《联机分析处理OLA》PPT课件

《《联机分析处理OLA》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第3章联机分析处理--OLAP本章学习目标：通过OLAP技术概念介绍了解OLAP的发展和特点。通过多维分析学习掌握多维的基本概念。通过OLAP的实施掌握OLAP实施方法。通过MOLAP与ROLAP的学习掌握MOLAP与ROLAP的概念。通过OLAP技术评价学习掌握对OLAP技术的评价。13.1概述3.2OLAP定义和基本概念3.3OLAP的数据模型3.4多维数据分析3.5OLAP的结构与分析工具第3章联机分析处理--OLAP23.1概述60年代，关系数据库之父E.F.Codd提出了关系模型，促进了联机事务处理(OLTP)的发展(数据以表格的形式而非文件方式存储)。199

2、3年，E.F.Codd提出了多维数据库和多维分析的概念，即OLAP。3OLTPVS.OLAP面向操作人员，支持日常操作面向决策人员，支持管理需要面向应用，事务驱动面向分析，分析驱动一次处理的数据量小一次处理的数据量大可更新不可更新，但周期性刷新当前值数据历史数据细节性数据综合性和提炼性数据原始数据导出数据OLTP数据OLAP数据4OLAP基本思想联机分析处理（OnLineAnalysisProcessing，OLAP）在数据仓库系统中，联机分析处理是重要的数据分析工具。OLAP的基本思想是从多方面和多角度以多维的形式来观察企业的状态和了解企业的变化。OLAP是独立于数据

3、仓库的一种技术概念当OLAP与数据仓库结合时，OLAP的数据源为数据仓库，数据仓库的大量数据是根据多维方式组织的。53.2OLAP定义联机分析处理（OLAP）是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的。这些信息是从原始数据转换过来的，按照用户的理解，它反映了企业真实的方方面面。（OLAP理事会）6OLAP目标是满足决策支持或多维环境特定的查询和报表需求，它的技术核心是“维”这个概念，因此OLAP也可以说是多维数据分析工具的集合。7OLAP基本概念变量：从现实系统抽象出来的，用于描述数据的实际含义，即描述数据“是什么”维

4、：是与某一事件相关的因素在关系模型的抽象，是人们观察数据的特定角度。如产品维、顾客维、时间维等。维的层次性：是由观察数据细致程度不同造成的。如日、月、季、年是时间维的层次。维的取值：即维的成员。如“某年某月某日”是时间维的一个成员。8OLAP基本概念维的分类：按照一定的划分标准对维的所有取值集合的一个分类划分，用于数据钻取和聚合。如上半年、下半年是对时间维的划分。事实：不同维度在某个取值下的交叉点，是对事件的度量。如（牙膏，上海，1998年12月，批发，销售额为100000）多维数据立方体9维的例子一个电子公司的销售一般从三个方面分析销售额：时间：在某一段时间内的销售情

5、况，其度量为（年、季度、月、旬、天）地区：在某个地区的销售情况，度量可分为（地区、国家、省、市）产品：某类或某型号产品的销售情况，度量可分为（类别、型号等）此处，（时间，地区，产品）就构成了三个维。维有层次结构，可以在某个层上察看数据。10维的例子地区的层次全国江苏北京上海苏州市扬州市宝应县11维的例子正好构成一个数据立方体，可以有更高阶的维，但仍然称为数据立方体。时间地区产品原点12OLAP数据立方体的计算（物化）数据立方体的个数有产品(type)、城市(city)、日期(date)三个维，则：alldatetypecitytypedatecitydatecityty

6、pecitytypedate0-D（顶点）方体1-D方体2-D方体3-D（基本）方体13OLAP数据立方体的计算（物化）一般，若有n个维，则立方体个数是{(city,item,date),(city,item),(city,date),(item,date),(city),(item),(date),all}all表示不对任何维分组，这组形成了该数据立方体的方体格14OLAP数据立方体的计算（物化）实际维上有分层，如（年、季度、月、星期、日），所以实际的立方体个数是极大的。所以，实时计算的工作量极大，但全部事先计算，则存储量又极大。方体的选择计算：不物化：即不预先计算任

7、何“非基本”方体全物化：预先计算所有的方体部分物化：在整个可能的方体集中，有选择地物化一个适当的子集在OLAP中一般采用部分物化，应考虑三个因素:(1)确定要物化的方体子集；(2)利用查询处理时物化的方体；(3)在装入和刷新时，有效地更新物化的方体。153.3OLAP的数据模型3.3.1MOLAP数据模型3.3.2ROLAP数据模型3.3.3MOLAP与ROLAP的比较3.3.4HOLAP数据模型163.3.1MOLAP的数据模型MOLAP是基于多维数据库存储方式建立的OLAP；表现为“超立方”结构，采用类似于多维数组的结构。例如，二维M