3-3数据仓库设计-逻辑模型
数据仓库的逻辑模型
数据仓库的逻辑模型介绍
数据仓库是一种面向主题的、集成的、稳定的、不同时间的数据集合，用于支持管理决策过程。
逻辑模型是数据仓库的核心，它描述了数据仓库中数据的组织和存储方式，以及数据仓库的结构和功能。
本文将介绍数据仓库的逻辑模型，包括数据仓库的数据源、数据存储、数据集市和数据访问。
一、数据源
数据仓库的数据源可以是多种类型的，包括关系数据库、OLAP 数据库、文件系统、外部数据源等。
不同的数据源具有不同的特点和优势，需要根据实际情况选择合适的数据源。
二、数据存储
数据仓库的数据存储是指将数据源中的数据加载到数据仓库中，并对数据进行处理和转换，以满足数据仓库的需求。
数据存储通常采用分布式存储架构，以支持大量数据的存储和查询。
三、数据集市
数据集市是数据仓库中面向特定主题的数据集合，它将数据仓库中的数据按照业务需求进行分类和组织。
数据集市通常包括多个表，每个表代表一个主题，例如销售、客户、产品等。
数据集市中的数据可以根据业务需求进行查询和分析。
四、数据访问
数据访问是指数据仓库中的数据如何被访问和使用。
数据仓库的数据访问通常采用OLAP（联机分析处理）和数据挖掘技术。
OLAP技术支持用户对数据仓库中的数据进行快速查询和分析，数据挖掘技术则可以帮助用户从大量数据中发现有价值的信息和规律。
总之，数据仓库的逻辑模型是数据仓库的核心，它描述了数据仓
库中数据的组织和存储方式，以及数据仓库的结构和功能。
数据仓库的数据源、数据存储、数据集市和数据访问是数据仓库逻辑模型的重要组成部分，它们共同构成了一个完整的数据仓库系统。
数据仓库的架构方式及其比较
数据仓库的架构方式及其比较数据仓库的架构方式及其比较传统的关系数据库一般采用二维数表的形式来表示数据，一个维是行，另一个维是列，行和列的交叉处就是数据元素。
关系数据的基础是关系数据库模型，通过标准的SQL语言来加以实现。
数据仓库是多维数据库，它扩展了关系数据库模型，以星形架构为主要结构方式的，并在它的基础上，扩展出理论雪花形架构和数据星座等方式，但不管是哪一种架构，维度表、事实表和事实表中的量度都是必不可少的组成要素。
下面解析由这些要素构成的数据仓库的架构方式。
1．星形架构星形模型是最常用的数据仓库设计结构的实现模式，它使数据仓库形成了一个集成系统，为最终用户提供报表服务，为用户提供分析服务对象。
星形模式通过使用一个包含主题的事实表和多个包含事实的非正规化描述的维度表来支持各种决策查询。
星形模型可以采用关系型数据库结构，模型的核心是事实表，围绕事实表的是维度表。
通过事实表将各种不同的维度表连接起来，各个维度表都连接到中央事实表。
维度表中的对象通过事实表与另一维度表中的对象相关联这样就能建立各个维度表对象之间的联系。
每一个维度表通过一个主键与事实表进行连接，如图3-10所示。
图3-10 星形架构示意图事实表主要包含了描述特定商业事件的数据，即某些特定商业事件的度量值。
一般情况下，事实表中的数据不允许修改，新的数据只是简单地添加进事实表中，维度表主要包含了存储在事实表中数据的特征数据。
每一个维度表利用维度关键字通过事实表中的外键约束于事实表中的某一行，实现与事实表的关联，这就要求事实表中的外键不能为空，这与一般数据库中外键允许为空是不同的。
这种结构使用户能够很容易地从维度表中的数据分析开始，获得维度关键字，以便连接到中心的事实表，进行查询，这样就可以减少在事实表中扫描的数据量，以提高查询性能。
在AdventureWorksDW数据仓库中，若以网络销售数据为事实表，把与网络销售相关的多个商业角度（如产品、时间、顾客、销售区域和促销手段等）作为维度来衡量销售状况，则这些表在数据仓库中的构成如图3-11所示，可见这几个表在数据仓库中是以星形模型来架构的。
3-3数据仓库设计-逻辑模型
……
… …
……
……
数据概括表与事实表对应关系
概括表表.列 名 是否 导出 事实表.列 名 SPGYB.SP 商品编号 _ID SPGYB.G YS_ID 供应商编号 备注 SPGKB.SP_I 否 D SPGKB.GYS _ID SPGKB.SPG YZSL SPGKB.SPG YZJE …… 否 是 是
商 品
商品号
销 售 客 户
销售单号
客户号
数据仓库的实体定义
实体 容量 更新频率 每月对客户情况进行一次分析，更 新频率也为每月一次 大约有500种商品，商品的更新是每 月一次，数据更新也照此。 Customer 中等容量，有100个重点客户， 2000个跟踪客户 Product 小容量，500种商品
确定粒度的循环和反复
提高粒度的方法
当源数据置入数据仓库时，对它进行汇总。 当源数据置入数据仓库时，对它求平均或进行 计算。 把最大/最小的设定值置入数据仓库。 只把显然需要的数据置入数据仓库。 用条件逻辑选取记录的一个子集置入数据仓库。 对于数据怎样轻度汇总是没有限制的(限制只 存在于设计者的脑海里)。
Windows/Acces RSGL s …… ……
数据源抽取规则表
表.列名 过滤与连接 条件 比较值 50000 500 ‘AB’ …… 复合条件 AND AND OR …… 备注 采购商品数量 小于50000 采购商品数量 大于500 商品前两位 非’AB’ …… KHCG.CGSL < KHCG.CGSL > SPQK.SPID …… ≠ ……
