当前位置:   article > 正文

数据仓库重点_数据仓库dm层

数据仓库dm层

1.什么是数据仓库?

     数据仓库是决策支持系统(dss)和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题。

     数据仓库的特征在于面向主题、集成性、稳定性和时变性,用于支撑管理决策。

     数据仓库存在的意义在于对企业的所有数据进行汇总,为企业各个部门提供统一的、规范的数据出口。

     其中的面向主题指的是:数据仓库中的数据是按照一定的主题域进行组织的,每一个主题对应一个宏观的分析领域。数据仓库排除对于决策无用的数据,提供特定主题的简明视图。

    集成的:企业内不同业务部门数据的完整集成。对于企业内所有数据的集成要注意一致性(假设财务系统中对于性别使用F/M,而OA系统对性别使用A/B,这是数据不一致,如果想搭建企业级别的数据仓库,需要数据具有一致性)。

   稳定的:数据仓库里不存在数据的更新和删除操作。

   变化的:数据仓库里会有完整的记录某一个对象在一段时间内的变化情况。

数据仓库的目标是实现集成、稳定、反映历史变化有组织有结构的存储数据的集合。

2.OLTP和OLAP

   操作型处理,叫联机事务处理OLTP(其全拼是:On-Line Transaction Processing),也可以称为面向交易的处理系统,它是针对具体业务在数据库联机的日常操作,通常对少数记录进行查询、修改。用户较为关心操作的响应时间、数据的安全性、完整性和并发支持的用户数等问题。传统的数据库系统作为数据管理的主要手段,主要用于操作型处理。

   分析型处理,叫联机分析处理OLAP(其全拼是:On-Line Analytical Processing),一般针对某些主题的历史数据进行分析,支持管理决策。

OLTP与OLAP的异同之处:

操作型处理 分析型处理
细节的 综合的/提炼的
实体-关系(ER)模型 星型/雪花模型
存储瞬间的数据 存储历史数据,不包括最近的数据
可更新的 只读,只追加
一次操作一个单元 一次操作一个集合
性能要求高,响应时间短 性能要求宽松
面向事务 面向分析
一次操作数据量小 一次操作数据量大
支持日常操作 支持决策需求
数据量小 数据量大
客户订单、库存水平和银行账户等 客户收益分析、市场细分等

3. 星型模式、雪花模式与星座模式

 ①星型模式

 

    星型模式是维度模型中最简单的形式,也是数据仓库以及数据集市开发中使用最广泛的形式星型模式由事实表和维度表组成,一个星型模式中可以有一个或多个事实表,每个事实表引用任意数量的维度表。星型模式的物理模型像一颗星星的形状,中心是一个事实表, 围绕在事实表周围的维度表表示星星的放射状分支,这就是星型模式这个名字的由来。

    星型模式将业务流程分为事实和维度。事实包含业务的度量,是定量的数据,如销售价格、销售数量、距离、速度、重量等是事实。维度是对事实数据属性的描述,如日期、产品、客户、地理位置等是维度。一个含有很多维度表的星型模式有时被称为蜈蚣模式,显然这个名字也是因其形状而得来的。蜈蚣模式的维度往往只有很少的几个属性,这样可以简化对维度表的维护,但查询数据时会有更多的表连接,严重时会使模型难于使用,因此在设计中应该尽量避免蜈蚣模式。

②雪花模式

 

   雪花模式是一种多维模型中表的逻辑布局,其实体关系图有类似于雪花的形状&#x

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/凡人多烦事01/article/detail/725188
推荐阅读
相关标签
  

闽ICP备14008679号