数据仓库中清空维度表问题

数据仓库中清空维度表问题 

       数据仓库搭建好以后,若维度表数据量不是很大,可采用全部更新的方式来提高效率,因为若用增量更新,则需要渐变维度组件,效率较底.
       采用全部更新,每次加载维度表之前必须先清空维度表,可在加载维度表的控制流前面加一个“执行SQL任务”用来清空维度表。但由于数据仓库往往包有主外键约束,清空表时会遇到问题,这时要注意:
       1、因为存在主外键引用关系,必须按照一定的顺序清空表,否则会提示主外键约束,不能清空。顺序原则是:先清空事实表,再清空维度表。若是雪花型结构,先清空事实表,然后再清空离事实表最近的维度表,即最后清空“叶子”维度表。
       2、清空时的语句用DELETE语句,不能用TRUNCATE语句。
如:
delete from dbo.ManufacturingFact
delete from dbo.DimProduct
delete from dbo.DimProductSubtype
delete from dbo.DimProductType
delete from dbo.DimBatch
delete from dbo.DimMachine
delete from dbo.DimMachineType
delete from dbo.DimMaterial
delete from dbo.DimPlant
delete from dbo.DimCountry
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要想在百度八亿网页的数据海洋找到你所要的信息, 人工方式需要1200 多人年,而百度搜索技术不到1 秒钟。人 们被数据淹没,却渴望知识。商务智能技术已成为当今企业 获取竞争优势的源泉之一。商务智能通常被理解为将企业 现有的数据转化为知识,帮助企业做出明智决策的IT工具集。 其数据仓库、OLAP和数据挖掘技术是商务智能的重要组成 部分。商务智能的关键在于如何从众多来自不同企业运作系 统的数据,提取有用数据,进行清理以保证数据的正确性, 然后经过抽取、转换、装载合并到一个企业级的数据仓库里, 从而得到企业数据的一个全局视图,并在此基础上利用适当 的查询分析、数据挖掘、OLAP等技术工具对其进行分析处理, 最终将知识呈现给管理者,为管理者的决策过程提供支持。 可见,数据仓库技术是商业智能系统的基础,在智能系统开 发过程,星型模式设计又是数据仓库设计的基本概念之一。 星型模式是由位于央的事实表和环绕在四周的维度表 组成的,事实表的每一行与每个维度表的多行建立关系, 查询结果是通过将一个或者多个维度表与事实表结合之后产 生的,因此每一个维度表和事实表都有一个“一对多”的连 接关系,维度表的主键是事实表的外键。随着企业交易量 的越来越多,星型模式的事实表数据记录行数会不断增加, 而且交易数据一旦生成历史是不能改变的,即便不得不变动, 如对发现以前的错误数字做修改,这些修改后的数据也会作 为一行新纪录添加到事实表。与事实表总是不断增加记录 的行数不同,维度表的变化不仅是增加记录的行数,而且据 需求不同维度表属性本身也会发生变化。本文着重讨论数据 仓库维度表的变化类型及其更新技术。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值