面向加油卡数据仓库的联机分析处理的探讨
联机事务处理(OLTP)和联机分析处理(OLAP)
联机事务处理(OLTP)和联机分析处理(OLAP)1.概述当今的数据处理大致可以分成两大类：联机事务处理OLTP(on-line transaction processing)、联机分析处理OLAP(On-Line Analytical Processing)。
OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。
OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
2.什么是联机事务处理(OLTP)联机事务处理系统(OLTP),也称为面向交易的处理系统，其基本特征是顾客的原始数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。
这样做的最大优点是可以即时地处理输入的数据，及时地回答。
也称为实时系统(Real time System)。
衡量联机事务处理系统的一个重要性能指标是系统性能，具体体现为实时响应时间(Response Time)，即用户在终端上送入数据之后，到计算机对这个请求给出答复所需要的时间。
OLTP数据库旨在使事务应用程序仅写入所需的数据，以便尽快处理单个事务。
OLTP数据库通常具有以下特征：1.支持大量并发用户定期添加和修改数据；2.反映随时变化的单位状态，但不保存其历史记录；3.包含大量数据，其中包括用于验证事务的大量数据；4.具有复杂的结构；5.可以进行优化以对事务活动做出响应；6.提供用于支持单位日常运营的技术基础结构；7.个别事务能够很快地完成，并且只需访问相对较少的数据。
OLTP 系统旨在处理同时输入的成百上千的事务。
OLTP系统中的数据主要被组织为支持如下事务：1.记录来自销售点终端或通过网站输入的订单；2.当库存量降到指定级别时，订购更多的货物；3.在制造厂中将零部件组装为成品时对零部件进行跟踪；4.记录雇员数据。
通常在数据库系统中，事务是工作的离散单位。
例如，一个数据库事务可以是修改一个用户的帐户平衡或库存项的写操作。
数据仓库联机分析技术研究
函 ＝ ＝
分析服务器
值。对 于每 一维都 有 一 张 “ 表 ” 维 表 ” 维 。“ 中记
在 星型架 构 中 ， 单 维 的维 表 与 另 一 个维 表 将
录 的是有 关这 一维 的属性 。 Βιβλιοθήκη 数据仓库 服务器细 节数据
连 接 ， 就 构成 了关 系 数据 库 中 的多 维分 析 空 这样 间， 这个 多维 空 问 的核 心 就 是 事实 表 。维表 关 键 字是事 实表关 键 字 的一 个 组成 部 分 ， 据仓 库 中 数 的关键 字应使 用 系 统 生 成 的代 理 关 键 字 ， 而不 是 直接使 用操 作 型数 据 库 的关键 字 ， 这是 由数据 仓
一
、
引 言
在 数据 仓 库 应 用 中 ， Ｌ Ｐ一 般 是 数 据 仓 库 应 用 ＯＡ 的前 端 工 具 。 同 时 ， Ｌ Ｐ工 具 还 可 以与 数 据 挖 ＯＡ 掘工具 、 统计分析工具配合使用 ， 增强决策分析的 功能。 １联 机 分析 特 征 ． 联 机分 析 处 理 （ Ｌ Ｐ） 一 种 软 件 技 术 ， ＯＡ 是 它 使分 析 人 员及管 理 人员通 过 对信 息的 多种 观察 角
辑不是分布于 网络上 的众多 Ｐ ｃ上 ， 而是集 中存 放在 Ｏ Ｃ Ｌ Ｐ服 务 器 上 。有服 务 器 提供 高效 的 数据 存储 ， 安排后台处理以及报表预处理， 它由数据源
回
（ 数据仓 库 或 Ｏ Ａ Ｌ Ｐ数据 库 组 成 ） Ｏ Ａ 、 Ｌ Ｐ服务 器 、
构实 际上是 关 系环 境下 的多维模 式 。 ３ 星型 架构 ．
二 、联 机分 析工具 及 系统 结构
度进行快速 、 一致和交互 的存取获得对信息的深 人理解。这些信息是从原始数据而来 ， 反映 了用 户所 能理 解 的企 业 的真 实 数据 “ ” Ｌ Ｐ特 征 维 。Ｏ Ａ 可 以分 为 以下 几 个方 面 ：首先 提供 数 据 的多 维 概 念视图 ， 数据的多维视图使最终用户能从多角度 、 多层 次 和多侧 面考 察 数 据 库 中 的数 据 ， 而 深 入 从 地理解包含在数据 中的信息及其内涵。其次是快 速响应用户的分析请求。第三是分析功能。这是 指 ＯＡ Ｌ Ｐ系统 可 以提 供 给 用 户 强 大 的统 计 、 析 分 和报 表 处 理 功 能。 第 四 是 共 享 特 性 。 这 是 指 ＯＡ Ｌ Ｐ系统应 有很高 的安全性。第 五是信息性 。 这是指 Ｏ Ａ Ｌ Ｐ系统分析所需 的数据及导出的有用 信息。 ２ 联机 分析 系 统 的体系 结构 ． ＯＡ Ｌ Ｐ的结构 应该 是 一 种 多 用 户 的 ３层 客 户
互联网大数据时代下加油站客户开发与维护
互联网大数据时代下加油站客户开发与维护互联网大数据时代下，加油站客户开发与维护成为了重要的课题。
随着互联网的发展，实体加油站也逐渐意识到数字化转型的重要性，如何利用大数据技术来提升加油站客户开发与维护的效率，已成为行业内的焦点之一。
本文将从客户开发与维护的重要性、互联网大数据时代下的机遇和挑战以及利用大数据技术进行客户开发与维护的方法等方面进行探讨。
