数据仓库与OLAP相关

数据仓库与OLAP相关
一、数据仓库的定义
(一)数据仓库的定义
数据仓库的定义：数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合
1.面向主题的
是相对传统数据库面向应用而言的，面向应用就是指的系统实现过程中主要围绕一些应用或功能，而面向主题，我们可以这样理解，因为数据仓库就是为了解决一个问题，而把数据集成在一起的，而这个问题就可以理解为主题。
2.集成的
我们可以理解为数据仓库中的数据来自各个不同的数据源，他们的结构可能是不同的，所以在这些数据进入到数据仓库之前，必须经历一个集成的过程。把数据转换为统一的表达方式，比如表示性别，可以为男/女，也可以表示为f/m。
3.与时间相关的
我们可以理解为数据仓库中的数据以时间为一个维度进行组织。
4.不可修改的
数据仓库中的数据一般不进行，数据仓库中的数据仅限于数据的初始导入和记录查询。
(二)数据仓库与数据库的区别
我的理解是：这两者是平级的技术，只不过他们的应用不同，数据库是针对操作性数据，也就是针对增删改查，为了存储与业务相关的数据的一项技术，而数据仓库则是为了解决某一个问题，而把相应数据集成在一起，从而进行对决策进行支持的一项技术。
(三)数据仓库结构
数据仓库由近期基本数据、历史基本数据、轻度综合数据、高度综合数据。
1.这里要知道一个概念，就是元数据，我们可以理解其为描述数据的数据，指在数据仓库建设过程中所产生的有关数据源定义，目标定义，转换规则等相关的关键数据。也就是说元数据是描述了数据仓库的数据。
2.此外这里的综合数据和基本详细数据的区别就在于粒度上，比如基本详细数据是记录每次电话记录情况的数据，而综合数据则是记录一个月的数据。
(四)数据集市及其结构
1.什么是数据集市，就是部门级的数据仓库，一般只为某个局部范围内的管理人员服务。但要注意数据集市不是单纯的更小的数据仓库。尺寸的大小并不是区分数据仓库和数据集市的本质特质，数据集市的数据模型一定是满足应用的特定的需求的。
(五)数据仓库系统结构
1.这里要区分数据仓库结构，数据仓库结构是说数据仓库中的数据的结构，而这里是数据仓库系统的结构，包含，数据仓库，仓库管理和分析工具。
2.数据仓库的运行结构：典型的C/S结构，这里要注意OLAP的三层C/S结构，在普通客户端和数据仓库服务器之间加了一个OLAP服务层，加强和规范化决策支持的服务工作，集中和简化了原客户端和数据仓库服务器德部分工作，降低了系统数据传输量。
3.数据仓库的数据模型
数据仓库的数据等于事实数据加维度数据，事实表（大表）存放大量关于企业的事实数据，维表（小表）存放描述性数据。
我的理解是事实表是联系事实与维度表的表，事实表不应该包含描述性信息，而维度表恰恰就是描述事实表中的数据。具体可参见

http://www.blogjava.net/fanjs2000/archive/2012/05/03/377309.html
4.数据抽取、转换、装载：数据仓库中的数据来源于不同的数据源，所以数据仓库的数据获取需要经过抽取，转换，装载三个过程。

二、联机分析处理
OLAP是数据仓库系统中的一个十分重要的工具.它是以数据仓库为基础的分析技术。
(一)OLAP的概念
1.注意OLAP的两个特点，一个是在线，也就是基于C/S这种结构，第二是多维处理。所以，OLAP，联机分析处理是共享多维信息的快速分析。
2.OLAP和数据挖掘的比较，首先，他们都是数据库(数据仓库)的分析工具，不同之处在于在实际中，前者是验证型的,后者是挖掘型的，此外OLAP重视执行效率和对用户请求的及时响应，而且数据源一般是仓库，而后者是建立在各种数据源的基础上，并不要求执行效率和速度，旨在发现对我们有用的模式，或者说对我们有用的信息。
(二)多维数据分析的
1.切片：三维数据，通过“切片” ，分别从城市和产品等不同的角度观察销售情况。也就是固定住一个维度，去进行分析
2.切块：在多维数组的某一个维上选定某一区间的维成员的操作。
3.钻取：钻取有向下钻取（drill down ）和向上钻取（drill up，也称为上卷 ）操作，向下就是细化，向上是总结。
4.旋转：通过旋转可以得到不同视角的数据。旋转操作相当于平面数据将坐标轴旋转。例如，旋转可能包含了交换行和列，或是把某一个行维移到列维中去。或是把页面显示中的一个维和页面外的维进行交换。