福州大学苏立超老师《大数据库系统》第五章复习提纲“数据仓库”

第五章：数据仓库与数据挖掘（数据仓库定义，特征，数据库和数据仓库（理解和掌握）基本结构简单了解，相关概念很重要，数据仓库与数据挖掘简单了解）

一. 数据仓库的定义：数据仓库是一个将数据转换成信息，使其能及时供最终用户使用的过程

二. 数据仓库的特征

1. 数据仓库的数据是面向主题的：为特定的数据分析领域提供数据支持
2. 数据仓库的数据是集成的：数据为分析服务，必须从多个数据源中获取
3. 数据仓库的数据是非易失的：数据是经过抽取而形成的分析型数据
4. 数据仓库的数据是随时间不断变化的：数据以一定时间段为单位进行统一更新

三.数据仓库和传统数据库系统的主要区别

1. 主要任务不同：传统数据库系统主要执行联机事务，数据仓库在数据分析和决策支持方面提供服务
2. 数据内容不同：数据库系统管理当前数据，数据仓库管理大量的历史存档数据，提供汇总和聚集机制，在不同粒度级别上存储和管理信息
3. 数据目标不同：数据库系统面向业务操作，数据仓库面向主题
4. 数据特性不同：数据库系统存储当前数据，数据动态变化；数据仓库中数据是批量载入的静态的，定期更新
5. 数据结构不同：数据库系统采用面向应用的数据库设计，高度结构化和复杂的形式组织数据；数据仓库采用面向主题的数据组织模式，以适应分析决策，数据结构简单
6. 支持的查询不同：数据库系统可以快速回答、简单查询；数据仓库需要回答更复杂的查询
7. 数据组织模式不同：数据库系统信息分散在各子系统之中；数据仓库强调形成主题一致的信息集合
   
   

四.数据仓库的相关概念

1. ETL：数据抽取、转换、加载工具
2. 数据提取：数据仓库按分析的主题组织数据，只提取系统分析必需的数据
3. 数据转换：将不同格式的数据转换成统一的数据格式
4. 数据清洗：将错误不一致的数据进行更正删除，以免影响系统决策的正确性
5. 数据加载：将数据按物理数据模型定义的表结构装入数据仓库
6. 元数据：描述数据的数据，是数据仓库的中枢；元数据管理是数据仓库中的关键组件，贯穿了数据仓库的整个生命周期
   元数据包括：
   a) 数据仓库结构的描述信息：数据的维、层次结构、数据定义
   b) 操作元数据：数据血统信息、数据流通信息、监视信息
   c) 汇总用的算法：度量与维定义算法，数据主题、聚集、汇总等算法
   d) 操作环境到数据仓库的映射信息：源数据库和内容，程序描述，数据处理规则
   e) 关于系统性能的数据信息
   f) 商务元数据
7. 数据集市：更小更集中的数据仓库，为公司提供分析商业数据，针对某个应用，数据粒度粗，便于访问和分析、快速查询
8. 维度：观察数据的特定角度
9. 数据粒度：对数据仓库中的数据综合程度高低的一个度量