第4章-OLAP-在线联机分析
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。
《商务智能》考试复习内容 (含答案)
闭卷考试，时间120分钟，五种题型：选择题（10分）、判断题（10分）、名词解释题（30分）、简答题（30分）、论述题（20分）第1章商务智能基本知识（1）商务智能的概念、价值、驱动力。
概念：商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息，创造和累计商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力-王茁专著《三位一体的商务智能》. IBM商务智能解决方案远远不只是数据和技术的组合，BI帮助用户获得正确的数据，发现它的价值，并共享价值。
价值：To support decision making at all levels of business management based on the facts and (scientific) predictions of current and future business situations that are obtained from intelligent analysis of historical business data.支持各级决策基于事实和商业管理的(科学)的预测当前和未来的业务情况下获得历史业务数据的智能分析。
Business decisions made with BI support are more-Correct 恰当-Accurate 准确-Objective 客观-Timely 及时驱动力：在商务智能背后有一些商业驱动力，例如：增加收入，减少费用和更有效地竞争的需求。
管理和模拟当前商业环境复杂性的需求。
减少IT费用和利用已有公司业务信息的需求。
（2）商务智能系统的功能、主要工具。
功能：在商务智能背后有一些商业驱动力，例如：增加收入，减少费用和更有效地竞争的需求。
管理和模拟当前商业环境复杂性的需求。
减少IT费用和利用已有公司业务信息的需求。
陶宏才《数据库原理及设计》第3版课后习题答案
第一章一、解答题1、解释术语：数据、数据库、数据管理系统、数据库系统、数据库应用系统、视图、数据字典。
P19-20数据：是描述现实世界中各种具体事物或抽象概念的、可存储并具有明确意义的信息。
数据库：是相互关联的数据集合。
数据管理系统：是一个通用的软件系统，由一组计算机程序构成。
数据库系统：是一个用户的应用系统得以顺利运行的环境。
数据库应用系统：主要指实现业务逻辑的应用程序。
视图：指不同的用户对同一数据库的每一种理解称为视图。
数据字典：用于存储数据库的一些说明信息的特殊文件。
2、简述数据抽象、数据模型及数据模式之间的关系P26数据模型是数据抽象的工具，是数据组织和表示的方式；数据模式是数据抽象利用数据模型，将数据组织起来后得到的结果；总而言之，数据模式是数据抽象的结果。
3、DBMS应具备的基本功能有哪些？P9数据独立性、安全性、完整性、故障恢复、并发控制4、数据库中对数据最基本的4种操作是什么？P24增加、删除、修改、查询5、评价数据模型的3个要素是什么？P121)能够真实地描述现实系统2)能够容易为业务用户所理解3)能够容易被计算机实现6、数据模型的3个要素是什么？P24数据结构、数据操作、数据约束7、简述SQL语言的使用方式。
P13一般有两种方式：SQL的交互式使用；用户通过开发应用系统与RDBMS交互。
8、在数据库设计时,为什么涉及到多种数据模型？P12因为目前商用化DBMS没有一个能够同时满足3项要求，为此，人们不得不走折中路线，设计一些中间的数据模型。
9、数据库系统中的用户类型有哪些？P28-29最终用户、数据库应用开发人员、数据库管理员、其他与数据库系统有关的人员。
11、简述OLTP与OLAP间的区别。
P42-43OLTP(联机事务处理)主要面向日常的业务数据管理，完成用户的事务处理，提高业务处理效率，通常要进行大量的更新操作，同时对响应时间要求比较高。
OLAP(联机分析处理)注重数据分析，主要对用户当前及历史数据进行分析，辅助领导决策，通常要进行大量的查询操作，对时间的要求不太严格。
商务智能(第5版)课件第4章 在线分析处理
web文档的 OLAP 分析 读者一般从多个方面查询 web文档：文档的作者、主题、标题、日期、大小、作者单位和出版社等，对应 web文档立方的维。可以对文档立方进行各种多维分析，如切片、切块、旋转以及钻取等操作，从多个角度分析文档。例如，从中可以得到中国哪所大学在过去几年的视频会议领域发表了最多的论文。
OLAP 简介 基本概念（2）
