基于数据仓库的OLAP技术探究
基于数据仓库的OLAP技术探究

1 数 据仓 库 概 念 及 其 体 系 结构 分 析
1 . 1 数据仓库定义分析 ’ 数据仓库 的本质 是由联机分析系统 和决 策支持系统共 同构成的 结构化数据环境 . 是~个具有稳定性 和集 成性 . 能够面 向发展主题的 数据集合 . 并通过数据 的分布管理和并行处理以支持企业集体管理过 程 中的决策 数据仓库的建立为企业 的决策处理提供了更 为有力 的支 持. 其数据并行 处理的多变性也使得数据仓库能够在不 同的数据环境 中对大量的数据信 息进行有效 的处理 在数据仓库的实际应用 中, 高 层次的数据归类标 准能够使数据在宏观上得到类型划分 . 不 同类型 的 数据在依照各 自归属领域 中逻辑处理后 . 经集成和加工后变 为面 向主 题 的数据集合 . 并为之后的数据调取做好准备 。 1 . 2 数据仓库的体系结构划分 数据仓 库在数据处理过程 中主要分为数据 的分 析型处理和操作 型处理 . 两种数据处理方式在 实际应用 中通常 区别使用 , 以保证数据 仓库 中数据结构的整体性 为进一步完善数据仓库 的体 系结构 . 通 常 将数据仓库 的体系结构划分为数据查询和分析组件 ,数据集成组件 , 数据源和监视器等体系结构 数据查询 和分析组件能够将数据仓库 的 终端用户数据信息转换为数据源装入 D W. 并在数据集成组件 的 D W 视 图维护 中完成数据源的合并及过滤 。数据源作为一个数据库 系统 , 主要包括 H T M L类型文件和 S G M L 类型文件等 . 数 据仓库 的内容通过 监视器与多类型文件相 连接 .以实现数据仓 库中数据源 的监测 与处 理。随着数据仓库在实际应用中的 日 渐完 善 . 其体 系结构的划分 也更 为具体化 . 数据提取工 具 . 转换工具 以及其他 多种数据处理工具 的协 调使用使得数据仓库 日 渐成为数据处理系统的核心 . 并以此为基础满 足用户的多方面数据需求
数据仓库中OLAP的实现技术

和 分 析 。通 过 对 信 息 ( 些 信 息 已 经 从 原 始 的 数 据 进 行 了转 这
换 . 反 映 用 户 所 能 理 解 的 企 业 的 实 际 的 “ ” 的 很 多 种 可 能 以 维 ) 的观 察 开 工 进 行 快 速 、 定 一 致 和 交 互 性 的存 取 . 许 管 理 决 稳 允 策 人员对数据进行 深入观察 。
ห้องสมุดไป่ตู้
I AP和 M(L ) AP优 点 的 综 合 . 然 . 当 HOI AP技 术 发 展 并 非 完 全成 熟 , 有 一 点 是 肯 定 的 , 但 HOI AP工 具 不 是 简 单 地 将 MO— I AP与 R P 组 合 起 来 。 实现 的 基 本 策 略 是 , 合 计 数 据 OI A 其 将
毕 利
摘
张 礼 平
毕 茹
要 本 文 介 绍 了数 据 仓 库 和 联 机 分 析 处 理 的 概 念 .
