第1章数据仓库的基本概念
NoSQL数据库原理 第一章 绪论
NoSQL不是反对“SQL”语言，只是简单
表示和RDBMS的不同 NoSQL不能替代RDBMS 大多起源于互联网企业，更适应互联网业务 （特定领域下、大数据量下的数据管理、存 储和简单查询）
11
第1章 绪论
1.1 数据库的相关概念
1.1.3 NoSQL的特点
2018年9月数据库流行度参考
……
关系型数据库能否解决上述问题？
9
第1章 绪论
1.1 数据库的相关概念
1.1.2 关系型数据库的瓶颈 关系型数据库由于数据模型、完整性约束和事务的强一致性等特点，导致其难以实现高效率、易横向扩展 的分布式部署架构，而关系模型、完整性约束和事务特性等在典型互联网业务中（可能）并不能体现出优 势。 搜索引擎是否需要强事务特性？ 日志分析是否需要严格的一致性？
腾讯云上的 数据库服务
阿里云上的 数据库服务
12
第1章 绪论
1.1 数据库的相关概念
1.1.4 NewSQL的概念 NewSQL是一个新的探索方向：融合RDBMS和NoSQL的优点，构造新型数据库 1.1.5 NoSQL的典型应用场景 海量日志数据、业务数据或监控数据的管理和查询 电商购买记录 简化特殊的或复杂的数据模型处理 存储海量的购物车 作为数据仓库、数据挖掘系统或OLAP系统的后台数据支撑
5
第1章 绪论
1.1 数据库的相关概念
1.1.1 关系型数据库管理系统 数据库管理系统的作用 数据定义 数据操作 数据存储和管理 保护和控制 通信和交互 文件方式管理数据 人工管理数据
层次模型/网络模型
关系模型
替代品？补充品？
数据管理方式的变迁
6
数据仓库与数据挖掘第一章 数据仓库和数据挖掘概述
③ 采用事件驱动和主动推送的方式为业务系统提供分析能力，例如银行的信 贷风险管理员，当审批某人的贷款请求时，关于该申请人的相关风险评级 等信息就会被主动推送过来。
1.1.2 发展历程4——数据中心
通过数据中心的构建，企业从 传统的交易系统（记录系统） 和各种差分系统（Different System）逐渐转向构建创新系 统，通过使用分析技术创造独 特的竞争优势，将分析技术慢 慢融入到企业的核心战略制定 和日常运营管理中。
1.1.1 数据仓库和数据挖掘的目标
构建数据仓库和应用数据挖掘的共同目标：
（7）构建数据治理体系，保证数据的一致性，消除信息的冗余、冲突和缺失等问题；
（8）提供高效、实时和准确的多维数据分析、报表统计、即时查询、广告版、多媒体分析、流 分析和内容分析等功能，为企业运营分析提供全面支持；
（9）提供简洁易用的数据挖掘和预测分析支撑，为企业分析提供全面支持；
。。。。。。
1.1.2 发展历程1——报表查询系统
• 随着时间的推移，这些报表查询系统越来越不能满足企业的需求。 • 例如：
① 查询访问性能比较慢 ② 报表统计相对固定难以满足企业灵活的业务需求 ③ 无法进行多维分析等
1.1.2 发展历程2——传统数据仓库技术
• 使用ETL（Extract，Transform，Load ）或ETCL（Extract， Transform，Clean，Load ）工具实现数据的导出、转换、清洗和装 入工具，使用操作型数据存储（Operational Data Store，ODS）存储 明细数据，使用数据集市和数据仓库技术实现面向主题的历史数据存 储，使用多维分析工具进行前端展现，以及使用数据仓库工具提供的 挖掘引擎或基于单独的数据挖掘工具进行预测分析等。相比之前的报 表查询系统。
第1章 数据库基础知识
学生
m
选修
n
课程
关系数据库的基本概念
关系与表：一个关系就是一张二维表，每个关系 有一个关系名。在VF中，一个关系作为一个文 件存储，文件扩展名为 .dbf，称为表。 元组与记录：在一个二维表中，水平方向的一行 称为一个元组。在关系数据库应用中，表中的一 行称为记录。 属性与字段：二维表中垂直方向的列称为属性， 每一列有一个属性名，与前面讲的实体的属性相 同。在关系数据库应用中，表中的一列称为字段。
1.4.2 关系运算