维的层次：一个维往往可以具有多个层次，例如时间维分为年、季度、月和日等层次，地区维可以分为国家、地区、省、市等层次。这里的层次表示数据细化程度，对应概念分层。后面提到的上钻操作就是由低层概念映射到较高层概念。概念分层除了根据概念的全序和偏序关系确定外，还可以通过对数据进行离散化或分组来实现。维的成员：维是多层次的，不同层次的取值构成一个维成员，例如，"某年某季度"、"某季度某月"等都可以是时间维的成员。
OLAP操作 钻取
上钻：上钻又称上卷 roll-up，上钻操作是指通过一个维的概念分层向上攀升或者通过维归约在数据立方体上进行数据汇总。例如，在服装购买顾客调查中，可以按月收人分段汇总数据，把较低、中档与较高归约为"有收人"，便可以得到沿月收人维上钻的数据汇总；也可以按年龄分段汇总数据，把16岁以下与16~20岁归约为"青少年"，21~25岁、26~30岁与 31~35岁归约为"青年"，36~40岁与40岁以上归约为"中老年"，从而得到沿年龄段维上钻的数据汇总视图。
OLAP 简介 基本概念
多维数组：多维数组用维和度量的组合表示一个多维数组，可以表示为（维1 ，维2，…，维n ，度量），例如（月份，地区，产品，销售额）组成一个多维数组。数据单元（单元格）：多维数组的取值。当多维数组中每个维都有确定的取值时，就唯一确定一个变量的值。数据单元可以表示为（维1成员，维2成员，……，维n 成员，度量值），例如（2007年第一季度，大中华区，LCD，560万台）表示一个数据单元：2007 年第一季度大中华区 LCD产品销售560万台。
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”。
OLAP分析
14
多维数据分析视图
对于更多维度的数据显示，需要选择维度及其成员分布在行或者列中。 在页面上可选定多个维度，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维度数据，其 MTS如下图所示。 六维MTS例
鞋
鞋 鞋 鞋 …
上海
广州 广州 广州 …
3月
1月 2月 3月 …
400
150 250 300 …
11
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 如图所示。
三维MTS例
06 年 60 230 210
05 年 80 110 210
06 年 50 250 280
05 年 100 270 310
06 年 50 330 270
05 年 50 200 320
06 年 40 220
维的层次关系图
全国
江苏
北京
上海
苏州市
扬州市
宝应县
6
OLAP 概念
维的层次与类组合图
产品维
产品产地类
产品销地类
产品用途类
产品大类
产品小类
7
OLAP 数据显示与分析
8
多维数据显示
多维数据显示方法 多维类型结构(MTS) 多维数据分析视图
数据仓库与数据挖掘教程(第2版)陈文伟版课后答案
第一章数据仓库与数据挖掘概述1.数据库与数据仓库的本质差别是什么？答：数据库用于事务处理，数据仓库用于决策分析;数据库保持事务处理的当前状态，数据仓库既保存过去的数据又保存当前的数据;数据仓库的数据是大量数据库的集成;对数据库的操作比较明确，操作数据量少,对数据仓库操作不明确，操作数据量大。
数据库是细节的、在存取时准确的、可更新的、一次操作数据量小、面向应用且支持管理；数据仓库是综合或提炼的、代表过去的数据、不更新、一次操作数据量大、面向分析且支持决策。
6.说明OLTP与OLAP的主要区别。
答：OLTP针对的是细节性数据、当前数据、经常更新、一次性处理的数据量小、对响应时间要求高且面向应用，事务驱动； OLAP针对的是综合性数据、历史数据、不更新，但周期性刷新、一次处理的数据量大、响应时间合理且面向分析，分析驱动。
8.元数据的定义是什么？答：元数据（metadata）定义为关于数据的数据（data about data），即元数据描述了数据仓库的数据和环境。
9.元数据与数据字典的关系什么？答：在数据仓库中引入了“元数据”的概念，它不仅仅是数据仓库的字典，而且还是数据仓库本身信息的数据。
18.说明统计学与数据挖掘的不同。
答：统计学主要是对数量数据（数值）或连续值数据（如年龄、工资等），进行数值计算（如初等运算）的定量分析，得到数量信息。
数据挖掘主要对离散数据（如职称、病症等）进行定性分析（覆盖、归纳等），得到规则知识。
19.说明数据仓库与数据挖掘的区别与联系。
答：数据仓库是一种存储技术，它能适应于不同用户对不同决策需要提供所需的数据和信；数据挖掘研究各种方法和技术，从大量的数据中挖掘出有用的信息和知识。
数据仓库与数据挖掘都是决策支持新技术。
但它们有着完全不同的辅助决策方式。
在数据仓库系统的前端的分析工具中，数据挖掘是其中重要工具之一。
