数据仓库与数据挖掘-OLAP的数据模型与实现方式.ppt

《数据仓库与数据挖掘-OLAP的数据模型与实现方式.ppt》由会员上传分享，免费在线阅读，更多相关内容在PPT专区-天天文库。

1、数据仓库与数据挖掘-OLAP的数据模型2021/7/281OLAP的数据模型MOLAP数据模型ROLAP数据模型MOLAP与ROLAP的比较HOLAP数据模型2021/7/282MOLAP的数据模型MOLAP是基于多维数据库存储方式建立的OLAP；表现为“超立方”结构，采用类似于多维数组的结构。如，二维MDDB（数组，即矩阵）的数据组织如下所示。北京上海广州衣服600700500鞋800900700帽子100200802021/7/283MOLAP的原理OLAPServeruserWarehouseQueryDataMDDBPeriodicload2021/7/28

2、4多维数据模型数据立方体sales中每格的度量可以看作是关联Product、Region和Month的函数ProductRegionMonth涉及的维:Product,Location,Time属性的层次结构和格结构IndustryRegionYearCategoryCountryQuarterProductCityMonthWeekOfficeDay2021/7/285ROLAP数据模型ROLAP是基于关系数据库的OLAP。它是一个平面结构，用关系数据库表示多维数据时，采用星型模型。产品名地区销售量衣服北京600衣服上海700衣服广州500鞋北京800鞋上海900

3、鞋广州700帽子北京100帽子上海200帽子广州802021/7/286星型模式的例子time_keydayday_of_the_weekmonthquarteryeartime维表location_keystreetcityprovince_or_streetcountrylocation维表Sales事实表time_keyitem_keybranch_keylocation_keyunits_solddollars_soldavg_sales各种度量item_keyitem_namebrandtypesupplier_typeitem维表branch_keybr

4、anch_namebranch_typebranch维表2021/7/287OLAPServeruserWarehouseDatacacheLivefetchCacheQueryDataROLAP的原理2021/7/288MOLAP与ROLAP的比较1.数据存取速度2.数据存储的容量3.多维计算的能力4.维度变化的适应性5.数据变化的适应性6.软硬件平台的适应性7.元数据管理2021/7/2891.数据存取速度ROLAP服务器需要将SQL语句转化为多维存储语句，临时“拼合”出多维数据立方体。因此，ROLAP的响应时间较长。MOLAP在数据存储速度上性能好，响应速度快

5、。2021/7/28102.数据存储的容量ROLAP使用的传统关系数据库的存储方法，在存储容量上基本没有限制。MOLAP通常采用多平面叠加成立体的方式存放数据。当数据量超过操作系统最大文件长度时，需要进行数据分割。多维数据库的数据量级难以达到太大的字节级。2021/7/28113.多维计算的能力MOLAP能够支持高性能的决策支持计算。ROLAP无法完成多行的计算和维之间的计算。2021/7/28124.维度变化的适应性MOLAP增加新的维度，则多维数据库通常需要重新建立。ROLAP对于维表的变更有很好的适应性。2021/7/28135.数据变化的适应性当数据频繁的变

6、化时，MOLAP需要进行大量的重新计算，甚至重新建立索引乃至重构多维数据库。在ROLAP中灵活性较好，对于数据变化的适应性高。2021/7/2814软硬件平台的适应性与元数据6.软硬件平台的适应性ROLAP对软硬件平台的适应性很好，而MOLAP相对较差。7.元数据管理目前在元数据的管理，MOLAP和ROLAP都没有成形的标准。2021/7/2815HOLAP数据模型HOLAP（HybridOLAP），即混和OLAP介于MOLAP和ROLAP之间。在HOLAP中，对最常用的维度和维层次，使用多维数据表来存储，对于用户不常用的维度和数据，采用ROLAP星型结构来存储。在

7、HOLAP的多维数据表中的数据维度少于OLAP中的维度表，数据存储容量也少于MOLAP方式。HOLAP在数据存取速度上又低于MOLAP。2021/7/2816HOLAP的原理OLAPServeruserWarehouseFetch,cacheMDDBandcachePeriodicloadQueryData2021/7/2817多维数据的显示多维数据显示方法多维类型结构(MTS)多维数据的分析视图2021/7/2818多维数据显示方法三维数据显示如下表所示。产品名地区时间销售量衣服北京1月100衣服北京2月200衣服北京3月300衣服上海1月200衣服上海2月3