联接：联接运算是将两个关系模式的若干属性拼接成 一个新的关系模式的操作，对应的新关系中，包含 满足联接条件的所有元组。 在关系数据库的应用中，联接是将两个表的若干 字段，按关键字同名等值的条件或其他条件并排拼 接，生成一个新的表。
1.4.3 关系的完整性
1.实体完整性 实体完整性是指关系的主关键字不能取空值，不同 记录的主关键字值也不能相同。 2.参照完整性 参照完整性是对主关键字与外部关键字的约束。简 单地说，就是要求关系中“不引用不存在的实 体”。 3.用户定义完整性 用户定义完整性又称域完整性。用户定义完整性是 根据应用的实际的需要，对某方面具体数据提出 约束性条件。
姓名 学号 性别 出生日期 班号 班名 专业
学生
班级
……
班级
……
1.3.2 实体间的联系
一对一联系（1:1）；一对多联系（1:m）；多对多联系（m:n）
班长
1
管理
1
班级
学生
n
属于
1
班级
学生
《数据库基础与应用》课程标准
《数据库基础与应用》课程标准适用专业：计算机应用层次： ________________ 史专________________ 授课形式：____________ 全日制 ________________ 课程性质：专业必修课学时数： ________________ 64 ______________《数据库基础与应用》课程标准一、适用对象适用于全日制中专计算机应用专业学生二、课程性质与定位《数据库基础与应用》课程是计算机应用专业的一门专业必修课。
数据库系统已成为计算机科学教育中必不可少的部分，因而，牢固地掌握数据库系统知识已成为我们日常学习的核心内容。
信息时代的计算机应用人才，应当熟练掌握计算机科学技术中的数据库技术，并能够根据实际需求应用数据库系统进行数据信息管理。
数据库是数据管理的最新技术，是计算机学科的重要组成部分。
数据库技术发展迅速，其应用早已超出计算机专业的范畴，各专业领域的人们都在学习和使用数据库。
根据数据库的发展情况，本书摒弃了以往教材中不可缺少的网状数据库和层次数据库两大内容，以关系型数据库管理系统作为实例。
三、课程教学目标通过本课程的理论学习和上机实验，使学生了解现在数据库的流行趋势和先进的知识；初步掌握数据库管理系统的基本原理，数据库的基本设计方法；掌握一种流行数据库系统的基本操作方法和编程技术；重点培养学生数据库应用系统软件开发的技术和能力。
四、本课程学时安排五、课程教学内容和基本要求（按章节详细阐述）第一章：数据库概述（一）教学重点和难点1.教学重点：数据库和数据模型的基本概念数据模型的三要素概念模型的表示方法数据库技术的发展过程与研究领域数据库系统的模式结构与体系结构DBMS的功能与组成2.教学难点：数据库和数据模型的有关概念、数据库技术的发展与研究领域以及数据库系统的结构。
（二）教学内容和基本要求1.教学内容：1.1引言1.1.1数据、数据库、数据库系统和数据库管理系统的基本概念1.1.2数据管理的进展1.1.3数据库技术的研究领域1.2数据模型1.2.1数据模型的三要素1.2.2概念模型1.2.3三种主要的数据模型1.3数据库系统的结构1.3.1数据库系统的模式结构1.3.2数据库系统的体系结构1.3.3数据库管理系统2.教学目的及要求：本章主要讲述了数据库的有关概念，通过本章的学习，读者应该理解数据库的基本概念、数据库的三级模式结构和二级映像功能；知道数据模型的三要素，会画E-R图。
自考00051管理系统中的应用 考点知识点汇总
管理系统中计算机应用考试分析考试结构考试试卷对不同能力层次要求的试题所占的比例大致是：“识记”为30%；“领会”为40%；“简单应用”为20%；“综合应用”为10%。
试题难易程度合理，可分为四档：易、较易、较难、难，这四档在试卷中所占的比例约为3：4：2：1。
考试方式考试方式为闭卷，笔试，考试时间为150分钟。
评分采用百分制，60分为及格。
