数据仓库OLAP技术
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。
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
数据仓库与OLAP技术
数据挖掘
数据集市类型
按照数据获取来源： 独立型：直接从操作型环境获取数据; 从属型：从企业级数据仓库获取数据;
数据挖掘
建设途径
从 全局数据仓库 到 数据集市 从 数据集市 到 全局数据仓库
数据挖掘
数据粒度
粒度是指数据仓库的数据单位中保存数据的细 化或综合程度的级别;
粒度影响存放在数据仓库中的数据量的大小;同 时影响数据仓库所能回答查询问题的细节程度; 是设计数据仓库的一个最重要方面;
粒度可以分为两种形式： 按时问段综合数据的粒度 按采样率高低划分的样本数据库;
数据挖掘
粒度的一个例子
小的时间段粒度统计而成的数据;其数据量较细节及 数据少得多 当前细节级：存储最近时期的业务数据;反映当前业 务的情况;数据量大;是数据仓库用户最感兴趣的部 分 早期细节级：存储过去的详细数据;反映真实的历史 情况;这类数据随着时间增加;数据量很大;使用频率 低;一般存储在转换介质如磁带中
数据挖掘
2 3 数据组织结构和形式
分割问题的焦点不是该不该分割而是如何去分 割的问题;
数据挖掘
数据分割
一般在进行实际的分析处理时;对于存在某种相关性的 数据集合的分析是最常见的;如对某时间或某时段的数 据的分析;对某一地区的数据的分析；对特定业务领域 的数据的分析等;将其有这种相关性的数据组织在一起; 就会提高效率;
数据挖掘
数据分割的好处
数据挖掘
面向主题
主题Subject：特定的数据分析领域与目标; 面向主题：为特定的数据分析领域提供数据支持; 主题是一个抽象的概念;是在较高层次上将企业信息系
BI、数据仓库、OLTP、OLAP
BI、数据仓库、OLTP、OLAP⼀、BI 商业智能（Business Intelligence，简称：BI），⼜称商业智慧或商务智能，指⽤现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进⾏数据分析以实现商业价值。
商业智能的概念在1996年最早由加特纳集团（Gartner Group）提出，加特纳集团将商业智能定义为：商业智能描述了⼀系列的概念和⽅法，通过应⽤基于事实的⽀持系统来辅助商业决策的制定。
商业智能技术提供使企业迅速分析数据的技术和⽅法，包括收集、管理和分析数据，将这些数据转化为有⽤的信息，然后分发到企业各处。
⼆、数据仓库 Data Warehouse，可简写为DW或DWH。
数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据⽀持的战略集合。
它是单个数据存储，出于分析性报告和决策⽀持⽬的⽽创建。
为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。
数据仓库是⾯向主题的；操作型数据库的数据组织⾯向事务处理任务，⽽数据仓库中的数据是按照⼀定的主题域进⾏组织。
主题是指⽤户使⽤数据仓库进⾏决策时所关⼼的重点⽅⾯，⼀个主题通常与多个操作型信息系统相关。
数据仓库是集成的，数据仓库的数据有来⾃于分散的操作型数据，将所需数据从原来的数据中抽取出来，进⾏加⼯与集成，统⼀与综合之后才能进⼊数据仓库 概括来说，数据仓库系统是指具有综合企业数据的能⼒，能够对⼤量企业数据进⾏快速和准确分析，辅助做出更好的商业决策的系统。
它本⾝包括三部分内容：1、数据层：实现对企业操作数据的抽取、转换、清洗和汇总，形成信息数据，并存储在企业级的中⼼信息数据库中。
2、应⽤层：通过联机分析处理，甚⾄是数据挖掘等应⽤处理，实现对信息数据的分析。
3、表现层：通过前台分析⼯具，将查询报表、统计分析、多维联机分析和数据发掘的结论展现在⽤户⾯前。
