浅析联机分析处理技术的多维数据分析多维联机分析处理如何实现
浅析联机分析处理技术的多维数据分析多维联机分析处理如何实现
[摘要]详细阐述不同的OLAP多维数据结构和多维数据分析的动作,针对OLAP的多维数据分析与数据仓库的多维数据组织形成相互结合、相互补充的关系进行较为深入的探讨。 [关键词]数据仓库联机分析处理多维数据分析
:TP3:A:1671-7597(xx)1110077-01
一、引言
联机分析处理(Online Analytical Processing,OLAP)的概念最早是由关系数据库之父E.F.Codd于1993年提出的,OLAP是针对特定问题的联机数据访问和分析。通过对信息(维数据)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地观察。OLAP的目标是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。
二、OLAP的多维数据结构
数据在多维空间中的分布总是稀疏的、不均匀的。在事件发生的位置,数据聚合在一起,其密度很大。因此,OLAP系统的开发者要设法解决多维数据空间的数据稀疏和数据聚合问题。事实上,有许多方法可以构造多维数据。
(一)超立方结构。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。
这种结构可应用在多维数据库和面向关系数据库的OLAP系统中,其主要特点是简化终端用户的操作。超立方结构有一种变形,即收缩超立方结构。这种结构的数据密度更大,数据的维数更少,并可加入额外的分析维。
(二)多立方结构。在多立方结构中,将大的数据结构分成多个多维结构。这些多维结构是大数据维数的子集,面向某一特定应用对维进行分割,即将超立方结构变为子立方结构。它具有很强的灵活性,提高了数据的分析效率。
一般来说,多立方结构灵活性较大,但超立方结构更易于理解。超立方结构可以提供高水平的报告和多维视图。多立方结构具有良好的视图翻转性和灵活性。多立方结构是存储稀疏矩阵的一个更有效方法,并能减少计算量。因此,复杂的系统及预先建立的通用应用倾向于使用多立方结构,以使数据结构能更好地得到调整,满足常用的应用需求。
许多产品结合了上述两种结构,它们的数据物理结构是多立方结构,但却利用超立方结构来进行计算,结合了超立方结构的简化性和多立方结构的旋转存储特性。
三、OLAP的多维数据分析
多维数据分析是指对以多维形式组织起来的数据采取切片、切块、旋转和钻取等各种分析动作,以求剖析数据,使最终用户能从多个角度、多侧面地观察数据仓库中的数据,从而深入地了解包含在数据中的信息、内涵。多维分析方式迎合了人们的思维模式,因:
(一)切片。定义1:在多维数组的某一维上选定一维成员的动作成为切片,即在多维数组(维1、维2、....维n,变量)中选一维:维i,并取其一维成员(设为“维成员vi”),所得的多维数组的子集(维1,...维成员vi,...,维n,变量)称为在维i上的一个切片。
按照定义1,一次切片一定是原来的维数减1。所以,所得的切片并不一定是二维的“平面”,其维数取决于原来的多维数据的维数,这样的切片定义不通俗易懂。下面给出另一个比较直观的定义。
定义2:选定多维数组的一个二维子集的动作叫做切片,既选定多维数组(维1、维2、....维n,变量)中的两个维:维i和维j,在这两个维上取某一区间或者任意维成员,而将其余的维都取定一个维成员,则得到的就是多维数组在维i和维j上的一个二维子集,称这个二维子集为多维数组在维i和维j上的一个切片,表示为(维i和维j,变量)。
