数据仓库
文章平均质量分 95
铁盒薄荷糖
这个作者很懒,什么都没留下…
展开
-
【数据仓库】LTP & OLAP & HTAP
本文探讨了OLTP(联机事务处理)与OLAP(联机分析处理)的核心特征,以及两者在数据处理和实时响应方面的差异。同时介绍了HTAP(混合事务/分析处理)的概念,它是OLTP和OLAP的融合,强调了实时性和决策支持的重要性。文中还提到了不同类型的数据库系统及其在操作型和决策型业务中的应用,以及数据同步问题对时效性的影响。转载 2024-10-15 14:23:37 · 2 阅读 · 0 评论 -
【数据仓库】数据仓库层次化设计
数据仓库(Data Warehouse),是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。DW保持着所有的从ODS到来的数据,并长期保存,而且这些数据不会被修改。DW中的数据实际存储在分布式文件系统中(如HDFS)。如果想要删除数据,一般会在分布式文件系统中进行操作。而由于效率问题,数据仓库一般只读取数据,不直接对数据进行修改。(1)面向主题(Subject Oriented)操作型数据库的数据组织面向事务处理任务。原创 2024-09-18 17:34:52 · 1024 阅读 · 0 评论 -
【数据仓库】数据仓库常见的数据模型——范式模型
BCNF 是第三范式的一个扩展和加强。它要求表中的每个决定因素(Determinant)必须是候选键。这意味着在 BCNF 中,任何非平凡的函数依赖关系的决定因素都必须是超键。原创 2024-09-14 16:57:11 · 1164 阅读 · 0 评论 -
【数据仓库】数据仓库常见的数据模型——维度模型
星型模型的设计思路源自于对多维数据模型的需求,即通过简化数据结构来支持快速的查询操作。例如,一个数据仓库可能同时包含销售和库存的星型模型,这些模型共享时间和产品维度表,从而形成一个星座结构。事实表包含了可度量的数据,如销售额或利润,而维度表则包含了描述这些数据的属性,如时间、地点或产品类型。:星型模型具有较好的查询性能,因为所有的维度信息都存储在维度表中,减少了表的连接操作,查询优化相对容易,能快速处理大量数据。:星型模型的结构简单明了,易于理解和查询,适用于简单的分析需求。原创 2024-09-14 13:34:40 · 1502 阅读 · 0 评论