数据仓库重点

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