按照定义2,不管原来的维数有多少,数据切片的结果一定是一个二维的“平面”。从另一个角度来讲,切片就是在某个或某些维上选定一个维成员,而在某两个维上取一定区间的维成员或全部维成员。从定义2可知:
1.一个多维数组的切片最终是由该数组中除切片所在平面的两个维之外的其它维的成员值确定的。
2.维是观察数据的角度,那么切片的作用或结果就是舍弃一些观察角度,使人们能在两个维上来集中观察数据,因为人的空间想象力有限,所以,对于维数较多的多维数据空间,进行数据切片是十分有意义的。比照定义1,我们可以将切片的这两个定义联系起来,对于一个n维数组,按定义1进行的n-2切片的结果,就必定对应于按定义2进行的某一次切片的结果。
(二)切块。定义1:在多维数组的某一维上选定某一区间的维成员的动作称为切块,即限制多维数组在某一维的取值区间。显然,当这一区间只取一个维成员时,即得到一个切片。
定义2:选定多维数组的一个三维子集的动作称为切块,即选定多维数组(维1、维2、....维n,变量)中的三个维:维i、维j、维r,在这三个维上取某一区间或任意的维成员,而将其余的维都取定一个维成员,则得到的就是多维数组在维i、维j、维r上的三维子集,我们称这个三维子集为多维数组在维i、维j、维r上的一个切块,表示为(维i、维j、维r,变量)。切块与切片的作用与目的是相似的。
(三)旋转。旋转既是改变一个报告或者页面的维方向。例如:旋转可能包含了交换行与列;或是把某一个行维移到列维,或是把页面显示中的一个维和页面外的维进行交换(令其成为新的行或者列的一个)。
(四)钻取。
钻取处理是使用户在数据仓库的多层数据中,能够通过导航信息而获得更多的细节性数据,钻取一般是指向下钻取。大多数的OLAP工具可以让用户钻取至一个数据集中有更好细节描述的数据层,而更完整的工具可让用户随处钻取,即除一般往下钻取外,随处钻取还包括向上钻取和交叉钻取。
(五)多视图模式。人们发现,获取相同的信息,图形显示所带来的直观性有时是简单的数据表所无法提供的。一个OLAP系统,应当采取多种不同的格式显示数据,使用户能够获得最佳的观察数据的视角。
四、结语
随着数据仓库的发展,OLAP也得到了迅猛的发展。数据仓库侧重于存储和管理面向决策主题的数据,而OLAP则侧重于数据仓库中的数据分析,并将其转换成辅助决策信息。OLAP的一个重要特点是多维数据分析,这与数据仓库的多维数据组织正好形成相互结合、相互补充的关系。将有助于我们解决数据处理中的复杂问题。
__:
[1]彭木根,数据仓库技术与实现,电子工业出版社,xx.9.
[2]张维明,数据仓库原理与应用,电子工业出版社,2000.2.
[3]萨师煊、王珊,数据库系统概论,高等教育出版社,xx.
内容仅供参考
MIS管理信息系统各章节简答题
MIS管理信息系统各章节简答题
第⼀章：组织、管理和⽹络化企业
⼀、为什么信息系统对企业运营管理⾮常重要？（P10）
1.答：企业持续寻求改进其运⾏效率以求达到⾼获利，信息系统和技术有助于
企业提⾼效率和⽣产效率，配合企业过程和管理⾏为的改变。
2.信息系统和技术是公司创造新产品和新服务甚⾄整个新企业模式的重要驱
动器。
3.利⽤信息系统和信息技术可以更好的服务顾客，拉近与顾客的距离，增加收
⼊和利润，更好的与供应商来沟通以便降低成本。
4.信息系统有助于企业获得更准确的数据，以便做出更好的决策。
5.信息系统有助于企业形成⾃⼰的竞争优势。
6.企业也投资于运营企业所必需的信息系统和技术。
⼆、什么是信息系统？信息系统的三个基本活动是什么？三个维度是什么？（注：学会⽤三个维度来分析案例）(P12)
1.含义：信息系统技术上可以定义为相互连接的部件的集合，它可以进⾏信息