它可以帮助决策用户挖掘数据仓库的数据中隐含的规律性。
数据仓库和数据挖掘的结合对支持决策会起更大的作用。
数据仓库第二章——OLAP联机分析处理
析。
（3）多维性：系统必须提供对数据分析的多维视图和分析。 （4）信息性：OLAP系统应能及时获得信息，并且管理大容量
的信息。
4.1.2 OLAP准则
1993年，E.F.Codd提出OLAP的12条准则，其主 要的准则有：
6
4.1.1 OLAP的定义
1. OLAP理事会给出的定义 联机分析处理（OLAP）是一种软件技术，它
使分析人员能够迅速、一致、交互地从各个 方面观察信息，以达到深入理解数据的目的。 这些信息是从原始数据转换过来的，按照用 户的理解，它反映了企业真实的方方面面。
7
2. OLAP的简单定义
联机分析处理是共享多维信息的快速分析。 它体现了四个特征：
同时计算一些可能同时的聚集，避免不必要 的单元再次访问。
总结：
由于分块技术设计“重叠”某些聚集计算， 称该技术为多路数组聚集（Multiway array aggregation）
它同时聚集——即同时对多个维计算聚集。
44
4.2.4 MOLAP与ROLAP的比较
1.数据存取速度 2.数据存储的容量 3.多维计算的能力 4.维度变化的适应性 5.数据变化的适应性 6.软硬件平台的适应性 7.元数据管理
图4.4多维类型结构中的空间数据点
4.3.3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4.6所示。
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。
在线分析处理OLAP在数据分析中的应用
在线分析处理OLAP在数据分析中的应用近年来，随着数据量的快速增长和复杂性的增加，数据分析在各行各业中的重要性不断凸显。
为了能够高效地进行数据分析，许多组织和企业开始采用在线分析处理（OLAP）技术。
本文将介绍OLAP的基本原理、主要功能以及在数据分析中的应用。
一、OLAP基本原理OLAP是一种基于多维数据模型的数据分析技术。
它以多维数据立方体为基础，将数据按照不同的维度进行组织和存储，使得用户可以方便地从不同的角度对数据进行分析和探索。
OLAP具有以下几个基本概念：1. 多维数据模型：OLAP使用多维数据模型来描述分析对象和分析结果。
多维数据模型以立方体为基础，将数据按照事实表和维度表进行组织，形成多维数据空间。
2. 维度和指标：维度是描述事实的属性，如时间、地理位置、产品等；指标是需要分析的事实数据，如销售额、访问量等。
OLAP通过对维度和指标的组合，形成多维数据立方体。
3. 切片和钻取：切片是指根据某个维度或者指标对数据进行筛选，只保留满足条件的数据；钻取是指根据需要，从总体数据中逐步细化到更详细的细节。
4. 聚集和计算：OLAP可以对多维数据进行聚集操作，从而实现对数据进行汇总和计算。
聚集操作可以提高数据分析的效率。
二、OLAP主要功能OLAP具有以下几个主要的功能，这些功能使得OLAP成为数据分析的有力工具：1. 多维数据分析：OLAP可以根据不同的维度对数据进行切片、钻取和旋转等操作，从而使用户可以从不同的角度对数据进行分析，发现数据中的规律和趋势。
2. 查询和报表功能：OLAP可以通过灵活的查询和报表工具，帮助用户快速获取需要的数据，并生成丰富的报表和图表，便于数据的可视化展示和沟通。
3. 高性能计算：由于OLAP采用了多维数据模型和聚集技术，可以对大规模数据进行高效的计算和分析，减少了数据查询和分析的时间消耗。
4. 数据挖掘和预测：OLAP可以结合数据挖掘和预测算法，从海量的数据中挖掘出有价值的信息和规律，为组织和企业的决策提供支持。
数据仓库与数据挖掘教程（第2版）陈文伟版课后习题答案（非常全）
第一章作业1．数据库与数据仓库的本质差别是什么？书P2（1）数据库用于事务处理，数据仓库用于决策分析。
（2）数据库保持事物处理的当前状态，数据仓库即保存过去的数据又保存当前的数据。
（3）数据仓库的数据是大量数据库的集成。
（4）对数据库的操作比较明确，操作数量较小。
对数据仓库操作不明确，操作数据量大。
2．从数据库发展到数据仓库的原因是什么？书P1（1）数据库数据太多，信息贫乏。
如何将大量的数据转化为辅助决策信息成为了研究热点。
（2）异构环境数据的转换和共享。
随着各类数据库产品的增加，异构环境的数据也逐渐增加，如何实现这些异构环境数据的转换的共享也成了研究热点。
（3）利用数据进行事物处理转变为利用数据支持决策。
3．举例说明数据库与数据仓库的不同。
比如，银行中储蓄业务要建立储蓄数据库，信用卡要建立信用卡数据库，贷款业务要建立贷款数据库，这些数据库方便了银行的事务处理。
