多维数据分析方法30页PPT
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
文 家 。汉 族 ，东 晋 浔阳 柴桑 人 （今 江西 九江 ） 。曾 做过 几 年小 官， 后辞 官 回家 ，从 此 隐居 ，田 园生 活 是陶 渊明 诗 的主 要题 材， 相 关作 品有 《饮 酒 》 、 《 归 园 田 居 》 、 《 桃花 源 记 》 、 《 五 柳先 生 传 》 、 《 归 去来 兮 辞 》 等 。
1
0
、
倚
南
窗
以
寄
傲
，
审
容
膝
之
易
安
。
数据仓库与OLAP实践
清华大学出版社
3. 维度（Dimension）
❖ 维度（也简称为维）是人们观察数据的角度。 ❖ 例如，企业常常关心产品销售数据随时间的变化
情况，这是从时间的角度来观察产品的销售，因 此时间就是一个维（时间维）。 ❖ 例如，银行会给不同经济性质的企业贷款，比如 国有、集体等，若通过企业性质的角度来分析贷 款数据，那么经济性质也就成为了一个维度。 ❖ 包含维度信息的表是维度表，维度表包含描述事 实数据表中的事实记录的特性。
多维数据分析方法
6
、
露
凝
无
游
氛
，
天
高
风
景
澈
。
7、翩翩新 来燕，双双入我庐 ，先巢故尚在，相 将还旧居。
8
、
吁
嗟
身
后
名
，
于
我
若
浮
烟
。
9、 陶渊 明（ 约 365年 —427年 ），字 元亮， （又 一说名 潜，字 渊明 ）号五 柳先生 ，私 谥“靖 节”， 东晋 末期南 朝宋初 期诗 人、文 学家、 辞赋 家、散
沿着时间维上 卷，由“季度” 上升到半年
12
上卷（续）
❖ 上卷的另外一种情况是通过消除一个或多个维来 观察更加概况的数据。
消除“经济 性质”维度
13
2. 下钻（drill-down）
❖ 下钻是通过在维级别中下降或通过引入某个或某 些维来更细致的观察数据。
沿时间维 下钻
14
3. 切片（slice）
❖ 在给定的数据立方体的一个维上进行的选择操作。 切片的结果是得到了一个二维的平面数据。
“时间＝ 1季度”
15
3. 切块（dice）
❖ 在给定的数据立方体的两个或多个维上进行的选 择操作。切块的结果是得到了一个子立方体。
(度量值＝“正常” or “次级”） And （时间＝“1 季度” or “2季 度”）
订购数量 书籍单价 书籍 作者_id 书籍维度表
时 时 _i d
书店名 书店地址
业绩维度表
时 时 _i d
作者名 性别 教育程度
作者维度表
23
3.4 多维数据的存储方式
❖SQL Server 2000的Analysis 三种多维数据 存储方式: ▪ MOLAP（多维OLAP） ▪ ROLAP（关系OLAP） ▪ HOLAP（混合OLAP）
时 时 _i d
作者名 性别 教育程度
作者维度表
22
3．星型雪花架构(Star-Snow Schema)
❖ 将星型架构和雪花式架构合并在一起使用，而成 为星型雪花架构。
时时
年 季度
月
时间维度表
时 时 时 _i d
出版社名 国家 城市
出版社维度表
事实数据表
时时 时 时 _i d 时 时 时 _i d 时 时_i d
❖ 维的一个取值称为该维的一个维度成员（简称维 成员）。
❖ 如果一个维是多级别的，那么该维的维度成员是 在不同维级别的取值的组合。
❖ 例如，考虑时间维具有日、月、年这3个级别， 分别在日、月、年上各取一个值组合起来，就得 到了时间维的一个维成员，即“某年某月某日”。
9
多维数据集示例
10
3.2 多维数据分析方法
出版社名 国家 城市
出版社维度表
事实数据表
时时 时 时 _i d 时 时 时 _i d 时 时_i d
订购数量 书籍单价 书籍折扣
销售表
20
时 时 _i d
书籍名 书籍类型 书籍出版日 作者_id 书籍维度表
时 时 _i d
书店名 书店地址
业绩维度表
2．雪花型架构 (Snow Schema)
❖某个维度表不与事实表直接关联，而是与 另一个维表关联。
❖可以进一步细化查看数据的粒度。 ❖维度表和与其相关联的其他维度表也是靠
