数据挖掘概念与技术10--数据仓库的系统结构

1.数据仓库设计的四种视图

　　自顶向下视图：选择数据仓库所需的相关信息。这些信息能够满足当前和未来商务的需求。

　　数据源视图：揭示操作数据库系统收集，存储和管理的信息。这些信息可能以不同的详细程度和精度建模，存放在由个别数据源表到集成数据源表中。通常，用传统的数据建模技术，如实体-联系模型或CASE工具建模。

　　数据仓库视图：包括事实表和维表，提供存放数据仓库内部的信息，包括预计算的综合和计数，以及提供历史背景的关于源、原始日期和时间等信息。

　　商务查询视图：从最终用户的角度透视数据仓库中的数据。

2.数据仓库的设计过程

　　a.方法：

　　　　自顶向下：由总体设计和规划开始，当技术成熟并已经掌握，对必须解决的商务问题清楚并很好理解时使用。费用高时间长灵活度小，因为整个组织所有部门就共同的数据模型达成一致是困难的。

　　　　自底向上：以试验和原型开始，在商务建模和计数开发早期有用。后期将所有的数据集市集成时是困难的。

　　b.设计步骤：

　　　　（1）选取待建模的商务处理。即前面所讲的主题：销售，订单，库存等。此时应判断该商务过程是企业的还是部门的，来选择数据仓库或者是数据集市。

　　　　（2）选取商务处理的粒度。即：前面所述的抽象层次。例：一天，一年，国家，城市等。

　　　　（3）选取每个事实表所记录的维。

　　　　（4）选取事实表中每条记录的度量。典型的是可加的数值。

3.三层数据仓库的系统结构

　　（1）底层是仓库数据服务器。几乎总是关系型数据库。通过后端工具或使用程序进行数据提取，清理和变换，以及装入和刷新，更新数据仓库。

　　（2）中间是OLAP服务器。典型的实现是关系OLAP（ROLAP）和多维OLAP（MOLAP）。以实现对多维数据的操作。

　　（3）顶层是前端客户层。它包括查询和报表工具、分析工具、数据挖掘工具。

　　　　

　　　　注：数据的提取是将底层的数据通过 变换后提取到中间层的数据仓库。数据提取通常使用网间连接程序（由基础的DBMS支持，允许客户程序产生SQL代码在服务器上执行。例子包括ODBC,JDBC,OLEDB(微软)）。

4.数据仓库模型

　　（1）企业仓库。

　　（2）数据集市。（分为两类：独立的，依赖的（数据直接来自企业级数据仓库））。

　　（3）虚拟仓库。虚拟仓库是操作数据库视图的集合。

5.OLAP服务器类型

　　（1）关系OLAP（ROLAP）。使用关系的或扩充关系的DBMS存储并管理数据，较大的可伸缩性。其使用关系表存放联机分析处理数据。

　　（2）多维OLAP（MOLAP）。通过基于数组的多维存储引擎支持数据的多维视图。将多维数据直接映射到数据立方体，能够对预计算的汇总数据加速索引。但是数据系数易浪费存储空间。其使用多维数组结构存放联机分析处理数据。

　　（3）混合OLAP（HOLAP）。混合上两种。

　　（4）特殊的SQL服务器。在只读环境下。对星形和雪花模式进行SQL查询。

转载于:https://www.cnblogs.com/zjh225901/p/6108898.html