题型如图：考试题型及分值：题型题量分值总分单选30130名词解释5315简答题5525应用题31030考试技巧真题分值及分布情况：➢重点章节：第四、五、六、七章，分值占比超过40%；➢一般章节：第一、二、三、八，九章；➢关于第十章，仅做了解考试技巧1.单项选择题考察知识点：基本概念、基本思想、基本原理；特点：各个章节均匀分布，一般3-4题/章节备考策略：依据大纲，复习仔细，多做题，多刷题考试技巧2.名词解释题考察知识点：基本概念“是指”、“所谓”、“就是”、“称为”、…特点：不完全是教材中直白的概念，需要理解。
考试技巧3.简答题考察知识点：基本是教材中的某个知识点，题干都是教材中的一句话。
范式，范式的分解，SQL语句考试技巧4.应用题特点：分值最高，失分最容易、学员反应最难的部分考察知识点：ER图绘制，与关系模式的转换范式及分解，主码，外码，SQL语句操作完善数据流图，控制结构图，U/C矩阵决策树和决策表【备考要点】：一定要多练，多做考试技巧1、按照题目顺序做VS 先完成大分值，再完成小分值；2、先做容易，再做难的；3、难题攻克：找到题目主题，结合日常经验灵活解答。
注意：1、不要空题，特别是大分值题目；2、没有把握的选择题可以用排除法解答；3、题目顺序一般和章节顺序对应；4、历年真题要做熟，做会，弄懂。
考试方法1、选择题：题干法、排除法，不要花费过多时间。
2、填空题：熟记知识点，重点掌握近几年填空题出现的知识点。
3、名称解释题：要点是否展开，注意逻辑性和答题要点及逻辑。
数据仓库与数据分析-第一-至第三章
数据仓库与数据分析第一、二、三章一、数据处理的类型：1、操作型处理：操作型处理主要完成数据的收集、整理、存储、查询和增、删改操作等，主要由一般工作人员和基层管理人员完成。
2、分析型处理：分析型处理是对数据的再加工，往往要访问大量的历史数据，进行复杂的统计分析，从中获取信息，因此也称为信息型处理，主要由中高级管理人员完成。
操作型数据处理：二、联机事务处理系统（OLTP）的主要功能：对事务进行处理，快速地响应客户的服务要求，使企业的业务处理自动化。
其主要性能指标是事务处理效率和事务吞吐率，每个事务处理的时间越快越好，单位时间能完成的事务数量越多越好。
三、dbms：数据库管理系统。
Dwms:数据仓库管理系统。
OLAP：联机分析处理。
Oltp基于db,olap基于dw。
四、事务：用户定义的一个数据库操作序列，这些操作要么全做、要么全不做，是一个不可分割的工作单元。
在关系数据库中，一个事务可以是一条SQL语句、一组SQL语句或整个程序。
五、事务的ACID性质：1、原子性：事务是一个逻辑工作单元，是一个整体，是不可分割的。
2、一致性：事务在完成时，必须使所有的数据都保持一致状态。
3、隔离性：事务并发执行也能保持原子性和一致性，则是事务的隔离性。
4、持久性：一旦事务成功完成，该事务对数据库所施加的所有更新都是永久的。
六、决策支持系统（DSS）：分析型数据处理的典型。
决策支持系统需要具备的基本功能是建立各种数学模型，对数据进行统计分析，得出有用的信息作为决策的依据和基础。
DSS对数据集成的迫切需要是数据仓库技术出现的最重要动因。
分析型数据处理需要访问大量的当前和历史数据，进行复杂的计算，即需要本部门的数据也会需要其他部门的数据，甚至是竞争对手的数据。
七：操作型数据和分析型数据的区别：操作型数据分析型数据细节的综合的，或提炼的当前数据历史数据可更新（可以update）不更新（不可update，但可insert）操作需求事先可知道操作需求事先不知道完全不同的生命周期生命周期符合SDLC（软件开发生命周期）对性能要求高对性能要求宽松一个时刻操作一单元一个时刻操作一集合事务驱动分析驱动面向业务处理面向分析一次操作数据量大，计算复杂一次操作数据量小，计算简单支持日常操作支持管理需求八、数据分散的原因：1、事务处理应用的分散：OLTP系统一般只需要与本部门业务有关的当前数据，没有包括企业范围内的集成应用。
数据仓库与数据挖掘 阶段考试复习题
第一章数据仓库与数据挖掘概述无习题第二章数据仓库概述一．判断题在分析型处理产生后，数据处理的环境由原来的以单一数据库为中心的数据环境发展为以数据仓库为基础的体系化环境。
在事务型（操作型）数据处理下，数据处理的环境主要是以单一数据库为中心的数据环境。