一、客户开发与维护的重要性加油站的客户开发与维护是保持业务增长的关键。
客户开发是指通过各种营销手段和渠道，吸引新客户，扩大市场份额；而客户维护则是通过提供优质的服务和产品，保持老客户的忠诚度，延续客户价值。
客户开发与维护不仅可以增加加油站的营业额，还可以提高品牌知名度和美誉度，为加油站未来的发展奠定良好的基础。
二、互联网大数据时代下的机遇和挑战1. 机遇：互联网大数据时代下，加油站可以通过大数据技术获取更多客户信息，精准定位目标客户群体，同时也可以根据客户的偏好和消费习惯，个性化推送产品和服务，从而提高客户满意度和忠诚度。
而且大数据还可以帮助加油站进行市场分析，了解行业发展趋势和竞争对手动态，及时调整经营策略，保持竞争优势。
2. 挑战：互联网大数据时代下，客户的信息和数据安全问题备受关注。
加油站在使用大数据技术进行客户开发与维护时，需要高度重视客户隐私保护和数据安全，合规使用客户数据，避免触碰相关法律法规。
大数据技术的应用需要大量的技术和人才支持，对于传统加油站而言，这也是一个挑战。
三、利用大数据技术进行客户开发与维护的方法1. 数据采集：加油站可以通过加油卡、会员卡、支付宝微信等多种渠道收集客户信息和消费数据，建立客户档案，对客户进行分类和分析，为后续的营销活动和产品推广提供数据支持。
2. 数据分析：通过大数据分析工具，对客户数据进行深度挖掘和分析，发现客户行为规律和偏好，制定个性化营销策略和产品推广方案。
针对不同的客户群体推出不同的优惠活动或服务。
基于数据仓库的数据挖掘及联机分析技术
策 。在 欧 美 发 达 国家 ， 以数 据 仓 库 为 基 础 的在 线 分 析 处 理 和 数 据 挖 掘 应 用 ，首 先 在 金 融 、保 险 、证 券 、 电信 等 传 统 数 据 密 集 型 行 业 取 得 成 功 。ＢＭ 、 ｒｃｅ Ｉ ｏａｌ、 Ｔ ｒｄｔ、Ｍｉｒｓｆ、Ｎ ｔｚａ和 Ｓ ｅａａａ ｃｏｏｔ ｅｅｚ ＡＳ等 有 实 力 的 公 司 相 继 推 出 了数 据 仓 库 解 决 方 案 。 近 几 年 开 始 流 行 “ 布 式 数 据 仓 库 ” 是 在 多 个 分 ，
维普资讯
兵 工 自动 化
网络 与 售息 技 ｉ Ｉ ｉ
Ｎｅ ｗｏ ｋ ａ ｄ Ｉ ｆ ｒ ａｉ ｎＴｅ ｈ ｏ ｏ ｙ ｔ ｒ ｎ ｎ ｏ ｍ ｔ ｃ ｎ ｌ ｇ ｏ
０． ． ｔ ｍａ ｉ ｎ Ｉ Ａｕ ｏ ｔｏ ２ ０８ Ｖ １ ２ ， ０ ， ｏ ． ７ Ｎｏ． ９
２０ 年第 ２ ０８ ７卷第 ９期
文 章 编 号 ： １０ — ５ ６ （ Байду номын сангаас ８ ９０ ５ — ２ ０ ６ １ ７ ２ ０ ）０ ０ ８ ０
基 于 数 据 仓 库 的 数 据 挖 掘 及 联 机 分 析 技 术
张 晓 明 ， 刘 萍 ， 王 鹏
（ 防科 技大 学 信 息 系统 与 管理 学 院 ，湖 南 长沙 ４ ０ ７ ） 国 １ ０ ３
摘 要 ：随 着数据 分 析 越 来越被 关注 ， 为分析 数 据 ， 多种 分析 技 术得 以应 用 ，主要 是 在数 据 仓库 领 域 的数据 挖掘 技 术和联 机 分析 技 术 。 然而数 据 仓库 包含 了大量 的基 于数 据 的基 础 观 点 ，该观 点 均 来 源 于分布 式 异构 数据 库 ， 其 目 的是 通 过联机 分 析 查询 和数 据挖 掘 提供 有 效的 决策 支持 。
数据仓库与联机分析在高速公路收费系统中的应用
分析 比较 。多种 分析 方法 结 合在 一起 ，促成 了联机 分 析处 理 系统 强大 的 数
ห้องสมุดไป่ตู้据分析 功 能。 ［ ］ ５
的 情 况 ，如 可 以方 便 地 查看 各 种 车 辆 的 收 费情 况 如 正 常何 载 货 车 车 型收
费 ，超 限车 辆计 重 收 费， 以及利 用 切片 、切 块 、和 旋转 操 作能 更加 方 便的 分析 数据 ，从而 使 决策 者 能够根 据 各种 数据 的显示 做 出相 映 的决策 ，如何 控制 车 辆 的载重 情 况能 够及 时对 路 面进 行养 护 保证 措 施 ，还可 以根 据 每年
摘
０引言
车类 型描 述 ）；车辆 种类 维表 （Ｅ ＩＬＴ Ｐ ） （ｄ Ｖ ＨＣ ＥＹ Ｅ ｉ车辆 种类 编号 ，ｎｍ 车 ａｅ 辆 种类 描述 ）；计 重维表 （Ｖ ＲＥＧ Ｔ （Ｘ ＳＮ Ｏ Ｏ ＥＷ ＩＨ ） Ａ ＩＩＦ 轴重信 息 ，Ａ ＩＮ Ｍ ＸＳＵ 车
轴组数 ，Ｏ Ｅ Ｌ Ａ Ｒ Ｔ 超 载率 ，Ｗ Ｉ Ｈ Ｔ Ｌ 计重 计算 金额 ，Ａ Ｉ Ｅ Ｃ Ｅ Ｗ Ｉ Ｖ ＲＯＤ ＡＥ ＥＧ ＴＯ Ｌ ＸＳＸ ＥＤＥ
好 地管 理数 据 ，保 持 数据 的一 致性 ，以及 企 业 的分析 数 据 的需 求 ，引 出 了 数 据 仓 库 的概 念 与 模 型 ， 联机 分 析 处 理 （ ＬＰ ＯＡ ）为 企 业 提供 联 机 数 据 访 问、处 理和 分析 ，通 过 直观 的方式 从 多个 维度 、多种 数据 综 合程 度将 系 统 的运 营情 况展 现给 使用 者 。 ［，２ ］ １ ，３
１数据 仓库 的Ｅ Ｌ Ｔ 过程 数 据 仓 库 一 般 由三 个 主 要 的 部 分 组 成 ：数 据 的提 取 一 转 换 一装 载 （Ｔ ）、数据 仓 库 的基 本存 储数 据 、综 合 管理 ／ 机 分 析处 理 。它 按照 数 ＥＬ 联 据 处理 的流 程 ，从输 入 开始 组 织成 一定 的存 储 形式 ，并按 照 用户 要求 的形