第一次作业题目
请详细描述数据库应用系统与数据仓库 之间的区别。（越详细越好，越全面越 好） 下星期三以前交。
数据仓库设计——逻辑模型内Leabharlann 提要数据仓库的逻辑模型设计
onedata建模方法论
onedata建模方法论（原创版4篇）《onedata建模方法论》篇1OneData 是一种数据建模方法论，旨在帮助企业构建高质量的数据仓库。
该方法论包括以下主要内容：1. 数据仓库定义：OneData 将数据仓库定义为一个集成的、稳定的、易于访问的数据存储库，用于支持企业管理、决策和分析需求。
2. 数据建模流程：OneData 提出了一套完整的数据建模流程，包括需求分析、概念设计、逻辑设计、物理设计和实施等阶段。
在每个阶段，都有相应的方法和工具支持。
3. 数据模型设计：OneData 强调数据模型设计的重要性，提出了一些设计原则，如实体完整性、属性完整性、参照完整性和数据一致性等。
OneData 还提供了一些数据模型设计工具，如ER 图、数据字典和数据流图等。
4. 数据仓库实现：OneData 提供了一些数据仓库实现的技术和工具，如数据清洗、数据转换、数据加载、数据存储和数据查询等。
OneData 还强调了数据仓库的性能和安全性的重要性。
5. 数据仓库管理：OneData 提供了一些数据仓库管理方法和工具，如数据质量管理、数据备份和恢复、数据安全和数据审计等。
OneData 还强调了数据仓库的可用性和可扩展性的重要性。
《onedata建模方法论》篇2OneData 是一种数据仓库建模方法论，其核心思想是将数据仓库视为一个企业级的数据中心，通过建立一套完整的数据模型来实现数据的统一管理和运营。
OneData 方法论主要包括以下方面：1. 数据仓库概念模型设计：该阶段主要通过业务领域模型的设计，将企业的业务需求转化为数据模型，包括数据实体的定义、属性的设计以及实体之间的关系等。
2. 数据仓库逻辑模型设计：该阶段主要通过数据模型的逻辑设计，将概念模型转化为具体的数据表结构，包括数据表的定义、表之间的关系、索引的设计等。
3. 数据仓库物理模型设计：该阶段主要通过数据模型的物理设计，将逻辑模型转化为具体的数据存储结构，包括数据分区、数据备份、数据恢复等。
数据库建模：概念模型,逻辑模型和物理模型
数据库建模：概念模型,逻辑模型和物理模型概念模型设计 , 逻辑模型设计 , 物理模型设计是数据库及数据仓库模型设计的三个主要步骤1. 概念模型概念模型就是在了解了⽤户的需求 , ⽤户的业务领域⼯作情况以后 , 经过分析和总结 , 提炼出来的⽤以描述⽤户业务需求的⼀些概念的东西 ;如销售业务中的客户和定单 , 还有就是商品 , 业务员 , ⽤ USE CASE 来描述就是 : 业务员与客户就购买商品之事签定下定单 , 概念模型使⽤ E-R 图表⽰ , E-R 图主要是由实体 , 属性和联系三个要素构成的 , 该阶段需完成 :1. 该系统的商业⽬的是什么 , 要解决何种业务场景2. 该业务场景中 , 有哪些⼈或组织参与 , ⾓⾊分别是什么3. 该业务场景中 , 有哪些物件参与 ,4. 此外需要具备相关⾏业经验 , 如核⼼业务流程 , 组织架构 , ⾏业术语5. 5w1h , who , what , when , where , why, how2. 逻辑模型逻辑模型是将概念模型转化为具体的数据模型的过程 , 即按照概念结构设计阶段建⽴的基本 E-R 图 , 按选定的管理系统软件⽀持的数据模型(层次/⽹状/关系/⾯向对象) , 转换成相应的逻辑模型 , 这种转换要符合关系数据模型的原则 ;还以销售业务为例 : 客户信息基本上要包括 : 单位名称 , 联系⼈ , 联系电话 , 地址等属性商品信息基本上要包括 : 名称 , 类型 , 规格 , 单价等属性定单信息基本上要包括 : ⽇期和时间属性 ; 并且定单要与客户 , 业务员和商品明细关联 , 该阶段需完成 :1. 分多少个主题 , 每个主题包含的实体2. 每个实体的属性都有什么3. 各个实体之间的关系是什么4. 各个实体间是否有关系约束3. 物理模型物理模型就是针对上述逻辑模型所说的内容 , 在具体的物理介质上实现出来 , 系统需要建⽴⼏个数据表 : 业务员信息表 , 客户信息表 , 商品信息表 , 定单表 ; 系统要包括⼏个功能 : 业务员信息维护 , 客户信息维护 , 商品信息维护 , 建⽴销售定单 ; 表 , 视图 , 字段 , 数据类型 , 长度 , 主键, 外键 , 索引 , 约束 , 是否可为空 , 默认值 , 该阶段需完成 :1. 类型与长度的定义2. 字段的其他详细定义 , ⾮空 , 默认值3. 却准详细的定义 , 枚举类型字段 , 各枚举值具体含义4. 约束的定义 , 主键 , 外键这三个过程 , 就是实现⼀个数据库设计的三个关键的步骤 , 是⼀个从抽象到具体的⼀个不断细化完善的分析 , 设计和开发的过程 ;。
数据仓库概要设计
数据仓库概要设计数据仓库（Data Warehouse）是指把企业分散在不同数据库中的数据统一整合到一个数据库中进行存储和管理，并对这些数据进行分析和管理的一种数据库应用系统。