数据仓库是为构建分析型数据处理环境而出现的一种数据存储和组织技术.面向应用，是数据仓库区别于传统的操作型数据库的关键特征。
一个数据仓库是通过集成多个异种数据源来构造的。
由于在数据仓库中只进行数据的初始装载和查询操作，所以，数据一旦进入数据仓库，就是稳定的，基本上不会被更新。
数据立方体必须是3维的。
在数据仓库中，概念分层定义了一个映射序列，可以将低层概念映射到更一般的高层概念。
方体的格，是在单个维上定义的映射序列，可以将低层概念映射到更一般的高层概念。
雪花模型通过在每个维表基础上，增加附加维表的方式来降低星型模型中可能会存在的冗余现象。
在事实星座模型中，有且仅能有一个事实表。
在数据仓库的设计过程中，要坚持“数据驱动和需求驱动双驱动，且以需求驱动为中心”的原则。
二．单选题在以下人员中，被誉为“数据仓库之父”的是：（）（知识点：数据仓库的基本概念；易）A. H.Inmon B. E.F.Codd C. Simon D. Pawlak以下关于数据仓库的说法正确的是：（）（知识点：数据仓库的基本概念；难）A. 数据仓库中的数据只能来源于组织内部的操作型数据库B. 数据仓库是为应对事务型数据处理的需要而产生的C. 数据仓库是面向主题的，这是其区别于操作型数据库的关键特征D. 数据仓库必须是面向企业全局的，不能以部门为单位建立数据仓库以下哪项不是“信息包图”中的元素？（）（知识点：数据仓库的三级模型；难）A. 维度B. 维的概念层次及相应层次上的数量C. 度量D. 方体的格以下哪项不属于数据仓库的逻辑模型？（）（知识点：数据仓库的三级模型；中）A. 星型模型B. 雪花模型C. 度量模型D. 事实星座模型在数据仓库的设计过程中，下列描述正确的是（）（知识点：数据仓库的设计；难）A. 数据仓库是“数据驱动+需求驱动”双驱动，但必须以需求驱动为中心B. 数据仓库主要面向分析型处理环境，在设计时很难完全明确用户的需求C. 数据仓库与数据库一样，其数据主要来自于企业的业务流程D. 数据仓库的设计目标是要提高事务处理的性能下面哪项关于星型模型的说法是不正确的：（）（知识点：数据仓库的三级模型；难）A. 有一个事实表，且事实表中的属性由指向各个维表的外键和一些相应的度量数据组成B. 有一组小的附属表，称为维表，且每维一个维表C. 事实表的每个字段都是事实度量字段D. 由于每维只能建立一个维表，使得维表中有些信息会产生冗余在数据仓库的概念模型中，通过（）来实现数据从客观世界到主观认识的映射。
数据仓库与数据挖掘 课后答案 (陈志泊 著) 清华大学出版社
第1章数据仓库的概念与体系结构1.数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。
2.元数据是描述数据仓库内数据的结构和建立方法的数据，它为访问数据仓库提供了一个信息目录，根据元数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。
3.数据处理通常分成两大类：联机事务处理OLTP和联机分析处理OLAP。
4.多维分析是指对以“维”形式组织起来的数据（多维数据集）采取切片（Slice）、切块（dice）、钻取（Drill-down 和Roll-up 等）和旋转（pivot）等各种分析动作，以求剖析数据，使用户能从不同角度、不同侧面观察数据仓库中的数据，从而深入理解多维数据集中的信息。
5. ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。
6.数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储与管理和数据表现等。
7.数据仓库系统的体系结构根据应用需求的不同，可以分为以下4种类型：两层架构、独立型数据集市、依赖型数据集市和操作型数据存储、逻辑型数据集市和实时数据仓库。
8.操作型数据存储实际上是一个集成的、面向主题的、可更新的、当前值的（但是可“挥发”的）、企业级的、详细的数据库，也叫运营数据存储。