从应⽤⾓度来说，数据仓库系统除了联机分析处理外，还可以采⽤传统的报表，或者采⽤数理统计和⼈⼯智能等数据挖掘⼿段，涵盖的范围更⼴；就应⽤范围⽽⾔，联机分析处理往往根据⽤户分析的主题进⾏应⽤分割，例如：销售分析、市场推⼴分析、客户利润率分析等等，每⼀个分析的主题形成⼀个OLAP应⽤，⽽所有的OLAP应⽤实际上只是数据仓库系统的⼀部分。
Chapter 3. 数据仓库与OLAP技术概述-20110922
— 第3章 —
数据仓库与OLAP概述
1
第3章 数据仓库与OLAP技术概述
什么是数据仓库? 多维数据模型 数据仓库系统结构 数据仓库实现 从数据仓库到数据挖掘
2
ห้องสมุดไป่ตู้
数据仓库的发展
IBM: 在其 在其DB2UDB发布一年后的 发布一年后的1998年9月发布 月发布5.2 发布一年后的 年 月发布 并于1998年12月推向中国市场，除了用于 月推向中国市场， 版，并于 年 月推向中国市场 除了用于OLAP 联机分析处理）的后台服务器DB2 OLAP Server外， （联机分析处理）的后台服务器 外 IBM还提供了一系列相关的产品，包括前端工具，形成 还提供了一系列相关的产品， 还提供了一系列相关的产品 包括前端工具， 一整套解决方案。 一整套解决方案。 Informix公司 在其动态服务器 公司: 在其动态服务器IDS（Informix 公司 （ Dynamic Server）中提供一系列相关选件，如高级决 ）中提供一系列相关选件， 策支持选件（ 策支持选件（Advanced Decision Support Option）、 ）、OLAP选件（MetaCube ROLAP 选件（ ）、 选件 Option）、扩展并行选件（Extended Parallel ）、扩展并行选件 ）、扩展并行选件（ Option）等，这种体系结构严谨、管理方便、索引机 这种体系结构严谨、管理方便、 ） 制完善，并行处理的效率更高， 制完善，并行处理的效率更高，其中数据仓库和数据库 查询的SQL语句的一致性使得用户开发更加简便。 语句的一致性使得用户开发更加简便。 查询的 语句的一致性使得用户开发更加简便
分析型处理
分析型处理：用于管理人员的决策分析，例如 分析型处理：用于管理人员的决策分析，例如DSS、 、 EIS、和多维分析等。它帮助决策者分析数据以察看趋 、和多维分析等。 判断问题。分析型处理经常要访问大量的历史数据， 向、判断问题。分析型处理经常要访问大量的历史数据， 支持复杂的查询。在分析型处理中， 支持复杂的查询。在分析型处理中，并不是对从事务型 中得到的细节数据进行分析。 处理环境 中得到的细节数据进行分析。细节数据量太 会严重影响分析的效率， 大，会严重影响分析的效率，而且太多的细节数据不利 于分析人员将注意力集中于有用的信息。 于分析人员将注意力集中于有用的信息。分析型处理过 程中经常用到外部数据， 程中经常用到外部数据，这部分数据不是由事务型处理 系统产生的，而是来自于其他外部数据源。 系统产生的，而是来自于其他外部数据源。
数据仓库设计与建模的OLAP与OLTP系统差异(七)
数据仓库设计与建模的OLAP与OLTP系统差异前言在当今信息时代，数据成为了企业和组织的重要资产之一。
为了更好地管理和利用这些海量的数据，数据仓库设计与建模成为非常重要的技术。
而在数据仓库设计与建模中，OLAP（On-Line Analytical Processing）和OLTP（On-Line Transaction Processing）系统是两种常用的应用模式。
本文将从不同角度来探讨OLAP与OLTP系统的差异，并分析其特点与适用场景。
一、概念简介1. OLAP系统OLAP系统是指在线分析处理系统，在数据仓库中被广泛应用于决策支持和业务分析。
它通过多维数据分析的方式，提供灵活的查询和报表功能，帮助用户更好地了解和分析企业的经营情况和趋势。
2. OLTP系统OLTP系统是指在线事务处理系统，用于支持日常的交易和业务操作。
它注重高并发、高效率的数据处理能力，通过实时的事务处理，记录和管理企业的日常业务数据。
二、差异点辨析1. 数据处理方式OLAP系统主要通过批量处理的方式对数据进行分析，常常需要对大批量的历史数据进行全面的统计，以揭示潜在的商业认识。
