第四讲 联机分析处理
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。
第4章联机分析处理(OLAP)new精品PPT课件
2 OLAP多维数据结构
2.2 两种结构的使用
• 两者的实际使用情况
– 一般来说，多立方结构灵活性较大，但超立方结构更易于理 解。
– 终端用户更容易接近超立方结构，它可以提供高水平的报告 和多维视图。但具有多维分析经验的MIS专家更喜欢多立方 结构，因为它具有良好的视图翻转性和灵活性。
– 多立方结构是存储稀疏矩阵的一个更有效方法，并能减少计 算量。因此，复杂的系统及预先建立的通用应用倾向于使用 多立方结构，以使数据结构能更好地得到调整，满足常用的 应用需求。
– 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OLTP查询的结果并不能满足决策者提出的需 求。因此，E.F.Codd提出了多维数据库和多维分析的概 念，即OLAP。
1 OLAP定义和特性 1.2 OLAP与OLTP的比较
事务型处理数据 细节的 在存取瞬间是准确的 可更新 操作需求事先可知道 生命周期符合SDLC 对性能要求高 一个时刻操作一个单元 事务驱动 面向应用 一次操作数据量小 支持日常操作
分析型处理数据 综合的，或提炼的 代表过去的数据 不可更新，只读的 操作需求事先不知 完全不同的生命周期 对性能要求宽松 一个时刻操作一组数据 分析驱动 面向分析 一次操作数据量大 支持管理需求
1 OLAP定义和特性
1.3 OLAP定义和目标
• 定义1
– OLAP (Online Analytical Processing)是针对特定问题的联机数 据访问和分析。通过对信息(维数据)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。
1 OLAP定义和特性
1.5 OLAP特性
• 快速性
– 用户对OLAP的快速反应能力有很高的要求。系统应能在5秒内对用户 的大部分分析要求做出反应。
联机分析处理
联机分析处理（英语：On-Line Analytical Processing，简称OLAP），是一套以多维度方式分析数据，而能弹性地提供积存（英语：Roll-up）、下钻（英语：Drill-down）、和透视分析（英语：pivot）等操作，呈现集成性决策信息的方法，多用于决策支持系统、商务智能或数据仓库。
其主要的功能，在于方便大规模数据分析及统计计算，对决策提供参考和支持。
与之相区别的是联机交易处理（OLTP）。
∙OLAP需以大量历史数据为基础配合上时间点的差异并对多维度及汇整型的信息进行复杂的分析。
∙OLAP需要用户有主观的信息需求定义，因此系统效率较佳。
OLAP的概念，在实际应用中用广义和狭义两种不同的理解。
广义上的理解与字面意思相同，即针对于OLTP而言，泛指一切不对数据进行输入等事务性处理，而基于已有数据进行分析的方法。
但更多的情况下OLAP是被理解为其狭义上的含义，即与多维分析相关，基于立方体（CUBE）计算而进行的分析。
联机分析处理系统OLAP概述
ＯＬＡＰ概述 OLAP分析，又称多维分析，是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的并真实反映企业维特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。
OLAP也可以简单定义成使用户能够以多维视图分析数据的工具。
通常用来进行多维分析的维有时间、地点、产品、度量值（如销售额）等。
例如，在销售经理查看销售数据时，他可能想了解某个产品在某个地区、某段时间的销售额，并通过交叉表的功能来按不同的维对销售数据进行分析和通过挖掘功能来了解深层次的信息。
图3-20：数据的多维形式通过三维方式展现数据，并在此基础上进行分析，能够揭示出在二维方式下隐藏的关系；并通过方便的数据导航功能，使用户更易比较数据变量之间的关系，从而可以发现数据中隐藏的信息。
关系型数据库往往不能支持对数据进行逻辑分析和统计分析。
而采用OLAP系统，用户无须编程就可以定义新的逻辑、统计等方面的计算，并可将其做为分析的一部分，并以用户理想的方式给出报告。
用户可以在OLAP平台上进行数据分析，也可以连接到其他外部分析工具上，如时间序列分析工具、数据挖掘工具等。
ＯＬＡＰ产品根据其实现多维分析的技术以及要实现的目标而分为三类： （１）、ＭＯＬＡＰ（多维联机分析处理）。
ＭＯＬＡＰ将事务型数据进行综合，通过多维结构的“立方体”的数据结构来储存经综合的数据。
