1、数据仓库技术与联机分析处理数据仓库技术与联机分析处理Data Warehouse&OLAP 数据库处理的两大应用数据库处理的两大应用联机事务处理联机事务处理（OLTP）决策支持系统决策支持系统（DSS）数据库处理的两大应用数据库处理的两大应用联机事务处理联机事务处理（OLTP）操作型处理，为企业的特定应用服务操作型处理，为企业的特定应用服务 是对数据库的联机的日常操作，通常是对是对数据库的联机的日常操作，通常是对一个或一组记录的查询和修改一个或一组记录的查询和修改 人们关心的是响应时间、数据的安全性和人们关心的是响应时间、数据的安全性和完整性完整性决策支持系统决策支持系统（DSS）数据库处理的
2、两大应用数据库处理的两大应用联机事务处理联机事务处理（OLTP）决策支持系统决策支持系统（DSS）分析型处理，用于管理人员的决策分析分析型处理，用于管理人员的决策分析 经常需要访问大量的历史数据经常需要访问大量的历史数据 数据仓库数据仓库+联机分析处理联机分析处理+数据挖掘数据挖掘（DW+OLAP+DM）DSS 数据仓库数据仓库是一个面向主题的、集成的、非易失的是一个面向主题的、集成的、非易失的（不可修改）且随时间变化的数据集合，（不可修改）且随时间变化的数据集合，用来支持管理人员的决策用来支持管理人员的决策 数据仓库的特点数据仓库的特点面向主题面向主题 主题是在较高层次上对数据抽象主题是在较
3、高层次上对数据抽象 面向主题的数据组织分为两步骤面向主题的数据组织分为两步骤抽取主题抽取主题确定每个主题所包含的数据内容确定每个主题所包含的数据内容 每个主题在数据仓库中都是由每个主题在数据仓库中都是由一组关系一组关系表实现的表实现的集成的集成的数据不可更改数据不可更改随时间变化的随时间变化的 数据仓库的特点数据仓库的特点 面向主题面向主题 数据仓库的特点数据仓库的特点面向主题面向主题集成的集成的 数据仓库的数据是从原有的分散数据库数据中抽数据仓库的数据是从原有的分散数据库数据中抽取来的取来的 消除数据表述的不一致性（数据的清洗）消除数据表述的不一致性（数据的清洗）数据的综合数据的综合数据不可
4、更改数据不可更改随时间变化的随时间变化的 数据仓库的特点数据仓库的特点 集成集成 数据仓库的特点数据仓库的特点面向主题面向主题集成的集成的数据不可更改数据不可更改 数据仓库的主要数据操作是查询、分析数据仓库的主要数据操作是查询、分析 不进行一般意义上的数据更新（过期数据可能被不进行一般意义上的数据更新（过期数据可能被删除）删除）数据仓库强化查询、淡化并发控制和完整性保护数据仓库强化查询、淡化并发控制和完整性保护等技术等技术随时间变化的随时间变化的 数据仓库的特点数据仓库的特点数据不可更改数据不可更改 数据仓库的特点数据仓库的特点面向主题面向主题集成的集成的数据不可更改数据不可更改随时间变化的随
5、时间变化的 不断增加新的数据内容不断增加新的数据内容 不断删除旧的数据内容不断删除旧的数据内容 定时综合定时综合 数据仓库中数据表的数据仓库中数据表的键码键码都包含时间项，以标明都包含时间项，以标明数据的历史时期数据的历史时期 数据仓库的特点数据仓库的特点 随时间变化随时间变化 数据仓库的结构数据仓库的结构OLTP系统系统RDBMSSybaseVSAMSAP/ERP5-10 年年过去过去详细数据详细数据当前当前详细数据详细数据轻度轻度汇总数据汇总数据高度高度汇总数据汇总数据数据集市数据集市分析型分析型CRM业务指标分析业务指标分析数据仓库数据仓库/决策分析系统决策分析系统EXCEL 数据仓库的
6、结构数据仓库的结构 数据由操作型环境（综合）导入数据仓库数据由操作型环境（综合）导入数据仓库 数据具有不同的细节级数据具有不同的细节级 早期细节级（过期数据）早期细节级（过期数据）当前细节级当前细节级 轻度综合数据级（数据集市）轻度综合数据级（数据集市）高度综合数据级高度综合数据级 数据仓库建立的过程数据仓库建立的过程 粒度粒度 是指数据仓库的数据单位中保存数据的细化或综合是指数据仓库的数据单位中保存数据的细化或综合程度的级别程度的级别 粒度级越小，细节程度越高，综合程度越低，回答粒度级越小，细节程度越高，综合程度越低，回答查询的种类越多查询的种类越多 粒度影响数据仓库中数据量的大小粒度影响数
