交通事故数据联机分析系统(OLAP)初研
OLTP与OLAP数据库的区别与应用场景
OLTP与OLAP数据库的区别与应用场景随着数据处理技术的不断发展，OLTP和OLAP数据库成为了目前应用广泛的两种不同类型的数据库系统，分别用于在线事务处理（OLTP）和联机分析处理（OLAP）。
OLTP和OLAP数据库有着不同的基本架构和应用场景，本文将深入探讨这两种数据库之间的区别和适用场景。
一、OLTP数据库在线事务处理（OLTP）数据库是一种用于处理各种业务数据的数据处理系统。
它主要是用于记录以及管理组织内部的各种业务交易操作，例如订单、存货、工资、销售数据等。
OLTP数据库设计的目标是高吞吐量，将数据更快地存储到到底层的硬件设施中以确保客户端的操作可以获得尽可能快的反馈时间。
OLTP数据库常规采用高效的SQL数据库系统，运行各种在线交易，比如，ATM自动提款机上的每笔交易，银行转账，订单和在线预订系统等“短期”交易。
这些交易通常读和写少量数据，要求高性能、高并发，数据库设计考虑系统的吞吐量。
二、OLAP数据库联机分析处理（OLAP）数据库与OLTP数据库功能是相反的，它们用于长期存储大量历史数据，通常从OLTP数据库中收集而来，而且用于支持组织全局大范围的决策制定、数据报告和数据分析。
OLAP数据库采用远比SQL数据库更灵活的数据仓库技术来处理数据，在这里，多个维度的数据一般存储为单个维度中的多个数据块。
例如，物品，时间和位置可能都是维度。
OLAP数据库适用于统计分析、数据挖掘等需要分析历史数据的场景。
它们的主要目的是支持周报、月报和季度报告等“长期”视图。
OLAP数据库通常包含相对较少的数据，但需要经常查询。
三、OLTP和OLAP数据库的比较从上面的介绍，我们可以看出OLTP和OLAP数据库的设计和用途是不同的。
OLTP数据库是对于快速和频繁的在线事务处理而设计的，而OLAP数据库则主要用于数据分析和乘坐商业决策。
除了这些核心应用场景之外，OLTP和OLAP数据库还有以下不同之处:1.性能OLTP数据库需要快速地响应各种不同类型的事务处理请求。
OLAP技术在执法统计分析系统中的应用研究
联 机 分 析 处理 Ｉｆ Ｌ Ｐ的 概念 最 早 是 由 ＥＦＣ ｄ ・Ｏ Ａ ） Ｉ ．．ｏ ｄ于 １９ ９ ３年提 出 的。当 时 ， ｏｄ认 为 联 机事 务处 ￣ （Ｌ Ｐ已不 能 满 足终 端 用 户 Ｃｄ Ｏ Ｔ） 对 数据 库 查 询 分 析 的需 要 ，Ｑ Ｓ Ｌ对大 数 据 库 进 行 的 简 单 查 询 也 不 能满 足用 户 分 析 的 需 求 。 用 户 的 决 策 分析 需 要 对关 系数 据 库 进 行
维 的 数据 形 式 进 行 存 贮 ， 而 给 分 析 人 员 提 供 一 个 容 易理 解 的 多维 立 方 体 ， 分 析 人 员 根 据 业 务 逻 辑 进 行 多 角度 的分 析 ， 上 钻 ， 从 使 如 下钻， 旋转 ， 片 和切 块 等 操 作 ， 达 到深 人 理 解 数 据 的 目的 。这样 高 层 管 切 以 理 人 员 就能 通 过 浏 览 、 析 数 据 去 发 现 变 化 趋 势 、 样 特 征 及 得 到 一 些 潜 分 抽 藏 的 细节 信 息 ， 而 更好 的掌 握 他们 商 务 活动 的 变 化 ？ 从 随着 Ｏ Ａ Ｌ Ｐ的 诞 生 ，对 数据 库 的 操作 的 应 用 方 式 不 再 局 限 于 传 统 的 Ｏ Ｐ Ｏ Ａ Ｉ Ｌ Ｐ与 Ｏ Ｔ Ｔ Ｌ Ｐ相 比 ， 支 持 更 加 复杂 的分 析杏 询 ， 重 于 决 策 支 能 侧 持， 许且 提供 直 观 易 懂 的查 询 结 果 。 它们 的 区别 如 表 ｌ 。
为 仃 政执 法 的有 效性 和领 导 的 科 学决 策提 供 支撑
ｌ基 本 概 念
Ｏ Ａ ｎｉｅＡ ａ ｔ３ ｒｔ Ｓｉｇ即联 机 分 析处 理 ， 对 特 定 问题 的 联 机 数据 访 问和 分 析 过对 信 息 （ Ｌ Ｐｆ ｌ Ｈ ｌ ｉ ｌ ｏ ｅＳ １ Ｏ ｎ ｙ（ Ｐ ａ ｎ 针 通 多维 数 据） 的多 种 可 能 的 观 察 肜式 进 行 快 速 、 稳定 一 致 和 交 互 性 的存 取 ， 许 管 理决 策 人 员埘数 据 进 行 深 入 观 察 。 允
信息系统分析与决策(第一章：知识点1-16)
一、决策支持系统的定义
S.S.Mittra对DSS的定义：决策支持系统是从数据库 中找出必要的数据，并利用数学模型的功能，为用户 产生所需要的信息。 决策支持系统具有如下功能：
为了作出决策，用户可以试探几种“如果，将如何”(What If...)的方案。 DSS必须具备一个数据库管理系统，一组以优化和非优化模型为形 式的数学工具和一个能为用户开发DSS资源的联机交互系统。 结构是由控制模块将数据存取模块，数据变换模块(检索数据，产 生报表和图形)，模型建立模块(选择数学模型或采用模拟技术)三 个模块连接起来实现决策问题的回答。
以数据仓库为基础，结合联机分析处理和数据挖掘形成了基
于数据仓库的决策支持系统。
第一章决策支持系统综述 知识点8 决策问题的结构化分类
一、决策问题的结构化分类
决策问题按结构化程度分类，即对决策问题的内在规 律能否用明确的程序化语言（数学的、逻辑的、形式 的、定量的、推理的）给以清晰的说明或者描述。
一、决策支持系统的定义
P.G.W.Keen对DSS的定义：决策支持系统是“决策 ”(D)，“支持”(S)，“系统”(S)，三者汇集成的一 体。 即通过不断发展的计算机建立系统的技术(System)， 逐渐扩展支持能力(Support)，达到更好的辅助决策 (Decision)。 传统的支持能力是指提供的工具能适用当前的决策过 程，而理想的支持能力是主动的给出被选方案甚至于 决策被选方案。
二、几种常用智能技术（2）
机器学习是模拟人的学习方法，通过学习获取知识的 智能技术。
机器学习包括归纳学习、类比学习、解释学习等多种 类型。 机器学习和决策支持系统结合形成的智能决策支持系 统，主要是增加学习功能，获取辅助决策知识。
桂电《商务智能与数据挖掘》简答题答案
5.信息性指的是系统处理大量数据、提供用户所需信息的能力。
P121
1、简述可视化技术与商务智能的关系。
答：
可视化技术是将抽象的数据表示为视觉图像的技术，作为商务智能的基础技术和表现之一，辅助商务智能的发现，使数据或知识的表示更加清晰、明了；而商务智能的其他技术为它提供数据存储、数据预处理、数据分析等的能力。二者相互交融、互相促进。
P138
2、借助商务智能进行关系营销的主要目的和方法有哪些？
答：
1.主要目的：培养客户忠诚性，提高客户满意度，维护良好的沟通渠道，有效开发客户生命周期内的价值，在客户所处的各个阶段，借助商务智能技术，可以进行有效的关系营销活动，以达到顾客满意，企业获利的双赢状态。