收集、处理、储存和分发，以⽀持⼀个组织的决策和控制。信息系统包括组织内或围绕它的环境的主要⼈员、地点和事情的信息。
2.三个基本活动：在⼀个信息系统中，⽣产信息主要有三个主要活动，这些活
动是输⼊、处理和输出。输⼊是在组织内部或其外部环境中捕捉或收集原始数据。处理是把这些数据转换成较有意义的形式。输出是将处理后的信息转交给使⽤它的⼈或其他活动。
3.三个维度：组织维、管理维、技术维。
组织维：组织是由不同的层次和专业任务组成的结构。
管理维：管理⼯作在于对企业所⾯临的许多情况进⾏感知，作出决策，列出解决企业问题的正式计划。
技术维：计算机硬件是在信息系统汇总进⾏输⼊、处理和输出的物理设备。计算机软件由详细的预编指令组成，⽤它来再⼀个信息系统中协调和控制计
算机硬件。数据管理技术包括管理物理存储介质上数据的软件。⽹络和
通信技术由物理设备和软件组成，连接各种软件硬件，由⼀个地点到另
⼀个地点传送数据。
三、辅助资产是什么？（P180
1.辅助资产是由初始投资中引导出价值所需的资产。主要的辅助资产有组织资
基于联机分析处理olap技术的医院运营分析管理系统实现与应用
134 ZHONGGUO
YIXUEZHUANGBEI学术论著
收稿日期：2019-08-14参考文献 [1][2][3][4][5][6][7]张博,王岩,孙雪梅,等.综合医院医疗设备质量管理的关键路径探讨[J].中国医学装备,2018,15(9):109-111.李凌霄.医院档案管理信息化建设的问题与措施[J].中西医结合心血管病电子杂志,2019,7(21):13.杨磊,基于深度学习的聊天机器人研究与实现[D].北京:北京邮电大学,2016. 董永翰.一种网络聊天机器人的研究与实现[D].杭州:浙江大学,2017.梁苗苗.基于深度学习的智能聊天机器人的研究[D].杭州:浙江理工大学,2018.姜可越,马祎星,汤唯艳.基于大数据微信聊天机器人在癌症患者随访中的设计和应用研究进展[J].中国现代医生,2017,50(30):164-168.wxpy:用Python玩微信[EB/OL].https://wxpy.readthedocs.io/zh/latest/.兰旭辉,熊家军,邓刚.基于MySQL的应用程序设计[J].计算机工程与设计,2004,25(3):442-468.徐博龙.应用Jieba和Word cloud库的词云设计与优化[J].福建电脑,2019,35(6):25-28.邢彪.基于jieba分词搜索与SSM框架的电子商城购物系统[J].信息与电脑,2018,7:105-108.李宁.Python从菜鸟到高手[M].北京:清华大学出版社,2018.钱宇.基于Python的自动化图片特征存取系统的设计与实现[D].北京:北京邮电大学,2019.陶文玲,侯冬青.基于问题解决的Python应用探讨——以Python批处理Excel文件为例[J].鄂州大学学报,2017,26(1):107-109.张振扬.微信机器人软件的研究与实现[D].武汉:湖北工业大学,2018.[8][9][10][11][12][13]
数据仓库与联机分析处理技术在矿山数字化中的应用
】２２ 西部探矿工程 ２０１２年第１期
数据仓库与联机分析处理技术在矿山数字化中的应用
孟海东 ，司子稳，刘冰蕾，孙 博
（内蒙古科技大学矿业工程学院，内蒙古包头０１４０１０）
摘要：随着我国矿山行业数字化建设进程的不断加快，如何更好的将数据仓库技术及联机分析处理
技术应用到矿山行业，是一个重要的研究课题。在研究与分析数据仓库及联机分析处理技术的相关
