数据仓库5联机分析处理技术2.pptx

32
4. 下钻（drill down）
❖ 定义：是指在某一个分析过程中，用户可能需要从 更多的维或者某个维的更细层次上来观察数据的操 作。
33
5. 上卷（roll up）
7
1）维-维层次
❖ 维层次（hierarchy）
❖ 在一个维中可以有多种分类方法，把每种分类方法 叫做一个层次。
❖ 如：时间维的两个层次。
年
季度
星期
月 日
8
1）维-维属性
❖ 维属性（attribute） ❖ 维属性说明维成员所具有的特征。 ❖ 如：在地区维的商店这一层定义“负责人”、“商
店类型”等属性，在城市层上定义“人口”、“面 积”等属性。
25
1. 切片（Slice）
26
2. 切块（dice）
❖ 定义：如果在一个多维数据集上对两个及其以上的 维选定维成员的操作称为切块。
❖ 如有多维数据集（维1，维2，……，维i，……， 维k，……，维n，观察变量），对维i，……，维k ，选定了维成员，那么（维1，维2，……，维i成 员，……，维k成员，……，维n，观察变量）就是 多维数据集（维1，维2，……，维i，……，维k， ……，维n，观察变量）在维i，……，维k上的一 个切块。
❖ 维是观察数据的特定角度，是每个事物的属性。 ❖ 每个维都有一个唯一的名字，如：时间维、地区维
、产品维等。
5
1)维-维成员
❖ 维成员（member）
❖ 维由一些维成员构成。维的一个取值称为维的一个 成员。如果维已经分成了若干个维层次，那么维成 员就是不同维层次取值的组合。
城市
北京 长沙 武汉
广州 上海
❖ 假设数据仓库中有一张销售表（如下图），只列出 在时间T1、商品P1在济南地区的商店（S1、S2、S3） 的销售额，分别为：（T1，S1，P1：100），（T1， S2，P1：78），（T1，S3，P1：97）
18
4.3.1 多维分析基础：聚集
19
4.3.1 多维分析基础：聚集
❖ 如何获得济南地区在时间T1对商品P1的销售额？即 如何获得数据单元（T1，“济南”，P1：X）
多的资源，有较大的计算代价。
23
4.3.2 常用多维分析操作
❖ 多维分析操作是指对数据立方体执行切片、切块、 旋转、下钻、上卷等各种分析操作，剖析数据，使 用户能从多角度、多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。
24
1. 切片（Slice）
❖ 定义：在数据立方体的某一维上选定一个维成员的 动作。
27
3. 旋转（rotate）
❖ 定义：改变数据立方体维的次序的动作。
28
3. 旋转（rotate）
29
3. 旋转（rotate）
❖ 举例：旋转前的维方向
30
3. 旋转（rotate）
❖ 旋转后的维方向（不同维度间的旋转操作）
31
3. 旋转（rotate）
❖ 旋转后的维方向（维度层次上的旋转操作）
12
1.星形模型
13
2.雪花模型
14
联机分析处理技术2 4.3 多维分析操作 4.4 多维查询语言
15
4.3 多维分析操作
❖ 关系数据模型的核心概念是关系，基本操作是：选 择、投影、链接。
❖ 多维数据模型结构复杂，操作的种类也相对较多。 ❖ 常用的多维分析操作有：切片、切块、旋转、下钻
、上卷
❖ 即：X=sum（100，78，97）
20
4.3.1 多维分析基础：聚函数，可
以得到n个聚集值，对这n个聚集值进行计算得到的 结果如果和整个数据（不划分）应用该函数得出的 结果一致，则称该函数是分布型的。 ❖ count、sum、min、max
第5讲 联机分析处理技术2
1
数据立方体
❖ 多维数据模型构成的多维数据空间称作为数据立方 体（Data Cube，简记为cube）。
❖ 是从不同角度对同一数据进行观察得到的数据交点 。
2
数据立方体
❖ 一个二维数据立方体对应的某地区商店销售额表
3
数据立方体
❖ 商店销售额表的三维数据立方体
4
1)维
16
4.3.1 多维分析基础：聚集
❖ 聚集是对细节数据进行综合的过程，是多维分析的 基础。
❖ 最常用的5种聚集函数： ❖ 求和 ❖ 计数 ❖ 求最大值 ❖ 求最小值 ❖ 求平均值
17
4.3.1 多维分析基础：聚集
❖ 举例：零售商对产品的销售分析时，设置了时间维 （Time）、地区维（Store）和商品维（Product） ，度量是销售额（Sales），其中该地区维是指商 店所在地区。
21
4.3.1 多维分析基础：聚集函数分类
❖ 代数型聚集函数 ❖ 如果一个函数可以由若干个分布型函数进行代数运
算得出，则说该函数是代数型。 ❖ Avg=sum/count
22
4.3.1 多维分析基础：聚集函数分类
❖ 整体型聚集函数 ❖ 如果一个函数不能由其它函数进行代数运算得出，
则称其为整体。 ❖ Median、rank ❖ 在计算时，需要同时得到所有的数据，需要消耗较
果汁
可乐
商品 毛巾
浴巾
牛奶
12 3 4
日期
商品、城市、日期维 工业 国家 年
类别 省 月 商品 市 日
6
1)维-维层
❖ 维层（level） ❖ 人们观察数据时，除了要从某一个角度去观察外，
还需要从不同的细节程度去观察，这些不同的细节 程度就称为不同的维层次。 ❖ 如：销售地区维有分区、省、市，对于时间维有日 、月、季度。
9
2）度量
❖ 度量是要分析的目标或对象，是多维数据集的核心 值，是最终用户在数据仓库应用中需查看的数据。
❖ 常见的度量有：销售量、供应量、营业额等。
❖ 通常是具体数据值。
城市
北京 长沙 武汉
广州
上海
果汁
可乐
商品 毛巾
浴巾
牛奶
12 3 4
日期
究竟想了解什么？
10
11
1.星形模型
❖ 星形模型是多维数据模型的基本结构，通常由一个很大 的中心表（事实表）和一组较小的表（维度表）组成。
❖ 有多维数据集（维1，维2，……，维i，……，维n ，观察变量），如果确定了某个维成员维i 的值， 则称：在维i上的一个切片为（维 1，维2，……， 维i成员，……，维n，观察变量）。
❖ 一个多维数组的切片最终是由该数组中除切片所在 平面之外的其他成员值确定的。
❖ 维是观察数据的角度，切片的作用或结果是舍弃一 些观察角度，以便集中观察该维的数据。