多维数据分析基础与方法..

3
2.1 多维数据分析基础
4
2.1 多维数据分析基础
度量值（Measure）


• •
度量值是一组值，是客户发生事件或动作的事实 记录。 如：
客户打电话，记录次数和费用等； 超市客户销售，记录销售数量、金额等等。

度量值所在的表称为事实数据表，常规多维数据 集的结构中只能有一个事实数据表。
5
43/38
2.6常用的客户端分析工具
Excel选择数据源
44/38
2.6常用的客户端分析工具
Excel连接数据库服务器
45/38
2.6常用的客户端分析工具
Excel选择数据库和表
46/38
2.6常用的客户端分析工具


维的一个取值称为该维的一个维度成员（简称维 成员）。 例如，考虑时间维具有日、月、年这3个级别， 分别在日、月、年上各取一个值组合起来，就得 到了时间维的一个维成员，即“某年某月某日”。
7
2.1 多维数据分析基础
维度的层次结构

• •
定义
层次结构是维度中成员的集合以及这些成员之间的相 对位置。 如，地址维：洲、国家、城市、区、街道、门牌号
2.1 多维数据分析基础
维度（Dimension）


维度（也简称为维）是人们观察数据的角度。 例如，时间维，地区维等。 包含维度信息的表是维度表，维度表包含描述事 实数据表中的事实记录的特性。 描述维度的字段称为维度属性
6
2.1 多维数据分析基础
维度成员（Dimension Member）
多维分析方法
方法
• 上卷 • 下钻 • 切片 • 切块 • 旋转
目的
• 从多个角度、多个侧面观察数据库中的数据。
11
2.2 多维数据分析方法
上卷（Roll-Up）
在数据立方体中执行聚集操作，通过在维级别中上 升来观察更概括的数据。
沿着时间维上 卷，由“季度” 上升到半年
12
2.2 多维数据分析方法
出版社维度表
24
2.4 多维数据的存储方式
SQL Server 的Analysis 三种多维数据存储方 式:
MOLAP（多维OLAP，Multidimensional OLAP） ROLAP（关系OLAP，Relational OLAP） HOLAP（混合OLAP，Hybrid OLAP）
SQL Server Business Intelligence Development Studio
34/38
2.5.1 SQL Server Analysis Services
SSIS、SSAS、SSRS
文件-> 项目
35/38
2.5.1 SQL Server Analysis Services
42/38
2.6常用的客户端分析工具
Excel
可以连接到分析服务器的功能 可以脱机方式分析数据。 Excel可以使用数据透视表服务连接任何的ODBC 数据源，然后产生一个多维数据集文件，模拟 OLAP服务的多维数据分析。 还可以帮助用户绘制统计图表，从而更直观地展示 多维数据分析的结果。
上卷
通过消除一个或多个维来观察更加概况的数据。
消除“经济 性质”维度
13
2.2 多维数据分析方法
下钻（drill-down）
通过在维级别中下降或通过引入某个或某些维来更细致 的观察数据。
沿时间维 下钻
14
2.2 多维数据分析方法
切片（slice）
在给定的数据立方体的一个维上进行的选择操作。切片的 结果是得到了一个二维的平面数据。
• 以海量数据为基础的复杂数据分析技术，侧重决策 支持。
与OLTP的区别
• 面向对象不同 • 操作不同
2
2.1 多维数据分析基础
多维数据集（Cube）
概念
• 是一个数据集合，通常从数据仓库的子集 构造，并组织和汇总成一个由一组维度和 度量值定义的多维结构。
特性
• 多维，也称作立方体（Cube） • 提供一种便于使用的查询数据的机制。