相对而言，OLTP系统更注重实时的数据处理，对每一笔交易都进行记录和处理。
2. 数据查询与报表需求OLAP系统提供灵活的查询和报表功能，可以根据不同维度（如时间、地域、产品等）对数据进行透视和分析。
而OLTP系统则更依赖于事务处理，主要用于日常的数据录入、修改和查询。
3. 数据设计方式在数据设计方面，OLAP系统更关注数据的冗余和维度的设计。
它通过多维数据模型（如星型模型和雪花模型）来实现数据的高效查询和分析。
OLTP系统则更注重数据的一致性和可靠性，往往采用规范化的数据模型设计。
4. 用户需求和访问模式OLAP系统的用户主要是决策者和分析师，他们对数据进行复杂的分析和决策支持。
而OLTP系统的用户主要是日常的业务操作人员，他们更关注数据的录入和处理。
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。
数据仓库架构中的OLAP技术在大数据分析中的应用与效果评估
数据仓库架构中的OLAP技术在大数据分析中的应用与效果评估在大数据时代，数据分析变得越来越重要，尤其是对于企业来说，良好的数据分析可以帮助企业发现潜在的商业机会、优化运营策略以及制定精确的业务决策。
数据仓库架构中的在线分析处理（OLAP）技术在大数据分析中发挥着重要的作用，并且在应用过程中取得了显著的效果。
首先，数据仓库架构中的OLAP技术能够提供实时、多维度的分析。
大数据时代的数据量巨大且复杂，传统的关系型数据库已经无法满足对这些数据进行高效分析的需求。
而OLAP技术通过对数据进行多维度的切片、透视、切块等操作，使得用户可以迅速地从各个角度深入分析数据。
这种多维分析的能力不仅能够帮助企业发现数据之间的潜在关联，还能够帮助企业进行趋势分析、模式识别等。
其次，数据仓库架构中的OLAP技术具有高度可扩展性。
在大数据分析中，数据量的增长速度极快，传统的数据库系统可能会面临存储容量不足、性能下降等问题。
而OLAP技术采用的多维数据存储结构以及预处理技术，使得数据的查询和分析可以在多个维度上进行，并且能够通过添加更多的服务器来实现系统的扩展。
这种高度可扩展性使得企业可以更好地应对日益增长的数据量，保证分析的准确性和效率。
此外，数据仓库架构中的OLAP技术能够提供自助式分析。
在传统的数据分析中，数据科学家或者分析师需要依赖技术团队提供的报表、图表等分析结果来支持业务决策。
而OLAP技术使得数据分析变得更加自主，用户可以通过可视化的界面进行数据的探索和分析，不再需要依赖专业知识。
这种自助式分析的能力不仅提高了业务用户的工作效率，还可以促进数据驱动决策的普及，推动企业的创新和发展。
当然，要评估数据仓库架构中的OLAP技术在大数据分析中的效果，需要综合考虑多方面的因素。
首先是数据的准确性和完整性。
大数据分析的结果直接依赖于输入的数据质量，如果数据质量不好，无论采用任何技术都不可能得到准确的结果。
因此，在应用OLAP技术之前，需要确保数据源的质量可靠，可以通过数据清洗、数据归一化等方法来提高数据的准确性和完整性。
- 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)。
2020/11/21
数据仓库OLAP技术
OLAP技术简介
OLAP的多维数据结构
❖ 超立方体结构：超立方结构指用三维或更多的维数来描述一个对象,每个维彼此垂直。数据 的测量值发生在维的交叉点上,数据空间的各个部分都有相同的维属性。
❖ 多立方体结构：即将超立方结构变为子立方结构。面向某一特定应用对维进行分割, 它具 有很强的灵活性,提高了数据（特别是稀疏数据）的分析效率。
"Dimension Table"
Product Table
Product_id Product_Desc
Brand Size
"Dimension Table"
PPT文档演模板
Sales Table
Time_id Product_id Market_id Scenario
Market Table