2.方法：使用操作型系统及外部系统、数据仓库、数据集市存储客户数据；使用OLAP、分类、聚类、数值预测、关联分析、时间序列分析对数据进行处理。
2.缺点：①安全问题，涉及数据的丢失以及敏感数据的泄露等；②网络延迟或中断，由于计算资源是通过互联网等网络提供的，比起局域网肯定存在网络的延迟，如果网络中断，则无法访问服务；③对服务提供商的依赖，如果服务提供商停止服务，则用户无法得到服务；④集成问题，服务提供商提供的软件、业其他系统进行集成等。
2、商务智能可视化有什么作用？
答：
1.通过将数据可视化，便于发现隐藏在数据之间的关系、可以使信息的交流更加清楚、有效；
2.可视化也是一种知识发现的手段，通过将数据以合适的形式展现给用户，通过人的视觉处理能力有时可以发现计算机发现不了的模式。
OLTP和OLAP的区别
一、定义的区别
OLTP（on-line transaction processing）翻译为联机事务处理，OLAP（On-Line Analytical Processing）翻译为联机分析处理，从字面上来看OLTP是做事务处理，OLAP是做分析处理。
从对数据库操作来看，OLTP主要是对数据的增删改，OLAP 是对数据的查询。
二、应用上的区别
OLTP主要用来记录某类业务事件的发生，如购买行为，当行为产生后，系统会记录是谁在何时何地做了何事，这样的一行（或多行）数据会以增删改的方式在数据库中进行数据的更新处理操作，要求实时性高、稳定性强、确保数据及时更新成功，像公司常见的业务系统如ERP，CRM，OA等系统都属于OLTP。
当数据积累到一定的程度，我们需要对过去发生的事情做一个总结分析时，就需要把过去一段时间内产生的数据拿出来进行统计分析，从中获取我们想要的信息，为公司做决策提供支持，这时候就是在做OLAP了。
因为OLTP所产生的业务数据分散在不同的业务系统中，而OLAP往往需要将不同的业务数据集中到一起进行统一综合的分析，这时候就需要根据业务分析需求做对应的数据清洗后存储在数据仓库中，然后由数据仓库来统一提供OLAP分析。
所以我们常说OLTP是数据库的应用，OLAP是数据仓库的应用
三、两者关系
OLAP和OLTP之间的关系可以认为OLAP是依赖于OLTP的，因为OLAP分析的数据都是由OLTP所产生的，也可以看作OLAP是OLTP的一种延展，一个让OLTP 产生的数据发现价值的过程。
OLAP分析
14
多维数据分析视图
对于更多维度的数据显示，需要选择维度及其成员分布在行或者列中。 在页面上可选定多个维度，但每个维度只能显示一个成员。在行或者列 中一般只选择二个维，每个维可以多个成员。例如对6维度数据，其 MTS如下图所示。 六维MTS例
鞋
鞋 鞋 鞋 …
上海
广州 广州 广州 …
3月
1月 2月 3月 …
400
150 250 300 …
11
多维类型结构(MTS)
表示方法是：每一个维度用一条线段来表示。维度中的每 一个成员都用线段上的一个单位区间来表示。
例如，用三个线段分别表示时间、产品和指标三个维的多维类型结构 如图所示。
三维MTS例
06 年 60 230 210
05 年 80 110 210
06 年 50 250 280
05 年 100 270 310
06 年 50 330 270
05 年 50 200 320
06 年 40 220
维的层次关系图
全国
江苏
北京
上海
苏州市
扬州市
宝应县
6
OLAP 概念
维的层次与类组合图
产品维
产品产地类
产品销地类
产品用途类
产品大类
产品小类
7
OLAP 数据显示与分析
8
多维数据显示
多维数据显示方法 多维类型结构(MTS) 多维数据分析视图
什么是联机分析处理(OLAP)
OS Java CORBA COM+ Middleware XML&WebService Patterns ONE&NET P2P Development Database Download Doc什么是联机分析处理（OLAP ）(转载自北大高科网站，/)联机分析处理 (OLAP) 的概念最早是由关系数据库之父E.F.Codd 于1993年提出的，他同时提出了关于OLAP 的12条准则。
OLAP 的提出引起了很大的反响，OLAP 作为一类产品同联机事务处理 (OLTP) 明显区分开来。
当今的数据处理大致可以分成两大类：联机事务处理OLTP （on-line transaction processing ）、联机分析处理OLAP （On-Line Analytical Processing ）。
OLTP 是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。
OLAP 是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
下表列出了OLTP 与OLAP 之间的比较。
OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取,从而获得对数据的更深入了解的一类软件技术。
OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求,它的技术核心是"维"这个概念。
“维”是人们观察客观世界的角度,是一种高层次的类型划分。
“维”一般包含着层次关系,这种层次关系有时会相当复杂。
通过把一个实体的多项重要的属性定义为多个维(dimension)，使用户能对不同维上的数据进行比较。
因此OLAP也可以说是多维数据分析工具的集合。
OLAP的基本多维分析操作有钻取（roll up和drill down）、切片（slice）和切块（dice）、以及旋转（pivot）、drill across、drill through 等。
OLAP与OLTP系统的特点与区别
OLAP与OLTP系统的特点与区别在当今互联网时代，数据处理成为各种企业以及组织中不可或缺的重要部分。
随着数据的不断积累和增长，面临着对数据进行分析和处理的需求日益迫切。
OLAP（联机分析处理）和OLTP（联机事务处理）系统是常用的数据处理系统，它们在数据处理的不同阶段起着重要的作用。
本文将重点讨论OLAP和OLTP系统的特点和区别。
OLAP系统是一种用于进行多维分析的数据处理系统。
它主要用于对大规模数据集进行查询和分析，以便从多个维度来研究数据。
OLAP系统适用于环境中需要进行复杂多维度分析的场景，例如市场营销、销售预测、业绩评估等。
OLAP系统具有以下几个特点：1. 多维数据分析：OLAP系统可以通过各种维度对数据进行切片和切块，从而进行多维度的数据分析。
用户可以对数据进行透视、钻取和分组操作，以获取细致的数据视图。
2. 超大规模数据处理：OLAP系统能够处理海量的数据，支持从亿级到万亿级的数据规模。
这使得它成为对大数据进行高效处理和分析的理想选择。
3. 快速查询和响应：OLAP系统具有高速查询和响应能力。
它使用了预计算和预聚合技术，将数据预先计算并存储到多维数据库中，从而加快了查询速度和响应时间。