数据仓库、联机分析处理与数据挖掘
数据仓库、联机分析处理与数据挖掘08广义概念上的数据仓库是一种帮助企业做决策的体系化解决方案，它包括了三个方面的内容：⏹数据仓库技术（Data Warehouse，DW）⏹联机分析处理技术（On-line Analytical Processing，OLAP）⏹数据挖掘技术（Data Mining，DM）数据仓库、联机分析处理和数据挖掘作为信息处理技术是独立出现的。
数据仓库用于数据的存储和组织；联机分析处理则侧重于数据的分析；数据挖掘则致力于知识的自动发现。
因此这三种技术之间并没有内在的依赖关系，可以独立地应用到企业信息系统的建设之中，以提高信息系统相应的能力。
但是，这三种技术之间确实存在着一定的联系性和互补性，把它们结合起来，就可以使它们的能力更充分地发挥出来。
这样就形成了一种决策支持系统的架构，即DW+OLAP+DM。
1、数据仓库技术⑴概述数据仓库是一种只读的、用于分析的数据库，常常作为决策支持系统的底层。
它从大量的事务性数据库中抽取数据、并将其清理、转换为新的存储格式，即为了决策目标而把数据聚合在一种特殊的格式中。
数据仓库是支持管理决策过程的、面向主题的、集成的、随时间变化的、但信息本身相对稳定的数据集合。
其中，“主题”是指用户使用数据仓库辅助决策时所关心的重点问题，每一个主题对应一个客观分析领域，如销售、成本、利润的情况等。
“面向主题”就是指数据仓库中的信息是按主题组织的，按主题来提供信息。
“集成的”是指数据仓库中的数据不是业务处理系统数据的简单拼凑与汇总，而是经过系统的加工整理，是相互一致的、具有代表性的数据。
“随时间变化”是指数据仓库中存储的是一个时间段的数据，而不仅仅是某一个时间的数据，所以主要用于进行时间趋势分析。
一般数据仓库内的数据时限为5到10年，数据量也比较大。
“信息本身相对稳定”是指数据一旦进入数据仓库，一般情况下将被长期保留，变更很少。
⑵数据仓库组织和管理数据的方法与普通数据库的不同点主要表现在三个方面：①它依据决策要求，只从数据库中抽取那些需要的数据，并进行一定的处理。
联机分析处理技术的应用研究
１ １ 联机 分析 处理 的 多维数 据 结构 ．
多 维数 据 结 构 是 数 据 仓 库 的一 种 存 储 结 构 类 型． 它是为 了提 高数 据库 的查 询能力 而 设计 的 ， 内 其
仓库 技术反 过来 又促 进 了 Ｏ ＡＰ技 术 的发 展． 系 Ｌ 关 数据 库之父 Ｅ Ｆ Ｃ ｄ ． ． ｏ ｄ认 为联 机 事 务 处理 （） ＴＰ （ Ｌ ）
维普资讯
第２ ２卷第 ５期
２０ 年 １ ０６ Ｏ月
德 州 学 院 学 报
Ｊ ｕ ｎ ｌｏ ｚ ｏ ｉｅ ｓｔ ｏ ｒ ａ ｆＤｅ ｈ ｕ Ｕｎｖ ｒｉｙ
Ｖ０１ ２ Ｎｏ ５ ． ２， ．
Ｏｃ ． ２ ０ ｔ，０ ６
联 机分 析 处理 技 术 的应 用 研 究
Ｓ ＱＬ对 大数 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 ， ｏ ｄ提 出 了 多维 数 据 库 和 Ｃｄ
心 是“ ” 维 这个 概念 ， 因此 ０Ｌ ＡＰ也 可 以 说是 多维 数
ｉｇ 作 为数据 管 理手段 ， 要用 于事 务处理 ， 它 对 ｎ） 主 但 分 析处 理 的支持一 直 不能令 人满 意． 因此 ， 们逐 渐 人 尝试对 Ｏ Ｔ Ｌ Ｐ数 据库 中的数据 进 行 再 加工 ， 成 一 形 个综 合 的、 向分 析 的 、 面 更好 的 支持决 策制 定 的决策 支持 系统 （ ｃｓ ｎＳ ｐ ｏｔＳ ｓｅ 简称 Ｄ Ｓ ． Ｄｅｉ ｏ ｕ ｐ ｒ ｙ ｔｍ， ｉ Ｓ ） 企 业 目前 的信 息系统 的数据 一般 由 ＤＢ ＭＳ管理 ， 决 但
基于数据仓库联机分析处理技术的研究
或某些 列 的值 ． 进行 聚 集和 分析 ， 些值 就称 为度 量值 。 这 度量 值
１ 联 机 分 析处 理 ＯＬ Ｐ 术 简 介 Ａ 技
联 机分 析 处 理 Ｏ Ａ Ｌ Ｐ是 以海 量 数 据 为 基 础 的 复 制 数 据 分 析 技 术 。 它 是 专 门 为 支 持 复 杂 的 分 析 操 作 而 设 计 的 ， 重 于 决 侧
据 ．也 能 动 态 地 在 各 个 角 度 之 间 切 换 或 者 进 行 多 角 度 综 合 分 析 ． 有极 大 的分析 灵活性 。 具
果一 个维 是 多级别 的 ， 么该 维 的维度 成员 是在不 同维级 别 的 那 取值 的组 合 。
３ 联 机 分 析 处理 ｏＬ Ｐ 多维 分 析 Ａ 与 ２ 联 机分 析 处 理ＯＬ 有 关概 念 ＡＰ
查 询结果 提供 给决 策人 员 ， 以便 他们 准确 掌握 企业 （ 司 ） 公 的经
营 状 况 ， 解 市 场 需 求 ， 定 正 确 方 案 ， 加 效 益 。 Ｏ Ａ 的 用 了 制 增 ＬＰ 户 是 企 业 中 的 专 业 分 析 人 员 及 管 理 决 策 人 员 ， 们 在 分 析 业 务 他 经 营 的数 据 时 ， 不 同 的 角 度 来 审 视 业 务 的 衡 量 指 标 是 一 种 很 从
和 多 维 数 据 的 ３种 存 储 模 式 ： Ｏ Ａ 、 Ｒ Ｌ Ｐ ＭＯＬ 、 Ｏ ＡＰ ＡＰ Ｈ Ｌ 。