但是要对这些独立数据库进行决策分析就很复杂了。
因此可以把这些数据库中的数据存储转化到数据仓库中，方便进行决策。
4.OLTP(On Line Transaction Processing,联机事物处理)是在网络环境下的事务处理工作，以快速的响应和频繁的数据修改为特征，使用户利用数据库能够快速地处理具体的业务。
OLAP（On Line Analytical Processing，联机分析处理）是使用多维数据库和多维分析的方法，对多个关系数据库共同进行大量的综合计算来得到结果的方法。
5.OLTP是用户的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。
6.OLTP OLAP细节性数据综合性数据当前数据历史数据经常更新不更新，但周期性刷新一次性处理的数据量小一次处理的数据量大对响应时间要求高响应时间合理面向应用，事务驱动面向分析，分析驱动7．包括数据项、数据结构、数据流、数据存储和处理过程五个部分。
8．定义为关于数据的数据，描述数据仓库中数据及其环境的数据。
数据仓库与数据挖掘 课后答案 (陈志泊 著) 清华大学出版社
第1章数据仓库的概念与体系结构1.数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。
2.元数据是描述数据仓库内数据的结构和建立方法的数据，它为访问数据仓库提供了一个信息目录，根据元数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。
3.数据处理通常分成两大类：联机事务处理OLTP和联机分析处理OLAP。
4.多维分析是指对以“维”形式组织起来的数据（多维数据集）采取切片（Slice）、切块（dice）、钻取（Drill-down 和Roll-up 等）和旋转（pivot）等各种分析动作，以求剖析数据，使用户能从不同角度、不同侧面观察数据仓库中的数据，从而深入理解多维数据集中的信息。
5. ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。
6.数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储与管理和数据表现等。
7.数据仓库系统的体系结构根据应用需求的不同，可以分为以下4种类型：两层架构、独立型数据集市、依赖型数据集市和操作型数据存储、逻辑型数据集市和实时数据仓库。
8.操作型数据存储实际上是一个集成的、面向主题的、可更新的、当前值的（但是可“挥发”的）、企业级的、详细的数据库，也叫运营数据存储。
9.“实时数据仓库”意味着源数据系统、决策支持服务和数据仓库之间以一个接近实时的速度交换数据和业务规则。
10.从应用的角度看，数据仓库的发展演变可以归纳为5个阶段：以报表为主、以分析为主、以预测模型为主、以营运导向为主、以实时数据仓库和自动决策为主。
11.什么是数据仓库？数据仓库的特点主要有哪些？答：数据仓库就是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，通常用于辅助决策支持。
数据仓库的特点包含以下几个方面：（1）面向主题。
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
文件的联机分析(OLAP)的开题报告
文件的联机分析(OLAP)的开题报告题目：基于OLAP的数据分析系统设计与实现一、研究背景随着数据的数量和复杂度的不断增加，传统的数据分析方法已经无法满足企业的需求。
OLAP(联机分析处理)因其快速分析大规模数据的能力，成为越来越多企业的数据分析工具。
OLAP是一种多维数据分析技术，能够将海量数据高效的存储、查询、分析和可视化展示。
二、研究内容本研究将主要研究以下内容：1. OLAP技术的基础概念和分类2. 多维数据建模技术3. OLAP系统的架构设计和实现4. 数据挖掘算法的应用和扩展5. OLAP系统的可视化展示和交互设计三、研究方法本研究将采用如下方法：1.文献调研：对OLAP技术的研究进行深入调研和分析，包括相关论文、书籍、网络资源等。
2.功能需求分析：通过对企业需求的深入分析，明确本研究的功能需求，为系统架构的设计提供基础。
3.系统设计与实现：根据用户需求和领域知识，设计并实现OLAP数据分析系统。
4.系统测试与验证：对系统进行全面测试和验证，保证系统的稳定性、安全性和可用性。
四、研究目标与意义本研究的主要目标是设计和实现一个高效、可扩展、易用的OLAP 数据分析系统。