数据仓库的建设是企业信息化建设的重要组成部分，是企业对内部外部信息资源进行整合、挖掘和利用最有效的平台之一。
因此，进行数据仓库的概要设计是非常重要的一步。
1.数据仓库概述数据仓库，是一个能够存储大量历史数据的集合体，使得企业能够快速地进行数据分析、查询和决策。
数据仓库通常包括存储、管理和查询技术。
数据仓库的设计是基于自底向上的过程，通过收集各种应用中的数据来建立。
数据仓库的需求分析是设计的第一个步骤，通过需求分析可以把握到数据的来源、数据的主要特征、数据的处理方法、数据的处理效果等。
2.数据仓库的工作过程a.数据的收集数据收集的目的是获取各个分散在企业内部外部的数据源，并把这些数据源整合成数据集。
数据收集包括了跟踪源数据、数据的标准化、数据的清洗、数据的转换等。
b.数据的整合数据整合意味着将不同的数据源集成到一起，通常是通过ETL工具来实现。
ETL（Extract, Transform, Load）工具的主要功能是提取、转换和加载。
c.数据的存储数据仓库的存储方式一般有两种：关系型数据库和非关系型数据库。
d.数据的查询与分析数据仓库的用户可以通过BI工具（Business Intelligence）来进行数据的查询、分析和报表生成。
3.数据仓库的概要设计步骤a.数据仓库设计的第一步是需求分析，需求分析的目的是明确数据仓库的目标、范围和需求。
需求分析应该包括数据仓库的使用者、数据仓库所需数据的类型、数据的来源、数据的质量要求等。
b.数据仓库的概念设计是在需求分析的基础上，开始进行数据仓库的抽象模型的设计。
概念设计包括了数据仓库的模型设计、元数据的设计等。
c.数据仓库的逻辑设计是在概念设计的基础上，开始进行数据仓库的逻辑结构的设计。
数据仓库的设计与开发
02
在物理设计时，我们常常要按数据的重要程度、使用频率以及对响应时间的要求进行分类，并将不同类的数据分别存储在不同的存储设备中。
01
重要程度高、经常存取并对响应时间要求高的数据就存放在高速存储设备上，如硬盘；
02
存取频率低或对存取响应时间要求低的数据则可以放在低速存储设备上，如磁盘或磁带。
03
10
主键
Product-Name
char
25
产品名称
Product-SKu
char
20库存单位ຫໍສະໝຸດ 销售员维表包括不同地区的所有销售员信息
Salpers-Key
integer
15
主键
Salpers-Name
char
30
销售员姓名
Territory
char
20
销售员所在区域
Region
char
20
所在地区
订单事实表
销售数据和维
销售数据
商品
促销
时间
部门
城市
地区
商店
图4.2 销售业务的多维数据
（4）确定数据汇总水平
（5）设计事实表和维表
按使用的DBMS和分析用户工具，证实设计方案的有效性 根据系统使用的DBMS，确定事实表和维表的具体实现。由于不同的DBMS对数据存储有不同的要求，因此设计方案是否有效还要放在DBMS中进行检验
包括公司收到的所有订单
Order-Key
integer
10
订单键
Order-Name
char
20
订单名称
Product-ref
integer
10
参考产品主键
概念数据模型设计与逻辑数据模型设计
概念数据模型设计与逻辑数据模型设计、物理数据模型设计是数据库及数据仓库模型设计的三个主要步骤。
在数据仓库领域有一个概念叫conceptual data model，中文一般翻译为“概念数据模型”。
概念数据模型是最终用户对数据存储的看法，反映了最终用户综合性的信息需求，它以数据类的方式描述企业级的数据需求，数据类代表了在业务环境中自然聚集成的几个主要类别数据。
概念数据模型的内容包括重要的实体及实体之间的关系。
在概念数据模型中不包括实体的属性，也不用定义实体的主键。
这是概念数据模型和逻辑数据模型的主要区别。
概念数据模型的目标是统一业务概念，作为业务人员和技术人员之间沟通的桥梁，确定不同实体之间的最高层次的关系。
在有些数据模型的设计过程中，概念数据模型是和逻辑数据模型合在一起进行设计的。
在数据仓库领域有一个概念叫logical data model，中文一般翻译为“逻辑数据模型”。
逻辑数据模型反映的是系统分析设计人员对数据存储的观点，是对概念数据模型进一步的分解和细化。
逻辑数据模型是根据业务规则确定的，关于业务对象、业务对象的数据项及业务对象之间关系的基本蓝图。
逻辑数据模型的内容包括所有的实体和关系，确定每个实体的属性，定义每个实体的主键，指定实体的外键，需要进行范式化处理。
逻辑数据模型的目标是尽可能详细的描述数据，但并不考虑数据在物理上如何来实现。
逻辑数据建模不仅会影响数据库设计的方向，还间接影响最终数据库的性能和管理。
如果在实现逻辑数据模型时投入得足够多，那么在物理数据模型设计时就可以有许多可供选择的方法。
在数据仓库领域有一个概念叫physical data model，中文一般翻译为“物理数据模型”。
物理数据模型是在逻辑数据模型的基础上，考虑各种具体的技术实现因素，进行数据库体系结构设计，真正实现数据在数据库中的存放。
物理数据模型的内容包括确定所有的表和列，定义外键用于确定表之间的关系，基于用户的需求可能进行发范式化等内容。
数据仓库的数据模型