关 键 词 ： 据 仓 库 ； Ｌ Ｐ； 维数 据 分 析 数 ＯＡ 多
中 图 分 类 号 ：Ｐ ｌ ． Ｔ ３ １１ ３
文献标 识码 ： Ａ
文 章 编 号 ：６ ２ ７ ０ （ ０ ０ ０ — １５ ０ １７ — ８０ ２ １ ）２ ０ ５ — ２
关于数据仓库中联机分析处理的几点研究
而垦型架 构 只在需要 记录事 实 的时候才 产生一个事 实记
录。如特定的月份，经销商并没有销售其经营的商品， 则
商 、 日 摊 品 蝣 Ｉ 鼠 年
ｊ 辅
商 品 槭 １
阜
ｌ
捌
ｌ
商 品
Ｅ 期
图 ２ 多维数据模型 ２２ 多维 数据模型的缺陷 ． 图 １ 联机分 析 系统 的体 系结构
多维数据模型 为业务决策 者提 供了明显优于传统信息 系统的好处 ， 但并 不是所 有的数据仓库都能采用多维数据
ＤＳ Ｓ ）的需求 支 持决 策 的核心 任务是进行数据 、信息的
分 析并 归纳 出对组 织有益 的结论 因此 ，联 机数ｉ／－ ｇ￣析处 理 （Ｌ Ｐ （ Ａ ）技术就成为新 的应用需求 ）
１ 联机分析 系统 的体 系结构 ３
黜 揖 剖Ｉ 滞 彤 Ｒ 器 客机 户
ｊ 晾
（）切块 ：在某一维中选定某一 区间 ３ （） ４ 钻取 ：根据维 的层 次提升所关心的数据或降低观
察最｛ 炙
墟市
Ｏ Ｔ 已不 能满足 终端 用户对 数据库查询分析的需求 ，代 ＬＰ
之而起 的是对决策 支持 系统 （ ｅｉ ｏ ｕｐ ￣ｓ ｓ ｍ—— Ｄ ｃｓ ｎＳｐ ｏ ｙｔ ｉ ｅ
据模型中， 一部分数 据是数 字测量值 （ 如销售量 、 投资瓿、
收入等） 它 们是依 赖于一组 “ ” 而所 有 “ ”提 供丁 ． 维 ， 维
维普资讯
计算机 时代
Ｉ
联机分析处理
联机分析处理简介联机分析处理，英文名称为On-Line Analysis Processing，简写为OLAP。
随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合，关系数据库系统已不能全部满足这一要求。
操作型应用和分析型应用，特别是在性能上难以两全，人们常常在关系数据库中放宽了对冗余的限制，引入了统计及综合数据，但这些统计综合数据的应用逻辑是分散而杂乱的、非系统化的，因此分析功能有限，不灵活，维护困难。
在国外，不少软件厂商采取了发展其前端产品来弥补关系数据库管理系统支持的不足，他们通过专门的数据综合引擎，辅之以更加直观的数据访问界面，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。
1993年，E.F.Codd（关系数据库之父）将这类技术定义为“联机分析处理”。
作用联机分析处理是共享多维信息的、针对特定问题的联机数据访问和分析的快速软件技术。
它通过对信息的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。
决策数据是多维数据，多维数据就是决策的主要内容。
OLAP专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况，了解对象的需求，制定正确的方案。
联机分析处理具有灵活的分析功能、直观的数据操作和分析结果可视化表示等突出优点，从而使用户对基于大量复杂数据的分析变得轻松而高效，以利于迅速做出正确判断。
它可用于证实人们提出的复杂的假设，其结果是以图形或者表格的形式来表示的对信息的总结。
数据仓库 Chapter 15 OLAP 数据仓库中的联机分析处理
电子
视频 炊具
*********
********* *********
*********
********* *********
*********
********* *********
*********
********* ********* 2003 2004 总计
器具
总计
*********
*********
高级特征
强大的计算 跨越维度或细节分析 通过公式推倒出的数 值 跨维计算 精良的显示 报警技术的应用 预计算和预合并 共同地制定策略 使用代理技术来生成 报表
一个分析会话中的查询步骤
联机分析处理的要求
其他分析方法的局限性
传统的工具和方法 OLTP和数据仓库环境的区别
特征 分析性能 用在单一会话中的数据 结果集的大小 反映时间 数据粒度 数据流通 访问方法 基本目的 数据模型 数据库的优化 更新频率 用户交互的范围 OLTP系统 非常低 非常有限 小 非常迅速 细节 当前的 预定义 收集和输入数据 为数据更新设计的 为了交易 非常频繁 单个交易 数据仓库 适中 小型到中型 大 迅速到适中 细节和汇总 当前和历史的 预定义和特别的 提供信息 为查询设计的 为了分析 通常是只读的 遍及所有数据内容
2004 *********
总计 ********* 年 2002 服装 ********* ********* ********* ********* 电子 ********* ********* ********* ********* 视频 ********* ********* ********* ********* 炊具 ********* ********* ********* ********* 器具 ********* ********* ********* ********* 总计 ********* ********* ********* *********
