数据立方体模型总结

1、数据立方体模型总结数据立方体认识定义：数据立方体是一类多维矩阵，让用户从多个角度探索和分析数据集，通常是一次 同时考虑三个因素（维度）。数据立方体模型属于数据仓库的多维数据模型。意义：当我们试图从一堆数据中提取信息时，我们需要工具来帮助我们找到那些有关联的和重要的信息，以及探讨不同的情景。一份报告，不管是印在纸上的还是出现在屏幕上，都是数据的二维表示，是行和列构成的表格。在我们只有两个因素要考虑时，这就足矣，但在真实世界中我们需要更强的工具。数据立方体模型在预测趋势和分析业绩时，数据立方体是极其有用的。数据立方体的构成：数据立方体由两个单元构成1）维度：因素2）测度：实际的数据值电子产品日用品

2、书籍2010一季度 201Q二季度 20U）三季度建立数据立方体模型的方法（OLAPOLAP （On-line Analytical Processing,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。联机分析处理（OLAP）系统是 数据仓库系统最主要的应用，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。在国外，不少软件厂商采取了发展其前端产品来弥补关

3、系数据库管理系统支持的不足，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。（拓展）当今数据处理大致分为两类：OLAP （On-line Analytical Processing联机分析处理）OLTPOn-line Transaction Processing,联机事务处理），两者的区别：OLAPW OLTP数据处理类型OLTPOLAP面向对象业务开发人员分析决策人员功能实现日常事务处理向向分析决策数据模型关系模型多维模型数据量几条或几十条记录白力干力条记录操作类型查询、插入、更新、删除查询为主OLAPB勺基本操作我们已经知道 OLAP的操作是以查询一一也就是数

4、据库的 SELECT操作为主，但是查询可 以很复杂，比如基于关系数据库的查询可以多表关联，可以使用COUNT、SUM、AVG等聚合函数。OLAP正是基于多维模型定义了一些常见的面向分析的操作类型是这些操作显得 更加直观。OLAP的多维分析操作包括： 钻取（Drill-down ）、上卷（Roll-up ）、切片（Slice ）、 切块（Dice ）以及旋转（Pivot ）,下面还是以上面的数据立方体为例来逐一解释下：钻取(Drill-down)钻取（Drill-down ）:在维的不同层次间的变化，从上层降到下一层，或者说是将汇总数据拆分到更细节的数据，比如通过对 2010年第二季度的总销售数

5、据进行钻取来查看2010年第二季度4、5、6每个月的消费数据，如上图；当然也可以钻取浙江省来查看杭州市、宁波市、温州市 这些城市的销售数据。上卷（Roll-up ）:钻取的逆操作，即从细粒度数据向高层的聚合，如将江苏省、上海市和浙江省的销售数据进行汇总来查看江浙沪地区的销售数据，如上图。切片（Slice ）:选择维中特定的值进行分析，比如只选择电子产品的销售数据，或者2010年第二季度的数据。切块（Dice ）:选择维中特定区间的数据或者某批特定值进行分析，比如选择2010年第一季度到2010年第二季度的销售数据，或者是电子产品和日用品的销售数据。旋转（Pivot ）:即维的位置的互换，就像是

6、二维表的行列转换，如图中通过旋转实现产品维和地域维的互换。日用餐-丰度 二季度三车用上卷(RolLup)旋转(Pivot)由干产品日用品上海电子卢星切片(Slice)UJtt(Dice)手自三季君电子户显T市二季度三季重电子产李信一事箕OLA两类型(根据存储方式的不同进行分类)根据多维数据模型存储方式不同，OLAP主要可以分为三类：基于多维数据库OLAP(MOLAP),基于关系数据库的 OLAP(ROLAP和混合型的HOLAR1 MOLAPMOLAP表示基于多维数据组织的 OLAP实现(Multidimensional OLAP)。以多维数据组织方 式为核心，也就是说，MOLAP使用多维数组存