业务驱动任何需求均来源于业务,业务决定了需求,需求分析的正确与否是关系到项目成败的关键所在,从任何角度都可以说项目是由业务驱动的所以数据仓库项目也是由业务所驱动的.但是数据仓库不同于日常的信息系统开发,除了遵循其他系统开发的需求,分析,设计,测试等通常的软件声明周期之外;他还涉及到企业信息数据的集成,大容量数据的阶段处理和分层存储,数据仓库的模式选择等等,因此数据仓库的物理模型异常重要,这也是关系到数据仓库项目成败的关键.数据仓库的结构总的来说是采用了三级数据模型的方式:概念模型: 也就是业务模型,由企业决策者,商务领域知识专家和IT专家共同企业级地跨领域业务系统需求分析的结果.逻辑模型：用来构建数据仓库的数据库逻辑模型。
根据分析系统的实际需求决策构建数据库逻辑关系模型,定义数据库物体结构及其关系。
他关联着数据仓库的逻辑模型和物理模型这两头.物理模型：构建数据仓库的物理分布模型,主要包含数据仓库的软硬件配置,资源情况以及数据仓库模式。
如上图所示,在数据仓库项目中,物理模型设计和业务模型设计象两个轮子一样有力的支撑着数据仓库的实施,两者并行不悖,缺一不可.实际上,我有意的扩大了物理模型和业务模型的内涵和外延.在这里物理模型不仅仅是数据的存储,而且也包含了数据仓库项目实施的方法论,资源,以及软硬件选型等等;而业务模型不仅仅是主题模型的确立,也包含了企业的发展战略,行业模本等等.一个优秀的项目必定会兼顾业务需求和行业的标准两个方面,业务需求即包括用户提出的实际需求,也要客观分析它隐含的更深层次的需求,但是往往用户的需求是不明确的,需要加以提炼甚至在商务知识专家引导下加以引导升华,和用户一起进行需求分析工作;不能满足用户的需求,项目也就失去原本的意义了.物理模型就像大厦的基础架构,就是通用的业界标准,无论是一座摩天大厦也好,还是茅草房也好,在架构师的眼里,他只是一所建筑,地基->层层建筑->封顶,这样的工序一样也不能少,关系到住户的安全,房屋的建筑质量也必须得以保证,唯一的区别是建筑的材料,地基是采用钢筋水泥还是石头,墙壁采用木质还是钢筋水泥或是砖头;当然材料和建筑细节还是会有区别的,视用户给出的成本而定;还有不可忽视的一点是,数据仓库的数据从几百GB到几十TB不等,即使支撑这些数据的RDBMS无论有多么强大,仍不可避免的要考虑到数据库的物理设计.接下来,将详细阐述数据仓库概念模型(业务模型),逻辑模型,物理模型的意义.概念模型设计进行概念模型设计所要完成的工作是:界定系统边界确定主要的主题域及其内容确定主题域的关系概念模型设计是，在原有的业务数据库的基础上建立了一个较为稳固的概念模型。
数据仓库建模方法
数据仓库建模方法每个行业有自己的模型，但是不同行业的数据模型，在数据建模的方法上，却都有着共通的基本特点。
什么是数据模型数据模型是抽象描述现实世界的一种工具和方法，是通过抽象的实体及实体之间联系的形式，来表示现实世界中事务的相互关系的一种映射。
在这里，数据模型表现的抽象的是实体和实体之间的关系，通过对实体和实体之间关系的定义和描述，来表达实际的业务中具体的业务关系。
数据仓库模型是数据模型中针对特定的数据仓库应用系统的一种特定的数据模型，一般的来说，我们数据仓库模型分为几下几个层次。
图 2. 数据仓库模型通过上面的图形，我们能够很容易的看出在整个数据仓库得建模过程中，我们需要经历一般四个过程： ?业务建模，生成业务模型，主要解决业务层面的分解和程序化。
?领域建模，生成领域模型，主要是对业务模型进行抽象处理，生成领域概念模型。
?逻辑建模，生成逻辑模型，主要是将领域模型的概念实体以及实体之间的关系进行数据库层次的逻辑化。
?物理建模，生成物理模型，主要解决，逻辑模型针对不同关系型数据库的物理化以及性能等一些具体的技术问题。
因此，在整个数据仓库的模型的设计和架构中，既涉及到业务知识，也涉及到了具体的技术，我们既需要了解丰富的行业经验，同时，也需要一定的信息技术来帮助我们实现我们的数据模型，最重要的是，我们还需要一个非常适用的方法论，来指导我们自己针对我们的业务进行抽象，处理，生成各个阶段的模型。
为什么需要数据模型在数据仓库的建设中，我们一再强调需要数据模型，那么数据模型究竟为什么这么重要呢？首先我们需要了解整个数据仓库的建设的发展史。
数据仓库的发展大致经历了这样的三个过程：?简单报表阶段：这个阶段，系统的主要目标是解决一些日常的工作中业务人员需要的报表，?以及生成一些简单的能够帮助领导进行决策所需要的汇总数据。
这个阶段的大部分表现形式为数据库和前端报表工具。
?数据集市阶段：这个阶段，主要是根据某个业务部门的需要，进行一定的数据的采集，整理，按照业务人员的需要，进行多维报表的展现，能够提供对特定业务指导的数据，并且能够提供特定的领导决策数据。
04-2017系统集成项目经理继续教育-推荐课程4题库
2017系统集成项目经理继续教育-推荐课程4题库1、不属于软件产品的质量的特殊性是（D ）A、很难制定具体的、数量化的产品质量标准，所以没有相应的国际标准、国家标准或行业标准B、软件产品之间很难进行横向的质量对比，很难说这个产品比那个产品好多少C、满足了用户需求的软件质量，就是好的软件质量D、软件的类型不同，但是软件质量的衡量标准的侧重点相同。