联机分析处理
20
2.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。
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。
31
图3.3三维MTS例
32
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。
33Biblioteka 3.4多维类型结构中的空间数据点
（2）选定多维数组的一个三维子集的操作 在多维数组（维1，维2，……，维n，变量）中选定3 个维，维i、维j、维k，在这3个维上分别取一个区间， 或任意维成员，而其它维都取定一个维成员。
44
图3.11 三维数据切块
45
3.钻取
钻取有向下钻取（drill down ）和向上 钻取（drill up ）操作。
多维数据的显示只能在平面上展现出来。 三维数据无法在平面上展现出来。
三维数据显示见表3.6所示。
29
产品名
地区
时间
销售量
衣服
衣服 衣服 衣服
北京
北京 北京 上海
1月
2月 3月 1月
100
200 300 200
衣服
衣服 衣服 衣服
上海
上海 广州 广州
2月
3月 1月 2月
300
400 150 250
油气井工程数据仓库解决方案的研究
（ ） 据 源 ： 业 的事 务数 据 库 和部 分 外 部 １数 企 数据 ， 如地震 、 测井 、 录井 、 钻井 、 成本 、 材料 等相关 数据。 （ ） 据 仓 库 管 理 ： 现 对 主 题 数 据 的存 储 ２数 实
和综合， 管理数据库中数据的更新 、 问等操作权 访
独立于业务数据库系统 ， 但是数据仓库又同业务 数据 库系统 息息 相 关 ， 据仓 库 不 是 对数 据 进 行 数
简单 的存储 ， 而是对 数 据进行 再组 织 。
收稿 日期 ：０６— ６ ２ 。 ２０ ０ — ８
作 者 简 介 ： ， ， ８ 年生 ， 王果 男 １ １ ９ 油气井工 程专 业硕士 研
市 的应用 开发工 具 。其 中数据 分析 工具 主要针 对
Ｃ Ｓ工 具 、 Ｌ Ｐ工具 及 数 据挖 掘 工具 等 ， 过分 ／ ＯＡ 通 析工具 实现 决策支 持需求 。 （） ８ 管理 数据仓 库环 境 。数 据 仓库 必 须 象其 他系统 一样 进行管 理 ， 括质 量检测 、 包 管理 决策 支 持工具 及应 用程序 ， 并定 期进 行数据 更新 ， 使数据 仓库 正常运 行 。
传统数 据库 在 日常 的事 务处 理 中获 得 了巨大 的成 功 ， 是对 管 理人 员 的决策 分 析 需 求却 无 法 但 满足 。为满 足 管理 人 员 的决 策 分 析 需要 ， 需 要 就 在数 据库 的基 础 上 产 生 适 应 决 策分 析 的 数 据 环 境— —数据 仓库 ¨ 。数 据 仓库 是 面 向主 题 的 、 Ｊ 集 成 的 、 易失 的 、 非 随时 间变化 的用 于支持 管理人 员
曰
决策 的数据集合。 油气 钻井工 程具 有 规 模 大 、 资 多 和风 险 性 投
数据仓库与联机分析处理技术综述
１ 数 据 仓 库 技 术
Ｏ ＡＰ（ ｎ Ｔｎ ｎｌｔ ａ Ｐｏｅｓ ｇ 即 联 机 分 析 处 理 『 是 以 海 Ｉ Ｏ — ｅＡ ａ ｉ ｌ ｒｃｓｉ ） ｉ ｙｃ ｎ 硐 ， 量 数 据 为基 础 的 复 杂分 析 技 术 。Ｏ Ａ Ｌ Ｐ支 持各 级 管理 决 策人 员 从 不 同
史 数 据 查 询 和 分 析 ， 如 金 融 风 险 预 测 预 警 系 统 、 券 股 市 违 规 分 析 例 证
时期 系 统 。 些 系统 要访 问地 数 据 量 非 常 大 ， 询 和 分 析 地 操 作 十 分 复 杂 。 这 查 两者之间地差异 ． 得数据仓库技术就应运而生了。 使 ２ 联 机 分 析 处 理 技 术
Ｏ
引 言
数 据 仓 库 （ ａａＷａｅ ｏｓ ， Ｗ ） 是 信 息 领 域 中 近 年 来 迅 速 发 展 Ｄ ｔ ｒｈｕｅ Ｄ … 据查询 ， 般情况下并不进行修改操作。 一 起来地数据库新技术 。 数据 仓 库 的建 立 ， 能充 分 利 用 已有 地 数 据 资 源 ， １ ． 数 据 仓 库 是 随 时 间 变 化 的 ４ 把 数 据转 换 为 信 息 ， 中 挖 掘 出知 识 ， 炼 成 智 慧 ， 终 创 造 出 效 益 。 从 提 最 数 据 仓 库 中 的 数 据 不 可 更 新 ， 指 数 据 仓 库 的用 户 进 行 分 析 处 是 所 以， 来越多地企业开始认识到数据仓库应用所带来地好处。 越 理 时 是 不 进 行 数 据 更 新 操 作 的 ， 并 不 是 说 ， 数 据 仓 库 的整 个 生 命 但 在
４ ３０ ） ７ ０ ０
要 】 文针 对数 据 仓 库 Ｄ ， Ａ 本 Ｗ ＯＬ Ｐ和 数 据 挖 掘 ＤＭ 三 种 技 术 进 行 了分 析 综 述 。
基于数据仓库的联机分析处理
