数据仓库技术（Data Warehouse Technologien) 第一章节 总览（1）

内容均来自博主所在大学的课程，在此不引用原文，均以翻译和个人理解文本出现。如需要原版幻灯片（德语），请联系博主。这将是一个系列的课程，国内对数据仓库的相关课程以及资料少之又少，即使出现也只是作为数据挖掘的陪衬，特此在这里进行总结以便整理和交流，有任何问题请留言，欢迎提问交流。

课件及书本作者：Prof. Dr.-Ing. Kai-Uwe Sattler, Prof. Dr. Gunter Saake, Dr. Veit Köppen

如今，数据仓库是现代企业级信息系统的重要组成部分，并构成了决策支持系统的基础。 数据仓库的特殊要求：

1. 要存储的数据量
2. 数据的多维结构 以及
3. 对较短响应时间的要求
4. 需要利用数据库技术进行的特殊支持。

内容概览

1. 引入和基本定义（术语）- 本章节（1）（2）（3）（4）
2. 数据仓库架构（1）（2）（3）
3. 多维数据模型（1）（2）（3）
4. 提取，转换和加载（1）
5. 数据仓库中的查询
6. 存储结构（1）
7. 索引结构
8. 查询处理和查询优化
9. 物化视图（视图实现）
10. 业务智能应用

使用的书目

Köppen, V.; Saake, G.; Sattler, K.-U.: Data Warehouse Technologien
2. Auflage, mitp-Verlag, 2014, 351 Seiten, 29,99 €

第一章节 引入和基本定义（术语）

1. 场景：饮料市场

单一的市场关于饮料的相关数据（数据来源单一）

2. DB-Schema 数据库模式（层）

关于单一市场的数据库模式

 

3. 数据库使用（应用 - 针对上方单一市场进行相关数据库查询）

• 查询

1. 上个月 销售了多少罐 可乐？
2. 去年 的 红酒 销售趋势 如何？
3. 谁是我们的顶级用户？
4. 我们从 哪个供应商 那里获得 最多的箱子？

• 问题

1. 使用外部来源（客户数据库，供应商数据库，... ）。
2. 涉及时间方面的数据。

4. 拓展场景

在A和B两个地方开着许许多多这种市场（超市）

5. 数据库使用2（针对多个市场进行相关数据库查询）

• 查询

1. 我们在 A地点的某个城市的超市 卖出的啤酒的量比 B地点的某个城市的超市 多吗?（A.stadt.market.Bier > B.stadt.market.Bier）
2. 夏季在整个B地点售出多少可乐？
3. 比饮用水多吗？

• 问题

1. 跨更多的数据库的查询。

6. 解决方案

• 变体1：“分布式数据库”

1. 跨多数据库的全局查询（请求）→ 带Union的视图。
2. 缺点：昂贵的分布式查询执行。

• 变体2：“集中式（中央）数据库”

1. 在一个中央数据库中更改。
2. 缺点：操作运行中应答时间长

7. 数据仓库解决方案

所有数据库（同构/异构）数据汇总到数据仓库

8. 课程目标（对象）

• 数据仓库：搜集数据和支持决策过程的技术。
• 数据库技术的挑战：

1. 数据量（有效存储及管理，查询处理）；
2. 数据建模（时间相关，多维度）；
3. 集成异构数据库；

• 难点/重点

1. 数据仓库中的数据库技术。

9. 概览

数据仓库系统

 

由于插图和结构图的绘制花费的时间较长，每个章节就拆开慢慢更新

2019.11.29