chap 2 联机分析处理技术.pdf

《chap 2 联机分析处理技术.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、DataWarehousingandOnlineAnalyticalProcessing第二章联机分析处理概念和技术Chapter2IntroductiontoOnlineAnalyticalProcessingYunhaiTongSchoolofElectronicsEngineeringandComputerScience,PekingUniversityMarch2013讨论内容数据分析模型OLAP的提出多维数据结构多维数据操作多维数据模型的实现DataWarehousingandOnlineAnalyt

2、icalProcessing数据分析模型概述以前的数据分析主要是静态的不能与数据库中的数据建立动态联系实际需求：更需要复杂、动态的分析能与数据库中的数据建立动态联系综合多个数据源从不同角度观察数据多变的主题与多维数据访问DataWarehousingandOnlineAnalyticalProcessingCodd提出四种数据分析模型划分依据:四种数据分析模型:处理数据的范围绝对模型用户-分析人员的交互需要解释模型多维分析需求思考模型现有工具的支持公式化模型DataWarehousing

3、andOnlineAnalyticalProcessing数据分析模型：绝对模型绝对模型（CategoricalModel）支持工具广泛静态数据分析比较历史数据值综合路径是数据库设计时定义的DataWarehousingandOnlineAnalyticalProcessing数据分析模型：解释模型解释模型（ExegeticalModel）支持工具较多静态数据分析利用已有的多层次路径层层细化，找出事实发生的原因DataWarehousingandOnlineAnalyticalProcessing数据分

4、析模型：思考模型思考模型（ContemplativeModel）支持工具较少动态数据分析（动态性较低）在一维或多维上引入变量或参数，分析引入后会发生什么引入变量时，须创建大量综合数据DataWarehousingandOnlineAnalyticalProcessing数据分析模型：公式模型公式模型（FormulaticModel）至今没有支持工具动态数据分析（动态性很高）分析在多维上需引入哪些变量或参数，并分析引入后所产生的结果DataWarehousingandOnlineAnalyticalPro

5、cessing数据分析举例目标：为了扩大商品销售量、分析与销售量相关因素分析模型：绝对模型：历史数据比较，利用回归分析“某种商品今年的销售情况与以往相比，有何变化？今后趋势？”解释模型：进一步找出原因“销售量下降与时间、地区、商品、销售渠道中何种因素有关？”思考模型：引入年龄（变量），分析销售量与顾客年龄是否有关系？公式模型：自动引入各种变量，最终给出与销售量有关的全部因素。DataWarehousingandOnlineAnalyticalProcessing四种分析模型比较数据分析模型绝对模型→解

6、释模型→思考模型→公式模型处理数据范围历史数据和当前数据预测数据、行为用户－分析人员交互少多多维分析少多现有支持工具多少DataWarehousingandOnlineAnalyticalProcessing讨论内容数据分析模型OLAP的提出多维数据结构多维数据操作多维数据模型的实现DataWarehousingandOnlineAnalyticalProcessing联机分析处理（OLAP）的提出关系数据库满足了联机事务处理（OLTP）的要求存在着大量的分析型应用——RDB无法适应应用角度：要求对大量的

7、数据从各个角度进行综合分析（多维分析）技术角度：SQL已经不能很好的适应分析应用需求查询效率（响应时间）SQL本身的限制，尤其对时间的处理能力典型分析应用：对一些统计指标（销售金额）从不同角度（维）（时间、地区、商品类型）从不同级别（层次）（地区：县、地市、省、大区）在RDBMS上开发前端产品，支持上述应用逻辑E.F.Codd把这类技术称为“OLAP”（1993年）DataWarehousingandOnlineAnalyticalProcessingOLAP的基本认识主要目标：面向业务分析人员，处理即席的（

8、ad-hoc）并且复杂的（complex）数据查询交互式的数据处理过程：创建、管理、分析、产生报表扩展类似于现有平面报表（spreadsheet）的分析，通常在数据仓库的基础上，开展海量数据分析支持不同方式的数据探测（exploration）和数据聚合（aggregation）DataWarehousingan