Market_id Market_Desc
n ROLAP（Relational OnLine Analytical Processing ） ：数据存放于关系型数据库 中，用户的多维查询请求由ROLAP引擎处理为SQL查询，结果以多维方式呈现。 oracle
n HOLAP（Hybrid online analytical processing ）： MOLAP与ROLAP的结合形式， 兼具MOLAP的查询效率高和ROLAP的存储效率高的优点，预存储
❖ OLAP的目标：满足决策支持或多维环境特定的查询和报表需求，它的技术核心是 “维”这个概念，因此OLAP也可以说是多维数据分析工具的集合
PPT文档演模板
2020/11/21
数据仓库OLAP技术
OLAP技术简介
OLAP的相关基本概念
❖ 维（ Dimension ）：是人们观察数据的特定角度，是考虑问题时的一类属性，属性集合构 成一个维（时间维、地理维等） 。
❖ 维的层次（ Generation，Level ）：人们观察数据的某个特定角度（即某个维）还可以存 在细节程度不同的各个描述方面（时间维：日期、月份、季度、年） 。
❖ 维的成员（ Member ）：维的一个取值。是数据项在某维中位置的描述。（“某年某月某 日”是在时间维上位置的描述）
❖ 多维数组：维和变量的组合表示。一个多维数组可以表示为：（维1，维2，……，维n，变 量）。（时间，地区，漫游类型，通话费）
MOLAP的优势：
❖ 性能好、响应速度快。
❖ 专为OLAP所设计。
❖ 支持高性能的决策支持计算。
PPT文档演模板
2020/11/21
数据仓库OLAP技术
OLAP技术简介
OLAP分类（五）
ROLAP的缺点：
❖ 比MOLAP响应速度相差极远。 ❖ 不支持有关预计算的读写操作。 ❖ SQL无法完成部分计算。
PPT文档演模板
2020/11/21
数据仓库OLAP技术
OLAP技术简介
OLAP分类（一）
按照存储类型，OLAP可以分为以下三种类型：
n MOLAP（Multidimensional OnLine Analytical Processing ） ：数据以多维方式 存储，每一个数据单元（Cell）都可以通过维度的定位直接访问。 db2
1993年，E.F.Codd提出了OLAP（OnLine Analytical Processing联机分析处理）概念，认为 OLTP已不能满足终端用户对数据库查询分析的需要，SQL对大型数据库进行的简单查询也 不能满足终端用户分析的要求。用户的决策分析需要对关系数据库进行大量计算才能得到 结果，而查询的结果并不能满足决策者提出的需求。因此，E.F.Codd提出了多维数据库和多 维分析的概念，即OLAP。
n 穿透：是指从多维数据库向关系型数据库读取明细数据
PPT文档演模板
2020/11/21
数据仓库OLAP技术
OLAP技术简介
OLAP的多维数据分析方法简介（二）：钻取
考察一个特定的维 §时间维，包括每一个地区漫游业务量 §钻取到下面的层次来考察详细情况
PPT文档演模板
地 区
时间 2020/11/21
❖ 数据单元（ Cell ）：多维数组的取值。（2000年1月1日，上海，国际漫游，通话费XXXX 元）
PPT文档演模板
2020/11/21
数据仓库OLAP技术
OLAP技术简介
OLAP的基本特征
❖ 快速性：用户对OLAP的快速反应能力有很高的要求。系统对用户的大部分分析要求的响应 速度应该为秒级。
2003年 2003年1月 2003年1月1日 2003年1月2日 2003年1月3日 2003年2月
数据仓库OLAP技术
OLAP技术简介 OLAP的多维数据分析方法简介（二）：旋转
按照不同的顺序组合维，对数据进行考察
地 区
时间
漫 游
地区
PPT文档演模板
2020/11/21
数据仓库OLAP技术
OLAP技术简介 OLAP的多维数据分析方法简介（三）：切片、切 块
数据仓库OLAP技术
OLAP技术简介
OLAP分类（八）
MOLr
RDBMS
Integration Server
