文章目錄

• 一、OLAP 核心技術(shù)
• 二、OLAP 多維數(shù)據(jù)模型
• 三、OLAP 多維數(shù)據(jù)模型 核心概念
• 四、維
• 五、維成員
• 六、維層
• 七、維層次
• 八、維屬性
• 九、度量

一、OLAP 核心技術(shù)

---

OLAP 核心技術(shù) :

• 多維數(shù)據(jù)模型
• 多維分析操作
• 多維查詢及展示
• 數(shù)據(jù)方體技術(shù)

二、OLAP 多維數(shù)據(jù)模型

---

"用戶數(shù)據(jù)視圖" 概念 : 在數(shù)據(jù)分析時 , 用于面向分析的數(shù)據(jù)模型 , 用于為分析人員提供 多種觀察數(shù)據(jù)的視角 , 和 面向分析的操作 ;

"多維數(shù)據(jù)模型" 作用 : 多維數(shù)據(jù)模型 是 數(shù)據(jù)倉庫 和 OLAP 聯(lián)機分析處理 的 基礎(chǔ) ;

"多維數(shù)據(jù)模型" 表示 :

• 多維數(shù)組 : 多維數(shù)據(jù)模型 的 數(shù)據(jù)結(jié)構(gòu) , 可以使用 多維數(shù)組 表示 ;
• 實例 : 維度 $1$ , 維度 $2$ , $?$ , 維度 $n$ , 維度之間的交叉點 , 存放度量值 , 每個度量值由若干數(shù)據(jù)組成 ; 如 二維數(shù)據(jù) , 維度 $1$ 是 $x$ 軸 , 維度 $2$ 數(shù)據(jù)是 $y$ 軸 , 每個 $x,y$ 都可以定位一個度量值 ;

"多維數(shù)據(jù)模型" 本質(zhì) : 多維數(shù)據(jù)模型 本質(zhì)是 多維空間 , “維” 表示用戶觀察的對象 , 觀察角度 , 多維空間中的 “點” 表示 度量 的值 ; OLAP 采用 “多維數(shù)據(jù)模型” ;

"多維數(shù)據(jù)模型" 與 傳統(tǒng)的關(guān)系數(shù)據(jù)模型不同 :

• OLTP 關(guān)系數(shù)據(jù)模型 : 傳統(tǒng)關(guān)系數(shù)據(jù)模型是二維的 , 關(guān)系數(shù)據(jù)庫有一套 “關(guān)系-代數(shù)理論” , 有非常深厚的數(shù)學(xué)基礎(chǔ) ;
• OLAP 多維數(shù)據(jù)模型 : 多維數(shù)據(jù)模型是 隨著 OLAP 產(chǎn)品的流行出現(xiàn) , 缺乏理論基礎(chǔ) , 目前沒有統(tǒng)一的多維數(shù)據(jù)模型 ;

"多維數(shù)據(jù)模型" 不同表示方式 :

• 使用 “關(guān)系模型” 表示 多維數(shù)據(jù)模型 ;
• 將 多維數(shù)據(jù)模型 形式化為 “多維空間” ;

三、OLAP 多維數(shù)據(jù)模型 核心概念

---

OLAP 多維數(shù)據(jù)模型 核心概念 :

• 維
• 維成員
• 維層
• 維層次
• 度量

四、維

---

"維" 簡介 :

• "維" 概念 : 人們 觀察數(shù)據(jù)的 特定角度 , 事物的屬性 ;
• "維" 作用 : “維” 是商業(yè)活動的 基本要素 , 每個 “維” 有唯一的名稱 , 如 時間維 , 地區(qū)維 等 ;

"維" 示例 : 分析 商品銷售 數(shù)據(jù) , 涉及 商品的 時間 , 地區(qū) , 就是維 ;

• 時間維 : 商品在不同的時間的銷售情況 ;
• 地區(qū)維 : 商品在不同的地區(qū)的銷售情況 ;

五、維成員

---

"維成員" 簡介 :

• 維 與 “維成員” : 維 是由若干 “維成員” 組成 ; 維的 一個取值 稱為 “維成員” , 每個 “維成員” 都有一個名字 , 可以有 若干屬性 描述 “維成員” 特征 ;
• 多維層 “維成員” : 維 可能是 多層的 , 該 維 的 “維成員” 可以是 在不同 維層 上的取值組合 ;

"維成員" 示例 :

