![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
ORACLE数据仓库
outget1
这个作者很懒,什么都没留下…
展开
-
数据库优化中什么是星型转换(Star Transform)
在数据仓库中经常查询的SQL总带有下列特征:几个表进行关联只有一个数据量巨大的表, 称为事实表其他的都是编码表, 称为维表维表和事实表之间有主外键关系 假设有D1(key1),D2(key2),D3(key3),D4(key)四个小的维表和一个事实表F(key1,key2,key3,key4), 那么经常进行的查询将是:SELECT D1.x原创 2010-02-02 09:33:00 · 1095 阅读 · 0 评论 -
oracle10g新特性——物化视图 Advisor(中文称为顾问
Advisor 在10g将查询重写并且引进了新的强大的调优建议者使管理物化视图变得容易多了。 物化视图(Materialized Views MVs),也被称为快照,现在已经被广泛应用了。MV将一个查询的结果存储在一个段中,并且当用户提交查询时返回查询结果,而不需要重新执行查询 ------如果查询会被执行多次(经常出现在数据仓库环境中),这就会非常有效。MV可以从基础表中完转载 2010-02-02 17:00:00 · 1094 阅读 · 0 评论 -
oracle数据仓库中三种优化
对于我们这个项目来说,数据库的存取的性能决定了数据提供的性能。优化的大致的原理只有两个:一是数据分块存放,便于数据的转储和管理;二是中间处理,提高数据提供的速度。基于上面两个根本的原理,借助于数据仓库的概念,列举数据库的优化方式:1. 分区在数据仓库中,事实表,索引表,维度表分处于三个不同的表空间当中(在部署的时候,最好是部署到不同的磁盘上)。这样子做的原因就是便于并发操作,其实数据仓库和普通转载 2010-02-02 15:36:00 · 2104 阅读 · 0 评论 -
ORACLE物化视图-通过Oracle Dimension来优化物化视图的查询
http://hi.baidu.com/edeed/blog/item/014a7becfa6a15d32f2e21b0.html在数据仓库环境中,我们通常利用物化视图强大的查询重写功能来提升统计查询的性能,但是物化视图的查询重写功能有时候无法智能地判断查询中一些相关联的条件,以至于影响性能。比如我们有一张销售表sales,用于存储订单的详细信息,包含交易日期、顾客编号和销售量。我们创建一转载 2010-02-02 13:58:00 · 1791 阅读 · 0 评论 -
ORACLE物化视图-利用维对象来优化数据仓库的高级技巧
http://www.anysql.net/oracle/oracle_olap_dimension.html 在Oracle的数据仓库(OLAP)中, 实体化视图(MVIEW), 查询重写(Query Rewrite)和维(Dimension)是非常重要的优化手段, 对于前两者我不想在这儿重复讲了, 主要来体验一下维的作用. 要发挥维的作用, 还是需要用到前面两者, 下面是我设计的只转载 2010-02-02 10:03:00 · 1161 阅读 · 0 评论 -
Data Warehouse Guide阅读笔记(七):partition table
一般情况下,unique constraint都是通过unique index来实现的。但是在数据仓库中,由于数据量巨大,建立一个索引可能需要花费相当大的时间和空间,假如查询中又用不上这个索引的话,那么建立索引的高代价却没有带来什么收益,这是很不划算的。举个例子,假如有一个sales表,其中sales_id的数据是唯一的,我们在sales_id上建一个unique constraint,语转载 2010-02-02 13:23:00 · 902 阅读 · 0 评论 -
Data Warehouse Guide阅读笔记(六):unique constraint & unique index
一般情况下,unique constraint都是通过unique index来实现的。但是在数据仓库中,由于数据量巨大,建立一个索引可能需要花费相当大的时间和空间,假如查询中又用不上这个索引的话,那么建立索引的高代价却没有带来什么收益,这是很不划算的。举个例子,假如有一个sales表,其中sales_id的数据是唯一的,我们在sales_id上建一个unique constraint,语原创 2010-02-02 13:22:00 · 1504 阅读 · 0 评论 -
Data Warehouse Guide文档笔记(一):Data warehouse和OLTP系统的对比
新的工作主要专注于数据仓库的构建,因此开始阅读oracle的data warehouse guide文档,随便在这里记下一点笔记。希望能够坚持看完。Oracle10g Data Warehouse Guide链接如下:http://download-west.oracle.com/docs/cd/B19306_01/server.102/b14223/toc.htm和OLTP系统不同,原创 2010-02-02 13:13:00 · 1513 阅读 · 0 评论 -
Data Warehouse Guide文档笔记(三):RELY constraints
数据仓库中的数据,一般是通过ETL定期load进来的。在做ETL的时候,一般会对load的数据的一致性做检查。所以,我们有理由认为,数据仓库中的数据都是符合一致性要求的。那么,在数据仓库中的表上还有必要加constraint么? 既然我们已经可以确定数据仓库中的数据是一致的,那么应该就没有必要再在表上建constraint了,constraint对DML或者load操作是有性能影响的,转载 2010-02-02 13:10:00 · 1540 阅读 · 0 评论 -
Data Warehouse Guide文档笔记(二):star schema
数据仓库这么多年来发展的成果,我认为恐怕最重要的要算star schema了,可以说它是整个数据仓库的基石。 star schema主要的思想在于将我们关心的数据和用于描述数据的属性分隔开来。实际的数据存放于Fact table中,从不同角度来描述数据的属性放到不同的dimension table中。比如,一个sales数据仓库可以这样设计,每一笔销售记录,应该会包含销售的产品,销售的原创 2010-02-02 13:07:00 · 2002 阅读 · 0 评论 -
Data Warehouse Guide阅读笔记(八):materialized view之一
通常,在数据仓库中可以通过创建摘要信息(summary)来提升性能。这里的摘要指的是预先对一些连接(join)和聚合(aggregation)进行计算并将结果保存下来,后续查询的时候可以直接利用保存的摘要信息来生成报表。在oracle中,可以利用物化视图(materialized view)来创建数据仓库中的摘要。物化视图另外一种重要的功能是复制数据。结合oracle优化器的查询重写(quer转载 2010-02-02 13:05:00 · 946 阅读 · 0 评论 -
Data Warehouse Guide文档笔记(四):dimension
要理解oracle中的dimension,首先要搞清楚dimension和dimension table之间的区别。dimension table是table,和关系数据库中的其他table一样,存放数据,需要实际的存储空间。而dimension则只是一个逻辑结构,定义了dimension table中的一个列或一组列于其他列之间的一个层次关系,dimension只保存定义,可以将其理解为一种转载 2010-02-02 12:58:00 · 1702 阅读 · 0 评论 -
数据库链、物化视图、高级复制方面
http://yangtingkun.itpub.net/post/468/246820转贴 yangtingkun的blog,其中关于物化视图方面介绍的比较详细可以逐一参考。 09年马上要结束了,BLOG每天更新又坚持了一年,目前文章总数1700多篇,其中纯技术文章将近1300篇。我比较喜欢的一句话:十年磨一剑。以前提到过,坚持10年可能会比较困难,那么至少要坚持5年,到目前转载 2010-02-03 14:49:00 · 1772 阅读 · 0 评论