ＭＯＬＡＰ通过其层次型数据库及在内存内的索引来保障数据访问的性能。
用户可以利用数据导航工具来进行钻取、交叉查询及产生关于“立方体”的报告。
根据ＭＯＬＡＰ的技术特点，ＭＯＬＡＰ擅长于对一定数量的数据进行大量、复杂、快速的、反复的分析。
ＭＯＬＡＰ通常用来进行假设分析和问题求解，如在预算应用中。
图3-21：MOLAP架构图（２）、ＲＯＬＡＰ（关系型联机分析处理）。
ＲＯＬＡＰ在分析数据是直接到关系型数据库中取数据，而不建立自己的“立方体”。
什么是联机分析处理(OLAP)
OS Java CORBA COM+ Middleware XML&WebService Patterns ONE&NET P2P Development Database Download Doc什么是联机分析处理（OLAP ）(转载自北大高科网站，/)联机分析处理 (OLAP) 的概念最早是由关系数据库之父E.F.Codd 于1993年提出的，他同时提出了关于OLAP 的12条准则。
OLAP 的提出引起了很大的反响，OLAP 作为一类产品同联机事务处理 (OLTP) 明显区分开来。
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。
下表列出了OLTP 与OLAP 之间的比较。
OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取,从而获得对数据的更深入了解的一类软件技术。
OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求,它的技术核心是"维"这个概念。
“维”是人们观察客观世界的角度,是一种高层次的类型划分。
“维”一般包含着层次关系,这种层次关系有时会相当复杂。
通过把一个实体的多项重要的属性定义为多个维(dimension)，使用户能对不同维上的数据进行比较。
因此OLAP也可以说是多维数据分析工具的集合。
OLAP的基本多维分析操作有钻取（roll up和drill down）、切片（slice）和切块（dice）、以及旋转（pivot）、drill across、drill through 等。
第4章 联机分析处理概述及模型
2015-4-20
39
3. 事实群模型
在某些复杂应用中，可能需要多个事实表来共享维
表，这种模型类似于星形模型的集合，被称之为星
系模型或事实群模型。 销售事实表和货运事实表共享时间维、产品维和地 区维举例。
2015-4-20
40
3. 事实群模型（续）
2015-4-20
41
4.3 多维分析操作
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 毛巾 浴巾 牛奶 2015-4-20
究竟想了解什么？
商品
1 2
3
4
21
日期
2. 度量（续）
2015-4-20
22
3. 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）。
2015-4-20
13
1. 维（续）
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 果汁 可乐 毛巾 浴巾 牛奶 2015-4-20
商品、城市、日期维 工业 国家 年
多维数据模型是一个多维空间。 核心概念主要涉及：维、维成员、维层次、度量等。
2015-4-20
12
1. 维
维是人们观察数据的特定角度，是每个事物的属性。 如：在分析产品销售数据时，需要知道在什么时候？
什么地区？销售什么产品？就涉及到观察的时间、
地区、产品三个角度。 维是商业活动中的一个基本要素。 每个维都有一个唯一的名字，如：时间维、地区维、 产品维等。
数据仓库与联机分析处理
– 操作型环境、分析型环境 – 四层体系化环境
• 操作型环境——OLTP • 全局级——数据仓库 • 部门级——局部仓库 • 个人级——个人仓库，用于启发式的分析
– 数据集市（Data Mart）
datawarehouse联机事务处理oltp决策支持系统dss联机事务处理oltp是对数据库的联机的日常操作通常是对一个或一组记录的查询和修改人们关心的是响应时间数据的安全性和完整性决策支持系统dss联机事务处理oltp决策支持系统dss不可修改且随时间变化的数据集合用来支持管理人员的决策每个主题在数据仓库中都是由表实现的数据仓库的数据是从原有的分散数据库数据中抽取来的不进行一般意义上的数据更新过期数据可能被删除数据仓库中数据表的都包含时间项以标明数据的历史时期数据仓库的结构oltp系统rdbmssybasevsamsaperp510过去详细数据当前详细数据轻度汇总数据高度汇总数据数据集市分析型crm业务指标分析数据仓库数据仓库决策分析系统excel是指数据仓库的数据单位中保存数据的细化或综合程度的级别粒度级越小细节程度越高综合程度越低回答查询的种类越多是指把数据分散到各自的物理单元中去以便能分别独立处理提高数据处理效率系统层