原理与内容的基础上，给出数据仓库及联机分析处理技术在矿山数字化过程中的应用架构。
关键词：矿山数字化；数据仓库；联机分析处理
中图分类号：ＴＤ０５文献标识码：Ｂ文章编号：１００４—５７１６（２Ｏ１２）Ｏ１一Ｏ１２２一Ｏ３
随着我国矿山行业数字化进程的加快，矿山企业原
有的数据库系统或信息管理系统中存储的数据日益增
多，但大部分数据都是存储在其中，而没发挥其应有的
作用。数据仓库技术及联机分析处理技术在矿山领域
的应用，正好可以解决这些问题。其通过对矿山企业历
史数据整合与分析，发现隐藏在这些矿山数据后面的
“信息”，给矿山企业管理者的决策提供依据。有效地提
高了我国矿山企业的整体信息化水平，加快了我国矿山
行业数字化的进程。
１数据仓库与联机分析处理
１．１数据仓库
Ｗｉｌｌｉａｍ Ｈ．Ｉｎｍｏｎ在“Ｂｕｉｌｄｉｎｇ ｔｈｅ Ｄａｔａ Ｗａｒｅ－
ｈｏｕｓｅ”一书中所说的数据仓库（Ｄａｔａ Ｗａｒｅｈｏｕｓｅ）是一
个面向主题的、集成的、随时间变化的、非易失性数据的
集合，用于支持管理决策层的决策过程。与其他数据库
应用不同的是，数据仓库更像一种过程，对分布在组织
内部各处的业务数据的整合、加工和分析的过程。数据
仓库能对海量复杂、分散的数据进行抽取、清洁和转换，
建立一个整合的、标准化、结构化的数据模型，形成全面
的面向决策的数据［１］。
面向主题性表示了数据仓库中数据组织的基本原
则。数据仓库中的所有数据都是围绕着某一主题进行
组织展开的。主题就是在一个较高的层次上对信息系
数据仓库与联机分析在高速公路收费系统中的应用
ＳＩＬＩＣ 【高新技术产业发展】 罄一ＶＡＬ
数据仓库与联机分析在高速公路收费系统中的应用
常博 李振伟２
（１陕西交通职业技术学院陕西西安７１００１８；２．北京卫星环境工程研究所北京１０００９４）
摘要： 随着数据仓库技术的发展和应用，ＯＬＡＰ技术已成为决策支持系统领域研究的热点。这两种技术相互结合，为决策支持系统开辟新途径，并受到越来 越多的关注。综合分析数据仓库和联机分析处理技术的相关知识点，并利用微软的ｓＱＬ ｓｅｒｖｅｒ ２００５，￣Ａｎａｌｙｓｉｓ ｓｅｒｖｉｃｅｓ工具作后台数据库的开发，研究联机 分析处理技术在高速公路收费站分析系统中的应用。 关键词： 数据仓库；ＯＬＡＰ；高速公路；收费站
中图分类号：ＴＰ３文献标识码：Ａ文章编号：１６７１－－７５９７（２０１０）１０１００１５—０１
０引言
文中将联机分析处理技术应用于高速公路收费数据仓库系统的分析，
设计了数据仓库模型，创建数据仓库的主要目的是因为高速公路收费管理
中心更加依赖于从收费信息系统中收集有用的信息。因此，为了企业的运
转就需要一个信息数据仓库。在过去的业务数据库中很难得到分析家所需 要的信息。大多数情况下，企业会将历史数据从业务数据库中转移到备份
系统中，这使得用户无法深入分析数据，难于做出有竞争性的决策。为更
好地管理数据，保持数据的一致性，以及企业的分析数据的需求，引出了
数据仓库的概念与模型，联机分析处理（ＯＬＡＰ）为企业提供联机数据访 问、处理和分析，通过直观的方式从多个维度、多种数据综合程度将系统
的运营情况展现给使用者。［１，２，３］
１数据仓库的ＥＴＬ过程
数据仓库一般由三个主要的部分组成：数据的提取一转换一装载
（ＥＴＬ）、数据仓库的基本存储数据、综合管理／联机分析处理。它按照数 据处理的流程，从输入开始组织成一定的存储形式，并按照用户要求的形
式和格式输出
ＥＴＬ即数据提取、转换和加载，是数据仓库实现过程中，将数据由数
数据仓库的多维数据分析器设计与实现
第４１卷第６期 ２００２年１１月 厦门大学学报（自然科学版）