9.“实时数据仓库”意味着源数据系统、决策支持服务和数据仓库之间以一个接近实时的速度交换数据和业务规则。
10.从应用的角度看，数据仓库的发展演变可以归纳为5个阶段：以报表为主、以分析为主、以预测模型为主、以营运导向为主、以实时数据仓库和自动决策为主。
11.什么是数据仓库？数据仓库的特点主要有哪些？答：数据仓库就是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，通常用于辅助决策支持。
数据仓库的特点包含以下几个方面：（1）面向主题。
- 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)。
数
星型模式支持多维数据建模，支持使用人员
据 仓
从不同的维度对数据进行分析。
库 的
星型模式能较好地为数据仓库提供查询支持。
基 本
星型模式可以提高查询速度。
概
念
第1章数据仓库的基本概念
主码、外码和代理码：
•
第 一
主码（Primary Key）：主码是表中的一个属性
章
或属性的组合，它能唯一地标识表中的每条记录。
数 据
析型用户的访问。
仓 库
主题数据的存储称为实视图，它与数据库的
的 基
视图概念不同之处在于：它不是虚拟的，而是已经
本
过计算，含有大量数据，并存储在数据仓库中的实
概
念
实在在的表。
库 的
组成。
基
本
事实表的主码是组合码，维表的主码是简单
概 念
码，每一张维表中的简单码与事实表组合码中的一
个组成部分相对应。
第1章数据仓库的基本概念
企业销售数据的多维数据模式图
•
第
一
章
•时间维表
数
•时间码
据
仓
•日期
库
•月份
的
•季度
基
•年度
本
概
念
•事 实 表
•时间码 •产品码 •地区码
•销 售 量 •销 售 额 •销售成本
库 的
❖ 事务处理型应用与分析决策型应用对数据库系
基
统的性能要求不同。
本 概
❖ 传统数据库中保存和管理的一般是当前数据，
念
而决策支持系统不仅需要当前的数据，而且还
要求有大量的历史数据。
第1章数据仓库的基本概念
结论：
•
第 一
在事务处理型应用环境中直接构建分析
章
决策型应用是不可行的。
数
据
仓
于是：
库
的 基
章
工具。
数
据
• OLAP的目的是支持分析决策，满足多维环境
仓
库
的查询和报表需求。
的
基
• 数据仓库的多维数据存储结构为OLAP的实施
本
概
提供了理想的多维数据环境。
念
第1章数据仓库的基本概念
• 数据集市： （Data Mart）
•
第 一
• 数据集市是完整的数据仓库的一个逻辑子集
章
，而数据仓库正是由其所有的数据集市有机组合
库
的
作，原因在于多维数据模型的各个维是逻辑等价的。
基
本
多维数据模型对决策分析有好的扩展性。
概
念
汇总数据的巨大价值。
第1章数据仓库的基本概念
1-4-2 星型模式
星型模式是事实表与维表通过星型方式连接
•
而成，如下图：
第
一
•产品维表
•时间维表
章
•产品码（PK）
•时间码（PK）
数
据
•产品大类
•事 实 表
据
数据是相对稳定的
仓
库 的
数据仓库的其它特点：
基 本
数据量非常大（10GB---1000GB）
概
是数据库技术的一种新的应用
念
使用人员较少
第1章数据仓库的基本概念
1-2 数据仓库与数据库
•
第
操作型数据库
分析型数据仓库
一
章
系统目的 支持日常操作
支持管理需求，获取信息
数
使用人员 办事员、DBA、数据库专家 经理、管理人员、分析专家
统一的维：
•
第 一
统一的维是指：一个维，无论其维表与哪一
章
个事实表相连接，维的含义是完全相同的。
数
据
建立、公布、维护和完善统一的维是全局数
仓 库
据仓库项目小组一项非常重要的工作。
的 基
公布了统一维之后，各数据集市必须严格执
本 概
行。
念
第1章数据仓库的基本概念
统一的事实：
•
第 一
统一的事实的定义工作与统一的维的定义工
•分析结果2：
概
•
前景不好
念
第1章数据仓库的基本概念
第一章：数据仓库的基本概念
•
第 一
1-1 数据仓库的产生与发展
章 传统的数据库技术作为数据管理手段，主要用
数
据