– 发掘型工具 • 从大量数据中发现数据模式 • 预测趋势和行为
• 联机分析处理——OLAP
– 是针对特定问题的联机访问和分析。
– 通过对信息的很多种可能的观察形式进行快速、稳定 一致和交互性的存取，允许分析人员对数据进行深入 观察
• 一些概念
– 变量是数据的实际意义，描述数据是什么 – 维是人们观察数据的特定角度 – 维的层次是维在不同细节程度的描述 – 维成员是维的一个取值
第四章联机分析处理精选全文完整版
4.1 从OLTP到OLAP
4.1.1 OLAP的出现 4.1.2 什么是OLAP 4.1.3 OLTP和OLAP的关系及比较
4.1.1 OLAP的出现
1970年，E.F.Codd博士提出了关系数据模型，1979年Oracle发布了关系数据库管理系统 OLTP推动了业务处理自动化，积累了大量的数据
基本概念（续）
数据单元（单元格） 多维数组的取值称为数据单元 （维1维成员，维2维成员 ，···,维n维成员，变量的值） 数据单元：（北京，1997年1月，批发，10000)
基本概念（续）
多维分析是指对以多维形式组织起来的数据采取切片、切块、旋转等各种分析动作，以求剖析数据，使最终用户能从多个角度、多侧面地观察数据库中的数据，从而深入地了解包含在数据中的信息、内涵
： :
多维分析的基本分析动作
图6-3: 旋转
地区维
时间维
产品维
产品维
时间维
地区维
旋转以改变 页面显示
(c)
OLAP的多维数据的位置： 1. 作为数据仓库的一部分 2. 作为数据仓库工具层的一部分
第四章 在线分析处理OLAP
联机分析处理（OLAP）
4.1 从OLTP到OLAP 4.2 OLAP的特征及衡量标准 4.3 OLAP实施 4.4 基于多维数据库的OLAP实现 4.5 基于关系数据库的OLAP实现 4.6 两种技术间的比较
联机分析处理（OLAP）
决策支持中的典型问题： 东部地区和西部地区今年6月份和去年6月份在销售总额上的对比情况，并且销售额按10万-20万、20万-30万、30万-40万，以及40万以上分组 特点： 多角度 多层次 访问大量数据 快速回答
第4章 联机分析处理
UDM结构
UDM建在数据集市之上，对于终端用户看起来很 像一个OLAP系统。其主要的好处就是不再需要 数据集市。 也可以在一个或者多个OLTP系统上创建UDM。 甚至可以在同样的UDM中混合数据集市和OLTP 系统的数据。UDM甚至还可以包括来自其他终端 数据库的数据和XML格式的数据。 UDM可以从星型或者雪花型架构中定义度量、维 度、层次结构和多维数据集，或者直接从关系数 据库表中定义。
对一个销售数据来说， “某年某月某日”是该销售数据 在时间维上位置的描述。
多维分析中的一些基本概念
5．多维数组。 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)。
第4章
联机分析处理 (OLAP)
华南理工大学 廖开际
kaiji@
教学目标
掌握联机分析处理的基本概念 掌握多维分析方法。
教学要求
知识要点 OLAP的基本 概念 能力要求 掌握OLAP的基本 概念 掌握多维分析的基 本操作 相关知识点 (1) 维 (2) 多维数据集 (3) 多维数据集的度量 (1) 切片、切块 (2) 旋转 (3) 钻探
理解数据立方
不同的商业视角为维度建立一个商业数据分析用的立方体，这些维的 属性是立方体的坐标轴。 大多数情况下，数据立方是以三维以上的方式组成的
理解数据立方
数据立方中多个维度的值是商务需求中需 要观察的目标，这个目标的值一般叫度量 值。 度量值来源于构成商务观察目标的事实表 中。例如事实表中有全部产品的销售度量， 那么，可以用立方体上的某一个点度量某 产品在某一时间和某一城市的销售情况。
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。
BI基础资料-OLAP
联机分析处理 (ＯＬＡP)百科名片联机分析处理简写为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。
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，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。
