shù)據(jù)倉庫的每個外部表，都帶有它來自哪個外部數(shù)據(jù)庫的信息。一旦外部信息進(jìn)入 Warehouse Architect 后，你就可以設(shè)計目標(biāo)數(shù)據(jù)倉庫的多維模型了。 Warehouse Architect 會自動地展現(xiàn)數(shù)據(jù)倉庫實(shí)體與外部數(shù)據(jù)庫實(shí)體（包括表，列等）之間的對應(yīng)。這種對應(yīng)實(shí)際上是提供了從來源到目標(biāo)的追蹤信息，這類信息都記錄在每個表的抽取表達(dá)式 里（此處的抽取表達(dá)式事實(shí)上就是用以加載數(shù)據(jù)倉庫數(shù)據(jù)庫的 SQL查詢）。 Warehouse Architect 能為數(shù)據(jù)倉庫的設(shè)計者自動地生成這些 SQL查詢，并將它們放到某個外部文件中。這些信息可由某些抽取工具用來在適當(dāng)?shù)臅r候轉(zhuǎn)移最終用戶的數(shù)據(jù)。 優(yōu)化代碼生成 當(dāng)你生成新的數(shù)據(jù)倉庫的物理模型時， Warehouse Architect 需要設(shè)計者選定自己的目標(biāo)數(shù)據(jù)倉庫的數(shù)據(jù)庫平臺。你可以從市場上流行的而且也是技術(shù)上領(lǐng)先的關(guān)系數(shù)據(jù)庫系統(tǒng)中選擇（例如 Sybase 的 Adaptive Server Enterprise） ,你也可以從某些專為數(shù)據(jù)倉庫而建的關(guān)系數(shù)據(jù)庫系統(tǒng)中選擇（如 Sybase的 Adaptive Server IQ）。除此而外，還需要選定功能強(qiáng)大的、用于進(jìn)行在線分析（ OLAP）的某個引擎，如 EssBase 或者 Cognos 公司的 Impromptu。這些具體物理環(huán)境的選擇，會對 Warehouse Architect 的物理數(shù)據(jù)建模界面的效率有所影響。選擇得好，必將能夠使 Warehouse Architect 的優(yōu)化特性得以充分發(fā)揮。例如， Adaptive Server IQ 就是一個特為查詢處理而設(shè)計的關(guān)系數(shù)據(jù)庫 管理系統(tǒng)和管理環(huán)境。正如我們在下面討論 Warehouse Architect 的數(shù)據(jù)管理功能時能夠看到的那樣， Adaptive Server IQ 能夠?yàn)楸镜鼗蜻h(yuǎn)程數(shù)據(jù)源產(chǎn)生獨(dú)一無二的索引結(jié)構(gòu)。在索引生成之后， Adaptive Server IQ 就可以利用它們快速地處理決策支持所提出的各種復(fù)雜的查詢。如果選定 Adaptive Server IQ 作為物理數(shù)據(jù)庫環(huán)境，那么Warehouse Architect 就在這個環(huán)境下具有一定的自適應(yīng)性并允許設(shè)計者以圖形方式定義 IQ 特有的索引和數(shù)據(jù)結(jié)構(gòu)。 另外， Warehouse Architect 允許設(shè)計者通過某些經(jīng)過優(yōu)化的界面，在數(shù)據(jù)倉庫與前端決策支持工具之間傳遞信息。因此，設(shè)計者可在設(shè)計向?qū)У囊龑?dǎo)下，自動地產(chǎn)生所需的數(shù)據(jù)結(jié)構(gòu)并能夠生成被各種不同的工具和環(huán)境接受并加以處理的程序，特別是能為 OLAP 環(huán)境和傳統(tǒng)的查詢管理所接受和處理的程序。 Warehouse Architect與前端決策支持工具之間的接口，在 Warehouse Architect中已經(jīng)提供，因而是直接可用的。當(dāng)然，接口因決策支持工具的不同而不同，不同的工具有各自不同的接口。由 Warehouse Architect 所生成的信息，在決策支持環(huán)境中是直接可重用的，即只需直接調(diào)用相應(yīng)的生成程序即可。 總結(jié) 數(shù)據(jù)設(shè)計是數(shù)據(jù)倉庫項目成功的關(guān)鍵。 Warehouse Architect 對數(shù)據(jù)倉庫設(shè)計過程的每一步都提供相應(yīng)的支持，設(shè)計者可以： ? 將數(shù)據(jù)源中的元數(shù)據(jù)導(dǎo)入到 Warehouse Architect 的工作空間。 ? 使用這類元數(shù)據(jù)設(shè)計并優(yōu)化目標(biāo)數(shù)據(jù)倉庫數(shù)據(jù)庫的數(shù)據(jù)模型。 ? 