xzq2001888的博客

目录： Cognos_sample样例配置说明.pdf cognos_培训_手册_入门_中级_高级.pdf Cognos8.4安装及配置.doc Cognos8用户指南.pdf Cognos基础知识培训.pdf Cognos入门到精通-高级知识库.ppt

要想在百度八亿网页的数据海洋中找到你所要的信息， 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中 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。 其中数据仓库、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 统的数据中，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 发过程中，星型模式设计又是数据仓库设计的基本概念之一。 星型模式是由位于中央的事实表和环绕在四周的维度表 组成的，事实表中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中的外键。随着企业交易量 的越来越多，星型模式中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中。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。

维度是多维数据集的结构性特性。它们是事实数据表中用来描述数据的分类的有组织层次结构（级别）。这些分类和级别描述了一些相似的成员集合，用户将基于这些成员集合进行分析。(此概念引之于SQLServer2000联机帮助) 所有维度均直接或间接地基于表。当从某个表创建维度时，您会选择定义此维度的列。选择列的顺序至关重要，因为它将影响维度层次结构内成员的位置。(此概念引之于SQLServer2000联机帮助) 维度是有层次的，在大多数情况下维度的成员会按金字塔形布局排列。水平布局由维度层次结构中具有相同级别的列值生成，而垂直布局由维度层次结构中具有不同级别的列值生成。(此概念引之于SQLServer2000联机帮助) 相对应于OLTP系统，维度表数据主要来自于OLTP系统中的各个基础表。但是在OLTP系统中数据变化比较剧烈，通常只保留最近最新的基础信息；也不会记载基础数据的删除、更新和插入的整个历史过程。而数据仓库则是面向主题的、集成化的、稳定的、随时间变化的数据集合，这就要求数据必须是递增的，反映历史变化的；因此数据仓库对于维度数据的处理通常的

　自从20世纪90年代提出数据仓库的概念以来, 数据 仓库技术得到了很大的发展. 数据仓库是一个面向主题的、 集成的、时变的、非易失的数据集合, 支持管理部门的决 策过程. 在数据分析和决策支持领域, 数据仓库被认为是 集成和存储各种分析数据的最佳手段, 它通过对大量分散 的数据进行抽取, 经过加工转换, 实现对数据的集成和综 合管理, 为决策分析提供统一的、高质量的数据平台. 与 传统的数据库系统一样, 建立数据模型是构造数据仓库重 要步骤之一, 正确地运用数据建模技术是成功实施数据仓 库的前提. 目前, 维度建模技术是数据仓库最为流行的数 据建模技术.

第1 章： 元数据建模指南5 了解IBM Cognos 8 建模概念5 按关系建模的概念5 模型设计考虑因素13 维度建模概念18 建立关系模型20 定义按关系建模的基础20 定义模型的维度表达26 组织模型28 第2 章： IBM Cognos 8 生成的SQL 31 了解维度查询31 单资料查询31 对一致维度的多资料、多粒度查询32 将1-n 关系建模为1-1 关系34 对不一致维度的多资料、多粒度查询35 解析标识不明确的维度和资料37 表示层级级别的查询主题37 解析本不应拆分的查询38 索引41 元

目前最好的iocp解决方案。内存池、线程池、工作队列。满足连接需求大的应用。