数据仓库基础知识（二）- 多维数据模型

原文地址：http://blog.csdn.net/gan690416372/article/details/5212075

------------------------------------------------------

1.基本概念

         数据仓库和数据仓库技术是基于多维数据模型的。这个模型把数据看做是数据立方体形式。多维数据模型围绕中心主题组织。该主题用事实表表示，事实是数值度量的。

数据立方体允许以多维数据建模和观察。它由维和事实来定义。维是关于一个组织想要记录的视角或观点。每个维都有一个表与之相关联，称为维表。

维表是对维的属性的描述。事实是一个数据度量，对所要考察的数据的一个数值度量，事实表包括事实的名称或度量以及每个相关维表的关键字。

一个n维的数据的立方体叫做基本方体。给定一个维的集合，我们可以构造一个方体的格。每个格都在不同的汇总级或不同的数据子集显示数据，方体的格称为数据立方体。

0维方体存放最高层汇总，称作顶点方体，而存放最底层汇总的方体则称为基本方体。

2.多维数据模型的存在形式

A. 星型模式(Star schema):事实表在中心，周围围绕地连接着维表（每维一个），事实表含有大量数据，没有冗余。

B. 雪花模式（Snowflake schema）：是星型模式的变种，其中某些维表是规范化的（将引起冗余的字段用一个新表来表示），因而把数据进一步的分解到附加表中，结果模式图形成类似于雪花的形状。

C. 事实星座 （fact constellations）:多个事实表共享维表，这种模式可以看做星型模式集，因此称为星系模式(galaxy schema)，或者事实星座。

3.多维数据模型上的OLAP操作

A.上卷(roll-up)：汇总数据

通过一个维的概念分层向上攀升或者通过维规约来实现

B.下钻(drill-down)：上卷的逆操作

由不太详细的数据得到更加详细的数据，可以通过沿维的概念分层向下或引入新的维来实现。

C. 切片和切块(slice and dice)：投影和选择操作(projection and selection)

D. 转轴(pivot): 立方体的重定位，可视化，或将一个三维立方体转化为一个二维平面序列。变换坐标轴。

E. 钻过(drill_across):执行涉及多个事实表的查询

F. 钻透(drill_through):使用关系SQL机制，钻到数据立方体的底层，到后端关系表。