外码关联的。 ❖也以事实数据表为核心。
21
雪花型架构示意图
事实数据表
时时 时 时 _i d 时 时 时 _i d 时 时_i d
订购数量 书籍单价 书籍折扣
销售表
时 时 _i d
书籍名 书籍类型 书籍出版日 作者_id
书籍维度表
7
4. 维的级别（Dimension Level）
❖ 人们观察数据的某个特定角度（即某个维）还可 以存在不同的细节程度，我们称这些维度的不同 的细节程度为维的级别。
❖ 一个维往往具有多个级别. ❖ 例如描述时间维时，可以从月、季度、年等不同
级别来描述，那么月、季度、年等就是时间维的 级别。
8
5. 维度成员（Dimension Member）
24
1．ROLAP
❖ ROLAP的数据与计算结果直接由原来的关系数 据库取得，存储维度的数据以数据表形式存储在 OLAP服务器上。
❖ ROLAP将支撑多维数据的原始数据、多维数据 集数据、汇总数据和维度数据都存储在现有的关 系数据库中，并用独立的关系表来存放聚集数据。
❖多维分析可以对以多维形式组织起来的数 据进行上卷、下钻、切片、切块、旋转等 各种分析操作，以便剖析数据，使分析者、 决策者能从多个角度、多个侧面观察数据 库中的数据，从而深入了解包含在数据中 的信息和内涵。
11
1. 上卷（Roll-Up）
❖ 上卷是在数据立方体中执行聚集操作，通过在维 级别中上升或通过消除某个或某些维来观察更概 括的数据。
16
5．转轴（pivot or rotate）
❖ 转轴就是改变维的方向。
交换“时 间”和 “经济性 质”轴
17
3.3 维度表与事实表的连接
❖维度表和事实表相互独立，又互相关联并 构成一个统一的架构。
❖构建多维数据集时常用的架构： ▪ 星型架构 ▪ 雪花型架构 ▪ 星型雪花架构
❖在SQL Server 2000中，这些架构的中 心都是一个事实数据表。
18
1. 星型架构
❖维度表只与事实表关联，维度表彼此之间 没有任何联系，
❖每个维度表中的主码都只能是单列的，同 时该主码被放置在事实数据表中，作为事 实数据表与维表连接的外码。
❖星型架构是以事实表为核心，其他的维度 表围绕这个核心表呈星型状分布。
19
星型架构示意图
时时
年 季度
月
时间维度表
时 时 时 _i d
1
0
、
倚
南
窗
以
寄
傲
，
审
容
膝
之
易
安
。
数据仓库与OLAP实践
清华大学出版社
3. 维度（Dimension）
❖ 维度（也简称为维）是人们观察数据的角度。 ❖ 例如，企业常常关心产品销售数据随时间的变化
情况，这是从时间的角度来观察产品的销售，因 此时间就是一个维（时间维）。 ❖ 例如，银行会给不同经济性质的企业贷款，比如 国有、集体等，若通过企业性质的角度来分析贷 款数据，那么经济性质也就成为了一个维度。 ❖ 包含维度信息的表是维度表，维度表包含描述事 实数据表中的事实记录的特性。
多维数据分析方法
6
、
露
凝
无
游
氛
，
天
高
风
景
澈
。
7、翩翩新 来燕，双双入我庐 ，先巢故尚在，相 将还旧居。
8
、
吁
嗟
身
后
名
，
于
我
若
浮
烟
。
9、 陶渊 明（ 约 365年 —427年 ），字 元亮， （又 一说名 潜，字 渊明 ）号五 柳先生 ，私 谥“靖 节”， 东晋 末期南 朝宋初 期诗 人、文 学家、 辞赋 家、散
沿着时间维上 卷，由“季度” 上升到半年
12
上卷（续）
❖ 上卷的另外一种情况是通过消除一个或多个维来 观察更加概况的数据。
消除“经济 性质”维度
13
2. 下钻（drill-down）
❖ 下钻是通过在维级别中下降或通过引入某个或某 些维来更细致的观察数据。
沿时间维 下钻
14
3. 切片（slice）
❖ 在给定的数据立方体的一个维上进行的选择操作。 切片的结果是得到了一个二维的平面数据。
“时间＝ 1季度”
15
3. 切块（dice）
❖ 在给定的数据立方体的两个或多个维上进行的选 择操作。切块的结果是得到了一个子立方体。
(度量值＝“正常” or “次级”） And （时间＝“1 季度” or “2季 度”）