SQL Result Set
Load
Info. Request MOLAP Server
Front-end Tool
Info. Request Result Set
OLAP分类（二）
ROLAP存储模式：ROLAP数据以星型模式（Star Schema）或雪花型模式存储： ❖ 事实表：用来存储事实的度量值和各个维的码值。 。
❖ 维表：用来存放维的元数据（维的层次、成员类别等描述信息） 。
Period Table
Time_id Period_Desc Quarter Year
Distric Rt egio n
"Dimension Table"
Dollars Units Discount%
"Fact Table"
Scenario Table
Scenario Actual
2020/11/21
Profit
"Dimension Table"
数据仓库OLAP技术
OLAP技术简介
数据仓库OLAP技术
OLAP技术简介
OLAP分类的评价标准
❖ OLAP模型必须提供多维概念模型。 ❖ 透明性准则，存储无法清除。 ❖ 存取能力准则。 ❖ 稳定的报表性能 ❖ 客户/服务器体系结构 ❖ 维的等同性准则，按照维度存储 ❖ 动态稀疏矩阵处理准则：dense,sparse ❖ 多用户支持能力准则,并行 ❖ 非受限的跨维操作，多cube,多数据库的关联查询 ❖ 灵活的报表生成 ❖ 非受限的维与维的层次
region
Product Mgr. View
SALES
TIME
TIme Mgr. View
PPT文档演模板
2020/11/21
Regional Mgr. View
Ad Hoc View
数据仓库OLAP技术
OLAP技术简介 OLAP的多维数据分析方法简介（四）：穿透
关系型数据库
PPT文档演模板
2020/11/21
PPT文档演模板
2020/11/21
数据仓库OLAP技术
ROLAP Server SQL
Result Set
Metadata Request Processing
Info. Request
Front-end Tool
Result Set
ROALP Architecture
PPT文档演模板
2020/11/21
数据仓库OLAP技术
OLAP技术简介
OLAP分类（七）
PPT文档演模板
2020/11/21
数据仓库OLAP技术
OLAP技术简介
OLAP分类（三）
MOLAP的逻辑存储模型：
❖ 以多维立方体和预计算来存储，实际数据的稀疏分布以及预计算是导致MOLAP空 间急剧膨胀的主要因素。
PPT文档演模板
X
X
X
X
X
2020/11/21
数据仓库OLAP技术
OLAP技术简介
PPT文档演模板
2020/11/21
数据仓库OLAP技术
OLAP技术简介
发展背景（二）
从数据角度看，OLTP系统与OLAP系统的主要差异如下：
OLTP数据 原始数据 细节性数据 当前值数据 可更新 一次处理的数据量小 面向应用，事务驱动 面向操作人员，支持日常操作
OLAP数据 导出数据 综合性和提炼性数据 历史数据 不可更新，但周期性刷新 一次处理的数据量大 面向分析，分析驱动 面向决策人员，支持管理需要
❖ 可分析性：OLAP系统能处理与应用有关的任何逻辑分析和统计分析。 ❖ 多维性：多维性是OLAP的关键属性。系统提供对数据的多维视图和分析,包括对层次维和
多重层次维的完全支持。 ❖ 信息性：不论数据量有多大，也不管数据存储在何处，OLAP系统应能及时获得信息，并且
具有管理大容量信息的能力
PPT文档演模板
OLAP分类（四）
ROLAP的优势：
❖ 没有大小限制。（因为Star Schema本身不需要额外的存储空间） 。 ❖ 现有的关系数据库的技术可以沿用。 ❖ 可以通过SQL实现详细数据与概要数据的存储。 ❖ 现有关系型数据库已经对OLAP做了很多优化，包括并行存储、并行查询、并行数据管理、
基于成本的查询优化、位图索引、SQL 的OLAP扩展（cube，rollup）等大大提高ROALP的 速度
Hybrid Architecture