2、BI和CRM的关系描述中，不正确的是（D ）A、BI是方法B、BI是工具C、CRM是应用D、CRM是方法3、从本质上说面向对象是“先”确定（A ）后确定执行的动作A、动作的主体B、属性C、关系D、方法4、对象的状态，错误的说法是（B ）A、对象在交互中具有不同的状态B、状态可以在对象间转换或变换、转移C、状态的变换需要事件触发D、触发一个状态变换完成需要执行一个动作。
5、对于元数据系统的质量控制，以下哪个方法是正确的？（A ）A、事前控制B、事后控制C、过程控制D、时间点控制6、对数据仓库业务分析的主题确立的原则不包括（A ）。
A、既要从业务角度出发，又要从技术角度出发来对需求进行详细分析B、各主题相互独立，关联度达到最低C、涵盖企业的所有业务D、体现业务的完整性7、对于企业管理而言，数据挖掘的核心目标在于（A ）A、业务应用B、数据分析C、总结报表D、技术验证8、ER图是表示概念模型的有效工具之一，在ER图中的菱形框表示（A ）A、联系B、实体C、实体的属性D、联系的属性9、ER图中的主要元素是（B ）A、结点、记录和文件B、体、联系和属性C、记录、文件和表D、记录、表、属性10、分层DFD是一种比较严格又易于理解的描述方法式，它的顶层图描述了系统的( B)A、细节B、输入与输出C、软件的作者D、绘制的时间11、关于用例说明错误的是( C )A用例止于系统边界B用例是一个交互的抽象C用例是Actor的行为D从Actor的角度去描述用例12、客户关系管理的核心是（B ）A、渠道B、了解客户自身的喜好C、产品D、价格13、决策树的缺点是（D ）A、容易预测连续性的字段B、不便于理解C、计算量大D、过度生长的树会降低可理解性和可用性。
数据仓库与数据挖掘教程(第2版)课后习题答案 第三章
第三章作业1.联机分析处理（OLAP）的简单定义是什么？它体现的特征是什么。
P40联机分析处理是共享多维信息的快速分析。
它体现在四个特征：（1）快速性（2）可分析性（3）多维性（4）信息性2.OLAP准则中的主要准则有哪些？P41（1）多维概念视图（2）透明性（3）可访问性（4）一直稳定的报表性能（5）客户/服务器体系结构（6）维的等同性（7）动态的系数矩阵处理（8）多用户支持能力（9）非限定的跨维操作（10）直观的数据操作（11）灵活的报表生成（12）不受限制的维和聚集层次3. 什么是维？关系数据库是二维数据吗？如何理解多维数据？P43维是人们观察数据的特定角度。
关系数据库不是二维数据，只是通过二维关系表示了数据的多维概念。
多维数据就是从多个特定角度来观察特定的变量。
4.MDDB（Multi Dimensional Database, 多维数据库）是以多维的方式组织数据，即以维作为坐标系，采用类似于数组的形式存储数据。
RDBMS（relational database management system，关系型数据库管理系统）通过数据、关系和对数据的约束三者组成的数据模型来存放和管理数据MDDB特点：1.数据库中的元素具有相同的数值2.多维数据库表达清晰，3.占用存储少RDBMS的特点：1.数据以表格的形式出现2.每行为各种记录名称3.每列为记录名称所对应的数据域4.许多的行和列组成一张表单5.若干的表单组成database5.1.数据存取速度ROLAP服务器需要将SQL语句转化为多维存储语句，临时“拼合”出多维数据立方体。
因此，ROLAP的响应时间较长。
MOLAP在数据存储速度上性能好，响应速度快。
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。
数据仓库的数据模型设计和数据库系统的数据模型设计有什么不同？
数据仓库的数据模型设计和数据库系统的数据模型设计有什么不同？数据模型是指现实世界数据特征的抽象，是客观事物及其联系的数据描述。
数据仓库和数据库系统的数据模型设计都包括概念模型设计、逻辑模型设计和物理模型设计。
数据仓库的数据模型设计和数据库系统的数据模型设计的区别：一、模型设计阶段的不同1) 数据仓库的概念模型设计以用户理解的方式表达数据仓库的结构，确定数据仓库要访问的信息，主要是以信息包图的方法用二维表格反映数据多维性，从整体上表示用户对信息的需求，指明用户希望从数据仓库中分析的各种指标，它包括三个重要对象：指标、维度和类别。
与数据库的概念模型设计类似，也采用“实体——关系”（E-R）方法来建模，但不同的是需要用分析主题代替传统E-R方法中的实体。
数据库系统的数据模型包括概念模型——按用户的观点对数据建模。
主要用于数据库设计，采用“实体——关系”（E-R）方法来建模；逻辑模型——按计算机系统的观点对数据建模，是具体的DBMS所支持的数据模型；物理模型——对数据最底层的抽象，描述数据在系统内部的表示方式和存取方法。
2) 数据仓库的逻辑模型设计：数据仓库是多维数据库。
数据仓库的逻辑模型是对主题域进行细化，每个主题域包含若干个数据表，并为表增加时间字段，进行表的分割，合理化表的划分。
它扩展了关系数据库模型，以星型架构为主要结构方式的，并在它的基础上，扩展雪花型架构、星群型架构等方式。
3) 数据仓库的物理数据模型就是逻辑数据模型在数据仓库中的实现，如：物理存取方式、数据存储结构、数据存放位置以及存储分配等。
物理数据模型设计实现时，所考虑的主要因素有：I／O存取时间、空间利用率和维护代价。
