4联机分析处理(NEW)精品PPT课件
第13章_联机分析处理(OLAP)技术-完成
销售员维
日期 顾客代码 制造商代码 销售员代码 产品代码 销售额
产品代码 产品维表
制 造 商 代 码
制造商维表
图13.3 星型模式示例
13.2 多维数据模型
13.2.1 基本概念
雪片模式就是对维表按层次进一步细化 后形成的。如图13.4，在 “星型” 维表的 角上又出现了分支，这样变形的星型模式 被称为“雪片模式”(Snow Flake Schema)。
13.2 多维数据模型
13.2.1 基本概念
星型模式通常由一个中心表（事实表）和一组 维表组成。
顾客维 时间维 销售事实表 销售员维 产品维 制造商维
图13.2星型模式
13.2 多维数据模型
13.2.1 基本概念
星型模式的 事实表与所有的 维表相连，而每 一个维表只与事 实表相连。维表 与事实表的连接 是通过码来体现 的，如图13.3所 示。
13.3 OLAP的实现
13.3.1 MOLAP结构
多维存取
DB MOLAP 服务器
用 户
DW
多维视图 多维数据库
图13.8 MOLAP结构的系统环境
13.3 OLAP的实现
13.3.1 MOLAP结构
MOLAP如何以多维立方体Cube来组织数据的 呢？前面我们已经讲解了多维立方体Cube的数据 单元可以表示为：（维1维成员，维2维成员 ，··， · 维n维成员，度量值）。多维数组只存储Cube的 度量值，维值由数组的下标隐式给出。关系表则 维值和度量值都存储。
13.Байду номын сангаас 多维数据模型
13.2.1 基本概念
多维立方体(Cube) 多维数据模型的数据结构可以用这样来一个多 维数组来表示：(维1，维2，·· ·,维n，度量值)，例 如：图13.1所示的电器商品销售数据是按时间、 地区、商品，加上变量“销售额”组成的一个三 维数组：(地区，时间，商品，销售额)。三维数 组可以用一个立方体来直观的表示。一般地多维 数组用多维立方体CUBE来表示。多维立方体 CUBE也称为超立方体。
联机分析处理
联机分析处理简介联机分析处理，英文名称为On-Line Analysis Processing，简写为OLAP。
随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合，关系数据库系统已不能全部满足这一要求。
操作型应用和分析型应用，特别是在性能上难以两全，人们常常在关系数据库中放宽了对冗余的限制，引入了统计及综合数据，但这些统计综合数据的应用逻辑是分散而杂乱的、非系统化的，因此分析功能有限，不灵活，维护困难。
在国外，不少软件厂商采取了发展其前端产品来弥补关系数据库管理系统支持的不足，他们通过专门的数据综合引擎，辅之以更加直观的数据访问界面，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。
1993年，E.F.Codd（关系数据库之父）将这类技术定义为“联机分析处理”。
作用联机分析处理是共享多维信息的、针对特定问题的联机数据访问和分析的快速软件技术。
它通过对信息的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。
决策数据是多维数据，多维数据就是决策的主要内容。
OLAP专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况，了解对象的需求，制定正确的方案。
联机分析处理具有灵活的分析功能、直观的数据操作和分析结果可视化表示等突出优点，从而使用户对基于大量复杂数据的分析变得轻松而高效，以利于迅速做出正确判断。
它可用于证实人们提出的复杂的假设，其结果是以图形或者表格的形式来表示的对信息的总结。
第4章 联机分析处理概述及模型
2015-4-20
39
3. 事实群模型
在某些复杂应用中，可能需要多个事实表来共享维
表，这种模型类似于星形模型的集合，被称之为星
系模型或事实群模型。 销售事实表和货运事实表共享时间维、产品维和地 区维举例。
2015-4-20
40
3. 事实群模型（续）
2015-4-20
41
4.3 多维分析操作
常见的度量有：销售量、供应量、营业额等。
通常是具体数据值。
城市
北京 长沙 武汉 广州 上海 果汁 可乐 毛巾 浴巾 牛奶 2015-4-20
究竟想了解什么？
商品
1 2
3
4
21
日期
2. 度量（续）
2015-4-20
22
3. 数据立方体
多维数据模型构成的多维数据空间称作为数据立方 体（Data Cube，简记为cube）。
2015-4-20
13
1. 维（续）
