商務智能系列文章目錄

【商務智能】數(shù)據(jù)預處理
【商務智能】數(shù)據(jù)倉庫 ( 多維數(shù)據(jù)模型 | 多維數(shù)據(jù)分析 )

---

文章目錄

• 商務智能系列文章目錄
• 前言
• 一、數(shù)據(jù)倉庫 與 傳統(tǒng)數(shù)據(jù)庫 區(qū)別
• 二、數(shù)據(jù)倉庫系統(tǒng)體系結(jié)構(gòu)
• 三、多維數(shù)據(jù)模型
• • 1、星型模式
  • 2、雪片模式
  • 3、事實星座
• 四、在線分析處理
• 五、多維數(shù)據(jù)分析操作
• 總結(jié)

---

前言

上一篇博客 【商務智能】數(shù)據(jù)預處理 中講解了數(shù)據(jù)預處理操作 , 本篇博客介紹 數(shù)據(jù)倉庫 , 數(shù)據(jù)倉庫與傳統(tǒng)數(shù)據(jù)庫區(qū)別 , 多維數(shù)據(jù)模型 等 ;

一、數(shù)據(jù)倉庫 與 傳統(tǒng)數(shù)據(jù)庫 區(qū)別

數(shù)據(jù)倉庫特征 :

• 面向主題
• 集成
• 不可更新
• 隨時間不斷變化

數(shù)據(jù)倉庫定義 : 數(shù)據(jù)倉庫 是 用于 更好地 支持 企業(yè) / 組織 決策分析處理 , 面向主題的 , 集成的 , 不可更新的 , 隨時間不斷變化的 數(shù)據(jù)集合 ;

傳統(tǒng)的數(shù)據(jù)庫 又稱為 操作型數(shù)據(jù)庫 , 如 Oracle , MySQL 等數(shù)據(jù)庫 ;

操作型數(shù)據(jù)分析型數(shù)據(jù)

數(shù)據(jù)粒度	細節(jié)的	綜合的
數(shù)據(jù)時效	存儲瞬間準確	過去的歷史數(shù)據(jù)
是否只讀	可更新	不可更新
需求可知	操作時實現(xiàn)知道需求	操作時事先不知道需求
生命周期	生命周期符合 SDLC	完全不同的生命周期
性能要求	性能要求高	性能要求低
操作大小	同一時刻操作一個單元的數(shù)據(jù)	同一時刻操作一個集合的數(shù)據(jù)
數(shù)據(jù)大小	單次操作數(shù)據(jù)量小	單次操作數(shù)據(jù)量大
驅(qū)動力量	事務驅(qū)動	分析驅(qū)動
具體用途	面向應用	面向分析
應用場景	支持日常操作	支持管理需求
數(shù)據(jù)內(nèi)容	業(yè)務相關數(shù)據(jù)	決策相關數(shù)據(jù)
數(shù)據(jù)模型	關系,層次結(jié)構(gòu)	關系, 多維數(shù)據(jù)結(jié)構(gòu)
數(shù)據(jù)訪問	隨機讀寫操作	只有查詢操作
工作負載	事物處理量大, 每個事物涉及記錄很少	查詢小, 每次需要查詢大量數(shù)據(jù)
事務輸出	很少	很大
系統(tǒng)停機	災難性的系統(tǒng)宕機	延遲決策

二、數(shù)據(jù)倉庫系統(tǒng)體系結(jié)構(gòu)

數(shù)據(jù)倉庫系統(tǒng)體系結(jié)構(gòu) :

• 數(shù)據(jù)源
• 集成工具
• 數(shù)據(jù)倉庫
• 數(shù)據(jù)倉庫服務器
• OLAP 服務器
• 元數(shù)據(jù)
• 元數(shù)據(jù)管理工具
• 數(shù)據(jù)集市
• 前臺分析工具

三、多維數(shù)據(jù)模型

多維數(shù)據(jù)模型 : 從 業(yè)務分析 角度 , 對數(shù)據(jù)進行 邏輯建模 的方法 ; 具有 簡單 , 易于理解 , 方便查詢 ;

多維數(shù)據(jù)模型 又稱為 維度數(shù)據(jù)模型 , 由 維度表 和 事實表 構(gòu)成 ;

1、星型模式

星型模式 : 中間有一個表 , 稱為 事實表 , 周圍有很多小表 , 這些表稱為 維表 ;

星型模式 缺點 :

① 星型模式 不支持 維 的層結(jié)構(gòu) ;

