OLAP技术.ppt

《OLAP技术.ppt》由会员分享，可在线阅读，更多相关《OLAP技术.ppt（27页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、DW建立以后，人们便利用各种方法对DW进行操作，其中应用得较多的是一些多角度的、多视图模式的、下钻上卷的、可旋转的复杂的查询。这些功能仅凭DW是不够的，必需依靠某种工具或接口才能实现。 1 引言 2 OLAP与多维分析 3 OLAP的实施 4 MOLAP与ROLAP 5 OLAP技术的评价,第十一章 OLAP技术,1 引言 OLAP 是一种强大的、利用DW进行决策分析的工具 它能够迅速、灵活地对大量数据进行复杂查询， 并以直观、容易理解的形式把结果提供给决策者。 一般认为，OLAP技术具有以下特点： 在线性(on_line)，即能够对用户的请求进行快速响应和交互操作； 多维分析(Multi_A

2、nalysis)，它是OLAP的核心。,CH11,1.OLAP的发展 上世纪60s末，E.F.Codd提出关系DB模型 RDB及OLTP的应用 DB规模越来越大 数据查询越来越复杂(条件及数据记录)； 开发出各种RDB的前端产品 并利用专门的数据综合引擎和直观的数据访问界面统一了复杂查询中的应用逻辑； 1993年，E.F.Codd 把上述技术统称为OLAP，他认为，OLTP甚至SQL已经不能满足决策者的需求；,CH11, 进而E.F.Codd进一步提出了多维数据库和多维分析的概念，即OLAP技术。 OLAP的的功能主要是针对特定问题进行联机查询和分析首先根据用户需求转换原始数据，转换后的数据能

3、够用户观察问题的某一真实方面(维)，然后，以各种可能的方式对这些数据进行快速、稳定、一致和交互的存取以及分析。,CH11,2.OLAP的特性 快速性 要求数秒内(不超过30秒)对用户的多数分析做出反应； 可分析性 能处理与应用相关的逻辑及统计分析(在OLAP的内不必编程，或连接其他分析工具，如时间序列分析工具)； 多维性 OLAP的关键属性，灵魂； 信息性 不论数据量多大，也不管数据存储在何处，OLAP均能获得信息。,CH11,2 OLAP与多维分析 多维分析技术是OLAP的核心。多维概念支持多维切片、切块、旋转等功能。 1.多维基本概念 维 决策者利用DW进行决策分析的出发点或角度，称为维。

4、 事实上，数据仓库就是按照上述的维来组织的，并以维作为索引识别数据。,CH11,维，一般具有水平层次和垂直层次前者由维层次中相同级别的字段组成，后者由维层次中不同级别的字段组成。,CH11,与维及维的层次属性关系密切的操作有上卷和下钻： 上卷从较低层次的数据开始，逐步将数据按照不同的层次进行概括的处理； 下钻从DW的高层数据开始，逐步向低层探索， 以了解组成概括数据的具体细节(思考：与What_if什么关系？)。,CH11,多维数据集 OLAP 的核心，也称为立方体或者超立方体，展现在用户面前的是一幅幅多维视图。 多维数据集可以用多维数组表示： (维1,维2,维n,观察变量)。,CH11,与三

5、维的可视化表示方式不同，三维以上的多维数据集结构用多维表的方式表示。,CH11,维成员和数据单元 维的一个取值称为维成员不一定要在每个层次上都取值。维成员不是被关注的对象，人们关注的是关注对象在维中的位置。 当一个多维数据集中的每个维都选中一个维成员后，也就唯一地确定了观察变量的值，这些维成员和观察变量的值一起构成一个数据单元： (维1维成员,维n维成员，观察变量值),CH11,CH11,该数据单元为： (上海,2002年4月,服装,10000),多维数据集的度量值 对应多维数据集的事实表的一列或多列，这些值是多维数据集的核心值，一般是数值型，也是用户在DW应用中需查看的数据（类如销售量、成本

6、等）。 聚集 也叫聚合或概括，是一种收集了基本业务数据的数据结构，它对决策者根据自己的管理范围进行分析十分有用（举例）。,CH11,2.多维分析 是指对多维数据集中的数据用切片、切块和旋转等方式分析数据，使用户能从多角度、多侧面去观察DW中的数据，以发现隐含在DW数据中的信息、知识等。 多维的切片 假设有以下多维数据集： (维1,维n,观察变量) 则， (维1,维i成员,维n,观察变量)就是上述多维数据集在维i上的一个切片。,CH11,显然： 某个维上的切片的个数等于该维的维成员个数； 通过切片，可以降低多维数据集的维，使人们把注意力集中在感兴趣的维上。 多维的切块 假设有以下多维数据集： (

7、维1,维n,观察变量) 则， (维1,维i成员,维k成员,维n,观察变量)就是上述多维数据集在维i,维k上的一个切块它是多次执行切片的结果。,CH11,旋转 对多维数据集进行显示操作的过程中，改变所显示的维的方向的操作。 其他OLAP操作 除了之前介绍的上卷、下钻操作外，还有钻过、钻透、最大值、最小值、项数、平均值、增长率等。,CH11,CH11,3.维的层次关系 根据用户决策分析及数据组织的详略需求，可建立具有简单层次关系的维以及具有复杂层次关系的维。,CH11,当然，有关维层次关系的描述，要存放在元数据库中。,CH11,4.维的类关系 在同一个维层次的成员中划分的类别，进而可以在这些类别的

8、基础上找出共同特征。,CH11,5.OLAP与数据仓库的关系 DW是一个包含了企业历史数据的大规模数据库，其中的数据不能用于OLTP； OLAP技术则利用DW中的数据进行联机分析，将复杂分析的结果快速返回用户 这期间， OLAP会用到多维数据集、数据聚集等技术， 亦即，使用多维结构组织DW中的数据、 创建汇总数据的立方体并执行复杂查询的要求。,CH11,CH11,因此，DW的构造，直接影响到OLAP使用的效率。此时，应考虑以下因素： 尽可能使用星形模型； 所有的维表均应该有用，维表中所有的列也均应该有用针对决策分析而言； 事实表中的数据应该是具有相同粒度的同一种数据，且不包含汇总数据； 事实表

9、和维表必须创建索引； 事实表中的数据，均应该出现在维表中，以避免形成数据立方体中的空值。,CH11,3 OLAP的实施 如下图所示，OLAP常采用三层C/S结构：,CH11,此时，OLAP实施要解决的主要问题有： OLAP如何从DW或数据集市获取数据； OLAP如何组织数据； 两种方法之一：直接用专门的多维数据库系统或者利用关系数据库系统模拟多维数据集。 采用“胖”客户端还是“瘦”客户端。 前者把多维数据集存放在客户端 和/或OLAP服务器端，后者只保存在OLAP服务器端。,CH11,4 MOLAP与ROLAP 在OLAP的实施中，如果采用专门的多维数据库系统，便形成了基于多维的OLAP，即MOLAP；如果采用关系数据库系统模拟多维数据集，便形成了ROLAP。 该部分内容涉及多维数据库、多维数据库中的数据存储、多维数据库与DW的关系、MOLAP的功能及其创建、ROLAP中的多维表示方法、ROLAP的功能及其创建。课后阅读,CH11,5 OLAP技术的评价 1.MOLAP与ROLAP的比较 查询性能 数据加载性能 分析能力 数据集市的大小 维的管理 维护能力 2.OLAP的衡量标准 E.F.Codd1993年给出12条标准，后来增加到18条。 至今，仍有人不断给出OLAP新的定义。,CH11,