的多维视 图。
分 析 阐 述 了基 于 数 据 仓 库 的 0I P 的 三 种 存 储 机 制 、 施 框 A 实
架 、 据 操 纵 机 制 和 索 引 机 制 。 及 多维 数 据 模 型 上 的 OIAP 数 的实现技 术。
I9 5年 起 , u c 提 出 了 “ AS ” 断 准 则 。所 9 OI AP Co n i l F MI 判 谓 “ A MI . “ a tAn lss o h r d Mu t i n in l F S ” 即 Fs ay i f S ae l dme s a i o
基于数据仓库、OLAP和数据挖掘的智能决策支持系统研究

务, 辅助决策人 员作出决策判断。
库、 模 型库 、 方法库 、 知识库 ) 结构 , 直到现 在 , 人们把数据 仓
库、 O L A P 技术引进 到决策 支持系统中, 可 以说, 决策支持系统正
一
步 步走 向完善。 而0 L A P 和数据挖 掘是密不可分的, 我们把数
6 基于数据仓库、 OL A P 和数据挖掘的决策支持系统
数据仓 库和0 L A P 技术 的发展为决 策支 持系统注 入了新的 活 力, 而O L A P 与数 据挖 掘 的有 机 融合更是 决策支 持系统 的一
技 术主要基于数据仓库执行。
( 下转第1 5 4 页)
・
医学科技
数字融合媒体处理器集拼接 与融合于 一身, 可以提 供强大 ( 1 ) 可 以显示大分 辨 率 的图像 ; ( 2 ) 可 以显 示一 幅完 整 的画
块) 、 t u r n i n g / p i v o t( 旋转/ 转轴、 d r i l l ( 钻 取) 。
4 数据挖掘
含在 其中的、 人们事先不知道 的但 又可能有用的信息和知识 。
图1基于数据仓库、 该部分提供了一个用户与机器交互的一个平台。 首先, 该部
. 1人机交 互接 口 数据挖掘 的任务是从大 量数据中发现有用的数据 , 提取隐 6
・
实验研 究
基于数据仓库 、 OL AP 和数据 挖 掘 的智能决策支持系统研究
马春艳 曲伟峰 化松收( 辽 宁轻工职业学院, 辽宁 大 连 1 1 6 1 0 0 )
摘 要: 介绍 了 数 据仓库 0 L A P 和数 据挖 掘技 术 , 阐述 了 传统 决 策支持 系统 与数据 仓库 0 L A P 和 数据 挖掘 技 术相 结合 的新型 智能决 策支持
基于数据仓库和OLAP技术的医院决策支持系统

第 8 第 5期 卷
基 于 数 据 仓 库 和 OL 术 的 医 院 决 策 支 持 系统 A P技
杨 凤 娟
( 建 工 程学 院 , 福 福建 福 州 3 0 1 ) 5 0 4
【 摘 要 】 以医院项 目为背景, 出了一绅基 于数据仓 库技术≠ 联机 分析处理 的医院决策支持 系统的实现方案: 给 口 立用数撂仓库技术解决 了医院“ 数据丰富但信 息贫乏” 的尴尬 局面, 用 O A 利 L P技术 可以多角度 、 多层次快速观 察
持( S ) , 共 存 于同一 个数 据 库 系统 中时 , 两 D S应 E } j 这 种类型 的处理就会 产生 明显 的冲突 。应用数 据仓库 和联机分 析 技 术 能 有效 地 解 决 分 析 处 理 和 决 策 支 持。
本文采用 数 据 仓 库 和 0 A L P技 术 研 究 医 院决 策支 持系统 , 实现利用 D S工 具直 接从 信息 池 中随 S 机地 提取 、 析数据 , 医院提 供 及 时 、 确 的分 析 分 为 准 和预 测数据 , 使医 院管 理 者能 够真 正有 效地 加 快决 策速 度 , 提高 医院管 理决策水 平 :
2 医院决 策 支持 系统 的分 析 与设 计
医院决策 支持 系统包括决 策支持 和数据 仓库 的 管理 。其 中决 策 支持 包 括预 测 、 析 和决策 。预测 分 包括 门诊和住 院就诊 容量 的预 测 、 种 的分 布预测 、 病
数据仓库的OLAP多维展现技术的研究与应用

( 西安 工业 大 学 计 算 机 科 学 与 工 程 学 院 ,陕 西 西安 70 3 ) 10 2