• 單一維表 : 每個 維 只有一個維表 , 所有的 維層屬性 都放在一個表中 , 沒有進行規(guī)范化 ;
• 單一維表 示例 : 以上述 “商品” 事實表的 時間 對應的維表 為例 , 將 年 , 月 , 日 , 時 , 分 , 秒 等字段放在同一個 維表 中 , 時間維 可以變成 多個維表 , 如只包含 年月日的維表 , 只包含 年 月 的維表 等 ;

② 數(shù)據(jù)冗余 :

• 數(shù)據(jù)冗余 : 每個 維表 都要表示所有的層 , 每個層有自己的屬性 , 有很多數(shù)據(jù)冗余 ;
• 數(shù)據(jù)冗余 示例 : 上述 時間維表 中每個商品 , 都要存儲完整的 年 , 月 , 日 , 時 , 分 , 秒 數(shù)據(jù) , 實際上商品的 年 , 月 , 等數(shù)據(jù) , 很多商品都是相同的 , 只記錄一次即可 , 不同所有的商品都記錄年月 信息 , 因此產(chǎn)生了大量的冗余數(shù)據(jù) ;

③ 不同維層屬性名相同查詢問題 :

• 不同維層 , 有相同的屬性 , 只能使用 換名 方式進行查詢 ;
• 不同維層 相同屬性示例 : 如 商店 事實表中 , 城市 , 省份 , 國家 , 每個層級都有一個經(jīng)理 Manager , 當 查詢 Manager 屬性時 , 直接將 城市經(jīng)理 , 省份經(jīng)理 , 國家經(jīng)理 , 都查詢出來了 , 無法查詢單獨一個級別的經(jīng)理信息 ;

2、雪片模式

對于 維層次 復雜的維

• 為了 避免 冗余數(shù)據(jù)占用過多空間
• 為了 支持 不同維層 相同屬性 查詢

使用多個維表 描述復雜的維 , 這樣在 星型模型 的 星的角上 , 出現(xiàn)了分支 , 類似于雪花形狀 , 因此這種變種的 星型模型 稱為 “雪片模型” ;

雪片模型 優(yōu)缺點 :

• 雪片模型優(yōu)點 : 雪片模型的維表是規(guī)范化的維表 , 雪片模型維表 易于維護 , 節(jié)省存儲空間 ;
• 雪片模型缺點 : 雪片模型 查詢時 , 需要 進行較多的連接操作 , 影響系統(tǒng)性能 ;

3、事實星座

該模型 比 星型模式 , 雪片模型 更復雜 , 上述兩個模型 , 只有一個事實表 , 但是 在事實星座模型中 , 有多個事實表 , 兩個事實表 , 可能公用一些維表 ;

四、在線分析處理

在線分析處理 : 一類軟件技術 , 分析人員 , 管理人員 利用該技術 , 從 多種視角 , 通過 快速 , 一致 , 交互 的訪問數(shù)據(jù) , 達到 對數(shù)據(jù)洞察 ;

五、多維數(shù)據(jù)分析操作

多維數(shù)據(jù)分析操作 :

切片 : 在 數(shù)據(jù)方體 某一維 , 選定一個 維成員 ;

切塊 : 在 數(shù)據(jù)方體 某一維 , 選定 某個區(qū)間的 維成員 ;

旋轉(zhuǎn) : 改變 數(shù)據(jù)方體 維次序 ;

下鉆 : 分析過程中 , 用戶需要從 更多維 或者 某個維更細層次上 觀察數(shù)據(jù) , 前者 增加更多的維 , 后者 在現(xiàn)有維上鉆取到更細一層的數(shù)據(jù) ;

上卷 : 分析過程中 , 用戶需要從 更少維 或者 某個維更粗層次上 觀察數(shù)據(jù) , 前者 減少一個維后分析 , 后者 上卷到現(xiàn)有的某個維的更高層次進行分析 ;

---

總結(jié)

本博客中從各個角度分析了 數(shù)據(jù)倉庫 與 數(shù)據(jù)塊 的區(qū)別 , 簡要介紹了數(shù)據(jù)倉庫體系結(jié)構(gòu) , 多維數(shù)據(jù)模型的三種模型結(jié)構(gòu) , 以及在多維數(shù)據(jù)模型中的數(shù)據(jù)分析操作 ;

總結(jié)

以上是生活随笔為你收集整理的【商务智能】数据仓库 ( 多维数据模型 | 多维数据分析 )的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。