数据仓库是面向主题的、 集成的、 时变的和非 易失的数据集合 ， 支持管理的决策过程 。数据仓库 是在收集各种分散 、 异构数据源的基础上 ， 对数据 进行转换和集成 ， 从而为决策者提供单一的分析环 境。数据仓库建立之后 ， 决策者就可以对其进行查 询， 得到有用的信息。比如 ：Ｉ Ｅ的上海董事想知 ＮＫ 道今年元旦与去年的销售量上的对比。 决策者想得 到的信息总是与一些统计指标、 观察角度和不同级 别的统计有关 的， 中我们把观察角度称为维 ， 其 决 策数据是—种多维数据。可想而知 ， 仅仅依靠数据 仓库是不行的， 必需依靠一种接口， 一种辅助工具 ， 才能中 数据海洋中轻松的提取出有用的信息。 而只 能提供数据查询、 增删改操作和报表功能的传统的 联机 事物 处 理 （ｎ ｌ ｅＴａ ｓｃｉｎＰｏｅｓｎ Ｏ －ｉ ｒｎａｔ ｒｃｓｉｇ， ｎ ｏ Ｏ Ｔ） ＬＰ ￣经不能满足决策者的需求 了， 因此基于多 维分析的联机１ 分析女理 Ｏ Ａ Ｌ Ｐ产生了。 ２ Ａ ＯＬ Ｐ的简介 联机分析处理的概念最早由关系数据库之父 ＥＦＣ ｄ ．．ｏｄ于 １９ 年提出的。Ｃ ｄ 认为 ０Ｌ Ｐ已不 ９３ ０ｄ Ｔ 能满足终端用户对数据库查询分析的要求 ，ＱＬ对 Ｓ 大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 系数据库进行大量计算 才能得到结果 ， 而结果又往 往又不能满足决策 的 要 求。因 ，ｏ ｄ 出了多维数据库和多维分析的 此 Ｃｄ 提 概 念 ， Ｏ Ａ 。 Ｌ Ｐ委员会对联机分析处理的定义 即 ＬＰ ＯＡ 为 ：Ｌ Ｐ Ｏ Ａ 是一种软件技术 ， 它使分析人员 、 经理和 管理 人员能够通过 陕速的、 一致的和交互式 的访问
度。
ＯＡ Ｌ Ｐ的最显著特征是能提供数据的多维概 念视图。在 Ｏ Ａ 数据模型中， ＬＰ 多维信息被抽象为 个立方体， 它包括维和度量。维就是我们所说的 观察角度， 度量是上面说的指标值 ， 多维结构是 ０ 一 ＬＰ Ａ 的核心。 Ｌ Ｐ Ｏ Ａ 的第二个特性是它能快速响应 用户的分析需求。 ～般认为 ＯＬ Ｐ系统在几秒内对 Ａ 用户的分析请求做出响应。 Ｌ Ｐ Ｏ Ａ 的第三个特征是 它的分析功能。 这是指 Ｏ Ａ Ｌ Ｐ系统可以提供给用户 强大的统计、 分析及报表处理功能。此外 ，Ｌ Ｏ ＡＰ系 统还具有回答“ 假如— 分析” ａ ｉ 问题的功能及 （ ｔｔ Ｗｈ － ） 进行趋势预测分析的能力。Ｏ Ａ Ｌ Ｐ的第四个特征是 它的信息陛。 无论数据量有多大 ， 也不管数据存储 在何处 ， Ｌ Ｐ Ｏ Ａ 系统应能及时获得信息。 ３Ｏ ＡＰ多维分析操作 Ｌ ＯＬ Ｐ的多维分析是指对多维数据仓库中的 Ａ 数据用切片、 切块和旋转等多种方式去分析数据 ， 使用户能够从多角度的观察数据。 这样才能深刻的 了 解到数据所蕴涵的信息， 才能使用户深人 的挖掘 隐藏在数据背后的商业模式。
具有主从服务器的联机分析处理系统的研究
Ｋｅ ｗｏ ｄ ： ＯＬ ｙ ｒｓ ＡＰ， ｕ ｅ， ｔ ａ ｅ ｏ ｓ ＯＬ ｅ ｖｃ ｓ Ｃ ｂ Ｄａａ Ｗ ｒ ｈ ｕ ｅ， ＡＰ Ｓ ｒ ｉ ｅ
ｌ 概 述
联 机 分 析 处 理 （ Ｌ Ｐ 是 利 用 存 储 在 数 据 仓 库 中 的 数 据 完 ０Ａ ） 成 各 种 分 析 操 作 ， 以直 观 易懂 的形 式 将 分 析 结 果 返 回 给 决 策 并 分 析 人 员 。如 今 ０ Ａ Ｌ Ｐ技 术 处 于 所有 数 据 处 理 技 术 的前 沿 。它 快速 、 一致 、 互 地 访 问 数 据 仓 库 细 节 数 据 和 综 合 数 据 （ 括 数 交 概
据） ，帮 助 数 据 分 析 人 员 、管 理 人 员 和 决 策 人 员 洞 察 数 据 的 奥
２ 系 统 结 构
如 图 ｌ所 示 ， 主 从 服 务 器 系 统 是 由 两 个 结 构 完 全 相 同 的 ０ ＾ ＬＬ 务器 、 个数据 输入端 、 据 查询端 以及数 据输入／ Ｐ服 多 数 查
询 混 合 端 （ 户 机 ）组 成 。它 们 采 用 Ｔ Ｐ Ｉ 议 通 过 局 域 网 客 Ｃ ／Ｐ协
（ Ａ ） 互 连 接 。ＯＬ Ｐ服务 器 采 用 Ｓ Ｌ Ｓｒｅ ０ ０ 中集 成 ＬＮ相 Ａ Ｑ ｅ ｒ２ ０ ｖ
的 Ａｎ ｌｓｓ Ｓ ｒｉｅ 。 ａｙ ｉ ｅ ｃ ｓ ｖ
秘 ， 握 隐 于 其 中 的 规 律 。Ｏ Ａ 掌 Ｌ Ｐ力 图处 理 数 据 仓 库 中浩 如 烟 海 的 数 据 ， 将 之 转 化 为 有 用 的信 息 ， 而 实 现 对 数 据 的 归 纳 、 并 从 分析和处理 ， 助 企业完成 决策。Ｏ Ａ 帮 Ｌ Ｐ支 持 最 终 用 户 进 行 动 态 多 维 分 析 ， 中包 括 跨 维 、 不 同 层 次 之 间 跨 成 员 地 计 算 和 其 在 建 模 ； 时 间 序 列 上 的 趋 势 分 析 、 测 分 析 ； 片 和 切 块 ， 在 在 预 切 并
MySQL中的数据仓库建模与OLAP分析
MySQL中的数据仓库建模与OLAP分析1. 引言随着大数据时代的到来，数据分析成为企业决策和发展的重要依据。
而数据仓库和OLAP（联机分析处理）技术则成为数据分析的核心工具之一。
本文将重点讨论MySQL中的数据仓库建模和OLAP分析的相关知识。
2. 数据仓库建模数据仓库是一个面向主题、集成、稳定、随时间变化而演化的数据集合。
数据仓库建模是构建数据仓库的关键步骤之一。
在MySQL中，常用的数据仓库建模方法有维度建模和实体关系建模。
2.1 维度建模维度建模是一种以业务维度为基础的建模方法。