7、据仓库中数据量的大小 粒度问题是设计数据仓库的一个重要方面粒度问题是设计数据仓库的一个重要方面 双重粒度双重粒度 在数据仓库的细节级上创建两种粒度在数据仓库的细节级上创建两种粒度 短期储存的低粒度（真实档案），满足细节查询短期储存的低粒度（真实档案），满足细节查询 具有综合的高粒度（轻度综合），做分析具有综合的高粒度（轻度综合），做分析 分割分割 是指把数据分散到各自的物理单元中去，以便能分是指把数据分散到各自的物理单元中去，以便能分别独立处理，提高数据处理效率别独立处理，提高数据处理效率 是粒度之后的第二个主要设计问题是粒度之后的第二个主要设计问题 两个层次的分割两个层次的分割 系统层：系统
8、层：DBMS，一种定义，一种定义 应用层：开发者，多种定义应用层：开发者，多种定义 多种分割的标准多种分割的标准 日期：最常用的日期：最常用的 地理位置地理位置 组织单位组织单位.数据仓库中的数据组织形式数据仓库中的数据组织形式 简单堆积简单堆积 轮转综合轮转综合 数据按一定的格式进行轮转的累加数据按一定的格式进行轮转的累加 简化直接简化直接 按一定的时间间隔，对数据进行提取，是操作型数据的按一定的时间间隔，对数据进行提取，是操作型数据的一个快照一个快照 连续连续 把新的快照追加到以前的连续数据上去把新的快照追加到以前的连续数据上去 数据仓库中的数据组织形式数据仓库中的数据组织形式 简单堆积简
9、单堆积 每日由数据库中提取并加工的数据逐天积累堆积每日由数据库中提取并加工的数据逐天积累堆积 数据仓库中的数据组织形式数据仓库中的数据组织形式 轮转综合轮转综合 数据按一定的格式进行轮转的累加数据按一定的格式进行轮转的累加 数据仓库中的数据组织形式数据仓库中的数据组织形式 简单堆积与轮转综合的比较简单堆积与轮转综合的比较 数据仓库中的数据组织形式数据仓库中的数据组织形式 简化直接简化直接 按一定的时间间隔，对数据进行提取，是操作型数据的按一定的时间间隔，对数据进行提取，是操作型数据的一个快照一个快照 数据仓库中的数据组织形式数据仓库中的数据组织形式 连续连续 把新的快照追加到以前的连续数据上去
10、把新的快照追加到以前的连续数据上去 数据仓库的数据追加数据仓库的数据追加 数据追加数据追加 数据仓库的数据初装完成以后，再向数据仓库输入数据数据仓库的数据初装完成以后，再向数据仓库输入数据的过程称为的过程称为数据追加数据追加 变化数据的捕获变化数据的捕获 时标法：加标识时标法：加标识 DELTA法：对更新作记录法：对更新作记录 前后映象法：两次快照的对比前后映象法：两次快照的对比 日志法日志法：利用：利用DBMS的日志，需改进的日志，需改进 数据库的体系化环境数据库的体系化环境 是在一个企业或组织内部，由各面向应用的是在一个企业或组织内部，由各面向应用的OLTP数据库及各级面向主题的数据仓库所
11、组成的完整的数据库及各级面向主题的数据仓库所组成的完整的数据环境数据环境 操作型环境、分析型环境操作型环境、分析型环境 四层体系化环境四层体系化环境 操作型环境操作型环境OLTP 全局级全局级数据仓库数据仓库 部门级部门级局部仓库局部仓库 个人级个人级个人仓库，用于启发式的分析个人仓库，用于启发式的分析 数据集市（数据集市（Data Mart）特定的、面向部门的小型数据仓库特定的、面向部门的小型数据仓库 是为满足用户特定需求而创建的数据仓库是为满足用户特定需求而创建的数据仓库 是数据仓库的子集是数据仓库的子集 数据库的体系化环境数据库的体系化环境 数据库的体系化环境数据库的体系化环境 数据仓库
12、的开发生命周期数据仓库的开发生命周期 数据仓库的基本数据模式数据仓库的基本数据模式 星型模式星型模式(Star Schema)事实表事实表(fact table)，存放基本数据，相关主题的数，存放基本数据，相关主题的数据主体（据主体（BCNF）维维(dimension)，影响、分析主体数据的因素，影响、分析主体数据的因素 量量(measure)，事实表中的数据属性，事实表中的数据属性 维表维表(dimension table)，表示维的各种表，表示维的各种表 维是量的取值条件，维用外键表示维是量的取值条件，维用外键表示 以事实表为中心，加上若干维表，组成星型数据以事实表为中心，加上若干维表，组