摘 要 : 于数 据 仓 库 以及 联机 分析 的相 关知 识 ,采 用 E L和 A a s evcs 关 技 术 ,通 过 在 线销 售 系统 中 的 实 基 T n  ̄ iS ri 相 s e
现 方 式 迅 速 获 得 信 息 中蕴 含 的 知 识 。
量 的 销 售 记 录 , 过 建 立 数 据 仓 库 , 对 企 业 销 售 中 的 “ 线 通 针 在
销 售 ” 题 - It n t a s 通 过 多 维 分 析 展 现 技 术 , 企 业 主 ne e S e , r l 对
收 稿 日期 :0 2 0 — 7 2 1— 4 1 稿 件 编 号 :0 2 1 9 2 10 3 4
掘模 型 和其 他 A ayi Sri s对象 提 供 数 据 [】 nls e c s v e 2。 _ 3
创建 数 据 源 时 , 以通 过 两 种 方 式 新 建 数 据 源 。 一种 是 可 “ 于现 有 连 接 或 新 连 接创 建 数 据 源 ” 可 以 通 过 选择 现有 数 基 ,
数据库指定一个或多个数据源 , 以为维度 、 维数据集 、 可 多 挖
过OA L P软 件 实 现 数 据 的查 询 分 析 :) 过 建 立 数 据 仓 库 与 2通
底 层 关 系数 据 库 交 互 . 过 O A 通 L P软 件 完 成 多 维 数 据 分 析 展 现 ; ) 式 是 在 客 户 端 与 服 务 器 之 间增 加 一 个 多 维 数 据 分 析 3方
Ab t a t s r c :An a ay i o l - i n i n d t n t e o l e s ls s se t ru h t e e p rme t h c r a e n t e n s fmu t d me so aa i h n i ae y tm h o g h x e l s i n i n s w ih a e b s d o h k o ld e f aa n w e g o D t W a e o s g n On L n An lt a P o e sn n u ig h r lt d t c n l g f E t ci n r h u i a d n - ie ay i l r c si g a d sn t e ea e e h oo y o x r t - c a o T a so ma in L a i g a d An lssS r i e a d . x l r u p r o h n i e s l si p o i e i h - i e r n f r t ・ o d n n ay i ev c sh s ma e Au i ay s p o t n t eo l a e s r vd d whl t e On L n o i n e An yi a r c s i gmut i n in l e h oo s d t h w e Re u t o e a ay i a o t l e u , r l oa n l c P a t l o e s l d me so a c n lg i u e s o t s l f h n lss b u i ,c t d l,rt r i n i t y s o h s t sc i y mu t d me s n aa l -i n i a d t. i ol Ke r :d t r h u e;E L;OL y wo  ̄ aa wae o s T AP;mu i i n in l An l ssS r i e h d me so a ; ay i e c s v
数据仓库与OLAP在软件测试中的应用研究

2 1 年 第 2期 00
Cm u e DS fw r n p l c t os o p t rC o t a ea dA p ia i n
软件设计开发
数据仓库与 O A L P在软件测试中的应用研究
黄 凤 呜 冯 志 江
(. 1中国人 民大 学信 息学院
时向用户提供统计报表和数据分析 的功能。
4 前 端 工具 与应 用 .
