《数据挖掘概念与技术原书第2版第3章数据仓库与olap技术概述.ppt》由会员分享，可在线阅读，更多相关《数据挖掘概念与技术原书第2版第3章数据仓库与olap技术概述.ppt（10页珍藏版）》请在金锄头文库上搜索。
1、12 什么是数据仓库什么是数据仓库 多维数据模型 数据仓库的体系结构 数据仓库实现 从数据仓库到数据挖掘 3 数据仓库的定义很多，但却很难有一种严格的定义 数据仓库是一个数据库，它与公司的操作数据库分开维护。 允许将各种应用系统集成在一起，为统一的历史数据分析 提供坚实的平台，对信息处理提供支持 数据仓库区别于其他数据存储系统 “数据仓库是一个面向主题的、集成的、随时间而变化的、 不容易丢失的数据集合，支持管理部门的决策过程.”W. H. Inmon 4 面向主题，是数据仓库显著区别于关系数据库系统 的一个特征 围绕一些主题，如顾客、供应商、产品等 关注决策者的数据建模与分析，而不是集中于组织
2、机构的 日常操作和事务处理。 排除对于决策无用的数据，提供特定主题的简明视图。 5 一个数据仓库是通过集成多个异种数据源来构造的。 关系数据库，一般文件，联机事务处理记录联机事务处理记录 使用数据清理和数据集成技术。 确保命名约定、编码结构、属性度量等的一致性。 当数据被移到数据仓库时，它们要经过转化。 6 数据仓库是从历史的角度提供信息 数据仓库的时间范围比操作数据库系统要长的多。 操作数据库系统: 主要保存当前数据。 数据仓库:从历史的角度提供信息（比如过去 5-10 年） 数据仓库中的每一个关键结构都隐式或显式地包含时间元 素，而操作数据库中的关键结构可能就不包括时间元素。 7 尽管数据
3、仓库中的数据来自于操作数据库，但他们 却是在物理上分离保存的。 操作数据库的更新操作不会出现在数据仓库环境下 不需要事务处理，恢复，和并发控制等机制 只需要两种数据访问: 数据的初始转载和数据访问（读操作） 8 异种数据库的集成方法 传统的异种数据库集成:（查询驱动查询驱动） 在多个异种数据库上建立包装程序（wrappers）和中介程序 （mediators ） 查询驱动方法当从客户端传过来一个查询时，首先使用 元数据字典将查询转换成相应异种数据库上的查询；然后， 将这些查询映射和发送到局部查询处理器 数据仓库: （更新驱动更新驱动） 将来自多个异种源的信息预先集成，并存储在数据仓库中， 供直
4、接查询和分析 9 查询驱动的方法 需要负责的信息过滤和集成处理 与局部数据源上的处理竞争资源 对于频繁的查询，尤其是涉及聚集（汇总）操作的查询， 开销很大（决策支持中常见的查询形式） 更新驱动的方法（带来高性能） 数据经预处理后单独存储，对聚集操作提供良好支持 不影响局部数据源上的处理 集成历史信息，支持负责的多维查询 10 操作数据库系统的主要任务是联机事务处理OLTP 日常操作: 购买，库存，银行，制造，工资，注册，记帐 等 数据仓库的主要任务是联机分析处理OLAP 数据分析和决策支持，支持以不同的形式显示数据以满足 不同的用户需要 11 用户和系统的面向性 面向顾客（事务） VS. 面向
5、市场（分析） 数据内容 当前的、详细的数据 VS. 历史的、汇总的数据 数据库设计 实体联系模型(ER)和面向应用的数据库设计 VS. 星型/ 雪花模型和面向主题的数据库设计 12 数据视图 当前的、企业内部的数据 VS. 经过演化的、集成的数据 访问模式 事务操作 VS. 只读查询（但很多是复杂的查询） 任务单位 简短的事务 VS. 复杂的查询 访问数据量 数十个 VS. 数百万个 13 用户数 数千个 VS. 数百个 数据库规模 100M-数GB VS. 100GB-数TB 设计优先性 高性能、高可用性 VS. 高灵活性、端点用户自治 度量 事务吞吐量 VS. 查询吞吐量、响应时间 14
6、提高两个系统的性能 DBMS是为OLTP而设计的：存储方式,索引, 并发控制, 恢复 数据仓库是为OLAP而设计：复杂的 OLAP查询, 多维视图， 汇总 不同的功能和不同的数据: 历史数据: 决策支持需要历史数据，而这些数据在操作数据 库中一般不会去维护 数据汇总：决策支持需要将来自异种源的数据统一（如聚集 和汇总） 数据质量: 不同的源使用不一致的数据表示、编码和格式， 对这些数据进行有效的分析需要将他们转化后进行集成 15 什么是数据仓库 多维数据模型多维数据模型 数据仓库的体系结构 数据仓库实现 从数据仓库到数据挖掘 16 数据仓库和OLAP工具基于多维数据模型 在多维数据模型中，数据
7、以数据立方体(data cube) 的形式存在 数据立方体数据立方体允许以多维数据建模和观察。它由维维和事事 实实定义 维维是关于一个组织想要记录的视角或观点。每个维都有一个 表与之相关联，称为维表维表。 多维数据模型围绕中心主题组织，该主题用事实表事实表表 示 事实表事实表包括事实的名称或度量以及每个相关维表的关键字 事实事实指的是一些数字度量 17 time_key day day_of_the_week month quarter year time 维表 location_key street city state_or_province country location 维表 Sal
8、es 事实表 time_key item_key branch_key location_key units_sold dollars_sold avg_sales 度量 item_key item_name brand type supplier_type item 维表 branch_key branch_name branch_type branch 维表 18 在数据仓库中，数据立方体是n-D的(n维） （关系表和电子表格是几维的？） 示例 AllElectronics的销售数据按维time, item的2-D视图 (P71, 表3-2) AllElectronics的销售数据按维ti