它通过对业务过程中的维度进行抽象和建模，将复杂的业务过程简化成简单的维度模型。
维度建模主要包括维度表和事实表两部分。
维度表是描述业务过程中的维度属性的表，例如时间、产品、地区等。
事实表是描述业务过程的事实指标的表，例如销售额、订单数量等。
通过将维度表和事实表进行关联，可以方便地进行多维度的OLAP分析。
2.2 实体关系建模实体关系建模是一种以实体关系为基础的建模方法。
它通过对业务过程中的实体和实体之间的关系进行建模，将数据存储在多个表中。
实体关系建模主要包括实体表和关系表两部分。
实体表是描述业务过程中的实体属性的表，例如客户信息、产品信息等。
关系表是描述实体之间关系的表，例如客户和订单之间的关系、产品和订单之间的关系等。
通过对实体表和关系表的查询，可以获取业务过程中的多个维度数据，从而进行OLAP分析。
3. OLAP分析OLAP（联机分析处理）是一种多维、快速、交互式的数据分析方法。
通过对数据仓库中的多维数据进行切片、挖掘和透视等操作，可以获取到多个维度之间的关系和趋势。
在MySQL中，OLAP分析可以通过使用SQL语言和OLAP函数来实现。
3.1 切片和钻取切片和钻取是OLAP分析中常用的操作方式之一。
切片通过选择一个或多个维度进行过滤，从而获取到特定维度下的数据。
例如，通过选择时间维度为2019年，在数据仓库中获取到2019年的数据。
数据仓库与联机分析处理总结
数据仓库与联机分析处理一、基本概念数据仓库是面向主题的、集成的、时变的和非易失的有组织的数据集合，支持管理决策制定。
有一些要素区别数据仓库与操作数据库。
由于两种系统提供很不相同的功能，需要不同类型的数据，因此有必要将数据仓库与操作数据库分开维护。
A data warehouse is a subject-oriented, integrated, time-variant, and nonvolatile collection of data in support of management’s decision-making process.”—W. H. Inmon1.1 什么是数据仓库数据仓库已被多种方式定义但没有一种严格的定义。
课本：数据仓库是一种数据库，它与单位的操作数据库分别维护。
数据仓库系统允许将各种应用系统集成在一起，为统一的历史数据分析提供坚实的平台，对信息处理提供支持。
A decision support database that is maintained separately from the organization’s operational database一个与组织结构的操作数据库分别维护的决定支持数据库；Support information processing by providing a solid platform of consolidated, historical data for analysis.为统一的历史数据分析提供坚实的平台，对信息处理提供支持。
建立数据仓库（data warehousing):The process of constructing and using data warehouses 构建和使用数据仓库的过程1.2 subjected-oriented 面向主题的Organized around major subjects 围绕一些重要主题Focusing on the modeling and analysis of data for decision makers, not on daily operations or transaction 聚焦在为决策者的数据分析建模，而不是日常操作和交易Provide a simple and concise view around particular subject issues by excluding data that are not useful in the decision support process 排除对决策无用的数据1.3 integrated 集成的Constructed by integrating multiple, heterogeneous data sources 多个异构数据源，使用数据清理技术和数据集成技术，确保一致性Data cleaning and data integration techniques are applied1.4 Time-variant 时变的The time horizon for the data warehouse is significantly longer than that of operational systems 比操作数据库的时间更长数据仓库的关键结构都显式或者隐式地包含了时间元素1.5 nonvolatile 非易失的A physically separate store of data transformed from the operational environment 数据仓库总是物理地分离存放数据。
- 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)。
手段， 如便利店积分消费、 积分优惠、 充值优惠 、 电子优 惠券等服务。