相比之下，OLTP系统主要用于处理和管理日常事务性操作数据，如订单处理、库存管理等。
它具有以下特点：1. 精确和实时的数据处理：OLTP系统对数据的准确性和实时性要求较高，因此它通常处理实时产生的数据。
它需要快速地执行大量的事务，并确保数据的一致性和可靠性。
2. 事务处理：OLTP系统采用了并发控制和锁机制，以确保多个事务的一致性和隔离性。
它支持事务的原子性、一致性、隔离性和持久性特性。
3. 高并发处理能力：OLTP系统通常需要处理大量同时发生的事务。
它使用精细的并发控制和事务管理技术，以支持多用户同时对数据库进行访问和操作。
OLAP和OLTP系统之间的区别主要体现在以下几个方面：1. 数据库设计架构：OLAP系统使用多维数据结构，通常采用星型或雪花型的数据模型，而OLTP系统通常使用关系数据库模型。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
5.3.4 k-means 算法的流程图 ......................................................................................... 38 6 结束语......................................................................................................................................... 38 参考文献......................................................................................................................................... 40 致 谢............................................................................................................................................... 41中国人民公安大学毕 Nhomakorabea论文（设计）
题
目：交通事故数据联机分析系统（OLAP）初研
学生姓名： 陈可佳 学号： 020922013
2002 年级 交通管理工程 专业
方向
02 大队
二
中队 五
区队
指导老师：
王景升
教 务 处 制
目 录
1 前言............................................................................................................................................... 2 1.1 论文的选题意义 ................................................................................................................ 2 1.2 国内外研究现状 ................................................................................................................ 3 1.3 论文的内容........................................................................................................................ 4 2 联机分析系统（OLAP） ............................................................................................................ 4 2.1 OLAP 的概念 ..................................................................................................................... 4 2.2 OLAP 与 OLTP 的区别 ...................................................................................................... 5 2.3 OLAP 的特征 ..................................................................................................................... 6 2.4 OLAP 数据模型 ................................................................................................................. 7 2.5 OLAP 的结构 ..................................................................................................................... 8 2.5.1 多维 OLAP（MOLAP， Multidimensional OLAP） .......................................... 9 2.5.2 关系型 OLAP（ROLAP，Relational OLAP）................................................... 10 2.5.3 混合型 OLAP（HOLAP， Hybrid OLAP） ...................................................... 11 2.6 创建 OLAP 数据模型 ..................................................................................................... 11 3 数据挖掘和聚类算法 ................................................................................................................. 