订购数量 书籍单价 书籍 作者_id 书籍维度表
时 时 _i d
书店名 书店地址
业绩维度表
时 时 _i d
作者名 性别 教育程度
作者维度表
23
3.4 多维数据的存储方式
❖SQL Server 2000的Analysis 三种多维数据 存储方式: ▪ MOLAP（多维OLAP） ▪ ROLAP（关系OLAP） ▪ HOLAP（混合OLAP）
时 时 _i d
作者名 性别 教育程度
作者维度表
22
3．星型雪花架构(Star-Snow Schema)
❖ 将星型架构和雪花式架构合并在一起使用，而成 为星型雪花架构。
时时
年 季度
月
时间维度表
时 时 时 _i d
出版社名 国家 城市
出版社维度表
事实数据表
时时 时 时 _i d 时 时 时 _i d 时 时_i d
❖ 维的一个取值称为该维的一个维度成员（简称维 成员）。
❖ 如果一个维是多级别的，那么该维的维度成员是 在不同维级别的取值的组合。
❖ 例如，考虑时间维具有日、月、年这3个级别， 分别在日、月、年上各取一个值组合起来，就得 到了时间维的一个维成员，即“某年某月某日”。
9
多维数据集示例
10
3.2 多维数据分析方法
出版社名 国家 城市
出版社维度表
事实数据表
时时 时 时 _i d 时 时 时 _i d 时 时_i d
订购数量 书籍单价 书籍折扣
销售表
20
时 时 _i d
书籍名 书籍类型 书籍出版日 作者_id 书籍维度表
时 时 _i d
书店名 书店地址
业绩维度表
2．雪花型架构 (Snow Schema)
❖某个维度表不与事实表直接关联，而是与 另一个维表关联。
❖可以进一步细化查看数据的粒度。 ❖维度表和与其相关联的其他维度表也是靠
外码关联的。 ❖也以事实数据表为核心。
21
雪花型架构示意图
事实数据表
时时 时 时 _i d 时 时 时 _i d 时 时_i d
订购数量 书籍单价 书籍折扣
销售表
时 时 _i d
书籍名 书籍类型 书籍出版日 作者_id
书籍维度表
7
4. 维的级别（Dimension Level）
❖ 人们观察数据的某个特定角度（即某个维）还可 以存在不同的细节程度，我们称这些维度的不同 的细节程度为维的级别。
❖ 一个维往往具有多个级别. ❖ 例如描述时间维时，可以从月、季度、年等不同
级别来描述，那么月、季度、年等就是时间维的 级别。
8
5. 维度成员（Dimension Member）
24
1．ROLAP
❖ ROLAP的数据与计算结果直接由原来的关系数 据库取得，存储维度的数据以数据表形式存储在 OLAP服务器上。
❖ ROLAP将支撑多维数据的原始数据、多维数据 集数据、汇总数据和维度数据都存储在现有的关 系数据库中，并用独立的关系表来存放聚集数据。
❖多维分析可以对以多维形式组织起来的数 据进行上卷、下钻、切片、切块、旋转等 各种分析操作，以便剖析数据，使分析者、 决策者能从多个角度、多个侧面观察数据 库中的数据，从而深入了解包含在数据中 的信息和内涵。
11
1. 上卷（Roll-Up）
❖ 上卷是在数据立方体中执行聚集操作，通过在维 级别中上升或通过消除某个或某些维来观察更概 括的数据。
16
5．转轴（pivot or rotate）
❖ 转轴就是改变维的方向。
交换“时 间”和 “经济性 质”轴
17
3.3 维度表与事实表的连接
❖维度表和事实表相互独立，又互相关联并 构成一个统一的架构。
❖构建多维数据集时常用的架构： ▪ 星型架构 ▪ 雪花型架构 ▪ 星型雪花架构
❖在SQL Server 2000中，这些架构的中 心都是一个事实数据表。
18
1. 星型架构
❖维度表只与事实表关联，维度表彼此之间 没有任何联系，
❖每个维度表中的主码都只能是单列的，同 时该主码被放置在事实数据表中，作为事 实数据表与维表连接的外码。
❖星型架构是以事实表为核心，其他的维度 表围绕这个核心表呈星型状分布。
19
星型架构示意图
时时
年 季度
月
时间维度表
时 时 时 _i d