数据挖掘系列之四：数据仓库设计

1. OLAP（联机分析处理）与OLTP（联机事务处理）主要区别

用户和系统的面向性：OLTP面向事务，日常操作；OLAP面向分析，用于决策支持。

数据内容：OLTP当前数据；OLAP历史数据

数据库设计：OLTP使用ER图、面向应用；OLAP使用星形模式或雪花，面向主题。

视图：OLTP是详细的，一般的关系；OLTP汇总的，多维的。

访问模式：OLTP读写操作都有，需要并行控制和恢复机制；OLAP多为读

2. 多维数据模型

数据仓库和OLAP基于多维数据模型。此模型用数据方表示数据。

方体：数据汇总

方体的格：根据不同的汇总级别或维的不同子集，构造方体的格。

数据方：方体的格即为一个数据方。数据方由维和度量组成。

原语：立方体定义 (事实表)：

define cube <cube_name> [<dimension_list>]:<measure_list>

维定义 ( 维表)：

define dimension <dimension_name> as (<attribute_or_subdimension_list>)

3. 多维数据库模式

多维数据模型可以以星形模式、雪花模式、事实星座模式形式存在。

星形模式：（1）一个大的、包含大批数据、不含冗余的中心表（事实表）；（2）一组小的附属表（维表），每维一个。

雪花模式：雪花模式是星型模式的变种，其中某些维表是规范化的，因而把数据进一步分解到附加的表中。雪花模式比星形模式的维表更规范，这样减少了冗余，但是可能需要更多的join操作，性能降低。数据仓库设计中，星形模式更多。

事实星座模式（星系模式）：多个事实表共享维表。

4. 数据仓库设计

须考虑的四种视图：
-自顶向下视图：选择数据仓库所需的有关信息
-数据源视图：揭示被操作数据库系统捕获、存储、和管理的信息
-数据仓库视图：包括事实表和维表
-商务查询视图：从最终用户的角度透视数据仓库中的数据

典型的数据仓库设计过程：
-选取待建模的商务处理, 例如, 订单, 发票, 库存等.
-选取商务处理的粒度, 例如，单个事务、一天的快照等
-选取用于每个事实表记录的维, 如,时间、商品、顾客、供应商、仓库、事务类型和状态 等
-选取将安放在事实表中的度量. 典型的度量是可加的数值量, 如dollars_sold和units_sold

参考文献：

[1]数据挖掘：概念与技术