数据库系统的物理数据设计是在已确定的逻辑数据库结构设计的基础上，兼顾数据库的物理环境、操作约束、数据库性能和数据安全性等问题，设计出在特定环境下，具有高效率、可实现性的物理数据库的过程。
二、数据模型类别、结构不同数据仓库常用的数据模型有星型、雪花型、星群型三种。
数据仓库中的逻辑数据模型设计
中存储 了建设银行的重要数据元素和关系 ， 同时在模型
逻 辑数 据 模 型设 计 是 数据 仓 库项 目的 核心 基 础 。 在
４ ２・中国金融 电脑 ２ ０ ０ ６年第 ５ 期
设 计 中体 现 了高 度 的结 构 化 、 块 化 设计 思想 。 １ 个 主 模 １
维普资讯
很重 要 。在 表 达形 式 上 ， 们 一 般 是 由一 组 静 态 的结 构 它
图来 表示 。 数 据 仓 库 的设 计 方 法 是 一个 逐 步 完 善 的过 程 ， 以 所 逻 辑 数 据 模 型 设计 阶 段 需 要 进 一 步 扩 展 概 念 模 型设 计 中所确 定 的主 题 域 。 其 目标 是 提 供 一 种 机 制 ， 回答 所 确 定 的 系统 范 围 内的 业 务 问题 ， 业 务需 求 用 规 范 化 的 模 把 型 和 关 系 表 进 行 描 述 ， 编 制 成 文档 ， 并 以解 决 定 义 上 的 冲 突 ，为 数 据 仓 库 物 理 数 据 模 型 的设 计 奠 定 坚 实 的基
二 、 辑 数 据 模 型 的逻 辑 设 计 逻
UML的数据仓库逻辑建模研究分析
UML的数据仓库逻辑建模研究分析数据仓库逻辑建模是指通过UML（Unified Modeling Language）来对数据仓库系统进行分析和研究的过程。
在这个过程中，我们使用UML的视图、图和图表等工具来描述数据仓库系统的逻辑结构和行为。
首先，我们可以使用UML的用例图来描述数据仓库系统的功能和用户需求。
用例图可以帮助我们识别数据仓库系统的主要功能和主要用户，并定义各个功能之间的关系和交互。
例如，我们可以定义数据仓库系统的主要用例，如数据导入、数据查询、数据分析等，并通过用例之间的关系和依赖来描述它们之间的交互。
接下来，我们可以使用UML的类图来描述数据仓库系统中的实体和类之间的关系和结构。
类图可以帮助我们识别数据仓库系统中的实体、属性和关系，并定义它们之间的依赖和关联。
例如，我们可以定义数据仓库系统的主要实体类，如数据表、维度表、事实表等，并通过类之间的关联和依赖来描述它们之间的关系和结构。
此外，我们还可以使用UML的时序图来描述数据仓库系统中的事件和过程。
时序图可以帮助我们分析数据仓库系统中各个过程之间的时序关系和消息交互。
例如，我们可以通过时序图来描述数据仓库系统的数据导入过程，包括数据的来源、转换和加载等，以及数据查询和分析的过程，包括用户的请求、系统的处理和返回结果等。
最后，我们可以使用UML的活动图来描述数据仓库系统中的工作流程和业务逻辑。
活动图可以帮助我们分析数据仓库系统的业务流程和系统行为，并定义各个活动之间的控制流程和动作。
例如，我们可以通过活动图来描述数据仓库系统的数据清洗过程，包括数据的筛选、清洗和转换等，以及数据分析的过程，包括数据的统计、聚合和挖掘等。
综上所述，通过使用UML的视图、图和图表等工具，我们可以对数据仓库系统进行逻辑建模的研究和分析。
通过这些模型和图表，我们可以更好地理解数据仓库系统的结构和行为，并优化系统的设计和实现。
数据仓库逻辑建模是一个复杂而又关键的过程，它涉及到对数据仓库系统的需求分析、系统结构设计和系统行为分析等方面。
2022年中央民族大学数据科学与大数据技术专业《数据库系统原理》科目期末试卷A(有答案)
2022年中央民族大学数据科学与大数据技术专业《数据库系统原理》科目期末试卷A（有答案）一、填空题1、SQL语言的数据定义功能包括______、______、______和______。
2、从外部视图到子模式的数据结构的转换是由______________实现；模式与子模式之间的映象是由______________实现；存储模式与数据物理组织之间的映象是由______________实现。
3、事务故障、系统故障的恢复是由______完成的，介质故障是由______完成的。
4、视图是一个虚表，它是从______导出的表。
在数据库中，只存放视图的______，不存放视图对应的______。
5、在SELECT命令中，______子句用于选择满足给定条件的元组，使用______子句可按指定列的值分组，同时使用______子句可提取满足条件的组。
6、关系模型由______________、______________和______________组成。
7、以子模式为框架的数据库是______________；以模式为框架的数据库是______________；以物理模式为框架的数据库是______________。
8、数据仓库是______、______、______、______的数据集合，支持管理的决策过程。
9、在SQL Server 2000中，新建了一个SQL Server身份验证模式的登录账户LOG，现希望LOG在数据库服务器上具有全部的操作权限，下述语句是为LOG授权的语句，请补全该语句。
