OLTP报表和OLAP报表

所谓OLTP报表,就是在业务系统的数据库上,产生各种报表。由于OLTP数据模型千差万别,所以不可能有统一的元数据来描述数据的语义、规则。可以想象,在OLTP数据库上产生报表是一件比较头疼的事,要是每张表需要软件编写者硬编码实现,实在是痛苦万分。有需求就有市场!近年来,国内外冒出了不少报表软件用来在OLTP基础上生成报表,这样可大大提升软件中报表模块的开发效率。由于没有统一的数据模式,这些报表软件都需要使用者根据数据含义来定义报表,需要定义的内容大致有:报表版式、取数关系、公式运算等,而无法提供操作界面直接来产生报表。

OLAP数据库本来就是面向分析的,并已经根据分析的需要把数据表分成了维表和事实表。并且必须负荷一定数据模型的数据库结构,才能算是OLAP数据库。如MOLAP的立方体模型,ROLAP的星形模型、雪花模型等。由于无论谁建的OLAP数据苦都符合标准的数据模型,前端的数据分析展示工具软件就具备了可交换性,也就是一套数据用多个软件分析展示都可以,差别只是不同的软件性价比、展示能力不同。另外,由于OLAP符合统一的模型,使得直接用界面操作而非繁复的报表定义成为了可能。很多好的展示软件都支持即席报表,即允许用户通过界面操作直接生成报表。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OLAP(联机分析处理)。 什么是联机分析处理(OLAP) 联机分析处理 (OLAP) 的概念最早是由关系数据库之父E.F.Codd于1993年提出的,他同时提出了关于OLAP的12条准则。 OLAP的提出引起了很大的反响,OLAP作为一类产品同联机事务处理 (OLTP) 明显区分开来。 当今的数据处理大致可以分成两大类:联机事务处理OLTP(on-line transaction processing)、联机分析处理OLAP (On-Line Analytical Processing)。OLTP是传统的关系型数据库的主要应用,主要是基本的、日常的事务处理,例如银行交易。 OLAP是数据仓库系统的主要应用,支持复杂的分析操作,侧重决策支持,并且提供直观易懂的查询结果。 下表列出了OLTPOLAP之间的比较。 OLTPOLAP用户操作人员,低层管理人员决策人员,高级管理人员功能日常操作处理分析决策DB 设计面向应用面向主题数据当前的, 最新的细节的, 二维的分立的历史的, 聚集的, 多维的集成的, 统一的存取读/写数十条记录读上百万条记录工作单位简单的事务复杂的查询用户数上千个上百个DB 大小100MB-GB100GB-TB OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取,从而获得对数据的更深入了解的一类软件技术。 OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求,它的技术核心是"维"这个概念。 “维”是人们观察客观世界的角度,是一种高层次的类型划分。“维”一般包含着层次关系,这种层次关系有时会相当复杂。通过把一个实体的多 项重要的属性定义为多个维(dimension),使用户能对不同维上的数据进行比较。因此OLAP也可以说是多维数据分析工具的集合。 OLAP的基本多维分析操作有钻取(roll up和drill down)、切片(slice)和切块(dice)、以及旋转(pivot)、drill across、drill through等。 ·钻取是改变维的层次,变换分析的粒度。它包括向上钻取(roll up)和向下钻取(drill down)。roll up是在某一维上将低层次的细节数据 概括到高层次的汇总数据,或者减少维数;而drill down则相反,它从汇总数据深入到细节数据进行观察或增加新维。 ·切片和切块是在一部分维上选定值后,关心度量数据在剩余维上的分布。如果剩余的维只有两个,则是切片;如果有三个,则是切块。 ·旋转是变换维的方向,即在表格中重新安排维的放置(例如行列互换)。 OLAP有多种实现方法,根据存储数据的方式不同可以分为ROLAP、MOLAP、HOLAP