目录［隐藏]作用起源分类［编辑本段]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。
它并不将异常信息标记出来,是一种知识证实的方法。
[编辑本段]起源联机分析处理 (OLAP) 的概念最早是由关系数据库之父E.F.Codd于１993年提出的，他同时提出了关于ＯLAP的１２条准则。
OLAP的提出引起了很大的反响,OLAP 作为一类产品同联机事务处理 (OＬTP) 明显区分开来。
Codd提出ＯLAP的1２条准则来描述ＯＬAP系统：准则1 OLAP模型必须提供多维概念视图准则2 透明性准则准则3 存取能力推测准则4 稳定的报表能力准则５客户/服务器体系结构准则６维的等同性准则准则7 动态的稀疏矩阵处理准则准则8 多用户支持能力准则准则9 非受限的跨维操作准则10 直观的数据操纵准则1１灵活的报表生成准则１2 不受限的维与聚集层次[编辑本段]分类当今的数据处理大致可以分成两大类:联机事务处理OLTP(on-linｅtraｎsaｃtion proｃeｓsing）、联机分析处理OLAＰ(On-Linｅ Analytical Prｏcessｉｎg)。
商业智能之联机分析处理
商业智能之联机分析处理
商业智能（BI）的联机分析处理（OLAP）是一种数据分析技术，用于快速检索大量分散的数据，从而获得用于管理决策的信息。
OLAP用途广泛，包括数据挖掘，统计分析，成本估算，客户关系管理（CRM），市场评估，财务分析等。
BI的OLAP分析处理主要是指对多维数据的分析，而不是简单的数据查询，它可以帮助管理者确定公司目标，以及支持他们实现这些目标。
BI的OLAP分析处理包含以下几个关键步骤：数据集成，数据模型设计，查询优化，数据报表设计，分析和可视化。
联机分析技术
1.特点：OLAP 在以数据仓库为数据源时，它有两个特点：在线性( On Line )：由客户机/服务器这种体系结构来完成的；多维分析：这也是OLAP 的核心所在。
2 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。
3. OLAP的基本多维分析操作有钻取(Drill-up和Drill-down八切片(Slice )和切块( Dice )、以及旋转( Pivot )等。
钻取：是改变维的层次，变换分析的粒度。
它包括向下钻取 ( Drill-down ) 和向上钻取(Drill-up ) /上卷(Roll-up) 。
Drill-up是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而Drill-down 则相反，它从汇总数据深入到细节数据进行观察或增加新维。
切片和切块：是在一部分维上选定值后，关心度量数据在剩余维上的分布。
如果剩余的维只有两个，则是切片；如果有三个或以上，则是切块。
旋转：是变换维的方向，即在表格中重新安排维的放置(例如行列互换)。
4. 五、联机分析处理的实现方式同样是仿照用户的多角度思考模式，联机分析处理有三种不同的实现方法：•关系型联机分析处理(ROLAP,Relatio nal OLAP)•多维联机分析处理(MOLAP,Multi-Dime nsio nal OLAP) •前端展示联机分析处理(Desktop OLAP)其中，前端展示联机分析需要将所有数据下载到客户机上，然后在客户机上进行数据结构/报表格式重组，使用户能在本机实现动态分析。
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。
数据仓库与数据挖掘-联机分析处理的概念与特性
联机分析涉及的基本概念
• 5.多维数组
一个多维数组可以表示为：维1，维2，…，维n， 变量
• 5.数据单元（单元格）
多维数组的变量的取值称为数据单元。
2015-4-2
9/35
联机分析基本操作
• OLAP的基本操作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 动作，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 深入地了解包含在数据中的信息。 • A.多维的切片
2015-4-2 7/35
联机分析涉及的基本概念
• 4.维成员
维的一个取值称为该维的一个维成员、如果一个 维是多层次的，那么该维的维成员是由各个不同 维层次的取值组合而成。
维的一个取值就称为该维的一个维成员。