显然， 在这 些 功 能的背后 ， 需要 强 大 的后 台来 支撑 ， 其 中最 初 始 的业 务 数 据 来 自 于 加油 卡 在各 个 加油 站 的 消
数据中心， 各省数据中心每天晚上上传到全国数据总中心
Ｌ Ｕ Ｒｕ ｉ ｍｉ ｎ ｇ
（ Ｓ ｈ ａ ｎ ｇ ｈ ａ ｉ Ａ ｓ ｉ ａ＆Ｐ ａ ｃ ｉ ｉ ｆ ｃ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｓ ｙ ｓ ｔ ｅ ｍ Ｃ Ｏ． ， Ｌ ｔ ｄ ． ， Ｓ ｈ ａ ｎ ｇ ｈ ａ ｉ ２ ０ ０ ０ ４ ０ ， Ｃｈ ｉ ｎ ａ ）
结算。 显然 ， 相比现金结算 ， 使用加油卡消费更加简单便
捷， 人 们 很快 适 应 了这 种新 的消 费 形式 。 于是 ， 石油 销 售 企 业很 快 就将 加油 卡消费 系统推 向更 多省 市 ， 目 前 已在 全
费以及在各个 网点的充值 ， 这个系统 被称之为 “ 生产系
统” 。 各 个加 油站 的数 据每天 两 次 上传 到各 自 所 在省一 级
ｇ ａｓ ｓ ｔ ａ ｔ ｉ ｏｎ 。 ｗｈ ｉ ｃ ｈ ｍａｋ ｅ ｓ ｉ ｔ ｖ ｅｒ ｙ ｉ ｍｐ ｏｒ ｔ ａ ｎ ｔ ｔ ｏ ｓ ｔ ｕ ｄ ｙ ｏｎ ｈ ｏ ｗ ｔ ｏ ｍａ ｎ ａ ｇｅ ｔ ｈ ｏｓ ｅ ｍａ ｓ ｓ ｉ ｖ ｅ ｄ ａ ｔ ａ ｅ ｆ ｆ ｉ ｃ ｉ ｅｎ ｔ ｌ ｙ ． Ｔｈ ｉ ｓ ｐ ａ ｐ ｅｒ
ｅｎ ｔ ｅｒ ｐｒ ｉ ｓ ｅ ｄ ｅ ｃ ｉ ｓ ｉ ｏｎ ｍａ ｋ ｉ ｎ ｇ ｐ ｕ ｒ ｐｏ ｓ ｅ ． Ｋｅ ｙ Ｗ ｏｒ ｄｓ Ｇ ａ ｓ Ｃａｒ ｄ，Ｄａ ｔ ａ Ｗ ａｒ ｅｈ ｏｕ ｓ ｅ，Ｏ Ｌ ＡＰ
０引言
随着信息化 技术的飞速 发展 ， 早 在十多年 前， 石油
ｄ ｏ ｉ ： ｌ ０ ． ３ ９ ６ ９ ￣ ． ｉ ｓ ｓ ｎ ． １ ６ ７ ４ — ７ ９ ３ ３ ． ２ ０ １ ５ ． ０ ３ ． ０ ０ ４
Ａ Ｂｒ ｉ ｅ ｆ Ｉ ｎ ｔ ｒ ｏ ｄｕ ｃ ｔ ｉ ｏｎ ｏ ｆ Ｏｎ ・ － Ｌ ｉ ｎ ｅ Ａｎ ａ ｌ ｙ ｔ ｉ ｃ ａ ｌ Ｐｒ ｏｃ ｅ ｓ ｓ ｉ ｎ ｇ Ｂａ ｓ ｅ ｄ Ｏｎ Ｄａ ｔ ａ Ｗａ ｒ ｅ ｈ ｏｕ ｓ ｅ ｏ ｆ Ｇａ ｓ Ｃａ ｒ ｄ Ｄａ ｔ ａ
ｅ ｘ ｔ ｒ ａ ｃ ｔ ｄｉ ｆｅｒ ｅ ｎ ｔ ｋ ｉ ｎｄ ｓ ｏ ｆ ｉ ｎ ｆ ｏｒ ｍａ ｔ ｉ ｏ ｎ ｆ ｒ ０ ｍ ｔ ｈ ｅ ｒ ａ ｗ ｄａ ｔ ａ ｔ ｈ ａｔ ｍｅｅ ｔ ｓ ｔ ｈ ｅ ｉ ｒ ｏ ｗｎ ｎ ｅ ｅｄ ｓ ｆ ｏｒ ｅｉ ｔ ｈ ｅ ｒ ｒ ｅ ｓ ｅ ａｒ ｃ ｈ ｓ ｔ ｕ ｄ ｉ ｅｓ ｏ ｒ
ｄ ａｔ ａ ｓ ｔ ｏｒ ａｇ ｅ ｓ ｙ ｓ ｔ ｅｍ ，ｃ ａｌ ｌ ｅｄ Ｄａ ｔ ａ Ｗａ ｒ ｅｈ ｏｕ ｓ ｅ，ｔ ｏ ｓ ｔ ｏｒ ｅ ｌ ａｒ ｇ ｅ ａ ｍ ｏｕ ｎ ｔ ｓ ｏ ｆ ｈ ｉ ｓ ｔ ｏｒ ｉ ｃ ａＩ ｔ ｒ ａｎ ｓ ａ ｃ ｔ ｉ ｏｎ ｄ ａｔ ａ ；ｓ ｅｃ ｏ ｎ ｄｌ ｙ 。
Ｓ 业 ｎ
面 向加油 卡数据仓库 的联机分析处理 的探讨
陆瑞 明
（ 上 海亚太计 算机信 息 系统有 限公 司 上 海 ２ ０ ０ ０ ４ ０ ）
摘 要 对于石油销售企业来说 ，每天企业下属各加油站加油卡的使 用都在不 断产 生交易数据 ，如何对这些海量数据进 行有效挖掘 处理 成 了目前业界 的研 究热点。本文则为关 于加 油卡 大数 据应 用提供 了一种业界 最流行的 方法：首先搭 建一个 数据存储 系统 ，称 为数 据仓库 ，能存储 海量历 史数据 ：然后 ，在数据 仓库的基础 上 ，引入联机 分析 处理 （ ＯＬ ＡＰ ） ，根据 业务部 门的不 同需求给 出各 自所 需的结果 ，也供企业 高层 管理人 员进行 决策使 用。 关键词 加油卡， 数据仓库， 联机分析处理
Ａｂ ｓｔ ｒ ａ ｃ ｔ １ ＿ ｒ ａ ｎｓ ａｃ ｔ ｉ ｏｎ ｄ ａｔ ａ ｆ ｒ ０ｍ ｇ ａ ｓ ｃ ａｒ ｄ ｓ ａ ｒ ｅ ｂ ｅｉ ｎ ｇ ｃ ｒ ｅ ａ ｔ ｅ ｄ ａ ｎ ｄ ｃ ｏ ｌ ｌ ｅ ｃ ｔ ｅｄ ｃ ｏｎ ｔ ｉ ｎ ｕ ｏｕ ｓ ｌ ｙ ｅ ｖ ｅ ｒ ｙ ｄ ａｙ ａ ｔ ｅ ｖ ｅｒ ｙ
ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｉ ｎ ｇ ｔ ｈ ｅ Ｏｎ — Ｌ ｉ ｎ ｅ Ａｎ ａ ｌ ｙ ｔ ｉ ｃ ａ ｌ Ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ（ ＯＬ ＡＰ） ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ Ｄａ ｔ ａ Ｗａ ｒ ｅ ｈ ｏ ｕ ｓ ｅ ． ＯＬ ＡＰ ａ ｌ ｌ ｏ ｗｓ ｕ ｓ ｅ ｒ ｓ ｔ ｏ
ｐ ｒ ｏ ｐｏ ｓ ｅ ｓ ａ ｐｏ ｐｕ ｌ ａｒ ａｐｐ ｌ ｉ ｃ ａｔ ｉ ｏｎ ｏ ｆ ｂ ｉ ｇ ｄ ａｔ ａ ａ ｎａ ｌ ｙ ｓ ｉ ｓ ｏｎ ｍａ ｓ ｓ ｉ ｖ ｅ ｇ ａｓ ｃ ａｒ ｄ ｔ ｒ ａ ｎ ｓ ａｃ ｔ ｉ ｏｎ ｄａ ｔ ａ：ａ ｔ ｆ ｉ ｒ ｓ ｔ ，ｂｕ ｉ ｌ ｄ பைடு நூலகம் ｎｇ ａ