维成员（member） 维由一些维成员构成。维的一个取值称为维的一个
成员。如果维已经分成了若干个维层次，那么维成
员就是不同维层次取值的组合。
城市
北京 长沙 武汉 广州 上海 果汁 可乐 毛巾 浴巾 牛奶 2015-4-20
商品、城市、日期维 工业 国家 年
多维数据模型是一个多维空间。 核心概念主要涉及：维、维成员、维层次、度量等。
2015-4-20
12
1. 维
维是人们观察数据的特定角度，是每个事物的属性。 如：在分析产品销售数据时，需要知道在什么时候？
什么地区？销售什么产品？就涉及到观察的时间、
地区、产品三个角度。 维是商业活动中的一个基本要素。 每个维都有一个唯一的名字，如：时间维、地区维、 产品维等。
第4章联机分析处理(OLAP)new精品PPT课件
– 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 得指导性的信息，并且管理大容量信息。
2 OLAP多维数据结构
2.1 两种OLAP多维数据结构
• 超立方结构(Hypercube)
– 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。
– 以多维数据组织方式为核心,也就是说, MOLAP使用多维 数组存储数据。
– 多维数据在存储中将形成“立方块（Cube）”的结构, 在 MOLAP 中 对 “ 立 方 块 ” 的 “ 旋 转 ” 、 “ 切 块 ” 、 “切片”是产生多维数据报表的主要技术。
4 OLAP分类 4.3 MOLAP
4 OLAP分类 4.3 MOLAP
（维度1，维度2，…，维成员Vi，…，维度n，度量） 为多维数组在维度i上的切片（Vi表示维度i的维成员）
– 定义1中，一次切片一定使原来维数减1，因此所得切片结果并不 一定是二维的“平面”，切片结果维数取决于原来的多维数组的 维数。这个定义不够通俗，还有另外一个定义
– 定义2：选定多维数组中两个维：维i和维j，在这两个维上取一区 间或者任意的维成员，而将其他维都分别取定一个维成员的动作， 称为多维数组在维i和维j上的一个切片。
员类别等维的描述信息。 • 维表和事实表通过主关键字和外关键字联系在一起,形成了“星
型模式”。对于层次复杂的维,为避免冗余数据占用过大的存储 空间,可以使用多个表来描述,这种星型模式的扩展称为“雪花模 式”。 • 星座模型和雪暴模型：有多个事实表的星型模型和雪花模型
4 OLAP分类 4.2 ROLAP
1 OLAP定义和特性
第4章：联机分析处理技术
{(city,item,date),(city,item),(city,date), (item,date),(city),(item),(date),all } all 表示不对任何维分组，这组形成了该数据立方体的方 体格
OLAP概述
OLAP的基本概念
数据单元
在多维数据集中每个维都选定一个维成员后，这些维成员的组 合就唯一确定了一个数据单元
多维数据集的度量值
在多维数据集中有一组度量值，这些值是基于多维数据集中事 实表的一列或多列数字
度量值是多维数据集的核心值，是最终用户在数据仓库应用中 所需要查看的数据
OLAP是独立于数据仓库的为数
据仓库，数据仓库的大量数据是根据多维方式组 织的。
OLAP概述
OLAP的由来
Codd提出了多维数据库和多维分析的概念，即联机分析处 理
OLAP的定义
OLAP是一种软件技术，它使分析人员能够迅速、一致、交 互地从各个方面观察信息，以达到深入理解数据的目的。这 些信息是从原始数据转换过来的，按照用户的理解，它反映 了企业真实的方方面面。（ OLAP理事会）
维的一个取值称为该维的一个维成员 是数据项在某维中位置的描述 如“2012年9月10日”是在时间维上位置的描述
OLAP概述
OLAP的基本概念
多维数据集
是决策支持的支柱 OLAP的核心 又称立方体或超立方体 三维数据可以利用三维坐标建立立方体进行表示 超三维数据可以利用一个多维表来进行显示
对OLTP数据库中的数据进行再加工，形成一个综合的、面 向分析的、更好的支持决策制定的决策支持系统（DSS）
数据仓库系列-联机分析处理 第四讲
LOGO
• 另一方面，能够随时监控数据仓库有许多方面的 原因，包括：
• A.决定是否对数据进行重组。 • B.决定索引结构的有效性。 • C.决定数据仓库中的数据是否溢出。 • D.决定数据的统计组成。 • E.决定剩余可用空间。
LOGO
• 如果某项技术不能高效和方便地监视数据，则这种技 • 术不适用于元数据管理。
3.企业级数据集市结构
LOGO
• 尽管自底向上结构也存在许多缺点，但它基于数据集市 构建数据仓库的由小到大，由部分到整体的思想给后来者 很大的启发。