供复杂的计算,但是也使得灵活性降低 ,维护成本加大。RL P是一 OA 种基于现在广泛应用的发展成 熟的关系型数据库 的实现方式。R L P OA 将多维立方体 中的 内容划分成事实表和维表 的关系表, 并且在关系数
~
产品缺陷。
数据模型 只是为数据仓 库搭建 了框架, 要真正地把数据仓库用起 来 ,还需要将原始数据按照映射装入数据仓库 中。E L正是用于完成 T 这个工作 。E L T ,即数据 的抽取、转换和 加载 ,周期性地对原始数据 进行抽取 ,清洗 ,整理,汇总,并最终加载到数据仓库 当中。它是数 据仓库建设中的重要环节 , 它的设计好坏直接影响数据质量,数据仓 库性能 , 甚至可能影响到分析结果的准确性。由于数据源的复杂和数 据的庞大,E L是 一个非常复杂繁琐的过程。它的主要 内容包括定义 T
息 和分 析 数 据 的 有效 方 式 。它 是一 个 面 向主题 的 、集 成 的 、不 可 更 新
严 重程 度 、 日期
的、随时间不断变化的数据集合 ,用于支持管理决策 。 基于数据仓库
中 的数 据 ,O A 行 数 据 的 多 维分 析 和 展 示 ,使得 人 们 可 以多 角度 、 L P进
0A L P主要 有三 种 实 现方 式 , 们 分 别 是 M L P R L P和 H L P 它 O A 、 OA OA 。
数据仓库和OLAP技术在商业中的应用研究

具有能对不 断变化的商业环境进行分析 、预测并做 出快速 反应的
它们 包 括
线 性规 划 、动 态 规 划 、 目标规 划 .整 数 规 划 、Wht a— 能 力 。要做 到 这一 点 ,企 业 的 决 策分 析 人 员 能否 及 时 地 从 大量 的
i形式 的灵 敏 度 分析 、决 策 树 等 ,这 些 是 基 本 的没 有特 定 领 域特 原 始 数据 中提 取 更 多 、更 准 确 、更 有效 的信 息 是 关键 。企 业 传 统 f 征 的模 型 ,根 据 需 要 .用 户 可修 改 它 们 的参 数要 求 .先 作 相 应 的 的 O T 联 机 事 务 处 理 ) 统不 能满 足 人 们对 数 据做 深层 次 分 析 L P( 系
数 仓 种LP 术 商 中 应 研 据 库 A技 在 业 的 用 究
辫 孙宇佳 陈 巍
蔡志 华
[ 摘
石 家 庄经济 学院 网络信 息安 全实验 室 河 北化 工 医药职业 技术 学院
石 家庄 东方 热电集 团有限 公 司
要 ]目前 商业 领 域 中 交易 电子 化是 发展 趋 势 。为 了解 客
智 能 模 型库 系 统 是今 后 模 型库 系统 的 一个 很 有 希 望 的发 展 趋 概念 是由美国著名信息工程学家 w . m n在他的 HI o n
( uIi ( in B dg
势 ,在 构 造 t S时要 考 虑 它的 抽 象 结 构 及 各 组 成 部 分 之 间 的 一 teD t Waeos) 书给 出的 :” 据仓 库 (a r os . MB h aa rhue )一 数 D t Wa hue a e
致 化表示 方法 ,提高效率 .并要 注重对领域知识在特征 和深浅 D )是 面 向主 题 的 、集成 的、时 变 的 、非 易 失性 的数 据集 合 ,用 W
面向多维度数据分析的 OLAP 技术研究

面向多维度数据分析的 OLAP 技术研究随着互联网技术的迅速发展,移动互联网的普及以及人们的信息获取渠道的不断丰富,数据产生与积累的速度快速加快。
越来越多的企业和组织开始将数据视为重要的资产来进行管理和分析。
在面对海量数据时,如何快速、准确地进行数据分析成为一个亟待解决的问题,而 OLAP 技术的应用为多维度数据分析提供了有力的支持。
一、 OLAP 技术概述OLAP 的全称是“Online Analytical Processing”,即在线分析处理,它可以对数据进行多维度的分析和查询。