• 如果一个维是多层次的，那么该维的维成员就是不同 维层次的取值的组合。 • 例如，考虑时间维具有日期、月份、年这三个层次， 分别在日期、月份、年上各取一个值组合起来，就得 到时间维的一个维成员，即“某年某月某日”。
切块可以看成是在切片的基础上，确定某一个维成 员的区间得到的片段，也即由多个切片叠合起来。
• （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。
2015-4-2
23/35
三维数据切块
2015-4-2
24/35
3.钻取
• 钻取有向下钻取（drill down ）和向上钻取 （drill up ）操作。 • 向下钻取是使用户在多层数据中能通过导航 信息而获得更多的细节性数据。 • 向上钻取获取概括性的数据。
谈谈联机分析处理
关于数据仓库与联机分析处理的概述一、数据仓库及数据库的概念及其特点1、数据仓库的概念及其特点“什么是数据仓库？”这恐怕是每一个刚刚开始接触数据仓库的技术人员都会提出的一个问题。
有人认为数据仓库就是一个大的数据库，也有人认为数据仓库是一项数据管理和分析的技术。
这些定义都从一定的侧面反映了数据仓库的概念，但并不全面。
目前，业界公认的数据仓库定义是由数据仓库之父the Data Warehouse》一书中给出：“数据仓库是面向主题的、集成的、随时间变化的、稳定的数据集合，用以支持管理中的决策制定过程。
”正如Inmon所描述的，数据仓库具有如下特点：(1)数据仓库的数据是面向主题的与传统数据库面向应用进行数据组织的特点相对应，数据仓库中的数据是面向主题进行组织的。
所谓主题，是指在较高层次上将企业信息系统中的数据综合、归类并进行分析利用的抽象。
在逻辑意义上，它是对应企业中某一宏观分析领域所涉及的分析对象。
(2)数据仓库的数据是集成的建立数据仓库的主要目的就是为用户提供易于访问的商业信息。
为了减少用户查询的响应时间，应该把数据从数据源中提取出来，放到数据仓库中去。
在数据进入数据仓库之前，必须经过加工和集成，使原始数据结构做一个从面向应用到面向主题的大转变。
(3)数据仓库的数据是不可更新的数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一般情况下并不进行修改操作。
数据仓库的数据不可更新使得数据仓库管理系统DWMS相比数据库管理系统DBMS而言要简单得多，同时也使我们可以对数据仓库进行最大限度的性能优化。
(4)数据仓库的数据是随时间不断变化的数据仓库中的数据不可更新是针对应用来说的，也就是说，数据仓库的用户进行分析处理时是不进行更新操作的。
但并不是说，在从数据集成输入数据仓库开始到最终被删除的整个数据生存周期中，所有的数据仓库数据都是永远不变的。
数据仓库会随时间的变化不断增加新的数据内容和删去过时的数据内容。
- 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)。
7. Ost Analysis of Shared Multidimensional Information (共享多维信息的快速分析)
1. Fast(快速性)用户对OLAP的快速反应能力有很高的要求 2. Analysis(可分析性)系统应能处理与应用有关的任何逻辑分 析和统计分析，用户无需编程就可定义新的专门计算，将其 作为分析的一部分，并以用户理想的方式给出报告。用户可 以在OLAP平台上进行数据分析，也可以连接到其他外部分 析工具上，同时应提供灵活开放的报表处理功能，以保存分 析结果。
rmation(信息性)：不论数据量有多大，也不管数 据存储在何处，OLAP系统应能及时获得信息，并且管理 大容量信息。这里有许多因素需要考虑，如数据的可复 制性、可利用的磁盘空间、OLAP产品的性能及与数据仓 库的结合度等。
8. DW
OLAP DM
► 数据分析过程都是基于以DW为基础，OLAP
提供信息
为查询设计的 为了分析
更新频率
用户交互的范围
非常频繁
单个交易
通常是只读的
遍及所有数据内容
联机分析处理的要求
4.OLAP是用户需要的答案
OLAP的一些基本优点
► 使分析员、主管能够更深入地了解数据的显示方法 ► 能够沿着几个维度重新构造指标，并允许用户从不同的角度来查
看数据 ► 支持多维分析 ► 能够在每个维度里面进行下钻和概括化的操作 ► 能够在测量中应用数学公式和计算 ► 能够对分析做出快速的反映，提供边思考边分析的方式 ► 与其他信息传递技术互补（如：DM） ► 通过使用图像和表格来实现数据的可视化形式，使用户更容易地 理解结果集的含义 ► 能够在Web上运行 ► 能够实现交互式分析 ► Etc.
