Chap4_1_联机分析处理(OLAP)

OLAP的多维数据分析
OLAP 的一些基本概念 理解数据立方 OLAP 的基本分析操作
OLAP 的一些基本概念
变量 维 维的层次 维成员 多维数组
数据单元(单元格)
变量
变量是数据的实际意义，即描述数据是什
么。例如，数据 100 本身并没有意义或 者说意义未定，它可能是一个学校的学生 人数，也可能是某产品的单价，还可能是 某商品的销售量等。在一般情况下，变量 总是一个数值度量指标，例如人数、单价、 销售量等都是变量，而100 则是变量的一 个值。
联机分析处理（OLAP）
OLAP 的基本概念 OLAP的多维数据分析 OLAP 的模型 OLAP工具评价
引例
在最近几年的一次股东会议上，百事可乐
公司(PepsiCo，Inc)的首席执行官韦 思· 加洛韦(D. WayneCalloway)说：“10 年前，我可以告诉你们立体脆(Doritos) 在密西西比州西部的销售情况。今天，我 不但可以告诉你们立体脆在密西西比州西 部销售得多么好，而且还可以告诉你们它 们在加利福尼亚、在奥伦奇城、在欧文县 以及每周四在本地Vons 超市第四通道的 促销中销售得多么好。
400 500 425 525 375
450
480 600 510 630 450
2月
桌子 台灯
3月
桌子 台灯
OLAP 的基本分析操作
OLAP 分析是指对以多维形式组织起来的
数据采取切片、切块、旋转等各种分析操 作，以求剖析数据，使最终用户能从多个 角度、多侧面观察数据仓库中的数据，从 而深入了解包含在数据中的信息、内涵
切片 切块 旋转 钻取
切片
定义 1：在多维数组的某一维上选定一维
成员的操作称为切片(Slice)，即在多维数 组(维l，维2，……，维n，变量)中选一维， 如维i，并取其一维成员(设为“维成员 Vi”)，所得的多维数组的子集(维1，……， 维成员Vi，……维n，变量)称为在维i 上 的一个切片
图3.6 四维数据的显示
商店3 上衣 （页面） 直接销 售 1月 2月 3月 450 380 400
裤 固定成 本 350 280 310 直接销 售 550 460 480 固定成 本 450 360 410
帽子 直接销 售 500 400 450 固定成 本 400 320 400
对于更多维度的数据显示，需要选择维度
维
维是人们观察数据的特定角度。例如，企
业常常关心产品销售数据随着时间的推移 而产生的变化情况，这时是从时间的角度 来观察产品的销售，所以时间是一个维 (时间维)； 企业也时常关心自己的产品在不同地区的 销售分布情况，这时是从地理分布的角度 来观察产品的销售，所以地理分布也是一 个维(地理维)。其他还有如产品维、顾客 维等。
OLAP 的基本概念
OLAP 的发展背景 联机分析处理是数据仓库系统的一个应用
OLAP 的发展背景
自 20 世纪80 年代开始，许多企业利用关
系型数据库来存储和管理业务数据，并建 立相应的应用系统来支持日常的业务运作。 这种应用以支持业务处理为主要目的，被 称为联机事务处理(On-line Transaction Processing，OLTP)应用，它所存储的 数据被称为操作数据或者业务数据
05 年 200 50 150
06 年 200 180 200
05 年 350 150 180
06 年 250 230 170
05 年 150 150 270
06 年 140 120 250
旋转后再切片
1 季度 年龄 2 季度 3 季度 4 季度
>20 50>x>20 >50
05 年 100 300 250
及其成员分布在行或者列中。在页面上可 以选定多个维度，但每个维度只能显示一 个成员。在行或者列中一般只选择二个维， 每个维可以多个成员。例如，对6个维度 数据，它的MTS如图3.7所示。
图3.7 六维MTS例
对以上6维数据中，设定页面维度为商店
的成员是“商店3”，客户维度成员是 “老年”。行维度含时间维和产品维共2 个维度，其中时间维中成员为“1月、2月、 3月” 。产品维中成员为“桌子、台灯”。 列维度含指标维和场景维共2个维度，其 中指标维中成员为“直接销售、间接销售、 总销售”。场景维中成员为“实际、计 划”。 具体的显示数据如图3.8所示。
旋 转
行列交换 产 品 维 时间维 （a ） 地区维 旋转以改变 显示布局 产 品 维 产品维 时 间 维 产品维
地 区 维 时间维
时间维
实例
旋转前的数据
2005 年
部门 1 季度 2 季度 3 季度 4 季度
2006 年
1 季度 2 季度 3 季度 4 季度
部门 1 部门 2 部门 3