EXEC sp_addsrvrolemember‘LOG’，_____；10、在SELECT命令中进行查询，若希望查询的结果不出现重复元组，应在SEL ECT语句中使用______保留字。
二、判断题11、在数据库恢复中，对已完成的事务进行撤销处理。
（）12、视图是观察数据的一种方法，只能基于基本表建立。
（）13、并发执行的所有事务均遵守两段锁协议，则对这些事务的任何并发调度策略都是可串行化的。
数据仓库的基本概念
数据仓库的基本概念随着信息化时代的到来，数据的积累和应用越来越广泛，数据仓库作为企业数据管理的重要手段，也受到了越来越多的关注。
数据仓库是一种面向主题、集成、稳定、随时可用的数据集合，为企业决策提供了可靠的数据支持。
本文将从数据仓库的基本概念、架构、设计和实现等方面进行探讨。
一、数据仓库的基本概念1.1 数据仓库的定义数据仓库是一个面向主题、集成、稳定、随时可用的数据集合，为企业决策提供可靠的数据支持。
它是一个面向决策支持的数据集成、管理和分析平台，主要用于支持企业的决策制定和业务分析。
1.2 数据仓库的特点（1）面向主题：数据仓库是针对某个主题的数据集合，这个主题可以是企业的销售、市场、客户、产品等。
数据仓库以主题为导向，提供了全面、一致的数据视图，帮助企业深入了解业务。
（2）集成：数据仓库是从多个数据源中集成数据而成，可以包括企业内部的各种数据系统，也可以包括外部的数据源。
数据仓库的集成性使得企业可以从不同的角度来看待业务，更好地进行分析。
（3）稳定：数据仓库提供了稳定的数据环境，数据的结构和内容都是经过精心设计和维护的。
这使得企业可以放心地使用数据仓库中的数据，而不必担心数据的质量和可靠性问题。
（4）随时可用：数据仓库提供了随时可用的数据访问服务，任何人都可以在任何时间、任何地点通过合适的工具来访问数据仓库中的数据。
这为企业的决策制定和业务分析提供了极大的便利。
1.3 数据仓库的目的数据仓库的主要目的是为企业的决策制定和业务分析提供可靠的数据支持。
通过数据仓库，企业可以深入了解业务，发现业务规律，预测业务趋势，从而更好地制定决策和调整业务战略。
二、数据仓库的架构2.1 数据仓库的架构模型数据仓库的架构模型主要包括三层，即数据源层、数据仓库层和数据应用层。
数据源层是指数据仓库所需要的各种数据源，包括企业内部的各种数据系统和外部的数据源；数据仓库层是指数据仓库的存储和管理层，包括数据仓库的数据模型、数据仓库的物理存储结构、数据抽取、转换和加载以及数据仓库的维护和管理；数据应用层是指数据仓库的应用层，包括数据仓库的查询、报表、分析、挖掘等应用。
- 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)。
数据的行数 数据所占存储设备空间 数据所需要的索引空间
只能做数据级上的估算 从一方或多方收集信息进行合理估算
粗略估算数据量算法
双重粒度和单一粒度
表的行数是影响粒度划分主要的因素 将数据库的总行数与下表进行比较
确定粒度的循环和反复
选择合适的粒度级别是体系结构设计环境成功 的关键。 选择粒度级别的一般方法，是利用常识，建立 数据仓库的一小部分，并让用户去访问这些数 据。然后仔细聆听用户的意见，根据他们的反 馈意见适当调整粒度的级别。 最坏的想法是想要事先设计好所有的粒度级别， 再进行数据仓库的建造。 即使在最好的情况下，能使设计的5 0 %是正 确的就已经很不错的了。数据仓库环境的特点 就是只有当决策支持系统分析员实际看到了报 告之后，才能想像哪些是真正需要的。
……
… …
……
……
数据概括表与事实表对应关系
概括表表.列 名 是否 导出 事实表.列 名 SPGYB.SP 商品编号 _ID SPGYB.G YS_ID 供应商编号 备注 SPGKB.SP_I 否 D SPGKB.GYS _ID SPGKB.SPG YZSL SPGKB.SPG YZJE …… 否 是 是
例： 银 行 粒 度 设 计
例： 银 行 粒 度 设 计
数据分割
数据分片概念
水平分片 垂直分片 混合分片 导出分片
按时间进行数据分割是最普遍的 分割标准
数据量 数据分析处理的实际情况 简单易行 粒度划分策略
数据仓库的数据抽取模型
F2 KHCG F3 SPQK F4 ZGYJ
F1 数据抽取规则
确定粒度的循环和反复
提高粒度的方法
当源数据置入数据仓库时，对它进行汇总。 当源数据置入数据仓库时，对它求平均或进行 计算。 把最大/最小的设定值置入数据仓库。 只把显然需要的数据置入数据仓库。 用条件逻辑选取记录的一个子集置入数据仓库。 对于数据怎样轻度汇总是没有限制的(限制只 存在于设计者的脑海里)。
数据仓库的逻辑模型设计
逻辑模型最终设计成果：
每个主题的逻辑定义，并将相关内容记录在 数据仓库的元数据中； 粒度划分； 数据分割策略； 表划分和数据来源等。
分析主题域
主题名 公共码键 属性组 商品固有信息：商品号，商品名，类型，颜色等 商品采购信息：商品号，供应商号，供应价，供应日期， 供应量等 商品库存信息：商品号，库房号，库存量，日期等 销售单固有信息：销售单号，销售地址等 销售信息：客户号，商品号，销售价，销售量、销售时间 等 客户固有信息：客户号，客户名，性别，年龄，文化程度， 住址，电话等 客户经济息：客户号，年收入，家庭总收入等