7、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。特点是将细节数据和聚合后的数据均保存在cube中，所以以空间换效率，查询时效率高，但生成 cube时需要大量的时间和空间。2 ROLAPROLAP表示基于关系数据库的 OLAP实现(Relational OLAF3)。以关系数据库为核心 ，以关系 型结构进行多维数据的表示和存储。ROLAP将多维数据库的多维结构划分为两类表：一类是事实表，用来存储数据和维关键字；另一类是

8、维表，即对每个维至少使用一个表来存放维的层 次、成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"。特点是将细节数据保留在关系型数据库的事实表中， 聚合后的数据也保存在关系型的数据库中。这种方式查询效率最低，不推荐使用。3 HOLAPHOLAP表示基于混合数据组织的 OLAP实现(Hybrid OLAP)。由于MOLAP和ROLAP有着各 自的优点和缺点，他们的结构也是迥然不同，这给分析人员设计OLAP结构提出难题。为此提出

9、一个新的结构 HOLAP(昆合型olap),它能将MOLAP和ROLAP两种结构的优点结合起来。 但是迄今为止还没能给 HOLAP一个明确的定义。很明显HOLAP不是简单的MOLAP和ROLAP 简单的有机结合，而是这两种技术的优点的集合，能满足用户各种的分析请求。如低层是关系型的，高层是多维矩阵型的。这种方式具有更好的灵活性。特点是将细节数据保留在关系 型数据库的事实表中，但是聚合后的数据保存在cube中,聚合时需要比 ROLAP更多的时间，查询效率比ROLAP高，但低于MOLAP。RLOAP和MOLAP的区另I：表37 kdLAP和MOLAP的比较ROLAPMOLAP沿用理甫的关系数据得的

10、技术中为OLAP所设计嘀煎速度比M(JLAP ft性能好、制展速度快效据装载超度快敢弱装我速度慢存楣空网桶的小*雎数没有Bl M需要进行相计算，可能导钛数据爆炸.雄数有限：无 成支持堆的动态塞化借用美聚数据同伴据.没有文件大小限制 一受操作系统平台中文件大小的限制可以it过5QL实现洋的数据与要数据的存储映芝数据模型和数据访间的标准不支持有关预计算的读写操隹 3QL丸就完成部分计舞 无法完成挈行的计怵 无法完成堆之间的计算jfc持高性豌的决策支持计算 比杂的踪堪升tr多用户的遗学枇昨行级的计算推护闲琛 1管理简便OLAPB勺衡量标准1 .多维性2 .直观性3 .可访问性4 .解释性批处理提取5

11、.OLAP分析模型6 .客户机/服务器结构性7 .透明性或开放性8 .多用户性9 .处理非正规数据性10 .存储OLAP结果11 .提取丢失值12 .处理丢失值13 .弹性报告14 .一致性能报告15 .对物理层的自动调整16 .通用维17 .无限维与聚合层18 .无限制跨维操作OLAPB勺实现数据库去实现的即时记录的功能，在数据准备区进行 ETF处理，数据经过抽取、转换之后加载到数据仓库中，因此也说数据仓库是利用的已经存在的历史记录去整合，是利用原有数据分析下一步行动的决策， 是有风险的。分析完主题和数据元后建立数据模型（概念模型、逻辑模型、物理模型）并形成事实表和纬度表， 然后通过粒度分析

12、将历史记录先抽取整合，然 后再根据决策者可能用到的数据集合分解成若干记录，以备不同决策者使用；再利用OLAP工具技术进行数据的分析导出。当然，这些都在了解了管理者即客户的需求之后进行的，或者是由企业的管理者自己进行的技术应用或分析。OLAPB勺优势OLAP的优势是基于数据仓库面向主题、集成的、保留历史及不可变更的数据存储，以及多维模型多视角多层次的数据组织形式，如果脱离的这两点，OLAP将不复存在，也就没有优势可言。数据展现方式基于多维模型的数据组织让数据的展示更加直观，它就像是我们平常看待各种事物的方式，可以从多个角度多个层面去发现事物的不同特性，而 OLAP正是将这种寻常的思维模 型应用到了数据分析上。查询效率多维模型的建立是基于对OLAP操作的优化基础上的，比如基于各个维的索引、对于一些常用查询所建的视图等，这些优化使