通过本研究的实施，我们希望可以：1.提高企业的数据分析效率和准确性2.拓展数据分析的应用领域3.提升企业的核心竞争力四、预期成果本研究预期的成果包括：1.设计和实现的OLAP数据分析系统2.一份详尽的设计文档和实现文档3.相关技术文章的发表4.开发文档和用户手册五、研究计划本研究计划在以下时间节点内完成：1.文献调研：1个月2.功能需求分析：2个月3.系统设计与实现：4个月4.系统测试与验证：1个月5.撰写论文和发表文章：2个月总计：10个月六、参考文献1. Han, J. and Kamber, M. (2011) Data Mining: Concepts and Techniques. 3rd Edition, Morgan Kaufmann Publishers, Inc.2. Kimball, R., et al. (1998) The Data Warehouse Toolkit: Practical Techniques for Building Dimensional Data Warehouses. John Wiley and Sons, Inc.3. Ross, K.W. and Kimball, R. (2002) Mastering Data Warehouse Design: Relational and Dimensional Techniques. John Wiley and Sons, Inc.4. Uludag, U., et al. (2017) A Literature Review of OLAP Applications. In: Murgante B., et al., Eds., Computational Science and Its Applications – ICCSA 2017, Springer International Publishing, Cham, 758-772.。
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。
数据挖掘4
96
73 69 62 94
4.2.2 多维分析
4.其它OLAP操作
“上卷”（roll_up）、“下钻”（drill_down等操作。“上卷” 是指沿某一个维的概念分层向上归约 ；“下钻”是上卷的逆向 操作，它是沿某一个维的概念分层向下或引入新的维来实现 。 OLAP的其它操作还有统计表中最高值和最低值的项数，计算 平均值、增长率、利润、投资回报率等统计计算。
4.2.1 MOLAP和ROLAP的概念
1. OLAP服务器 20世纪90年代出现了专用的OLAP服务器软件，OLAP服务器包含了为企 业用户预定义的超级立方体，从而能为具有明确的数据分析范围和分析 要求的企业提供高性能的决策支持。
OLAP数据库 DBI 客户端 软件 客户端 软件 图4-3 OLAP服务器结构
（3）多维性。多维性是OLAP的关键属性。系统能够 提供对数据分析的多维视图和分析，包括对层次维和 多重层次维的支持。事实上，多维分析是分析企业数 据最有效的方法，是OLAP的灵魂。
（4）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。 （5）共享性。共享性是在大量用户间实现潜在地共 享秘密数据所必须的安全需求。
第四章 联机分析处理
第4章 联机分析处理
4.1 联机分析的概念与特性 4.1.1 联机分析的概念 4.1.2 联机分析的特性 4.1.3 联机分析准则 4.2 多维OLAP和关系OLAP 4.2.1 MOLAP和ROLAP的概念 4.2.2 OLAP选择评价 4.2.3 OLAM
2. 维关系
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。
- 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)。
OLTP与OLAP对比表
OLTP OLAP
数据库原始操作
细节性数据 当前数据 经常性更新数据 一次性处理的数据量少 对响应时间要求高 用户量大
数据库导出数据或数据仓库数据
综合性数据 历史性数据 不可更新，但可周期性刷新数据 一次性处理的数据量多 响应时间合理 用户量少
面向操作人员、支持日常操作
面向应用、实物驱动
– （‘2000年’， ‘家电’， ‘南京市’， ‘1亿’） – （‘2000年7月’，‘女性服装’，‘江苏省’， ‘10亿’）
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，
这些维成员的组合就唯一确定了一个观 察对象的值，即（维成员1，维成员 2，……，维成员n，对象值）。
面向决策人员、支持管理需要
面向分析、分析驱动
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。客户/服务器体系结构 －两层或三层C/S结构。