商业智能的概念 商业业智能是什么?简而言之,它是能够帮助用户对自身业务经营做出正确明智决定的工 具。一般现代化的业务操作,通常都会产生大量的数据,如订单、库存、交易帐目、通话 记录、及客户资料等。如何利用这些数据增进对业务情况的了解,帮助我们在业务管理及 发展上作出及时、正确的判断,也就是说,怎样从业务数据中提取有用的信息,然后根据这 些信息来采用明智的行动--这就是商业智能的课题。   目前,商业智能产品及解决方案大致可分为数据仓库产品、数据抽取产品、OLAP产 品、展示产品、和集成以上几种产品的针对某个应用的整体解决方案等。   商业智能领域的技术应用:   商业智能的技术体系主要有数据仓库(DW)、在线分析处理(OLAP)以及数据挖掘 (DM)三部分组成。   数据仓库是商业智能的基础,许多基本报表可以由此生成,但它更大的用处是作为进 一步分析的数据源。所谓数据仓库(DW)就是面向主题的、集成的、稳定的、不同时间 的数据集合,用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的 例子,数据仓库能供给它们所需要的、整齐一致的数据。   在线分析处理(OLAP)技术则帮助分析人员、管理人员从多种角度把从原始数据中 转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息,进行快速、一致 、交互地访问,从而获得对数据的更深入了解的一类软件技术。   数据挖掘(DM)是一种决策支持过程,它主要基于AI、机器学习、统计学等技术, 高度自动化地分析企业原有的数据,做出归纳性的推理,从中挖掘出潜在的模式,预测 客户的行为,帮助企业的决策者调整市场策略,减少风险,做出正确的决策。 商业智能常见名词浅释 Data Warehouse 本世纪80年代中期,"数据仓库之父"William H.Inmon先生在其《建立数据仓库》一书中定义了数据仓库的概念,随后又给出了更为精确 的定义:数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修 改的数据集合。与其他数据库应用不同的是,数据仓库更像一种过程,对分布在企业内 部各处的业务数据的整合、加工和分析的过程。而不是一种可以购买的产品。 Data mart 数据集市,或者叫做"小数据仓库"。如果说数据仓库是建立在企业级的数据模型之上的 话。那么数据集市就是企业级数据仓库的一个子集,他主要面向部门级业务,并且只是 面向某个特定的主题。数据集市可以在一定程度上缓解访问数据仓库的瓶颈。 OLAP 联机分析处理(OLAP)的概念最早是由关系数据库之父E.F.Codd于1993年提出的。当时, Codd认为联机事务处理(OLTP)已不能满足终端用户对数据库查询分析的需要,SQL对大数 据库进行的简单查询也不能满足用户分析的需求。用户的决策分析需要对关系数据库进 行大量计算才能得到结果,而查询的结果并不能满足决策者提出的需求。因此Codd提出 了多维数据库和多维分析的概念,即OLAP。Codd提出OLAP的12条准则来描述OLAP系统: 准则1 OLAP模型必须提供多维概念视图 准则2 透明性准则 准则3 存取能力推测 准则4 稳定的报表能力 准则5 客户/服务器体系结构 准则6 维的等同性准则 准则7 动态的稀疏矩阵处理准则 准则8 多用户支持能力准则 准则9 非受限的跨维操作 准则10 直观的数据操纵 准则11 灵活的报表生成 准则12 不受限的维与聚集层次 ROLAP 基于Codd的12条准则,各个软件开发厂家见仁见智,其中一个流派,认为可以沿用关系 型数据库来存储多维数据,于是,基于稀疏矩阵表示方法的星型结构(star schema)就出现了。后来又演化出雪花结构。为了与多维数据库相区别,则把基于关系 型数据库OLAP称为Relational OLAP,简称ROLAP。代表产品有Informix Metacube、Microsoft SQL Server OLAP Services。 MOLAP Arbor Software严格遵照Codd的定义,自行建立了多维数据库,来存放联机分析系统数据,开 创了多维数据存储的先河,后来的很多家公司纷纷采用多维数据存储。被人们称为Muil tdimension OLAP,简称MOLAP,代表产品有Hyperion(原Arbor Software) Essbase、Showcase Strategy等。 Client OLAP 相对于Server OLAP而言。部分分析工具厂家建议把部分数据下载到本地,为用户提供本地的多维分析 。代表产品有Brio Designer,Business Object。 DSS 决策支持系统(Decision Support System),相当于基于数据仓库的应用。决策支持就是在收集所有有关数据和信息,

“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