于联机事务处理(OLTP,On-Line Transaction Process)，
仓
库
数据库中保存的是大量的日常业务数据。
的
基
在数据共享、数据与应用程序的独立性、维护
• 数据立方体：
•
第
一
• 数据立方体是指由两个或更多个属性即两
章
数
个或更多个维来描述或者分类的数据。
据 仓
• 在三维的情况下可以用图形来表示，一般称
库
为数据立方体。
的
基 本
• 实际的数据仓库的应用中，数据是多维的。
概
念
第1章数据仓库的基本概念
• 联机分析处理： （OLAP）
•
第 一
• 联机分析处理是快速、灵活的多维数据分析
•产品维表
•产品码 •产品大类 •产品细类 •产品名称
•地区维表
•地区码 •国 家 •地 区 •城 市
第1章数据仓库的基本概念
多维数据模型的优势：
•
第
多维数据模型是已知标准化的结构，即包含
一
章
多个多维数据模式，每一个多维数据模式都对应一
数
张事实表和多张维表。
据
仓
这种多维结构能支持最终用户不可预知的操
一 章
时间维：随时间变化的销售数据；
地区维：不同地区的销售数据；
数
客户维：不同客户的销售；
据 仓
……
库
根据观察事物角度的细节程度不同，维又具有
的 基
维层次。数据；
本
渠道维：不同销售渠道的销售数据；
概
产品维：不同产品的销售数据
念
例：时间维：日期、周、月份、季度、年等；
地区维：城市、地区、国家等。
第1章数据仓库的基本概念
章
作同时进行，由数据仓库项目：小组负责，工作量
数 据
相对较少，但要注意以下几点；
仓
库
❖ 统一的计算口径
的 基
❖ 统一的计量单位
本
❖ 统一的含义
概
念
❖ 事实表中要包含最详细的事实数据，即粒度最小
的数据
第1章数据仓库的基本概念
•
讨论题：
第
一
章
1、根据学籍管理系统数据仓库的建设，确
数 据
定事实表与维表，列举各个维，并划分维层次。
数
据
外码（Foreign Key）：外码是出现在一个表中，
仓 库
同时在另一个表中被定义成主码的属性。
的 基
代理码（Surrogate Key）：所有的主码和外
本
码一般都是采用没有具体含义的代理码，例如，从1开始的自
概
念
然数编码。
第1章数据仓库的基本概念
事实表：
•
第
一
事实表是星型模式的核心，它是按维进行分
据
仓
数据内容 当前数据
历史数据、派生数据
库 的
数据特点 细节的
综合的或提炼的
基 本
数据组织 面向应用
面向主题
概
存取类型 添加、修改、查询、删除 查询、聚集
念
数据稳定性 动态的
相对稳定
第1章数据仓库的基本概念
续上表：
•
第
操作型数据库 分析型数据仓库
一
章
需求特点
需求事先可知道
需求事先不知道
数 据
操作特点
数 据
而成的。
仓 库
• 一般在某个业务部门建立数据集市，或称为
的 基
部门级数据仓库。
本 概
• 建立数据集市与数据仓库，一般是采用“自
念
顶向下”和“自下而上”相结合的设计思想。
第1章数据仓库的基本概念
讨论题：
•
第
一
1、结合陕西科技大学大学学生学籍管理系
章
统进行数据仓库的主题划分，列举有哪些主题。
数
据
仓
库
的
基
本
概
念
第1章数据仓库的基本概念
1-4 多维数据模型
•
第
多维数据模型是进行决策支持数据建模的最
一
好方式，数据仓库采用多维数据模型不仅能使其使
章
数
用方便，而且能提高系统的性能。
据 仓
1-4-1 实体关系模型与多维模型
库
的
实体关系模型应用于操作型数据库系统，多
基 本
维模型应用于分析型数据仓库系统。
章
数
析形查询的对象，其中存储的是业务事实，例如：
据
销售量、销售额、销售成本等。
仓
库 的
事实表中的数据一般是数值型，具有可加性。
基 本
事实表的主码为外码的组合，唯一的标识各
概 念
条事实记录，事实表的外码对应各维表的主码。
第1章数据仓库的基本概念
维表：
•
第 一
维表用于指导从不同的角度在事实表中选择
数 据
每一个主题基本对应一个宏观的分析领域。
仓
例：面向主题：产品订货分析，货物发运分析， 新产品
库
的
开发分析；
基 本
面向应用：财务，销售，供应，人力资源，生产调
概