Ｊｏｕｒｎａｌ ｏｆ Ｘｉａｍｅｎ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） Ｖｏ１．４１ ＮＯ．６ ＮＯＶ．２００２
文章编号：０４３８－０４７９（２００２）０６—０６９７－０４
数据仓库的多维数据分析器设计与实现
段江娇，薛永生，令狐荣珊
（厦ｆ－Ｉ大学计算机科学系，福建厦ｆ－Ｉ ３６１００５）
摘要：实现多维数据分析是数据仓库系统需要具备的一个主要功能，它接受用户的多维数据查询请求，生成多维 数据集，为建立数据挖掘模型提供基础数据．本文讨论了基于Ｍｉｃｒｏｓｏｆｔ ＳＱＬ Ｓｅｒｖｅｒ ２０００的多维数据分析器的实现． 简要介绍了多维数据分析的基本原理，并在ＤＳＯ、ＡＤＯ／ＭＤ及ＭＤＸ（多维数据表达式）等技术的基础上，构造了一 个多维数据分析器．最后，给出了多维分析器的实现实例． 关键词：数据仓库；ＯＬＡＰ；多维数据集；多维分析 中图分类号：ＴＰ ３１１．１３１ 文献标识码：Ａ
联机分析处理０ＬＡＰ（Ｏｎ—Ｌｉｎｅ Ａｎａｌｙｔｉｃａｌ Ｐｒｏ— ｃｅｓｓｉｎｇ）是数据仓库技术的一个重要组成部分．
ＯＬＡＰ技术是通过ＯＬＡＰ服务器，将数据仓库的数 据抽取和转换为多维数据结构，以反映用户所能理
解的企业的真实的“维”，然后通过多维分析工具对
信息的多个角度、多个侧面，进行快速、一致和交互 的存取，从而使分析人员、经理和管理人员能够对数
据进行深入的分析和观察［１］．其中，数据抽取和转换 工具将数据按照一定的要求，导入到多维数据仓库
中，数据仓库的使用者通过前端访问和分析工具，对 多维数据分析产生的数据集按照一定的方式进行显
示输出．而多维数据分析，则根据前端工具输入的数
据查询请求获取数据，并生成一定格式的数据集． 上述多维数据分析过程是由多维数据分析器操
作而成，本文着重讨论基于Ｍｉｃｒｏｓｏｆｔ ＳＱＬ Ｓｅｒｖｅｒ ２０００的多维数据分析器的设计以及基于ＤＳＯ、
多维数据模型与OLAP实现
多维数据模型与OLAP实现
The document was finally revised on 2021 多维数据模型与OLAP实现
近年来，随着网络技术和数理分析在银行业中的广泛应用，西方商业银行开始广泛采用人口地理统计理论，运用数据挖掘及商业智能等技术，处理跨时间、跨空间、跨部门、跨产品的银行数据集成分析问题，逐步实现了金融产品和金融服务的交叉销售，以保留住优质客户。目前，国内多家银行也不同程度地开展了商业智能（ＢＩ，Ｂｕｓｉｎｅｓｓ Ｉｎｔｅｌｌｉｇｅｎｃｅ）系统建设。从信息管理角度看，商业智能是决策支持技术在商业银行应用的进一步发展和完善，ＯＬＡＰ（Ｏｎ－Ｌｉｎｅ Ａｎａｌｙｔｉｃａｌ Ｐｒｏｃｅｓｓｉｎｇ，联机分析处理）技术是ＢＩ的关键技术之一。自１９７０年第一个ＯＬＡＰ的雏形工具Ｅｘｐｒｅｓｓ发布，到１９９３年关系数据库之父、数学家与计算机科学家爱德华·库德（Ｅ．Ｆ．Ｃｏｄｄ）系统地提出ＯＬＡＰ概念和ＯＬＡＰ的１２条准则，ＯＬＡＰ技术和产品有了很大的发展，其内涵和外延也发生了一定的变化。但其本质特征仍然是：以多维数据模型为基础组织和存储数据，满足对用户请求的快速响应和交互式操作。
ＯＬＡＰ技术在国内兴起和发展的过程中，人们对某些基本概念还有不同的理解。比如，ＯＬＡＰ与多维数据模型的关系，多维数据模型与多维数据库（ＭＤＤ，Ｍｕｌｔｉ Ｄｉｍｅｎｓｉｏｎａｌ Ｄａｔａｂａｓｅ）的关系，ＭＯＬＡＰ（Ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ ＯＬＡＰ，多维联机分析处理）、ＲＯＬＡＰ（Ｒｅｌａｔｉｏｎａｌ ＯＬＡＰ，关系联机分析处理）和ＨＯＬＡＰ（Ｈｙｂｒｉｄ ＯＬＡＰ，混合联机分析处理）间的差异，多维数据库与多维联机分析处理是不是完全一致等问题，还有待于进一步澄清。 一、多维数据模型及相关概念