13、成星型数据模式模式 例：产品例：产品-商店商店-销售额销售额 数据仓库的基本数据模式数据仓库的基本数据模式CustSalesLocationSalesProdSalesTimeSalesSalestime idproduct idlocation idcustomer idsales revenueunits soldProductproduct idmakemodelTimetime iddateyearquartermonthweekLocationlocation idregiondistrictstoreCustomercustomer idcategorygroupSales fac
14、tSales measuresTime dimensionAttributes of the time dimension 数据仓库的基本数据模式数据仓库的基本数据模式雪花模式雪花模式(Snowflake Schema)维一般是由若干层次组成维一般是由若干层次组成 把维按其把维按其层次层次结构表示成若干个表结构表示成若干个表 规范化、节省存储空间规范化、节省存储空间 但需多做连接操作但需多做连接操作 数据仓库的解决方案数据仓库的解决方案 通用的关系数据库系统通用的关系数据库系统 专门的数据仓库服务器专门的数据仓库服务器 数据仓库系统的体系结构数据仓库系统的体系结构 数据仓库层数据仓库层 数据仓
15、库工具层数据仓库工具层 最终用户最终用户 数据仓库系统数据仓库系统 数据仓库数据仓库居系统的核心地位居系统的核心地位是信息挖掘的基础是信息挖掘的基础 数据仓库管理系统数据仓库管理系统是整个系统的引擎是整个系统的引擎负责管理整个系统的运转负责管理整个系统的运转 数据仓库工具数据仓库工具一般的查询工具、功能强大的分析工具一般的查询工具、功能强大的分析工具是整个系统发挥作用的关键是整个系统发挥作用的关键 数据仓库系统数据仓库系统 数据仓库系统数据仓库系统lDesignlWarehouse ArchitectlManagelSybase ASIQlIntegratelInformatica lEnte
16、rprise ConnectlReplication ServerlVisualizelBriolCognoslAdministerlWarehouse Control Center 数据分析模型数据分析模型 早期早期静态数据值的相互比较静态数据值的相互比较 需求需求从多个不同的数据源中综合数据从多个不同的数据源中综合数据从不同的角度观察数据从不同的角度观察数据多变的主题、多维数据多变的主题、多维数据E-R不能完全支持不能完全支持 四种分析模型四种分析模型（Codd）绝对模型绝对模型静态数据分析静态数据分析只能对历史数据进行值的比较，描述基本事实只能对历史数据进行值的比较，描述基本事实用户交互
17、少用户交互少 解释模型解释模型 思考模型思考模型 公式模型公式模型 四种分析模型四种分析模型（Codd）绝对模型绝对模型 解释模型解释模型静态数据分析静态数据分析在当前多维视图的基础上找出事件发生的原因在当前多维视图的基础上找出事件发生的原因 思考模型思考模型 公式模型公式模型 四种分析模型四种分析模型（Codd）绝对模型绝对模型 解释模型解释模型 思考模型思考模型动态数据分析动态数据分析多维分析多维分析在决策者的参与下，找出关键变量在决策者的参与下，找出关键变量需要高级数据分析人员的介入需要高级数据分析人员的介入 公式模型公式模型 四种分析模型四种分析模型（Codd）绝对模型绝对模型 解释模
18、型解释模型 思考模型思考模型 公式模型公式模型动态性最高的一类动态性最高的一类自动完成变量的引入工作自动完成变量的引入工作 数据仓库系统的工具层数据仓库系统的工具层 查询工具查询工具主要是对分析结果的查询主要是对分析结果的查询很少有对记录级数据的查询很少有对记录级数据的查询 验证型工具验证型工具多维分析工具多维分析工具用户首先提出假设，然后利用各种工具通过反复、用户首先提出假设，然后利用各种工具通过反复、递归的检索查询以验证或否定假设递归的检索查询以验证或否定假设 发掘型工具发掘型工具从大量数据中发现数据模式从大量数据中发现数据模式预测趋势和行为预测趋势和行为 联机分析处理联机分析处理OLAP
