数据立方体技术,是数据挖掘中的一个基本概念。它是将多维数据,按照其对应的多个维度,生成一个多维的类似于立方体的结构,方便进行多维数据的OLAP操作。
在数据立方体中,主要的操作就是我们平时接触比较多的数据库中的聚集操作:sum,count,max,min等。与此相对应,也就不难理解,数据立方体其实就是在大量的多维数据中,进行了一个group by的操作,使得数据能够按照一定的规则聚集起来,从而形成一些小的立方体,继而观察各种聚集的值。还会看到,基本方体的单元是基本单元,也就是说每个维上都是具体的值,而无任何的维上的聚集操作。对于非基本单元则是聚集单元,因为非基本单元肯定是在某个或某些维上进行了聚集操作。同时,使用“*”来表示被聚集的维。
在这里,有个祖先和后代的相对概念。专业的说,祖先是后代在某些维上的上卷操作,不考虑某些维或某些维已被上卷;而后代,则是祖先在某些唯上的下钻操作,更细致的去考虑某些维。因此祖先是后代的泛化,后代是祖先的具体。
冰山立方体。当如果想物化完全立方体时,如果数据量很大,则会使得在存储空间和OLAP的响应时间上消耗很大。因此,就有人提出了一种部分物化的概念:冰山立方体。在计算立方体时,当某一立方体的值小于一定的阈值时,则将这个立方体裁掉;当大