数据抽取的目标列与源列对应关系表
目标表.列 源表.列 转换公式 备注
SJCK_KHCG.KH KHCG.KH 直接转换 ZY ZY SJCK_KHCG.CG KHCG.CG 将月/年/日的日期格式 RQ RQ 转换成年/月/日格式 …… …… ……
客户职业
客户采购日期
……
数据抽取过程的排序、概括和导出情况表
⑵
⑼
⑺ ⑺
逻辑模型的评审
逻辑模型的文档内容：
主题域分析报告， 数据粒度划分模型， 数据分割策略， 指标实体、维实体与详细类别实体的关系模 式和 数据抽取模型。
逻辑模型的评审要点
对逻辑模型的评审主要集中在主题域是否可以 正确地反映用户的决策分析需求。 从用户对概括数据使用的要求，评审数据粒度 的划分和数据分割策略是否可以满足用户决策 分析的需要。 为提高数据仓库的运行效率是否需要对关系模 式进行反规范化处理。 数据的抽取模型是否正确地建立了数据源与数 据仓库的对应关系。 数据的约束条件和业务规则是否在这些模型中 得到了正确的反映。
数据抽取、转换与加载对策
全库比较 利用程序日志 利用数据库日志 利用时间戳或利用位图索引
数据仓库的数据清理转换方法
数据仓库的数据清理转换方法
类型转换 串操作 数学函数 参照完整性 关键字翻译 聚集运算
数据源抽取对象表
数据平台 Windows/SQL Server Windows/SQL Server 数据库 XSSJ XSSJ 表名 KHCG SPQK ZGYJ …… 备注 客户采购商品 表 商品情况表 职工业绩表 ……
P1 抽取数 据源记 录
P4 P3 数据排 序聚集 加载到 数据仓 库
F5 CQLS_KHCG
F6 CQLS_KHCG
F7 SJCK_KHCG
P2 清理数 据记录 F8 数据清理规则
数据仓库的数据抽取、转换与加载计划
影响数据抽取、转换与加载的因素
数据格式 坏数据 系统的兼容性 数据源的变化 数据抽取的时间
Order_De 大容量，其上限是354，000，000， 数据每月汇总一次，但是业务处理 tail 000，考虑到各种客户类型与各种 系统的数据每日需要更新一次，因 商品的组合情况，一般很少达到。此更新频率为每日一次。 …… …… ……
数据仓库的实体定义
列名 列的键属性 值来源/值域 来自客户实体的合 法客户键列 来自销售单实体的 合法键列 来自商品实体的合 法键列 正的金额数 …… …… …… 完整性约束 没有客户键列，数 据就不存在 没有销售单键列， 数据就不存在 没有商品键列，数 据就不存在 类型与大 小 Char(10) Char(10) Char(10) Money(flo at) ……
Windows/Acces RSGL s …… ……
数据源抽取规则表
表.列名 过滤与连接 条件 比较值 50000 500 ‘AB’ …… 复合条件 AND AND OR …… 备注 采购商品数量 小于50000 采购商品数量 大于500 商品前两位 非’AB’ …… KHCG.CGSL < KHCG.CGSL > SPQK.SPID …… ≠ ……
第一次作业题目
请详细描述数据库应用系统与数据仓库 之间的区别。（越详细越好，越全面越 好） 下星期三以前交。
数据仓库设计——逻辑模型
内容提要
数据仓库的逻辑模型设计
分析主题域 粒度模型设计 数据分割设计 数据抽取模型设计 元数据模型建立
数据仓库的逻辑模型设计
数据仓库的逻辑模型设计任务：
分析主题域，确定要装载到数据仓库的主题； 确定粒度层次划分； 确定数据分割策略； 关系模式的定义和记录系统定义、确定数据 抽取模型等。
SPGYB.SP 商品供应总量，按照供应商编号对 GYL 供应数量求和 SPGYB.SP 商品供应总金额，按照供应商编号 GYJE 对供应商品的金额进行汇总 …… ……
……
数据仓库ห้องสมุดไป่ตู้元数据模型建立与应用
建模 工具 ⑴ 元数据目 录 物理模型 查询统计 逻辑模型 业务分组 来源定义 加载统计 来源-目标映射 ⑶ ⑹ 数据源 ⑸a 数据 加载 工具 ⑷ ⑻ ⑸b ⑽ 数据仓库 前端展示 工具 ⑿
Customer_ 主键列、外 Number 部键列 Order_Num 主键列、外 ber 部键列 Product_N 主键列、外 umber 部键列 Product_P rice ……
粒度层次划分
粒度设计步骤
数据量的粗略估算 确定采用双重还是单一的粒度 确定粒度级别 反馈与调整
数据量的粗略估算
商 品
商品号
销 售 客 户
销售单号
客户号
数据仓库的实体定义
实体 容量 更新频率 每月对客户情况进行一次分析，更 新频率也为每月一次 大约有500种商品，商品的更新是每 月一次，数据更新也照此。 Customer 中等容量，有100个重点客户， 2000个跟踪客户 Product 小容量，500种商品
表.列名 排 序 概括/ 导出 分组 概括 备注 按照采购数量从大到小排序、按照日期 进行分组 对每一客户采购量按照星期分别进行概 括处理，计算客户的采购总量
CQLS_KHC 降 G.CGSL 序 SJCK_KHC G.CGHZ
SJCK_KHC G.PJL
导出
对每一客户采购情况按照星期分别进行 平均采购量计算