第四讲 联机分析处理
联机分析处理(OLAP)
OLAP ：On-Line Analytical Processing ► 目标
OLAP的主要特性和功能 掌握维度分析中的错综复杂的事务，学习超 立方体、下钻和概括化、多层次/多视角查看 的含义 考察不同的OLAP模型并且确定哪个模型适合 你的环境 通过研究步骤和工具来考虑OLAP执行的情况
4.
5. 6. 7.
存储OLAP结果
遗失值
数据库增量更新
SQL接口
联机分析处理的要求
6. OLAP的特征
让商业用户对数据仓库的数据有一个多维的逻辑的视图 使用户更方便地进行交互式的查询和复杂的分析 允许用户沿着单一的商业维度或跨越维度进行下钻操作， 以获得更详细的数据，或者进行概括化操作以获得指标 的聚集 使用户能够进行复杂的计算和比较等操作 用许多有意义的方式来显示结果，包括图表和图像
►切块操作也可看成进行多次切片操作以后，将每次切
片操作所得到的切片重叠在一起而形的。
►
下钻drill down和上卷(卷取roll up)
钻取是对数据进行更为细节性的观察，上卷是对数据进行更 为宏观的观察。
钻取和卷取的深度与维所划分的层次相对应。
►
旋转(rotate,pivot)
改变一个报告或页面所显示的维方向。
联机分析处理的要求
5. OLAP的定义和规则
E.F.Codd ,《为分析员提供联机分析处理》， 1993年 OLAP委员会的定义
►OLAP是一种软件技术，它使分析员、经理和主管
人员能够通过快速的、一致的和交互式的访问来获 取并理解各种可能的信息视图的数据，这些信息由 原始数据转换而成，用来反映一个企业实际的维度。
►如果有(维1，维2，……，维i，……，维n，观察变量)多维数据集，对
维i选定了某个维成员，那(维1，维2，·…，维i成员，……，维n，观察变
量)就是多维数据集(维1，维2，……，维i，…，维n，观察变量)在维i上
的一个切片。
►切片的数量完全取决于维上的成员个数，维数越多，可做的切片越多。 ►切片的维数取决于原来多维数据集的维数。只有在多维数据集是三维的
Q1：产品维从“产品”上卷到“子类”，如何 显示？ Q2 ：接着，商店维从“商店”上卷到“地域”，如何显 示？
5.切片、切块与旋转 （Slice-and-Dice or Rotation）
多维分析－切片
►在多维分析过程中，如果要对多维数据集的某个维选定一维成员，这种
选择操作称为切片(slice)
和DM相辅相成的分析模式 。
DW将来自于各种数据源的数据，根据不同的主 题进行存储，并对原始数据进行抽取、转换和加 载等一系列筛选和清理工作。 OLAP则将数据通过多维视角和多种层次向用户进 行多方式的呈现。 DM则应用不同的算法，向用户揭示数据间的规律 性，从而辅助商业决策
OLAP的12条原则
联机分析处理的要求
►
OLAP的12条原则
1. 多维概念的视图:提供直观、易用的多维数据模型 2. 透明度：技术、数据库、体系结构、元数据对用户透 明，用户只需熟悉前台工具 3. 可访问性：向用户显示单一的、一致的、连贯的视图 4. 一致的报表性能：特定查询时，保证运行时间、反应 时间和机器使用性能的一致性 5. 客户－服务器体系结构 6. 等价的维度：每个维度在结构和操作性能上是等价的
简单星型模型
立方体的一个切片
►
一个三维的显示页面
查询： 1、显示所有商店过去5年内所有产品的销售总计 2、比较所有商店在 2000年和2001年逐个产品的 三个维度可以用立方体的边来表示每个维度， 销售统计 也可以用行、列和页来显示结果。 超过三个维度，怎么办？ 3、比较所有商店在 2000年和2001年间逐个产品 的销售总计，只比较销售额下降了的产品 4、比较2000年和2001年间单个商店逐个产品的 销售额，只比较销售额下降了的产品
特征
OLTP系统
数据仓库
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