19、OLAP 是针对特定问题的联机访问和分析。是针对特定问题的联机访问和分析。通过对信息的很多种可能的观察形式进行快速、稳通过对信息的很多种可能的观察形式进行快速、稳定一致和交互性的存取，允许分析人员对数据进行定一致和交互性的存取，允许分析人员对数据进行深入观察深入观察 一些概念一些概念变量变量是数据的实际意义，描述数据是什么是数据的实际意义，描述数据是什么维维是人们观察数据的特定角度是人们观察数据的特定角度维的层次维的层次是维在不同细节程度的描述是维在不同细节程度的描述维成员维成员是维的一个取值是维的一个取值 多层次维的维成员是各层次取值的组合多层次维的维成员是各层次取值的组合 对应一个数据项，
20、维成员是该数据项在该维中位置的描述对应一个数据项，维成员是该数据项在该维中位置的描述多维数组多维数组可以表示为（维可以表示为（维1,维维2,变量变量），如（地），如（地区区,时间时间,销售渠道销售渠道,销售额销售额）多维数组的取值称为多维数组的取值称为数据单元（单元格）数据单元（单元格）可以理解为交叉表的数据格可以理解为交叉表的数据格 一些基本操作一些基本操作 在多维数组的某一维选定一个维成员的动作称在多维数组的某一维选定一个维成员的动作称为为切片切片。舍弃一些观察角度舍弃一些观察角度 在多维数组的某一维上选定某一区间的维成员在多维数组的某一维上选定某一区间的维成员切块切块多个切片的叠加多个切
21、片的叠加旋转旋转是改变一个报告或页面显示的维方向是改变一个报告或页面显示的维方向以用户容易理解的角度来观察数据以用户容易理解的角度来观察数据 基于多维数据库的基于多维数据库的OLAPMOLAP 以多维方式组织数据（以多维方式组织数据（综合综合数据）数据）以多维方式显示（观察）数据以多维方式显示（观察）数据 多维数据库的形式类似于交叉表，可直观地表多维数据库的形式类似于交叉表，可直观地表述一对多、多对多的关系述一对多、多对多的关系如：产品、地区、销售额如：产品、地区、销售额关系关系多维多维 多维数据库由许多经压缩的、类似于数组的对多维数据库由许多经压缩的、类似于数组的对象构成，带有高度压缩的索引
22、及指针结构象构成，带有高度压缩的索引及指针结构 以关系数据库存放细节数据、以多维数据库存以关系数据库存放细节数据、以多维数据库存放综合数据放综合数据 基于关系数据库的基于关系数据库的OLAPROLAP 以以二维表二维表与与多维联系多维联系来表达多维数据（来表达多维数据（综合综合数数据）据）星型结构星型结构事实表，存储事实的量及各维的码值（事实表，存储事实的量及各维的码值（BCNF）维表，对每一个维，至少有一个表用来保存该维维表，对每一个维，至少有一个表用来保存该维的元数据（多层次、冗余）的元数据（多层次、冗余）事实表通过外键与每个维表相联系事实表通过外键与每个维表相联系雪花、星座、雪暴雪花、星
23、座、雪暴 模拟多维方式显示（观察）数据模拟多维方式显示（观察）数据 MOLAP与与ROLAPMOLAP计算速度较快计算速度较快支持的数据容量较小支持的数据容量较小缺乏细节数据的缺乏细节数据的OLAPROLAP结构较复杂结构较复杂以关系模拟多维以关系模拟多维支持适当细节的支持适当细节的OLAP较成熟较成熟HOLAP是以上两种的综合是以上两种的综合 桌面级工具桌面级工具 BrioQuery(ROLAP)Business Objects(ROLAP)Cognos Impromptu(ROLAP)Cognos PowerPlay(MOLAP)服务器级服务器级OLAP Arbor Software Es
24、sbase(MOLAP)MicroStrategy DSS Agent(ROLAP)Oracles Express(hybrid MOLAP/ROLAP)SQL3对聚集的扩展对聚集的扩展(在在Group By中扩展中扩展)SP(S#,P#,QTY)S#P#QTYS1P1300S1P2200S2P1300S2P2400S3P2200S4P2200Select sum(QTY)as TOTQTYFromSP;Select S#,Sum(QTY)as TOTQTYFromSPGroup By S#;.SQL3对聚集的扩展对聚集的扩展(在在Group By中扩展中扩展)Grouping Sets：支持