OLAP 技术可以将数据按照不同的角度进行查看和聚合,比如按照时间、地区、产品类型等进行分析。
而传统的数据分析只能进行单一的维度查看。
OLAP 技术主要包括以下三个方面的内容:1. 数据仓库:OLAP 以数据仓库作为数据存放的基础。
数据仓库可以将分散在不同系统中的数据按一定规则进行整合,形成一个包含多维数据信息的统一数据存储区域。
2. 多维分析:多维分析就是按不同的维度对数据进行分析。
OLAP 的基本操作就是多维分析,可以进行切片、钻取、轮换等多维分析操作。
3. 数据可视化:数据可视化就是通过图表、报表等方式进行数据展示。
数据可视化可以帮助用户快速了解数据,发现数据中隐藏的规律和关联。
二、 OLAP 技术的优点OLAP 技术有很多优点,主要包括以下几个方面:1. 多维度分析:OLAP 技术可以通过对数据进行多维度分析,实现对数据的深入挖掘和分析,可以更全面地了解数据中蕴含的信息。
2. 交互性强:OLAP 可以实现用户对数据的自主分析和交互操作,用户可以根据需要对数据进行不同角度和粒度的分析。
3. 灵活性强:OLAP 可以根据用户需求对数据进行自由的切换和组合,同时可以进行灵活的查询和过滤操作。
4. 高性能:OLAP 技术具有高效的查询和分析速度,可以快速响应数据分析请求,同时能够处理大规模的数据集合。
三、 OLAP 技术的应用OLAP 技术的应用十分广泛,主要涵盖以下几个领域:1. 金融领域:OLAP 技术可以帮助金融机构进行风险管理、资产配置和投资决策等方面的分析。
- 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)。
基于数据仓库的OLAP技术探究【摘要】在科学技术日渐趋于数字化的发展背景下,数据处理技术已经成为了促进社会科技发展的主要动力,随着数据处理技术在企业中的应用的迅速推广,其为企业运营带来的效益也在日渐突显,数字处理技术能够在数据积累的基础上高效率的完成数据筛选和分类处理,而这正是企业在运营生产和业务数据处理中必不可少的。
数据处理技术水平的迅速提升,使得数据的联机分析与处理成为可能,OLAP数据联机处理技术逐渐成为当代企业数据仓库管理的核心技术。
本文从OLAP概念角度出发,对该技术的数据存储和处理机制进行分析,进一步强调了OLAP技术在数据处理中的重要作用,并对该技术中囊括的数据库ROLAP技术和数据分析技术等加以简要论述。
【关键词】数据仓库;OLAP技术;数据ROLAP技术1 数据仓库概念及其体系结构分析1.1 数据仓库定义分析数据仓库的本质是由联机分析系统和决策支持系统共同构成的结构化数据环境,是一个具有稳定性和集成性,能够面向发展主题的数据集合,并通过数据的分布管理和并行处理以支持企业集体管理过程中的决策。
数据仓库的建立为企业的决策处理提供了更为有力的支持,其数据并行处理的多变性也使得数据仓库能够在不同的数据环境中对大量的数据信息进行有效的处理。
在数据仓库的实际应用中,高层次的数据归类标准能够使数据在宏观上得到类型划分,不同类型的数据在依照各自归属领域中逻辑处理后,经集成和加工后变为面向主题的数据集合,并为之后的数据调取做好准备。
1.2 数据仓库的体系结构划分数据仓库在数据处理过程中主要分为数据的分析型处理和操作型处理,两种数据处理方式在实际应用中通常区别使用,以保证数据仓库中数据结构的整体性。
为进一步完善数据仓库的体系结构,通常将数据仓库的体系结构划分为数据查询和分析组件,数据集成组件,数据源和监视器等体系结构。
数据查询和分析组件能够将数据仓库的终端用户数据信息转换为数据源装入DW,并在数据集成组件的DW视图维护中完成数据源的合并及过滤。
数据源作为一个数据库系统,主要包括HTML类型文件和SGML类型文件等,数据仓库的内容通过监视器与多类型文件相连接,以实现数据仓库中数据源的监测与处理。