LOGO
2.1.3 数据仓库的技术要求
• 1.数据管理技术
• （1）大批量数据管理
• 在数据仓库的所有技术中最重要的是管理大批 量数据技术。如果不能管理大批量数据，那么 数据仓库的创建与使用是不可能的。管理大批 量数据包括管理大批量数据能力和管理好大批 量数据的能力，即管理大批量数据技术要求管 理能力的满足和管理的高效率两方面要求。
据仓库的复杂查询、决策分析和知识的挖掘等功能。
•
LOGO
• （2）数据仓库的管理层包含数据管理与元数据管 理两部分。数据管理与元数据管理主要负责对数 据仓库中的数据抽取、清理、加载、更新与刷新 等操作进行管理。
LOGO
• （3）数据仓库环境支持层主要包含数据传输和数 据仓库基础两大部分。这两大部分对于数据仓库 的创建和使用来说是必不可少的，没有这两个数 据仓库的支持环境，数据仓库的创建与使用是无 法实现的。
LOGO
2. 数据存储技术
• 数据的存储技术包含多介质存储设备的管理 技术，数据存储的控制技术，数据的并行存储 与管理技术，可变长技术和锁切换技术等。
LOGO
3. 数据仓库接口技术
管理学第三章数据仓库-联机分析处理课件
维数组，是多维数据的表达方式。
（维1，维2，…，维n，变量） 单元格：多维数组的取例:（值南称京,为一季单度元,计算格机（,82数5）据单
元)，可表示为
（维1维成员，…，维n维成员，变量值）
5
SQL Server 的Analysis 三种多维数据存 储方式:
Q3 1034 1034 45 1002 940 759 58 728 812 1023 30 501
Q4 1142 1090 54 984 978 864 59 784 927 1038 38 580
23
3-D数据立方体表示：维是时间、类型、地区；度量为万元
地区
上海 1087 968 38 872
北京 818 746 43 591
南京
Q1 605 825 14 400
Q2 680 952 31 512
时间
Q3 812 1023 30 501
Q4 927 1038 38 580
计算机
安全
家庭娱乐
电话
类型
24
3.3.1 数据立方体
－由表到数据立方体
假定我们想从四维的角度观察销售数据，再附 加一维供应商。 观察4-D事物变得麻烦，可把4-D立方体看成3D立方体的序列：
3.旋转
改变一个页面显示的维方向的操作称为旋转 （或转轴）。
32
广州 城 上海 市 北京
南京 605 825 14 400
【例3】类型和地区在一 个2-D切片上转动。
计算机 安全 家庭娱乐 电话
类型
旋转
类型
家庭娱乐 计算机 电话
安全
上海
605
825 14
数据仓库和联机分析处理30页word文档
第一章数据仓库和联机分析处理（OLAP）概述1.1 数据仓库的概念及其特点“什么是数据仓库？”这恐怕是每一个刚刚开始接触数据仓库的技术人员都会提出的一个问题。
有人认为数据仓库就是一个大的数据库，也有人认为数据仓库是一项数据管理和分析的技术。
这些定义都从一定的侧面反映了数据仓库的概念，但并不全面。
目前，业界公认的数据仓库定义是由数据仓库之父W.H.Inmon在《Building the Data Warehouse》[7]一书中给出：“数据仓库是面向主题的、集成的、随时间变化的、稳定的数据集合，用以支持管理中的决策制定过程。
”正如Inmon所描述的，数据仓库具有如下特点[6,7]：(1) 数据仓库的数据是面向主题的与传统数据库面向应用进行数据组织的特点相对应，数据仓库中的数据是面向主题进行组织的。
所谓主题，是指在较高层次上将企业信息系统中的数据综合、归类并进行分析利用的抽象。
在逻辑意义上，它是对应企业中某一宏观分析领域所涉及的分析对象。
(2) 数据仓库的数据是集成的建立数据仓库的主要目的就是为用户提供易于访问的商业信息。
为了减少用户查询的响应时间，应该把数据从数据源中提取出来，放到数据仓库中去。
在数据进入数据仓库之前，必须经过加工和集成，使原始数据结构做一个从面向应用到面向主题的大转变。
(3) 数据仓库的数据是不可更新的数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一般情况下并不进行修改操作。
数据仓库的数据不可更新使得数据仓库管理系统DWMS相比数据库管理系统DBMS而言要简单得多，同时也使我们可以对数据仓库进行最大限度的性能优化。
(4) 数据仓库的数据是随时间不断变化的数据仓库中的数据不可更新是针对应用来说的，也就是说，数据仓库的用户进行分析处理时是不进行更新操作的。
但并不是说，在从数据集成输入数据仓库开始到最终被删除的整个数据生存周期中，所有的数据仓库数据都是永远不变的。