• •
类型
均衡层次结构
– 层次结构的所有分支都降至同一级别，每个成员的逻辑父代就 是其上级成员。 层次结构的所有分支都降至不同级别，每个成员的逻辑父代就 是其上级成员。如CEO/部门经理（/员工）、执行秘书
不均衡层次结构
–
•
不规则层次结构
8
2.1 多维数据分析基础
维的级别（Dimension Level）
Management Studio(数据管理) Analysis Services（分析服务）
IBM公司的DB2 OLAP Server （OLAP服务器）。
30/38
2.5.1 SQL Server Analysis Services
组件
SQL Server Integration Services(SSIS) SQL Server Analysis Services(SSAS) SQL Server Reporting Services(SSRS)
第2章 多维数据分析基础与方法
2.1多维数据分析基础 2.2多维数据分析方法 2.3维度表与事实表的连接 2.4多维数据的存储方式 2.5常用的服务器端分析工具 2.6常用的客户端分析工具 2.7 各种工具的准备和安装 小结
1
2.1 多维数据分析基础
多维数据分析（OLAP）
概念：
SQL Server Management Studio
36/38
2.5.1 SQL Server Analysis Services
连接服务
37/38
2.5.1 SQL Server Analysis Services
分析服务的特点
易用性； 灵活的数据存储模型； 伸缩性； 集成； 支持大量的API和函数； 分布式处理能力； 服务器端结构的高速缓存。
27
2.4 多维数据的存储方式
HOLAP
ROLAP与MOLAP存储方式的结合。 原始数据和ROLAP一样存储在原来的关系数据库 中，而聚合数据则以多维的形式存储分析服务器。 优点： • 既能与关系数据库建立连接，同时又利用了多 维数据库的性能优势。 缺点 • 是在ROLAP和MOLAP系统之间的切换会影响 它的效率。
转轴就是改变维的方向。
交换“时 间”和 “经济性 质”轴
17
2.3 维度表与事实表的连接
维度表和事实表的联系
纬度表
• 包含某维度信息的表； • 维度由主键和维属性构成。维属性是维表里的列。
事实表
• 包含度量值（事实）的表 • 特征
– 记录数量多 – 事实表除了度量外，其他字段都是同维表或者中间表的关 键字。 – 如果事实相关的维度很多，则事实表的字段数也会很多。
26
2.4 多维数据的存储方式
MOLAP
MOLAP使用多维数组存储数据，它是一种高性能 的多维数据存储格式。 多维数据在存储中将形成“立方体”的结构。 MOLAP存储模式将数据与计算结果都存储在立方 体结构中，并存储在分析服务器上。 该结构在处理维度时创建。 存取速度最快，查询性能最好，但占用磁盘空间较 多。
18
2.3 维度表与事实表的连接
维度表和事实表的联系
联系
• 相互独立，又互相关联并构成一个统一的架构。 • 事实表处在架构的中央。
构建多维数据集时常用的架构：
星型架构 雪花型架构 星型雪花架构
19
2.3 维度表与事实表的连接
星型架构
星型架构是以事实表为核心，其他的维度表 围绕这个核心表呈星型状分布。 每个维度表中的主码都只能是单列的，同时 该主码被放置在事实数据表中，作为事实数 据表与维表连接的外码。 维度表只与事实表关联，维度表彼此之间没 有任何联系。
“时间＝1 季度”
15
2.2 多维数据分析方法
切块（dice）
在给定的数据立方体的两个或多个维上进行的选择操作。 切块的结果是得到了一个子立方体。
(度量值＝“正常” or “次级”） And （时间＝“1 季度” or “2季 度”）
16
2.2 多维数据分析方法
转轴（pivot or rotate）
事实数据表
时间 书籍_ id 出版社_id 书店_ id
订购数量 书籍单价 书籍折扣 销售表
23
书籍 _ id
书籍名 书籍类型 书籍出版日 作者_id 书籍维度表
作者 _ id
作者名 性别 教育程度 作者维度表
2.3 维度表与事实表的连接
星型雪花架构(Star-Snow Schema)
将星型架构和雪花式架构合并在一起使用，而成为星型 雪花架构。
时间
年 季度 月 时间维度表
事实数据表
时间 书籍_ id 出版社_id 书店_ id
订购数量 书籍单价 书籍折扣 销售表
书籍 _ id
书籍名 书籍类型 书籍出版日 作者_id 书籍维度表
作者 _ id
作者名 性别 教育程度 作者维度表
出版社_id
出版社名 国家
城市
书店 _ id
书店名 书店地址 业绩维度表
出版社维度表
21
2.3 维度表与事实表的连接
雪花型架构 (Snow Schema)
以事实数据表为核心； 某个维度表不与事实表直接关联，而是与另 一个维表关联 维度表和与其相关联的维度表通过外码关联； 可以进一步细化查看数据的粒度。
22
2.3 维度表与事实表的连接
雪花型架构示意图
用户应用
对象模型（决策支持对 象，DSO）
元数据
Analysis 服务器
数据源
数据透视表服务
多维数据集 挖掘 模型
客户端应用
40/38
2.5.1 SQL Server Analysis Services
2. 客户端体系结构
当不能连接到 OLAP服务器时可以使用 当不能连接到 OLAP服务器或者OLEDB 数据源时可以使用
25
2.4 多维数据的存储方式
ROLAP
ROLAP的数据与计算结果直接由原来的关系数据 库取得。 ROLAP将支撑多维数据的原始数据、多维数据集 数据、汇总数据和维度数据都存储在现有的关系数 据库中，并用独立的关系表来存放聚集数据。 不存储源数据副本，占用的磁盘空间最少，但存取 速度也比较低。
平台
Business Intelligence Development Studio
31/38
2.5.1 SQL Server Analysis Services
组件的结构
32/38
2.5.1 SQL Server Analysis Services
启动
33/38
2.5.1 SQL Server Analysis Services
28
2.4 多维数据的存储方式
三种存储方式的比较
内容 源数据的副本 占用分析服务器存 储空间 使用多维数据集
数据查询
MOLAP ROLAP HOLAP 有 无 无 大
小 快
小
较大 慢
小
大 慢
聚合数据的查询
使用查询频度
快
经常
29
慢
不经常
快
经常
2.5常用的服务器端分析工具
SQL Server 2005
38/38
2.5.1 SQL Server Analysis Services
分析服务的体系结构
39/38
2.5.1 SQL Server Analysis Services
1.服务器端 体系结构
微软管理控制台（MMC）
管理器中的 分析部件 企业管理 器 Analysis Manager
用户部件
OLAP立方的 OLE DB 数据源
客户端应用
带OLAP和数据挖掘支持 的OLE DB 多维数据 文件
MOLAP
数据透视表服务 带OLAP扩展的ADO
多维数据
数据挖掘模 型的数据源
客户端应用
本地数据挖 掘模型
Analysis 服务器
41/38
2.6常用的客户端分析工具
Excel Crystal Analysis
人们观察数据的某个特定角度（即某个维）还可 以存在不同的细节程度，我们称这些维度的不同 的细节程度为维的级别。 一个维往往具有多个级别. 例如描述时间维时（“月、季度、年”为层次结 构），则月、季度、年为3个级别，可从不同级 别来描述。
Baidu Nhomakorabea

9
2.1 多维数据分析基础
10
2.2 多维数据分析方法
20
2.3 维度表与事实表的连接
星型架构示意图
时间
年 季度 月 时间维度表
事实数据表
时间 书籍_ id 出版社_id 书店_ id
订购数量 书籍单价 书籍折扣 销售表
书籍 _ id
书籍名 书籍类型 书籍出版日 作者_id 书籍维度表
出版社_id
出版社名 国家
城市
书店 _ id
书店名 书店地址 业绩维度表