随着数据仓库在实际应用中的日渐完善,其体系结构的划分也更为具体化,数据提取工具,转换工具以及其他多种数据处理工具的协调使用使得数据仓库日渐成为数据处理系统的核心,并以此为基础满足用户的多方面数据需求。
2 数据联机分析处理技术发展背景讨论OLAP技术即数据联机处理技术,该技术的发展是以数据库技术为基础的,随着计算机数据处理和计算技术的迅速发展,数据仓库的建立已经成为计算机数据处理的首要前提。
在社会经济的迅速潮流中,企业经济成为了社会经济构成中的一部分,发展至今,企业经济已成为社会进步的主要推动力,因此为保证社会的经济进步,企业的经济建设是必不可少的。
为进一步提升企业的运营效益,企业决策者引进了数据仓库技术,通过对企业累计的大量生产及业务数据进行分析处理,并从多数据类型中筛选出有效的数据信息,通过有效信息的筛选反应企业的运营实际情况,并为企业的决策提供数据支持。
随着企业决策者对数据信息策略性价值的不断探索,数据联机处理技术得以开发,这一技术的开发与应用不仅充分展现了企业数据信息的策略性价值,也使得企业之间信息视图的互访成为可能。
OLAP技术开发研究的逐渐深入,使其数据处理的效率和一致性都在一定程度上得以提升,随着OLAP技术在企业数据仓库技术基础上应用的进一步推广,企业决策者以及管理人员将能够更为明晰的洞察到数据仓库中数据的隐含规律,进而制定出更切合企业发展实际的发展决策。
3 基于数据仓库的OLAP技术概论3.1 OLAP概念分析OLAP技术是指在处理特定问题的情况下采取的联机数据访问和处理技术,通过对大量数据进行分析和处理,使得数据中所包含的信息内容能够被决策者快速的读取访问,进而为决策者的数据深入调查提供便利。
OLAP技术在实际应用中是以多维视图的形式展现的,通过划分维度层次使数据中的细节信息得到多方面描述,并通过处理企业日常运营过程中产生的数据以起到支持企业决策的有效作用。
3.2 OLAP技术特点分析根据OLAP技术的实际应用作用分析可知,OLAP技术具有信息性,多维性及可分析性等多种技术特点。
从信息性角度分析,由于OLAP技术的职能是对大量的数据内容进行分析与处理,并且数据的存储位置无法影响到信息获取效率,所以OLAP技术通常用于管理大量的数据信息,并且在磁盘空间应用和数据仓库结合等多方面都有较为广泛的应用。
OLAP技术还能够在进行数据逻辑分析的同时对数据进行统计分析,这便使得用户在定义全新的编程运算时无需针对运算过程进行程序编写,为用户的实际应用提供了很大的方便。
OLAP技术的可分析性也体现在用户对OLAP系统的应用中。
OLAP技术为用户提供了OLAP 数据平台,用户能够在平台上完成数据分析,OLAP技术平台也能够连接到其他数据分析工具上,通过其他数据分析工具将分析结果录入到系统中,进而提升OLAP系统的数据处理效率和准确性。
OLAP技术的多维性作为该技术的关键属性,是系统进行数据处理后结果的直观展示,OLAP技术中多维视图的展现,使得企业运营中产生的数据内容能够得到最为直观的展现,加之多维视图中层次维和多层次维的引入,更是使得数据内容展现得以进一步丰富。
4 基于数据仓库的OLAP技术探究4.1 OLAP数据模型结构分类OLAP技术主要应用于大量数据的分析归纳过程中,由于数据种类和处理方式的多样性,OLAP技术在实际应用中必须能够支持多维视图模式,并且具备一定的旋转性,这样才能有效满足用户需求。
为进一步提升OLAP数据处理系统性能,通常要以关系型数据库为基础搭建数据仓库,并通过数据仓库与OLAP 技术的协调运行来实现数据的数据的有效处理。
为满足用户因数据接口不同而产生的数据存储需求,将OLAP数据处理技术分为三种数据模型。
数据容量最小的是基于多维数据库的数据模型结构。