9、me, item和location的3-D 视图 (P71, 表3-3) AllElectronics的销售数据按维time, item和location的3-D 视图的3-D数据立方体表示 (P71, 图3-1) 销售数据的4-D立方体表示 (P72, 图3-2) 多维数据模型为不同角度上的数据建模和观察提供了多维数据模型为不同角度上的数据建模和观察提供了 一个良好的基础一个良好的基础 19 在数据仓库的研究文献中，一个n维的数据的立 方体叫做基本方体基本方体。给定一个维的集合，我们 可以构造一个方体的格方体的格，每个都在不同的汇总 级或不同的数据子集显示数据，方体的格称为 数据立方体数据立
10、方体。0维方体存放最高层的汇总，称作 顶点方体顶点方体；而存放最底层汇总的方体则称为基基 本方体本方体。 20 all timeitemlocationsupplier time,itemtime,location time,supplier item,location item,supplier location,supplier time,item,location time,item,supplier time,location,supplier item,location,supplier time, item, location, supplier 0-D(顶点) 方体 1-D方体
11、2-D 方体 3-D 方体 4-D(基本) 方体 21 最流行的数据仓库概念模型是多维数据模型。这种模 型可以以星型模式、雪花模式、或事实星座模式的形 式存在。 星型模式（Star schema）: 事实表在中心，周围围绕地连接 着维表（每维一个），事实表含有大量数据，没有冗余。 雪花模式（Snowflake schema）: 是星型模式的变种，其 中某些维表是规范化的，因而把数据进一步分解到附加表中。 结果，模式图形成类似于雪花的形状。 事实星座（Fact constellations）: 复杂应用可能需要多个 事实表共享维表, 这种模式可以看作星型模式的汇集，因此 称为星系模式（galax
12、y schema），或者事实星座（fact constellation） 22 time_key day day_of_the_week month quarter year time location_key street city state_or_province country location Sales Fact Table time_key item_key branch_key location_key units_sold dollars_sold avg_sales Measures item_key item_name brand type supplier_type i
13、tem branch_key branch_name branch_type branch 23 time_key day day_of_the_week month quarter year time location_key street city_key location Sales Fact Table time_key item_key branch_key location_key units_sold dollars_sold avg_sales Measures item_key item_name brand type supplier_key item branch_key
14、 branch_name branch_type branch supplier_key supplier_type supplier city_key city state_or_province country city 24 time_key day day_of_the_week month quarter year time location_key street city province_or_state country location Sales Fact Table time_key item_key branch_key location_key units_sold d
15、ollars_sold avg_sales Measures item_key item_name brand type supplier_type item branch_key branch_name branch_type branch Shipping Fact Table time_key item_key shipper_key from_location to_location dollars_cost units_shipped shipper_key shipper_name location_key shipper_type shipper 25 DMQL首先包括定义数据仓
16、库和数据集市的语言原语， 这包括两种原语定义：一种是立方体定义，一种是维 定义 立方体定义 (事实表) define cube : 维定义 (维表) define dimension as () 特殊案例 (共享维表的定义) 第一次作为维表定义 “cube definition” 然后：define dimension as in cube 26 define cube sales_star time, item, branch, location: dollars_sold = sum(sales_in_dollars), avg_sales = avg(sales_in_dollars), units_sold = count(*) define
