oracle数据库11g新特性

《oracle数据库11g新特性》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、Oracle数据库11g新特性：数据仓库和OLAPOracle数据库11g面向DBA和开发人员的重要新特性：数据仓库和OLAP   数据库驻留的按多维数据集组织的物化视图（无需任何特殊工具将OLAP多维数据集的强大功能同SQL的简单性集成在一起）、通过分区变化跟踪功能轻松识别刷新、新增的分析工作区管理器、扩展到子查询和远程表的查询重写以及许多其他新特性使Oracle数据库成为更强有力的数据仓库平台。   按多维数据集组织的物化视图   联机分析处理（OLAP）概念自20世纪70年代以来一直很活跃，并在2

2、0世纪90年代中期开始成为主流，TedCodd在1992年创造了术语“OLAP”。由于有点深奥，大多数企业当时都不知道如何正确利用OLAP.   多年以后，该技术已十分完善，使得OLAP依靠大型数据仓库变得切实可行，从而真正将“智能”引入业务智能中。与传统关系设计截然不同，OLAP允许以最有效的方式存储和访问数据，即最终用户可以遍历具有许多维度的假定“多维数据集”的边缘。（请参见下面的多维数据集数据示例）。 多维数据集的维度与事实（也称为“量度”）相关联。用关系术语来讲，事实与维度之间具有多对一关系。例

3、如，AcmeComputerSupplies可能有一个销售数据库。维度通常包括客户、产品和时间元素（月份、季度等）。在特定的时间段（2008年8月）内，特定产品（Cat5e电缆）与特定客户（OracleCorp.）之间对应的销售额是一个量度。维度和事实（例如销售额）都存储在单个表上。因此，用关系术语来讲，事实表是维度表的子表。   但是，这仅仅是一个比喻而已。在关系设计中，将通过在事实表的customer、product或time列上创建的索引来访问量度。而在OLAP方法中，特定单元格（量度）是通过遍历

4、多维数据集进行访问的：本示例中的访问方法如下：先转至包含时间Aug08的部分，再转至产品Cat5e，最后转至客户Oracle.   Oracle像在数组（而不是表）中一样计算目的地，然后即可知道如何到达这些部分。例如，假定维度是按以下方式组织的：DimensionTime:={'May','Jun','Jul','Aug'}DimensionCustomer:={'Microsoft','IBM','Oracle','HP'}DimensionProduct:={'Fiber','Cat6e','Cat

5、5e','Serial'}   为了找到Oracle+Aug+Cat5e量度，OLAP引擎将按如下方式执行导航：   1、Aug08是Time数组的第四个元素，因此沿着多维数据集的时间维度转至第四个单元格。   2、Cat5e是Product数组的第三个元素，因此转至第三个元素。   3、Oracle是Customer数组的第三个元素，因此转至第三个元素。   就是这样！现在您已经找到了所需的量度。由于维度值充当数组指针，因此在执行此操作时不必使用索引。同样，如果您要计算2008年8月份所有客户的销售总

6、额，可以执行同样的操作，只是在第3步中将数组各元素的量度加起来，而不是转至特定单元格。   以传统星型模式存储的纯关系形式数据的关系访问与上述方法不同，如下所示。在关系数据库方法中，您必须将此“事实”表与所有维度联接。每次需要数据时，都需要从事实表中选择合适的数据（可能要通过索引），然后将其与所有维度逐个联接起来（再次通过索引）。虽然此方法在技术上是可行的，但在大型数据库中完全行不通。   作为替代方法，能否为所有这些选项创建物化视图（MV）呢？用户可以使用维度元素的任意组合：   ■ 8月份针对所有客

7、户的Cat5e销售额   ■ 8月份针对Oracle的串行电缆销售额与IBM销售额（针对同一产品和月份）的百分比   ■ 针对HP的光缆销售额与针对Microsoft的串行电缆销售额的百分比   等等。但是，需要创建多少个MV呢？理论上讲，应该为每个组合创建一个MV（4x4x4=64MV）。除了空间，您还需要足够的时间和数据库资源，以便在数据发生变化时刷新MV，可能会涉及数千个元素。这样，要创建和管理的MV的数量   将变得相当庞大。   相反，多维数据集是单个段，却可以同样轻松地处理任意类型的查询。虽

8、然二者都可用于旨在加快汇总数据（与OLTP数据不同）处理速度的数据仓库设计中，却存在着巨大的根本区别：MV存储预先计算的结果以避免联接和聚合，而多维数据集存储原始数据并即时计算大多数汇总数据。（需要强调的是“大多数”这个词，因为某些汇总数据是创建的。多维数据集确定哪些聚合有用，然后仅创建那些聚合。在所有其他情况下，汇总数据都是即时计算的。）由于访问路径通过数组基数运算，因此多维数据集中的数据检索速度要比关系表（如MV）快得多。   OLAP