该结构中数据的存场所是多维度数据库,数据库由多个多维数组存储单元构成,不同数组存储单元中存储的数据类型都具有统一的属性,这也为后期类型性数据的调取与处理提供了方便。
基于关系型数据库的OLAP具有更为灵活的缩放性,该技术产品更加强强调对数据的并发控制管理,由于数据的并发控制管理在实际应用中最为普及,也使得这种数据模型结构成为当下最为成熟的模型结构。
混合型OLAP数据模型结构是在最近得以发展的,该数据模型结构最大的特点是融合了多维数据库结构和关系型数据库结构的优点,两种数据模型结构的有机结合使得混合型OLAP数据模型结构具有更为优良的扩展性和数据处理速度。
4.2 OLAP数据模型搭建在基于数据仓库下的OLAP技术中,OLAP数据模型的搭建是OLAP的技术核心。
在整个数据模型中,维和度量共同构成了数据信息的分析处理标准,OLAP 技术便是以这两种衡量标准进行数据的分析处理的。
OLAP数据模型的搭建为终端用户的数据查询和报表提供了更为简要的处理方式,复杂的数据查询方式向简要数据切片处理方式的转换,使得数据仓库中的数据内容能够以多维视图的形式展现给用户,使得用户的数据查询和处理过程在很大程度上得到简化。
在OLAP 数据模型中,维是同种类型数据的集合,数据所具备的变量特性使得维具有自身的属性特点。
OLAP数据模型中的度量则与维不同,它仅表示一个度量值,如在商品销售中,度量的存在形式主要包括商品单价,销售数量以及销售总额等,与数据模型中的维不同,度量更为强调数值本身的属性,是数值所代表内容的直观体(下转第166页)(上接第136页)现。
4.3 OLAP数据模型多维表示方法在OLAP技术和数据仓库的结合与应用中,为有效提社OLAP数据处理效率,通常将多维数据库转换为事实表和维表两大类型。
事实表在关系数据库中表示数据关系时,通常要以存储数据的实施度量值和不同位的主码为基础,而维表在OLAP数据模型的表示中则保留了描述不同维之间层次关系以及成员类别等必要的数据内容。
在OLAP技术数据模型的多维表示中,事实表和维表的紧密联系能够使关系数据库中的数据类型分类更为明晰,维表中不同数据属性的ID 主码也使得OLAP数据模型呈现出星型模式,这也进一步表明了数据仓库中数据二维关系的确立,为数据的多维查询和描述提供了有效参考。
雪花模式也是OLAP数据模型的重要体现。
在OLAP关系数据库中的雪花模式下,企业的决策人员和管理人员不再需要从多层次,多角度进行数据分析,而是从多维表的数据描述中得出数据的数据集构造。
如在商品销售中,按照商品产地,商品种类和用途等将商品进行不同种类的划分,这就会使得OLAP星型数据结构的顶端出现分支,进而演变成为关系数据库的雪花模式。
OLAP技术的雪花模式数据模型能够利用多张维表表示维层次复杂且成员类型较多的数据集,并且数据在存储时也要借助实施表和维表的联结才能实现,雪花模式下OLAP技术与数据仓库的结合使得维表形式更为规范化,这也为OLAP技术今后的探究与发展指明了方向。
5 结束语随着我国社会企业竞争的日趋激烈,企业中决策人员的数据信息获取能力成为了影响企业发展的关键,也成为了企业竞争与发展的根本,OLAP技术和数据仓库的应用,为企业的数据处理提供了多维的数据分析方式,此外,OLAP技术的应用也为数据用户提供了便捷的数据查询途径。
在计算机技术发展的推动下,我国基于数据仓库的OLAP技术将会更加灵活,数据分析与处理水平也会得到显著提高,随着我国对数据分析与处理研究的深入,OLAP技术将会受到更为广泛的应用。
【参考文献】[1]王珊,等.数据仓库技术与联机分析处理[M].北京科学出版社,2010,12(8):35-56.[2]陈京民.数据仓库与数据挖掘技术[M].北京电子工业出版社,2009,20-39.[3]刘义,常戈.基于关系数据库OLAP技术的研究[J].计算机工程与实际应用,2013,20(16):25-40.。