数据模型一般有两个层次：概念层（逻辑层）和物理层。逻辑数据模型是从概念角度抽象出现实世界的内在规律，如业务流程、数据架构等；物理数据模型则侧重于特定环境下的具体实现，如效率、安全性等。
olap 通俗的举例
olap通俗的举例OLAP（联机分析处理）是一种用于多维数据分析的数据处理技术。为了更好地理解，我们可以通过一个通俗的例子来说明。假设你是一家零售公司的数据分析师，负责分析销售数据。你有一个包含以下信息的关系型数据库表：
1.日期
2.产品3.地区
4.销售量
5.销售额
使用OLAP，你可以将这些数据从关系型数据库中导入到一个多维数据立方体（也称为数据仓库）中。这个多维数据立方体将数据组织成多个维度，使你能够更灵活、直观地分析数据。
例子中的OLAP查询可能包括：
1.按时间分析销售趋势：你可以轻松地查看每个月或每个季度的销售量和销售额，以识别销售的季节性变化。
2.按产品类别比较销售绩效：通过将产品分组为不同的类别，你可以比较不同产品类别的销售量和销售额，从而确定哪些类别最受欢迎。
3.按地区分析市场份额：你可以按地区查看销售数据，了解不同地区的市场份额和潜在增长机会。
4.执行交叉分析：通过组合多个维度，例如日期、产品和地区，你可以执行更深入的交叉分析，例如在特定月份，某一地区的某一产品的销售情况。
总体来说，OLAP提供了一种以更直观、灵活的方式分析多维数据的手段，有助于从不同角度深入挖掘数据的价值。
OLAP的多维数据分析
OLAP的多维数据分析
1970-01-01 07:00 数据仓库之路 【文章字体：大 中 小】
____联机分析处理(OLAP)的概念最早是由关系数据库之父E.F.Codd于1993年提出的。当时,Codd认为联机事务处理(OLTP)已不能满足终端用户对数据库查询分析的需要,SQL对大数据库进行的简单查询也不能满足用户分析的需求。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Codd提出了多维数据库和多维分析的概念,即OLAP。
____一、OLAP的概念 ____根据OLAP产品的实际应用情况和用户对OLAP产品的需求,人们提出了一种对OLAP更简单明确的定义,即共享多维信息的快速分析。 ____(1)快速性 ____用户对OLAP的快速反应能力有很高的要求。系统应能在5秒内对用户的大部分分析要求做出反应。如果终端用户在30秒内没有得到系统响应就会变得不耐烦,因而可能失去分析主线索,影响分析质量。对于大量的数据分析要达到这个速度并不容,因此就更需要一些技术上的支持,如专门的数据存储格式、大量的事先运算、特别的硬件设计等。 ____(2)可分析性 ____OLAP系统应能处理与应用有关的任何逻辑分析和统计分析。尽管系统需要事先编程 ,但并不意味着系统已定义好了所有的应用。用户无需编程就可以定义新的专门计算,将其作为分析的一部分,并以用户理想的方式给出报告。用户可以在OLAP平台上进行数据分析,也可以连接到其他外部分析工具上,如时间序列分析工具、成本分配工具、意外报警、数据开采等。 ____(3)多维性 ____多维性是OLAP的关键属性。系统必须提供对数据分析的多维视图和分析,包括对层次维和多重层次维的完全支持。事实上,多维分析是分析企业数据最有效的方法,是OLAP的灵魂。 ____(4)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,并且管理大容量信息。