SQL Server数据仓库相干概念及构建流程-交流共享-唐山网站建设

SQL Server数据仓库相干概念及构建流程

核心提示：***数据集：***数据集是联机分析处理 (OLAP) 中的主要对象，是1项可对数据仓库中的数据进行快速访问的技术。***数据集是1个数据集合，通常从数据仓库的子集构造，并组织和汇总成1个由1组维度和度量值定义的***结构。

基本概念：

1.***数据集：***数据集是联机分析处理 (OLAP) 中的主要对象，是1项可对数据仓库中的数据进行快速访问的技术。***数据集是1个数据集合，通常从数据仓库的子集构造，并组织和汇总成1个由1组维度和度量值定义的***结构。

2.维度：是***数据集的结构性特性。它们是事实数据表中用来描写数据的分类的有组织层次结构(级别)。这些分类和级别描写了1些类似的成员集合，用户将基于这些成员集合进行分析。

3.度量值：在***数据集中，度量值是1组值，这些值基于***数据集的事实数据表中的1列，而且通常为数字。另外，度量值是所分析的***数据集的中心值。即，度量值是终极用户浏览***数据集时重点查看的数字数据。您所选择的度量值取决于终极用户所要求的信息类型。1些常见的度量值有 sales、cost、expenditures 和 production count 等。

4.元数据：不同 OLAP 组件中的数据和利用程序的结构模型。元数据描写 OLTP 数据库中的表、数据仓库和数据集市中的***数据集这类对象，还记录哪些利用程序援用不同的记录块。

5.级别：级别是维度层次结构的1个元素。级别描写了数据的层次结构，从数据的最高(汇总程度最大)级别直到最低(最具体)级别。

6.数据发掘：数据发掘使您得以定义包括分组和猜想规则的模型，以便利用于关系数据库或*** OLAP 数据集中的数据。以后，这些猜想模型即可用于自动履行复杂的数据分析，以找出帮助辨认新机会并选择有获胜掌控的机会的趋势。

7.*** OLAP (MOLAP)：MOLAP 存储模式使得分区的聚合和其源数据的复本以***结构存储在分析服务器计算机上。根据分区聚合的百分比和设计，MOLAP 存储模式为到达最快查询响应时间提供了潜伏可能性。总而言之，MOLAP 更加合适于频繁使用的***数据集中的分区和对快速查询响应的需要。

8.关系 OLAP (ROLAP)：ROLAP 存储模式使得分区的聚合存储在关系数据库的表(在分区数据源中指定)中。但是，可为分区数据使用 ROLAP 存储模式，而不在关系数据库中创建聚合。

9.混合 OLAP (HOLAP)：HOLAP 存储模式结合了 MOLAP 和 ROLAP 2者的特性。

10.粒度：数据汇总的层次或深度。

11.聚合|聚集：聚合是预先计算好的数据汇总，由于在题目提出之前已豫备了答案，聚合可以改进查询响应时间。

12.切块：由多个维的多个成员限定的分区数据，称为1个切块。

13.切片：由1个维的1个成员限定的分区数据，称为1个切片。

14.数据钻取：终极用户从常规***数据集、虚拟***数据集或链接***数据集当选择单个单元，并从该单元的源数据中检索结果集以取得更具体的信息，这个操纵进程就是数据钻取。

15.数据发掘模型：数据发掘使您得以定义包括分组和猜想规则的模型，以便利用于关系数据库或*** OLAP 数据集中的数据。以后，这些猜想模型即可用于自动履行复杂的数据分析，以找出帮助辨认新机会并选择有获胜掌控的机会的趋势。

实例构建进程与分析

1.现在以1个比较简单的实例来分析和探讨MS SQL SERVER 数据仓库的构建进程。实际上数据仓的构建是相当复杂的，他结合了数据仓库的前端技术和很强的业务要求。在这儿只是以1个简单的实例来讲明他大致的构建流程。

2.构建数据仓库模型，他包括两部份，1是要考虑原来的数据源能够提供哪些有用的数据，也就是经过数据的挑选以后能够为数据仓库所用。2是要看公司业务层需要甚么样的分析结果。这要和公司的高级决策层紧密配合，完全了解他的业务需求，由于数据仓库的使用者主要是公司的高级决策者。

在这1阶段要做好很多前期的工作，由于你的原始数据库中的数据或许和你的正要建立的数据仓库的需求或许有很大的出进，结构完全是两马事。你如何才能将你的原始数据提取出来，作为数据仓库的有用数据呢，你的原始数据库中存储的是零碎的事务数据，而你的数据仓库中要的是经过转化和提炼过的统计数据，比如说，你的原始数据库中存储这每天的所有存款和取款记录，而你的数据仓库其实不关心你的每条记录的数据，而是希看在最短的时间内，以最快的速度统计出这个月的所有存款和取款的总数目，假设这类查询放在原来的数据库上来做的话，也就失往了数据仓库的意义，超大范围的数据使你没法查询下往，这时候候你就要将对这个查询故意义的数据转化到数据仓库，这就是数据清洗，即ETL。实现数据清洗有很多的方法，也有很多的细节题目，比如，数据类型的匹配，数据格式的转换，异地数据表数据集中到1起时有主键重复，和你如何定期，按时的将数据加工到数据仓库中来等等。在我的示例中没有严格的经过着1步，由于我没有规范的原始数据库，也没有规范的业务需求。我只是应用星型模型和雪花模型做了几个典型的数据仓库表。其表关系以下：

窗口中FACT为事实表，TIME，ADDRESS，DETAIL分别为时间维，地址维，具体地址维，DETAIL又是ADDRESS的子维。他们又构成雪花模型。其中都有部份数据。

现在，数据仓库已建立成功，下1步就是在OLAP服务器上建立元数据数据库。这个数据库和我们之前所说的数据库不同，他是寄存元数据的数据库，比如我们下1步要创建的***数据集、角色、数据源、共享维度和发掘模型等。然后需要和早期在 ODBC 数据源治理器中建立的数据源连接，使其与数据仓库连接上。这些工作做好了以后，便可以够用数据仓库中的维表来建立共享维度，现在以时间维和地址维为例。其创建进程1样。依此点下1步即可创建时间维(TIME)，下面用ADDRESS和DETAIL建立雪花模型共享维度,点下1步即可创建DETAIL维。创建完成以后都要进行处理才能生效。维度创建好了以后就该创建***数据集了。***数据集是1种基于维表和事实表的数据集，以他来对数据仓库进行快速的访问。我们的***数据集结构以下：

DETAIL(SREET)

DETAIL(MARK)

ADDRESS(PROVINCE，CITY)

TIME(YEAR，DAY)

到现在1个简单的数据仓库架构已建立成功，我们利用前端分析工具来对建立的数据仓库做查询，看能否实现我们的简单的业务要求，先以EXCEL作为查询工具。我们除用EXCEL，ENGLISH QUERY 等现成工具做查询外，还可以用MDX函数直接对OLAP做查询

到现在为止，1个简单的数据仓库已创建成功，可以实现1些简单的业务查询。这个实例主要是分析数据仓库的创建进程和进1步加深对数据仓库的熟习和了解，进1步理解其中的基本概念。

1 2 下1页

上1页 1 2 唐山网站建设www.fw8.net

TAG:数据,数据仓库,维度,度量,模型

评论加载中...