可分析性 :OLAP 系统应能处理与应用有关的任何逻辑分析和统计
分析。
多维性 :多维性是 OLAP 的关键属性。系统必须提供对数据的多维
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。
OLTP与OLAP
随着数据库系统广泛应用，数据库系统记录和
处理的数据越来越多，及时地记录和处理企业 的各种业务数据，这些系统成为联机事务处理 (OLTP)系统。数据库技术的广泛应用和技术的 发展，人们已经不再满足于仅仅用数据库系统 来记录企业的业务活动数据和对数据的简单处 理，人们需要对企业业务活动的数据进行各种 分析，以便发现企业业务趋势，这些系统称为 联机分析处理(OLAP)系统。
模型，促进了联机事务处理(OLTP)的发展(数据 以表格的形式而非文件方式存储)。 1993年，E.F.Codd提出了OLAP概念，认为 OLTP已不能满足终端用户对数据库查询分析的 需要，SQL对大型数据库进行的简单查询也不 能满足终端用户分析的要求。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，E.F.Codd提出了多维数据库和多维分析 的概念，即OLAP。
OLAP
多维数据集
多维数据集提供了一种信息系统结构，这种结
构可以使企业灵活地对数据进行访问，可以用 多种方法对数据进行切片、分块、动态地考察 汇总数据和细节数据之间的关系 数据仓库中的细节数据为多维数据集提供了稳 健方便的数据源.
多维数据集和数据仓库
数据仓库与多维数据集的区别: 多维数据集数据量比数据仓库少一个数据量级 数据仓库只适合少量灵活访问,多维数据集适合大量不 可预知的访问和分析 数据仓库存储很长时间范围内的数据,多维数据集存储 较短时间范围内的数据 数据仓库只允许分析人员以受限的形式访问数据,而多 维数据集允许自由地访问 多维数据集和数据仓库有着互补的关系:
维度
维的层次
人们观察数据的某个特定角度（即某个维）
还可以存在细节程度不同的多个描述方面， 我们称这个描述方面为维的层次。 一个维往往具有多个层次，例如:
描述时间维时，可以从日期、月份、季度、年等 不同层次来描述，那么日期、月份、季度、年等 就是时间维的层次； 同样，城市、地区、国家就构成了一个地理维的 多个层次。
组用多维立方体来表示，但数据立方体并不一定限于 三维，因此又称为超立方
数据立方体
日 期
产 品 ALL TV
PC
一季度
二季度 三季度
四季度
ALL NO1 NO2 NO3 ALL 商 店
VCD
可以按照产品、日期、商店三个维度任意组合，生 成销售情况
OLAP的产生背景
60年代，关系数据库之父E.F.Codd提出了关系
立方体和超立方(Cube) 多维数据模型的数据结构可以用这样来一个多维数组 来表示:(维1，维2，………维n，度量值)，例如:商品 销售数据是按时间、地区、商品种类，加上度量“销 售额”组成的一个三维数组:(地区，时间，商品种类， 销售额)。三维数组可以用一个立方体来直观的表示，
立方体中每一个交点对应于一个事件。一般地多维数
视图和分析,包括对层次维和多重层次维的完全支持。
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。
数据仓库中可以存储非常细节的数据,而多维数据集中往往会对 细节数据进行轻度综合,DSS分析人员可以同时获取这二种数据 汇总信息在多维数据集中计算和聚集后存储在数据仓库中
维（Dimension）
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随着时间推移
而产生的变化的情况，这时他是从时间的角 度来观察产品的销售，所以时间就是一个维 （时间维）。 企业也常常关心自己的产品在不同地区的销 售分布情况，这时他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）。
维成员
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”。
多维数组
一个多维数组可以表示为(维1,维2,……,维n,变 量)，这样可以构成三维、四维及多维的数据表 示结构。其中，变量表示我们所观察的数据对象， 维1、维2、……、维n分别表示我们观察该数据 对象的角度。 如（时间，商品种类，商店，销售额），从而构 成一个有关商品销售额的三维数组。
什么是OLAP？
OLAP，英文全称为On-Line Analysis
Processing，中文名称为联机分析处理， 也称为在线分析处理。 OLAP允许以一种称为多维数据集的多维 结构访问来自商业数据源（如数据仓库） 的经过聚合和组织整理的数 据。
OLAP是针对某个特定的主题进行联机数据访