25、多个分组同时运算：支持多个分组同时运算Select S#,P#,SUN(QTY)as TOTQTYFrom SPGroup By Grouping Sets(S#),(P#)S#P#TOTQTYS1Null500S2Null 700S3Null 200S4Null 200NullP1600NullP21000 SQL3对聚集的扩展对聚集的扩展(在在Group By中扩展中扩展)Rollup：上卷：上卷Select S#,P#,SUN(QTY)as TOTQTYFrom SPGroup By Rollup(S#,P#)等同于等同于Group By Grouping Sets(S#,P#),(S#
26、),()S#P#TOTQTYS1P1300S1P2200S2P1300S2P2400S3P2200S4P2200S1Null500S2Null 700S3Null 200S4Null 200NullNull1600SQL3对聚集的扩展对聚集的扩展(在在Group By中扩展中扩展)Cube：立方体（交叉表）：立方体（交叉表）Select S#,P#,SUN(QTY)as TOTQTYFrom SPGroup By Cube(S#,P#)等同于等同于Group By Grouping Sets(S#,P#),(S#),(P#),()S#P#TOTQTYS1P1300S1P2200S2P1300S
27、2P2400S3P2200S4P2200S1Null500S2Null 700S3Null 200S4Null 200NullP1600NullP21000NullNull1600 数据挖掘数据挖掘（Data Mining）探测型的数据分析探测型的数据分析 发现信息、发现知识发现信息、发现知识 基于基于人工智能人工智能、机器学习机器学习、统计学统计学 由计算机自动智能地分析数据，获取信息，由计算机自动智能地分析数据，获取信息，作出预测或帮助决策作出预测或帮助决策 需要需要算法的支持算法的支持和机器的环境和机器的环境 数据挖掘数据挖掘的常用方法的常用方法 决策树方法决策树方法 利用信息论中的互信
28、息，寻找数据库中具利用信息论中的互信息，寻找数据库中具有最大信息量的属性字段，建立决策树的有最大信息量的属性字段，建立决策树的节点，再根据该属性字段的不同取值建立节点，再根据该属性字段的不同取值建立树的分支树的分支 在每个分支子集中重复建立下层节点和分在每个分支子集中重复建立下层节点和分支支 数据挖掘数据挖掘分析方法分析方法 关联分析关联分析 为了挖掘出隐藏在数据间的相互关系为了挖掘出隐藏在数据间的相互关系 支持度支持度/置信度作为输入的条件，进行筛选、分析置信度作为输入的条件，进行筛选、分析 序列模式分析序列模式分析 类似与关联分析类似与关联分析 着重于分析数据的前因后果着重于分析数据的前因
29、后果 分类分析分类分析 对于不同分类的数据进行分析，找出他们的规律、对于不同分类的数据进行分析，找出他们的规律、特征特征 聚类分析聚类分析 是分类的逆过程是分类的逆过程 根据数据特征，进行分类根据数据特征，进行分类 数据挖掘数据挖掘的步骤的步骤 数据准备数据准备 数据集成数据集成 数据选择和预分析数据选择和预分析 挖掘挖掘 利用前述的方法对数据进行分析利用前述的方法对数据进行分析 表述表述 利用可视化工具，将结果展现给分析员利用可视化工具，将结果展现给分析员 评价评价 评估结果，递归上述过程评估结果，递归上述过程 数据挖掘数据挖掘与与OLAP 都属于分析型工具都属于分析型工具 DM是挖掘型工具是挖掘型工具 DM试图自动地发现隐藏在数据中的模式或试图自动地发现隐藏在数据中的模式或规律规律 OLAP是验证型工具是验证型工具 OLAP更多地依赖于用户的输入和假设更多地依赖于用户的输入和假设 两者相辅相成，互补两者相辅相成，互补 以以DM挖掘潜在的模式、预测未来趋势挖掘潜在的模式、预测未来趋势 以以OLAP来验证来验证DM的结果的结果
