oracle数据库11g新特性

oracle数据库11g新特性

ID:34725082

大小:428.68 KB

页数:20页

时间:2019-03-10

oracle数据库11g新特性_第1页
oracle数据库11g新特性_第2页
oracle数据库11g新特性_第3页
oracle数据库11g新特性_第4页
oracle数据库11g新特性_第5页
资源描述:

《oracle数据库11g新特性》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、Oracle数据库11g新特性:数据仓库和OLAPOracle数据库11g面向DBA和开发人员的重要新特性:数据仓库和OLAP   数据库驻留的按多维数据集组织的物化视图(无需任何特殊工具将OLAP多维数据集的强大功能同SQL的简单性集成在一起)、通过分区变化跟踪功能轻松识别刷新、新增的分析工作区管理器、扩展到子查询和远程表的查询重写以及许多其他新特性使Oracle数据库成为更强有力的数据仓库平台。   按多维数据集组织的物化视图   联机分析处理(OLAP)概念自20世纪70年代以来一直很活跃,并在2

2、0世纪90年代中期开始成为主流,TedCodd在1992年创造了术语“OLAP”。由于有点深奥,大多数企业当时都不知道如何正确利用OLAP.   多年以后,该技术已十分完善,使得OLAP依靠大型数据仓库变得切实可行,从而真正将“智能”引入业务智能中。与传统关系设计截然不同,OLAP允许以最有效的方式存储和访问数据,即最终用户可以遍历具有许多维度的假定“多维数据集”的边缘。(请参见下面的多维数据集数据示例)。 多维数据集的维度与事实(也称为“量度”)相关联。用关系术语来讲,事实与维度之间具有多对一关系。例

3、如,AcmeComputerSupplies可能有一个销售数据库。维度通常包括客户、产品和时间元素(月份、季度等)。在特定的时间段(2008年8月)内,特定产品(Cat5e电缆)与特定客户(OracleCorp.)之间对应的销售额是一个量度。维度和事实(例如销售额)都存储在单个表上。因此,用关系术语来讲,事实表是维度表的子表。   但是,这仅仅是一个比喻而已。在关系设计中,将通过在事实表的customer、product或time列上创建的索引来访问量度。而在OLAP方法中,特定单元格(量度)是通过遍历

4、多维数据集进行访问的:本示例中的访问方法如下:先转至包含时间Aug08的部分,再转至产品Cat5e,最后转至客户Oracle.   Oracle像在数组(而不是表)中一样计算目的地,然后即可知道如何到达这些部分。例如,假定维度是按以下方式组织的:DimensionTime:={'May','Jun','Jul','Aug'}DimensionCustomer:={'Microsoft','IBM','Oracle','HP'}DimensionProduct:={'Fiber','Cat6e','Cat

5、5e','Serial'}   为了找到Oracle+Aug+Cat5e量度,OLAP引擎将按如下方式执行导航:   1、Aug08是Time数组的第四个元素,因此沿着多维数据集的时间维度转至第四个单元格。   2、Cat5e是Product数组的第三个元素,因此转至第三个元素。   3、Oracle是Customer数组的第三个元素,因此转至第三个元素。   就是这样!现在您已经找到了所需的量度。由于维度值充当数组指针,因此在执行此操作时不必使用索引。同样,如果您要计算2008年8月份所有客户的销售总

6、额,可以执行同样的操作,只是在第3步中将数组各元素的量度加起来,而不是转至特定单元格。   以传统星型模式存储的纯关系形式数据的关系访问与上述方法不同,如下所示。在关系数据库方法中,您必须将此“事实”表与所有维度联接。每次需要数据时,都需要从事实表中选择合适的数据(可能要通过索引),然后将其与所有维度逐个联接起来(再次通过索引)。虽然此方法在技术上是可行的,但在大型数据库中完全行不通。   作为替代方法,能否为所有这些选项创建物化视图(MV)呢?用户可以使用维度元素的任意组合:   ■ 8月份针对所有客

7、户的Cat5e销售额   ■ 8月份针对Oracle的串行电缆销售额与IBM销售额(针对同一产品和月份)的百分比   ■ 针对HP的光缆销售额与针对Microsoft的串行电缆销售额的百分比   等等。但是,需要创建多少个MV呢?理论上讲,应该为每个组合创建一个MV(4x4x4=64MV)。除了空间,您还需要足够的时间和数据库资源,以便在数据发生变化时刷新MV,可能会涉及数千个元素。这样,要创建和管理的MV的数量   将变得相当庞大。   相反,多维数据集是单个段,却可以同样轻松地处理任意类型的查询。虽

8、然二者都可用于旨在加快汇总数据(与OLTP数据不同)处理速度的数据仓库设计中,却存在着巨大的根本区别:MV存储预先计算的结果以避免联接和聚合,而多维数据集存储原始数据并即时计算大多数汇总数据。(需要强调的是“大多数”这个词,因为某些汇总数据是创建的。多维数据集确定哪些聚合有用,然后仅创建那些聚合。在所有其他情况下,汇总数据都是即时计算的。)由于访问路径通过数组基数运算,因此多维数据集中的数据检索速度要比关系表(如MV)快得多。   OLAP

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。