非常低
非常有限 小 非常迅速 细节 当前的 预定义
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
基本目的
数据模型 数据库的优化
收集和输入数据
为数据更新设计的 为了交易
欧洲区域内的 利润急剧下降了
直接的成本没有 问题，间接成本 提高了
欧洲一些国家的 最近2个月内欧盟 利润率上升了，一些持平， 国家的利润急剧下降了 一些急剧下降 一个分析会话中的查询步骤
联机分析处理的要求
3.其他分析方法的局限性
传统的工具和方法：报表、电子表格、SQL语句 OLTP和数据仓库环境的区别
3. 超立方体(Hypercube)
► 超立方体是对多维数据表示方法的常见比喻。 ► 可以用多维域结构（MDS）表示多于三个维
度的数据。 ► 问题：如何显示多维数据？
同一个显示组里结合多个逻辑维度
6维的表示
6维的页面显示
4. Drill-Down & Roll-Up
► 产品维度的层次结构
► 高级特征
强大的计算 跨越维度或细节分析 通过公式推倒出数值 跨维计算 准确的表示、显示 报警技术的应用 预计算和预合并 协同策略制定 使用代理技术来生成报 表
主要的特征和功能
2. 维度分析
任何缺乏多维分析的OLAP系统是绝对没有用的 必须了解和掌握OLAP系统提供的维度分析功能 Example：
******** ******** ******** ********* ****** ****** ****** ****** * * * ********* *** *** ******** *** ******** *** ********
* ********* ******** ****** ******** ******** ****** ****** ****** ********* * * *** *** *** * *** ********* ******** ******** ******** * * * ********* ****** ****** ****** ****** ******** ******** ******** *** *** *** *** * * * * *
例如，旋转可能包含了交换行和列;或是把某一个行维移到列 维中去，或是把页面中显示的一个维和页面外的维进行交换 (令其成为新的行或列中的一个)。
6. OLAP的使用和好处
能够提高业务经理、主管人员和分析员的生产率 OLAP固有的灵活性意味着无需IT人员的帮助，用 户就可以自己执行他们的分析 使IT开发人员得到好处，因为使用专门为系统开 发而设计的软件能够缩短应用系统的交付时间 使用户能够自给自足 使一些应用系统能够更快地交付给用户 能够利用商业指标和维度来模拟现实世界的一些 问题
Chapter 15 OLAP
► Contents
联机分析处理的要求 主要的特征和功能 OLAP模型 OLAP实施的考虑事项
二、主要的特征和功能
1. 一般特征
多维分析 下钻和概括化查询 多种查看模式 一致性能 在细节内导航 扩展简单容易 交互式查询，具有快速 的反应时间 多层次/多视角查看 时间智能
2004
炊具
总计
器具
总计 ******* ** ******* ** ******* ** ******* **
******** 服装 2003 * ****** *** 电子 ******** 视频 * 视频 炊具 2004 ******** ****** 炊具 * *** 器具 ******** 器具 * 总计 总计 ****** ******** 总计 *** * 电子
某个商店某个月的销售额 另一个OLAP的例子 跨到另一个OLAP的例子
部门 生产线 产品分类 子类 产品
300 000 60 000 15 000 5 000 1 200 下钻到细节数据 下钻和概括化