上海交大數(shù)據(jù)倉(cāng)庫(kù)教程-資料下載頁(yè)
2025-02-12 12:02本頁(yè)面
【正文】 lationship Derived Attribute Weak Entity Type 47 DW Layer and the Mapping to Information Model Data Warehouse Layer (logical layer) Information Model (conceptual layer) Map Information Objects To Database fields Rename Objects to User friendly names Calculate fields Define object display attributes Convert currencies etc…. 48 星型模型例子 49 物理數(shù)據(jù)模型 ? 物理數(shù)據(jù)模型：數(shù)據(jù)模型的第三層，它是星型圖模型在數(shù)據(jù)倉(cāng)庫(kù)中的實(shí)現(xiàn)，如物理的存取方式、數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)等。 ? 在物理設(shè)計(jì)時(shí)，常常要按數(shù)據(jù)的重要程度、使用頻率以及對(duì)響應(yīng)時(shí)間的要求進(jìn)行分類(lèi)，并將不同類(lèi)的數(shù)據(jù)分別存儲(chǔ)在不同的存儲(chǔ)設(shè)備中。重要程度高、經(jīng)常存取并對(duì)響應(yīng)時(shí)間高的數(shù)據(jù)就存放在高速存儲(chǔ)設(shè)備上，如硬盤(pán)；存取頻率低或?qū)Υ嫒№憫?yīng)時(shí)間要求低的數(shù)據(jù)則可以放在低速存儲(chǔ)設(shè)備上。 50 粒度 ? 粒度：對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)綜合程度高低的一個(gè)度量，它既影響數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)量的多少，也影響數(shù)據(jù)倉(cāng)庫(kù)所能回答詢(xún)問(wèn)的種類(lèi)。 ? 粒度越小，綜合程度越低，回答查詢(xún)的種類(lèi)越多； 粒度越高，綜合程度越高，查詢(xún)的效率也越高。 ? 在數(shù)據(jù)倉(cāng)庫(kù)中可將小粒度的數(shù)據(jù)存儲(chǔ)在低速存儲(chǔ)器上；大粒度的數(shù)據(jù)存儲(chǔ)在高速存儲(chǔ)器上。 51 維度 ? 維度：是一個(gè)物理特性（如時(shí)間、地點(diǎn)、產(chǎn)品等），它是表達(dá)數(shù)據(jù)倉(cāng)庫(kù)中信息的一個(gè)基本途徑，可作為標(biāo)識(shí)數(shù)據(jù)的索引。通常的報(bào)表只包含有行和列兩維，但在數(shù)據(jù)倉(cāng)庫(kù)中所存儲(chǔ)的數(shù)據(jù)大多是用多維（三維或三維以上）視圖表示的。 ? 例如： ? 一個(gè)銷(xiāo)售系統(tǒng)中的數(shù)據(jù)可分為時(shí)間維、產(chǎn)品維和地理位置維等； ? 一個(gè)財(cái)務(wù)系統(tǒng)中的數(shù)據(jù)可分為時(shí)間維、支出維和收入維等； ? 一個(gè)企業(yè)決策支持系統(tǒng)中的數(shù)據(jù)可分為成本開(kāi)支維、銷(xiāo)售收入維、利潤(rùn)維、股票價(jià)值維等。 52 聚合 ? 在數(shù)據(jù)倉(cāng)庫(kù)技術(shù)中，每一維可包括多個(gè)層次，這些層次反過(guò)來(lái)可以向用戶(hù)提供某一層次的數(shù)據(jù)。例如，在地理位置維中，由所有的街區(qū)組成了地區(qū)，由所有的地區(qū)組成了城市等。聚合就是指在維的不同層次內(nèi)移動(dòng)數(shù)據(jù)，從而構(gòu)成維內(nèi)不同層次的數(shù)據(jù)集，使用戶(hù)不僅能夠在一個(gè)維度內(nèi)觀察數(shù)據(jù)，而且能夠在維度內(nèi)的不同層次上觀察數(shù)據(jù)。 ? 聚合和匯總不同 53 分解與合成 ? 分解與合成是在一個(gè)維度內(nèi)進(jìn)一步細(xì)分?jǐn)?shù)據(jù)或?qū)?shù)據(jù)按照另一標(biāo)準(zhǔn)組合的過(guò)程。例如，當(dāng)以地理位置維觀察數(shù)據(jù)時(shí)，用戶(hù)可以首先以國(guó)家（如中國(guó)）為單位觀察數(shù)據(jù)，然后可以選擇觀察某一個(gè)地區(qū)（如華東地區(qū)）的數(shù)據(jù)，接下來(lái)可以選擇觀察某一個(gè)省或城市（如上海）的數(shù)據(jù)，這就是數(shù)據(jù)分解的過(guò)程。而合成則是分解的逆過(guò)程，例如用戶(hù)開(kāi)始以省市為觀察對(duì)象，接著再以地區(qū)、國(guó)家等為觀察對(duì)象，就是一個(gè)數(shù)據(jù)合成的過(guò)程。 54 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)組織 ? 為了提高分析和決策的效率和有效性，分析型處理及其數(shù)據(jù)必須與事務(wù)型處理及其數(shù)據(jù)相分離，把分析型處理所需要的數(shù)據(jù)從事務(wù)型處理環(huán)境中提取出來(lái)，按照分析型處理的要求進(jìn)行重新組織，建立單獨(dú)的分析處理環(huán)境。數(shù)據(jù)倉(cāng)庫(kù)正是構(gòu)建這種新的分析處理環(huán)境而出現(xiàn)的一種數(shù)據(jù)存儲(chǔ)和組織技術(shù)。 ? 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)組織結(jié)構(gòu)不同于一般的數(shù)據(jù)庫(kù)系統(tǒng)，需要將從原有的業(yè)務(wù)數(shù)據(jù)庫(kù)中獲得的基本數(shù)據(jù)和綜合數(shù)據(jù)分成一些不同的級(jí)別。在數(shù)據(jù)倉(cāng)庫(kù)中，數(shù)據(jù)按照粒度從小到大可分為四個(gè)級(jí)別：早期細(xì)節(jié)級(jí)、當(dāng)前細(xì)節(jié)級(jí)、輕度細(xì)節(jié)級(jí)和高度細(xì)節(jié)級(jí)。從事務(wù)型處理環(huán)境中提取的源數(shù)據(jù)經(jīng)過(guò)綜合后，首先進(jìn)入當(dāng)前細(xì)節(jié)級(jí)，并根據(jù)需要進(jìn)行進(jìn)一步的綜合進(jìn)入輕度綜合級(jí)或高度綜合級(jí)，老化的數(shù)據(jù)將進(jìn)入早期細(xì)節(jié)級(jí)。 55 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)組織方式 ? 虛擬存儲(chǔ)方式：數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)的虛擬存儲(chǔ)方式是指在數(shù)據(jù)倉(cāng)庫(kù)中實(shí)際上并沒(méi)有具體的數(shù)據(jù)存儲(chǔ)，數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)仍然存儲(chǔ)在源數(shù)據(jù)庫(kù)中，只是根據(jù)用戶(hù)的多維分析需求而形成多維視圖，臨時(shí)在源數(shù)據(jù)庫(kù)中找出并提取所需要的數(shù)據(jù)，完成多維分析。這種組織方式比較簡(jiǎn)單、花費(fèi)少、使用靈活，但同時(shí)它也存在一個(gè)致命的弱點(diǎn)：即只有當(dāng)源數(shù)據(jù)庫(kù)的組織比較規(guī)范、數(shù)據(jù)完備并沒(méi)有冗余，同時(shí)又比較接近多維數(shù)據(jù)模型時(shí)，虛擬數(shù)據(jù)倉(cāng)庫(kù)的多維語(yǔ)義層才容易定義。 56 數(shù)據(jù)集市 ? 數(shù)據(jù)倉(cāng)庫(kù)是企業(yè)級(jí)的，能為整個(gè)企業(yè)各部門(mén)的運(yùn)行提供決策支持手段。而數(shù)據(jù)集市（ Data Mart ）是部門(mén)級(jí)別的，一般只能為某個(gè)局部范圍內(nèi)的管理人員服務(wù)，也稱(chēng)為部門(mén)級(jí)的數(shù)據(jù)倉(cāng)庫(kù)。 ? 數(shù)據(jù)集市有兩種：獨(dú)立的數(shù)據(jù)集市和從屬的數(shù)據(jù)集市。 57 數(shù)據(jù)集市（ 2） ? 數(shù)據(jù)集市不是數(shù)據(jù)倉(cāng)庫(kù) ? 數(shù)據(jù)集市并非小的數(shù)據(jù)倉(cāng)庫(kù) ? 多個(gè)數(shù)據(jù)集市集合并不構(gòu)成數(shù)據(jù)倉(cāng)庫(kù) 58 元數(shù)據(jù)模型 ? 關(guān)于源數(shù)據(jù)的元數(shù)據(jù)：它是現(xiàn)有的操作型業(yè)務(wù)系統(tǒng)的數(shù)據(jù)源的描述信息，是對(duì)不同平臺(tái)上的數(shù)據(jù)源的物理結(jié)構(gòu)和含義的描述。包括：數(shù)據(jù)源中所有物理數(shù)據(jù)結(jié)構(gòu)；所有數(shù)據(jù)項(xiàng)的業(yè)務(wù)定義；每個(gè)數(shù)據(jù)項(xiàng)更新的頻率，以及由誰(shuí)或哪個(gè)過(guò)程更新的說(shuō)明；每個(gè)數(shù)據(jù)項(xiàng)的有效值；其它系統(tǒng)中具有相同業(yè)務(wù)含義的數(shù)據(jù)項(xiàng)的清單。 ? 關(guān)于數(shù)據(jù)倉(cāng)庫(kù)多維模型的元數(shù)據(jù) ? 標(biāo)準(zhǔn)維：由一張維表構(gòu)成，標(biāo)準(zhǔn)的星型模型采用這種維和事實(shí)表構(gòu)成的。維表中的一個(gè)字段或多個(gè)字段構(gòu)成了維的層次。 ? 雪花維：由相互關(guān)聯(lián)的多個(gè)維表構(gòu)成，每個(gè)維表中的字段構(gòu)成了維的層次。通過(guò)多個(gè)維表的連接最大限度地減少了數(shù)據(jù)存儲(chǔ)量，增加了模型的靈活性，但也使得查詢(xún)變得復(fù)雜化。 ? 時(shí)間維：用來(lái)描述事實(shí)數(shù)據(jù)的時(shí)間屬性。它通常只與源數(shù)據(jù)庫(kù)中某個(gè)表的日期型字段相對(duì)應(yīng)，所以時(shí)間維的層次不可以由維表的字段來(lái)表示。時(shí)間維的層次由高到低分別為 Year、 Quarter、 Month、 Day、 Hour、Minute、 Second，用戶(hù)可以任意選擇幾種構(gòu)成時(shí)間維的層次。 59 推薦資料（ IBM紅皮書(shū)） ? Getting Started with DataWarehouse ? Managing Multidimensional Data Marts ? BI Tutorial Introduction to the Data Warehouse Center 演講完畢，謝謝觀看！
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1