这里有许多因素需要考虑,如数据的可复制性、可利用的磁盘空间、OLAP产品的性能及与数据仓库的结合度等。 ____二、OLAP的多维数据概念 ____多维结构是决策支持的支柱,也是OLAP的核心。OLAP展现在用户面前的是一幅幅多维视图。 ____1.维 ____假定某某是个百货零售商,有一些因素会影响他的销售业务,如商品、时间、商店或流通渠道,更具体一点,如品牌、月份、地区等。对某一给定的商品,也许他想知道该商品在哪个商店和哪段时间的销售情况。对某一商店,也许他想知道哪个商品在哪段时间的销售情况。在某一时间,也许他想知道哪个商店哪种产品的销售情况。因此,他需要决策支持来帮助制定销售政策。 ____这里,商店、时间和产品都是维。各个商店的集合是一维,时间的集合是一维,商品的集合是一维。维就是相同类数据的集合,也可以理解为变量。而每个商店、每段时间、每种商品都是某一维的一个成员。每个销售事实由一个特定的商店、特定的时间和特定的商品组成。 ____维有自己固有的属性,如层次结构(对数据进行聚合分析时要用到)、排序(定义变量时要用到)、计算逻辑(是基于矩阵的算法,可有效地指定规则)。这些属性对进行决策支持是非常有用的。 ____2.多维性 ____人们很容易理解一个二维表(如通常的电子表格),对于三维立方体同样也容易理解。 OLAP通常将三维立方体的数据进行切片,显示三维的某一平面。如一个立方体有时间维、商品维、收入维,其图形很容易在屏幕上显示出来并进行切片。但是要加一维(如加入商店维),则图形很难想象,也不容易在屏幕上画出来。要突破三维的障碍,就必须理解逻辑维和物理维的差异。OLAP的多维分析视图就是冲破了物理的三维概念,采用了旋转、嵌套、切片、钻取和高维可视化技术,在屏幕上展示多维视图的结构,使用户直观地理解、分析数据,进行决策支持。 ____三、OLAP的多维数据结构 ____数据在多维空间中的分布总是稀疏的、不均匀的。在事件发生的位置,数据聚合在一起,其密度很大。因此,OLAP系统的开发者要设法解决多维数据空间的数据稀疏和数据聚合问题。事实上,有许多方法可以构造多维数据。 ____1.超立方结构
商业智能之联机分析处理
商业智能之联机分析处理(OLAP)
Inetsoft最早是一个报表工具厂商，2004年Style Report/Style Intelligence 6.0 发布基于OLAP ROLAP的数据分析技术，初次涉足商业智能应用。自此，我们沿着商业智能（BI）之路一路前行，直到今天，长江后浪推前浪，我们的BI产品渐渐超过了传统的报表工具产品，Style Intelligence系列成为主打产品。可以说，OLAP把英网带入了商业智能领域。
随着企业信息化的推进，传统关系型数据库的发展，很多企业的数据资源已经相当丰富了，但是面临着“数据海量、信息全无”的尴尬局面。也许我们会说，关系型数据库不是也提供了查询手段吗？比如SQL。确实，我们可以通过SQL查询到一些结果，但是这其中面临几大问题，这里只列举其中两个最要命的问题：
1. 当数据库结构相对简单，数据量相对小，查询也不是很频繁的时候，关系型数据库都能运转良好。但是，想象一下，一个查询需要连接几张表，并且有些表的数据早已过了千万行的级别，从这几千万行中找出你需要的数据，再假设这个查询还挺频繁的，我想，这个时候只能选择崩溃了。
2. 获取信息是为了帮助我们分析问题，而分析问题这种自然行为一般都是从相关因素开始考虑的，专业术语叫“维度”，这些维度的产生依赖于分组，度量值来自于分组后的统计。SQL天然的不适合这种应用，只能动态的生成形形色色的SQL查询语句来获取不同的信息，这个计算量让关系型数据库力不从心。虽然我们可以想很多种办法来维持运转，比如建立视图、索引、缓存等，总归是治标不治本的权宜之计。