12 3.1 数据挖掘概念 .................................................................................................................. 12 3.2 数据挖掘种类 .................................................................................................................. 14 3.3 聚类概述.......................................................................................................................... 15 3.4 聚类分析中应用的数据类型与数据结构 ...................................................................... 15 3.5 主要的聚类方法及算法 .................................................................................................. 16 3.5.1 划分聚类（Partitioning Clustering） .................................................................. 16 3.5.2 其它聚类方法 ....................................................................................................... 19 4 建立交通事故数据 OLAP 系统可行性及相关技术................................................................. 20 4.1 交通事故数据联机分析系统的可行性研究 .................................................................. 20 4.1.1 交通事故数据联机分析系统需求分析 ............................................................... 20 4.1.2 交通事故数据联机分析系统可行性分析 ........................................................... 20 4.2 交通事故数据 OLAP 系统结构与功能总体设计.......................................................... 21 4.3 交通事故数据 OLAP 系统开发环境和特色功能.......................................................... 24 4.4 交通事故 OLAP 系统的实现 ......................................................................................... 25 4.5 Microsoft SQL Server OLAP 服务的建立 ....................................................................... 27 5 事故原因多维、聚类分析的实现 ............................................................................................. 28 5.1 交通事故数据分析实现途径 .......................................................................................... 29 5.1.1 概念模型 ............................................................................................................... 29 5.1.2 逻辑模型 ............................................................................................................... 30 5.1.3 物理模型 ............................................................................................................... 31 5.1.4 SQL 的多维查询实例 ........................................................................................... 32 5.2 数据准备.......................................................................................................................... 33 5.3 基于属性聚类的应用 ...................................................................................................... 33 5.3.1 事故原因的聚类应用 ........................................................................................... 33 5.3.2 k 均值算法的改进 ................................................................................................. 34 5.3.3 k 均值算法的实现步骤 ......................................................................................... 35