[计算机软件及应用]olap联机分析处理入门培训

《[计算机软件及应用]olap联机分析处理入门培训》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、联机分析处理(OLAP)培训讲师：楚东哲系统技术处一、OLAP的概念与提出二、OLAP多维数据模型三、OLAP的分类四、OLAP的简单实现五、OLAP的十二准则什么是OLAP?On-LineAnalyticalProcessing，联机分析处理，是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求，它的技术核心是"维"这个概念。2.OLAP的提出1993年，E.F.Codd提出了OL

2、AP概念，认为OLTP（On-LineTransactionProcessing，联机事务处理）已不能满足终端用户对数据库查询分析的需要。决策的分析需要对关系数据库进行大量计算才能得到结果，而简单的查询的结果并不能满足决策者提出的需求。因此，E.F.Codd提出了多维数据库和多维分析的概念，即OLAP。OLAP概念与提出关系数据库满足了联机事务处理（OLTP）的要求存在着大量的分析型应用——RDB无法适应应用角度：要求对大量的数据从各个角度进行综合分析（多维分析）?技术角度：SQL已经不能很好的适应分析应用需求查询效

3、率（响应时间）SQL本身的限制，尤其对时间的限制例如:用SQL查询来按地区求出产品的总销量，或按品名求出产品在各地区的销量总和，就需要涉及对销量数据库中大部分数据记录的检索和处理，需要花数小时才能完成。而一个OLAP数据库服务器能够在几秒钟内完成这种查询。典型分析应用：对一些统计指标（销售金额）从不同角度（维）（时间、地区、商品类型）从不同级别（层次）（地区：县、地市、省、大区）OLAP概念与提出存取工作单位DB大小RDB读/写数十条记录简单的事务100MB-GBOLAP读上百万条记录复杂的查询100GB-TBOLA

4、P与OLTP区别OLAP所用数据来源于OLTP数据库进行了预综合和多维化处理OLAP更强调界面的可视化和灵活性可视化：多维报表、饼图、柱状图、折线图OLAP应用举例1.不同时间段的比较（同期比）各种商品本周（本月、本年）的销售状况与以往相比，有何变化？今后趋势？2.排序和统计分类（TopN和BottomN）统计每天销售量、销售额和利润最高的10个商场3.客户特定的即席分析（市场分割、即席分组的情况）按照季度统计一下东北地区前四个季度的收入情况OLAP概念与提出一、OLAP的概念与提出二、OLAP多维数据模型三、OLA

5、P的分类四、OLAP的简单实现五、OLAP的十二准则多维数据模型定义举例组成a.维b.事实（度量）c.数据立方体多维数据模型多维数据模型1.又称多维概念视图，通常用Cube表示。2.可以更加直观的表示现实中的复杂关系。3.基本组成：维、度量（变量、指标）举例：计算每一个商场、每种产品的销售额Product关系表与多维Cube维度（Dimension）维层次路径、维层次、维成员（维实例）、维层次属性事实（Fact）度量（measure）数据立方体（Cube）数据单元（cell）多维数据模型的组成维：对数据进行分类的一种

6、结构，以用于从特定的角度观察数据。（例如：地区、时间、产品）维的两个用途选择针对期望详细程度的层次的数据分组对细节数据综合（聚集）到相应的详细程度的数据层次。维的组织方式：维层次路径（Hierarchy）维层次路径由代表不同详细程度的维层次（Level）组成。维的层次：特定角度的不同细节程度。维度维层次中包含维成员（DimensionValues），维成员树1.维的一个取值（称为该维的一个成员)，每一个维成员属于某一个特定的维层次。例如：时间维：三个层次，日、月、年，维成员：1999年5月20日、1999年5月、19

7、99年。维成员是数据在该维上的位置描述例如：1999年5月20日销售额表示销售额数据在时间维上的位置（相当于时间轴上的某一点或某一区间）2.不同维层次的取值的组合（对多层次情况），例如：5月20日维层次属性（Attributes）：维层次上的属性描述，例如产品的“规格”、“颜色”、“销地”、“产地”…维度维层次关系定义维层次的聚集和钻取关系为什么需要维层次关系？如果不支持层次关系，将会增加维的数目，变成非常“稀疏”的状况。维成员属性维成员属性：维成员的描述属性，维成员的“类”按一定的划分标准对维成员全集的一个分类（划

8、分）划分：即把全集分成了若干子集各子集的和（并）集等于全集子集间的交集为空划分标准一般是实体（维成员）的属性（特征），称为类属性。例如产品的“规格”、“颜色”、“产地”、“销地”…一个类属性对应一个划分；不同类属性，得到不同类划分类划分一类划分二事实（度量）度量（指标）：数据的实际意义，一般是一个数值度量指标，例如：销售额，销售量等，而具体数据