今天，您OLAP了吗（二）

三天过去了，今天终于可以坐下来把下篇写完，不然总觉得缺点什么，呵呵！*_*

关于OLAP多维数据结构

1.超立方结构(Hypercube)

-超立方结构指用三维或更多的维数来描述一个对象，每个维彼此垂直。数据的测量值发生在维的交叉点上，数据空间的各个部分都有相同的维属性。（收缩超立方体。这种结构的数据密度更大，数据的维数更少，并可加入额外的分析维）。

举一个很简单的例子：隶属关系、登记注册类型、企业类型与工业生产销售收入四个指标构成多维数据集，显然对隶属关系、登记注册类型、企业类型三者是彼此垂直的，即相互之间不会交叉没有公共的部分。工业销售收入作为度量，这样就形成了一个数据立方体，并且显然是个超立方体。

2.多立方体结构（Multicube）

-即将超立方结构变为子立方结构。面向某一特定应用对维进行分割，他具有很强的灵活性，提高了数据（特别是稀疏数据）的分析效率。

我的师妹看到这里应该明白她们正在构建的其实是超立方体，我这里构建的正是多立方体结构，也是我这里能够满足灵活分析的原因。

关于OLAP多维数据分析

1.切片和切块（Slice and Dice）

-在多维数据结构中，按二维进行切片，按三维进行切块，可得到所需要的数据。如在“城市、产品、时间”三维立方体中进行切块和切片，可得到各城市、各产品的销售情况。

在我们的系统里，用户可以在界面上"自由的"定义切片和切块的方式，后台程序会根据用户定义自动完成切片和切块的动作，并直接展现出来，应该说是比较方便的。

2.钻取(Drill)

-钻取包含向下钻取（Drill-down）和向上钻取（Drill-up）/上卷（Roll-up）操作，钻取的深度与维所划分的层次相对应。

3.旋转(Rotate)/转轴(Pivot)

-通过旋转可以得到不同视角的数据。

需要指出的是，钻取是数据展现的技术，并不是在钻取的时候才计算得到“下面”或“上面”的数据，而是“下面”和“上面”的数据事先已经存在了，只是展现时控制它show或unshow而已。旋转和转轴也是这个道理，不然的话OLAP快速响应的特性是很难保证的。至少我们是这样做的，呵呵。

关于OLAP的分类

1.存储方式：ROLAP,MOLAP,HOLAP。

如果使用MOLAP的方式，数据存储结构的问题将是一个难点所在。

2.处理地点：Server OLAP,Client OLAP

在服务器端执行OLAP还是在客户端执行OLAP这种权衡，不同产品的做法也不同，应该说是各有优缺点的。在我们的系统里是混合的，当然了如果客户的电脑是古老的配置，那还是让它歇会儿吧^_^。

关于OLAP评价准则

1. OLAP模型必须提供多维概念模型。

这一点是肯定的，否则提OLAP真的要丢人了。

2.透明性准则

呵呵，达到何种程度要看公司的实力的。

3.存取能力准则

OLAP实现者必须要反复考虑的一个问题。

4.稳定的报表性能

应该说这是OLAP机制中另一块大头，用普通的报表工具如Crystal Report提供完美的方案比较困难。似乎KingStar 公司的业务人员也有同感。*_*.

5.客户/服务器体系结构

B/S结构真的不行吗？

6.维的等同性准则

这个方面关键要看维的建模人员了。

7.动态稀疏矩阵处理准则

关键是这个矩阵的结构是什么样的，不然效率和稳定性方面的差别可是大大的厄。

8.多用户支持能力准则

不满足的那叫单机版系统（not Oline Analytical Processing）~_~

9.非受限的跨维操作

应该说这一点仍反映程度的问题，我们的系统中并没有做到100%的非受限。

10.直观的数据处理

我们的系统中每一步处理用户都可以通过标志看到。

11.灵活的报表生成

不想花钱买的话就自己开发吧，这叫肥水不流外人田，呵呵。

12.非受限的维与维的层次

这一点是我努力实现的目标，而且我知道是能够实现的。当然我也把希望部分的寄托在客户那边应用程序服务器的处理能力上，不行就上仨至强，5G内存阿！（开玩笑的*_*）

其他

好了，总结一下，OLAP主要有两个特点，一是在线性(On-Line)，体现为对用户请求的快速响应和交互式操作，它的实现是由Client/Server这种体系结构来完成的；二是多维分析(Multi_Analysis)，这也是OLAP技术的核心所在。

题外话：我得知另一家统计局项目是采用B/S结构的，那么如果采用OLAP的机制实现起来恐怕更加复杂啦。

（END）