200 250 200
取值，例如“某年某月”、“某月某日”、 “某年”等都是时间维的维成员。 对应于一个数据项来说，维成员是该数据 项在某维中位置的描述。例如，对于一个 销售数据来说，时间维的维成员“某年某 月某日”就表示该销售数据是“某年某月 某日”的销售数据，“某年某月某日”是 该销售数据在时间维中位置的描述。
多维数组
200 50 150
350 150 180
150 150 270
120 200 180
200 180 200
250 230 170
140 120 250
旋转后的数据
1 季度 部门 2 季度 3 季度 4 季度
部门 1 部门 2 部门 3
05 年 200 250 200
06 年 120 200 180
400
150 250 300
多维类型结构(MTS)
表示方法是：每一个维度用一条线段来表
示。维度中的每一个成员都用线段上的一 个单位区间来表示。
例如，用三个线段分别表示时间、产品和
指标三个维的多维类型结构如图3.3所示。
图3.3三维MTS例
在图3.3多维类型结构(MTS)中，指定时
间维成员是3月，产品维成员是鞋，指标 维成员是销售量，这样它代表了三维数据 总得一个空间数据点，如图3.4所示。
图3.4多维类型结构中的空间数据点
多维数据的分析视图
在平面的屏幕上显示多维数据，是利用行、
列和页面三个显示组来表示的。 例如，对上例的四维MTS实例，在页面上 选定商店维度中“商店3”，在行中选定 时间维的“1月、2月、3月”共3个成员， 在列中选定产品维中的“上衣、裤、帽子” 三个成员，以及指标维中的“固定成本、 直接销售”二个成员。 该四维数据的显示如图3.6所示。
一个多维数组可以表示为(维l，维
2，……，维n，变量)。例如，若日用品 销售数据是按时间、地区和销售渠道组织 起来的三维立方体，加上变量“销售额”， 就组成了一个多维数组(地区，时间，销 售渠道，销售额)，如果在此基础上再扩 展一个产品维，就得到一个四维的结构， 其多维数组为(产品，地区，时间，销售 渠道，销售额)。
图 4.3 (地区，产品，销售额)切片
例如，以“产品、城市、时间”三维数据，如 图
产品Leabharlann 电视机 广州 电冰箱 上海 95 96
城市
时间
对三维数据，通过“切片” ，分别从城市和产 品等不同的角度观察销售情况：
ã Ö ¹ Ý Ï º É £ ç Ê µ Ó » ú
ç ± µ ù Ï ä
切块
定义 1：在多维数组的某一维上选定某一
MOLAP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。 以多维方式组织数据，以维作为坐标系，采用类似 于数组形式存储数据 多维数据库中的元素具有相同类型的数值，如销售 量 例如，二维MDDB（数组，即矩阵）的数据组织见 表4.1所示
北京
北京 上海 上海 上海 广州 广州 广州 北京 北京 北京 上海 上海
2月
3月 1月 2月 3月 1月 2月 3月 1月 2月 3月 1月 2月
200
300 200 300 400 150 250 300 150 300 350 200 300
鞋
鞋 鞋 鞋
上海
广州 广州 广州
3月
1月 2月 3月
随着市场竞争的日趋激烈，企业更加强调
决策的及时性和准确性，这使得以支持决 策管理分析为主要目的的应用迅速崛起， 这类应用被称为联机分析处理，它所存储 的数据被称为信息数据
联机分析处理的概念最早由关系数据库之父 E.F.
Codd 于1993 年提出。Codd 认为，联机事务处理 已不能满足终端用户对数据库查询分析的要求， SQL 对大容量数据库的简单查询也不能满足用户分 析的需求。用户的决策分析需要对关系数据库进行 大量的计算才能得到结果，而查询的结果并不能满 足决策者提出的需求 因此，Codd 提出了多维数据库和多维分析的概念
数据单元(单元格)
多维数组的取值称为数据单元。当多维数
组的各个维都选中一个维成员时，这些维 成员的组合就唯一确定了一个变量的值。 那么数据单元就可以表示为(维1 维成员， 维2 维成员，……维n 维成员，变量的值)。
例如，在产品、地区、时间和销售渠道上
各取维成员“牙膏”、“上海”、 “1998 年12 月”和“批发”，就唯一确 定了变量“销售额”的一个值(假设为100 000)，则该数据单元可表示为(牙膏，上 海，1998 年12 月，批发，100 000)
区间的维成员的操作称为切块，即限制多 维数组的某一维的取值区间。显然，当这 一区间只取一个维成员时，即得到一个切 片(切片的定义1)
图3.11 三维数据切块
旋转