由此可见，SQL对大数据库的简单查询已不能满足用户分析的需求。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。如此一来，OLAP应运而生。在OLAP可以运行之前，一般需要建立相应的数据来源，其中一个选项便是数据仓库。根据人的思维习惯和分析习惯，预先定义好分析事物的几个维度，维度又可以细分为不同层次。比如我们分析销售行为，时间是一个常用的维度，而时间又经常被划分为年、季度、月份等，这就是层次。划分好维度和层次之后呢，又把这些维度中各层次对应的数据汇总起来，变成了度量值在这些维度层次上的反映。这就跟关系数据库的理念背道而驰。关系数据库是痛恨冗余的，比如实时销售表中是不会有顾客姓名或地址的，大不了有个顾客ID，这些信息都会存在顾客信息表中，否则实时销售表中有太多重复的顾客姓名或地址，显得很冗余。而OLAP反其道而行之，引入了冗余，针对各种可能性预先归类和计算，而这些归类和计算从信息存储的角度来看，完全是多余的，因为你年份的统计完全可以通过月份的统计推算出来，最详细的层次也可以通过原始数据计算出来。这就是冗余和计算性能之间的一种平衡。所以，世间万物，并无绝对的对与错，一切都是因时因地而异，一切又都在动态的平衡当中，而且有很多事有需要我们来平衡，恰如我们的工作和生活一样。
第五章联机分析处理(OLAP)-Read
1 第五章 联机分析处理（OLAP）
DW是管理决策分析的基础，若要有效地利用DW中的信息资源，必须有强大的工具对信息进行分析、决策，OLAP就是一个得到广泛用的DW技术。
OLAP专门用于支持复杂的决策分析，是支持信息管理和业务管理人员决策活动的一种决策分析工具。它可以根据分析人员的要求，迅速、灵活地对大量数据进行复杂的查询处理，并且以直观的、容易理解的形式将查询结果提供给各种决策人员，使他们迅速、准确地掌握企业的运营情况，了解市场的需求。
OLAP技术主要有两个特点：一是在线(On-Line)，表现为对用户请求的快速响应和交互操作，它的实现是由客户机／服务器体系结构完成的；二是多维分析(Multi-Analysis)，这也是OLAP技术的核心所在。
§ 5.1 OLAP技术基本概念
一、 OLAP的定义
OLAP是E.F.Codd于1993年提出的。
OLAP理事会的定义：
OLAP是一种软件技术，他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直接转换过来的，他们以用户容易理解的方式反映企业的真实情况。
OLAP大部分策略都是将关系型的或普通的数据进行多维数据存贮，以便于进行分析，从而达到联机分析处理的目的。这种多维DB也被看作一个超立方体，沿着各个维方向存贮数据，它允许用户沿事物的轴线方便地分析数据，与主流业务型用户相关的分析形式一般有切片和切块以及下钻、挖掘等操作。共享多维信息的快速分析。
二、OLAP的功能特征：
OLAP是一种数据分析技术，其功能特征是：
1、快速性
用户对OLAP的快速反映有很高的要求，一般要求能在5秒内对分析要求有反映。
设计时应考虑：专门的数据存贮格式，大量的事先运算，特别的硬件设计。
2、可分析性
OLAP系统应能处理与应用有关的任何逻辑分析和统计分析。
因为事先编程并不能定义所有的应用，所以，在OLAP分析的过程中，用户无需编程就可以定义新的计算，将成为分析的一部分，且以用户希望的方式给出报告。