• "時間維" 示例 : 以 “時間維” 為例 , 時間維上有 $100$ 個時間數(shù)據(jù) , 每個時間數(shù)據(jù)都是一個 “維成員” ;
• $3$ 個維層次 : “時間維” 有 : 年 , 月 , 日 , 三個層次 ;
• 多維層 “維成員” : 每個時間數(shù)據(jù) ( “維成員” ) 可以由 $3$ 個維層的數(shù)據(jù)組成 , 如 $2020$ 年 $02$ 月 $02$ 日 , 分別是 年 , 月 , 日 , 三個維層 的數(shù)據(jù) ;
• 單維層 “維成員” : 也可以只使用一個 維層 的數(shù)據(jù) , 如 $2020$ 年 , 只有一個維層的數(shù)據(jù) ;
• "維成員" 取值靈活 : “維成員” 取值 既可以使用 維 的全部維層數(shù)據(jù) , 也可以只取一個維層的數(shù)據(jù) , 也可以選擇若干 維層 數(shù)據(jù)組合 ;

六、維層

---

"維層" 簡介 :

• "維層" 概念 : 觀察數(shù)據(jù)時 , 除了從 某一角度 觀察外 , 還需要 從 “不同細節(jié)程度” 去觀察 , 這些 不同的細節(jié)程度 , 稱為 “維層” ;

• "維層" 示例 : 時間維 : 日 , 月 , 年 , 是時間維 的 維層 ; 地區(qū)維 : 街道 , 城市 , 省份 , 國家 , 是地區(qū)維的 維層 ;

• "維層" 描述 : 維層 描述了 數(shù)據(jù)的 細節(jié)程度 , 抽象級別 , 每個維層都有一個名稱 , 維層之間存在抽象級別決定關(guān)系 , 如上述地區(qū)維 , 國家下有很多省份 , 省份下有很多城市 , 城市下有很多街道 ;

• "維層" 成員 : 每一個維層的具體取值 , 稱為 維層成員 , 如 地區(qū)維 , 國家維層 , 有中國 , 美國 , 省份維層有 廣東 , 浙江 ;

• "維層" 本質(zhì) : 維層 本質(zhì)上 是 對 維成員 的 組織分類方法 ;

七、維層次

---

"維層次" 簡介 :

• "維層次" 概念 : 若干 維層 可以構(gòu)成 分類方法 , 在 維 中 , 可以有多個分類方法 , 每種分類方法叫做 “維層次” ;
• "維層次" 示例 : 以 時間維 為例 , 按照 年 -> 季度 -> 月 -> 日 進行分類 , 這是一個維層次 , 也可以 按照 年 -> 月 -> 周 進行分類 , 這也是一個維層次 ; 上述是 時間維 的 兩個維層次 ; 不同維層的組織方法 , 稱為維層次 ;

八、維屬性

---

"維屬性" 簡介 :

• "維屬性" 概念 : 維屬性 用于 說明 維成員 具有的特征 ;

• "維屬性" 定義位置 : 維屬性可以 定義在維成員上 , 也可以 定義在維層上 ; 如果將維屬性 定義為維層上 , 那么該層次上的每個維成員都具有該屬性 ;

• "維屬性" 定義示例 : 維成員 是 商店 , 為商店 定義 負責(zé)人 屬性 , 可以直接在該 商店 維成員上定義 , 可以在 地區(qū)維 下定義該屬性 , 如果在地區(qū)維 定義維屬性 , 那么該地區(qū)所有的商店的負責(zé)人都是同一個人 ;

九、度量

---

"度量 " 簡介 :

• "度量" 概念 : 分析的 目標(biāo) 或 對象 , 稱為 度量 ;

• "度量" 表示 : 度量一般有 名字 , 數(shù)據(jù)類型 , 單位 , 公式 等屬性 ;

• 輸入 “度量” : 從業(yè)務(wù)活動中獲取的值 ; 如 銷售額 ;

• 導(dǎo)出 “度量” : 經(jīng)過計算得到的值 ; 如 利潤 ;

• 聚集計算 : 求和 , 求平均值 等操作 ;

• 可累計型 “度量” : 可以沿 時間維 做聚集計算 , 稱為 可累計型 的度量 , 如營業(yè)額 ;

• 不可累計型 “度量” : 不能沿 時間維 做聚集計算 , 稱為 不可累計型 的度量 , 如庫存 , 不能將不同時間的庫存累加起來 ;

“度量” 是 多個 “維” 的 交叉點 ;

總結(jié)

以上是生活随笔為你收集整理的【DBMS 数据库管理系统】OLAP 核心技术 : 多维数据模型 ( 多维数据模型 | 维 | 维成员 | 维层 | 维层次 | 维属性 | 度量 )的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。