為實(shí)施有效的數(shù)據(jù)移動，實(shí)現(xiàn)與各種數(shù)據(jù)抽取工具及數(shù)據(jù)轉(zhuǎn)換工具的對接。 ? 從數(shù)據(jù)倉庫模型出發(fā)，為常用的前端決策支持工具生成所需要的數(shù)據(jù)立方體。 ? 為設(shè)計過程的每一步生成相應(yīng)的客戶化的報告。 總之，借助于 Warehouse Architect，數(shù)據(jù)建模人員能夠快速有效地設(shè)計出一種優(yōu)化的和完備的數(shù)據(jù)倉庫結(jié)構(gòu)，一種集管理、集成和可視化功能組件于一體的數(shù)據(jù)倉庫結(jié)構(gòu)。 Warehouse Control Center 數(shù)據(jù)倉庫管理軟件 概述 無論要建立的目標(biāo)系統(tǒng)是數(shù)據(jù)倉庫還是數(shù)據(jù)集 市，總的目的都是幫助用戶更好和更有根據(jù)地做出決策。在數(shù)據(jù)倉庫的建設(shè)中，將數(shù)據(jù)加載到數(shù)據(jù)倉庫只是完成了整個工作的很小的一部分。因此， Sybase 特意提供了 Warehouse Control Center ,這是 Warehouse Studio 的管理組件。通過對元數(shù)據(jù)的運(yùn)用和管理，這個組件在信息系統(tǒng)與數(shù)據(jù)倉庫的用戶間架起了一座橋梁。 元數(shù)據(jù)是指“關(guān)于數(shù)據(jù)的數(shù)據(jù)”，是數(shù)據(jù)倉庫環(huán)境中的關(guān)鍵部分。因此，它決定了數(shù)據(jù)倉庫信息的設(shè)計方式和構(gòu)造方式。元數(shù)據(jù)還確定了外部源數(shù)據(jù)與數(shù)據(jù)倉庫模型之間的對應(yīng)以及當(dāng)初抽取 /聚 合源數(shù)據(jù)時所用的算法。 Warehouse Control Center 誕生于 Sybase 在很多大型機(jī)構(gòu)中實(shí)施數(shù)據(jù)倉庫的具體實(shí)踐，是實(shí)踐經(jīng)驗(yàn)的結(jié)晶。 Sybase 清楚地看到，在數(shù)據(jù)倉庫建成并投入運(yùn)行后，管理方面仍然面臨巨大的挑戰(zhàn)。因此，我們在 Warehouse Control Center 中提供了一系列工具，這些工具在對數(shù)據(jù)倉庫中的元數(shù)據(jù)進(jìn)行捕獲、同步和控制方面的功能是獨(dú)一無二的。 Warehouse Control Center為設(shè)計者提供了以下功能： ? 記錄并追蹤設(shè)計活動 Warehouse Control Center 對元數(shù)據(jù)的管理采取全程追蹤的策略 ,管理的起點(diǎn)是數(shù)據(jù)源處曾使用過的工具，包括邏輯設(shè)計工具抽取 /轉(zhuǎn)換工具和企業(yè)信息庫。同時， Warehouse Control Center 還保證元數(shù)據(jù)在歷經(jīng)各種有關(guān)工具（前端查詢工具、分析工具、報告工具以及 OLAP 工具等）處理時的一致性。通過對元數(shù)據(jù)處理全過程的追蹤， Warehouse Control Center 能夠提供由數(shù)據(jù)倉庫所管理的所有實(shí)體的完整歷史資料。 ? 瀏覽與訂購服務(wù) Warehouse Control Center 向用戶提供直觀的信息目錄， 通過這類目錄用戶可以瀏覽和搜索他所需要的內(nèi)容并確定它們在數(shù)據(jù)倉庫或數(shù)據(jù)集市中的位置。用戶可以在瀏覽時通過訂購服務(wù)而取得自己所需要的數(shù)據(jù)。訂購活動由 IT 人員來管理，系統(tǒng)經(jīng)由各種前端查詢與分析工具提交用戶所需要的信息與服務(wù)。 ? 根據(jù)業(yè)務(wù)需要正確運(yùn)用 IT 技術(shù) Warehouse Control Center 使用戶能夠很容易利用和訪問整個企業(yè)的數(shù)據(jù)倉庫環(huán)境。對于數(shù)據(jù)集市中的數(shù)據(jù)，既可以用適合于業(yè)務(wù)人員的方式去訪問，亦可以用適合于 IT 人員的方式去訪問。用戶可以按自己之所需，在訪問中選擇不同的詳略程度。利用系統(tǒng)所提供的 搜索功能，用戶可以在數(shù)據(jù)倉庫的元數(shù)據(jù)中找到所指定內(nèi)容的全部出處。 在 Warehouse Control Center 中，用戶可以訂購信息與服務(wù)，但 IT的專業(yè)支持人員可以同意訂購也可以拒絕訂購。因此，最好的方法是按照自己的需要擴(kuò)