数据处理分类

 
 

  
  当今的数据处理大致可以分成两大类：联机事务处理
  
  OLTP
  
  （on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。
  
  OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
  
  下表列出了OLTP与OLAP之间的比较。
 
 

 
 
 

     
     

      
      OLTP
     
     

     
     

      
      OLAP
     
     

     
     

      
      用户
     
     

     
     

      
      操作人员，低层管理人员
     
     

     
     

      
      决策人员，高级管理人员
     
     

     
     

      
      功能
     
     

     
     

      
      日常操作处理
     
     

     
     

      
      分析决策
     
     

     
     

      
      DB 设计
     
     

     
     

      
      面向应用
     
     

     
     

      
      面向主题
     
     

     
     

      
      数据
     
     

     
     

      
      当前的，
 最新的细节的， 二维的分立的
     
     

     
     

      
      历史的，
 聚集的， 多维的
     
     
     
     

      
      集成的， 统一的
     
     

     
     

      
      存取
     
     

     
     

      
      读/写数十条记录
     
     

     
     

      
      读上百万条记录
     
     

     
     

      
      工作单位
     
     

     
     

      
      简单的事务
     
     

     
     

      
      复杂的查询
     
     

     
     

      
      DB
 大小
     
     

     
     

      
      100MB-GB
     
     

     
     

      
      100GB-TB
     
     


 
 

  
  事实上，随着数据仓库理论的发展，数据仓库系统已逐步成为新型的决策管理信息系统的解决方案。数据仓库系统的核心是联机分析处理，但数据仓库包括更为广泛的内容。
 
 
 
 

  
  概括来说，数据仓库系统是指具有综合企业数据的能力，能够对大量企业数据进行快速和准确分析，辅助做出更好的商业决策的系统。它本身包括三部分内容：
 
 
 
 

  
  1、数据层：实现对企业操作数据的抽取、转换、清洗和汇总，形成信息数据，并存储在企业级的中心信息数据库中。
 
 
 
 

  
  2、应用层：通过联机分析处理，甚至是数据挖掘等应用处理，实现对信息数据的分析。
 
 
 
 

  
  3、表现层：通过前台分析工具，将查询报表、统计分析、多维联机分析和数据发掘的结论展现在用户面前。
 
 
 
 

  
  从应用角度来说，数据仓库系统除了联机分析处理外，还可以采用传统的报表，或者采用数理统计和人工智能等数据挖掘手段，涵盖的范围更广；就应用范围而言，
  
  联机分析处理往往根据用户分析的主题进行应用分割，
  
  例如：销售分析、市场推广分析、客户利润率分析等等，每一个分析的主题形成一个OLAP应用，而所有的OLAP应用实际上只是数据仓库系统的一部分。
 
 
 
 

  
  逻辑概念
 
 
 
 

  
  OLAP展现在用户面前的是一幅幅多维视图。
 
 
 
 

  
  

   
   维（Dimension）：
   
   是人们观察数据的特定角度，是考虑问题时的一类属性，属性集合构成一个维（时间维、地理维等）。
  
  
  
  

   
   维的层次（Level）：
   
   人们观察数据的某个特定角度（即某个维）还可以存在细节程度不同的各个描述方面（时间维：日期、月份、季度、年）。
  
  
  
  

   
   维的成员（Member）：
   
   维的一个取值，是数据项在某维中位置的描述。（“某年某月某日”是在时间维上位置的描述）。
  
  
  
  

   
   度量（Measure）：
   
   多维数组的取值。（2000年1月，上海，笔记本电脑，0000）。
  
  
  
  

   
   OLAP的基本多维分析操作有钻取（Drill-up和Drill-down）、切片（Slice）和切块（Dice）、以及旋转（Pivot）等。
  
  
  
  

   
   钻取：
   
   是改变维的层次，变换分析的粒度。它包括向下钻取（Drill-down）和向上钻取（Drill-up）/上卷(Roll-up)。Drill-up是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而Drill-down则相反，它从汇总数据深入到细节数据进行观察或增加新维。
  
  
  
  

   
   切片和切块：
   
   是在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片；如果有三个或以上，则是切块。
  
  
  
  

   
   旋转：
   
   是变换维的方向，即在表格中重新安排维的放置（例如行列互换）。