数据仓库考试复习资料

数据仓库资料一、简答1、什么是元数据？元数据如何分类？请叙述元数据的作用。

答：元数据与数据字典类似，类似于电话黄页，是数据仓库数据本身信息的数据。

元数据的类型：1）操作性元数据2）抽取和转换元数据3）最终用户元数据元数据的作用：元数据负责连接数据仓库的所有部分，并为最终用户提供向导：1）易于数据仓库数据的理解2）保证数据质量3）提高系统的应用的适用度和可适展性4）便于信息交换。

2、数据仓库项目与OLTP系统项目有什么不同？答：存储数据不同：OLTP存储的是操作性数据，数据仓库中存储的是分析性数据对数据处理不同：OLTP是以传统的数据为中心进行企业日常处理，而数据仓库中的数据被用于分析背后的关联，为企业决策提供可靠的依据。

面向的使用人员不同：OLTP使用人员通常是企业中的具体操作员，处理的数据通常是企业业务细节信息，其目标是实现企业的业务运营。

而数据仓库的使用人员是企业中的高层，或是工程师，其中包含的信息是企业的宏观信息而非具体细节，其目的是为企业决策者提供支持。

3、MOLAP和ROLAP模型之间的本质区别是什么？列出它们的一些相同点。

答：本质区别：MOLAP是基于多维数据库来存储OLAP分析所需要的数据，数据以多维方式存储，并以多维视图方式显示，而ROLAP的底层数据库是关系数据库。

相同点：1）数据都作为关系表存储再数据仓库中2）都能获得一定成都的汇总数据3）都是从数据仓库存储器中访问数据4、什么是星型模式？什么是雪花模型？它由哪些表组成？答：星型模式：一种多维数据关系，由一个事实表和一组维表组成，每个维度表表达一个维，所有维度字段组成事实表的复合主键，事实表中的非主键属性称为事实，汇总出来的数值型数据大都是文字，时间等类型的数据。

雪花模式：它是对星型模式的一种扩展，比如日期，地区等多层次的维度的扩展，可类似扩展，是对星型模式进行规范化处理的产物，从消除数据冗余，从而使事实表，字段数和总长度降低。

它由一个事实表和一组维表组成。

5、简要说明对数据仓库概念的理解，并解释其与数据库的不同之处。

答：数据仓库的定义:面向主题的、集成的、与时间相关且不可修改的数据集合。

数据仓库的出现，并不是要取代数据库。

目前，大部分数据仓库还是用关系数据库管理系统来管理的。

可以说，数据库、数据仓库相辅相成、各有千秋。

简而言之，数据库是面向事务的设计，数据仓库是面向主题设计的。

数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。

数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计是有意引入冗余，采用反范式的方式来设计。

数据库是为捕获数据而设计，数据仓库是为分析数据而设计，它的两个基本的元素是维表和事实表。

维是看问题的角度，比如时间，部门，维表放的就是这些东西的定义，事实表里放着要查询的数据，同时有维的ID。

数据仓库，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它决不是所谓的“大型数据库”。

那么，数据仓库与传统数据库比较的不同之处在于：“面向主题的”:传统数据库主要是为应用程序进行数据处理，未必按照同一主题存储数据;数据仓库侧重于数据分析工作，是按照主题存储的。

“与时间相关”:数据库保存信息的时候，并不强调一定有时间信息。

数据仓库则不同，出于决策的需要，数据仓库中的数据都要标明时间属性。

决策中，时间属性很重要。

“不可修改”:数据仓库中的数据并不是最新的，而是来源于其它数据源。

数据仓库反映的是历史信息，并不是很多数据库处理的那种日常事务数据。

因此，数据仓库中的数据是极少或根本不修改的;当然，向数据仓库添加数据是允许的。

6、在数据仓库内进行数据迁移有哪四种方法？解释其中的两种。

答：第一种可选方法是使用可移动表空间，它能移动完整的表空间集合（不仅包括表，还包括索引、物化视图和其他对象）。

通常它还是这三种方法中最快的一种。

但是，它的一个主要缺点是对指定的表空间必须在复制文件时设置为只读。

第二种方法是使用数据泵，它对表空间是否为只读没有要求。

当只需要移动指定的表而不是整个表空间时，这种方法很有用。

第三种方法是拖出表空间，该方法把可移动表空间方法的所有步骤组合成一步操作。

用这种方法复制数据非常简单，但要想调整每个具体步骤以便进行性能优化时，它为数据库管理员提供的灵活性太少。

第四种方法是物化视图迁移。

7、为什么说ETCL功能是数据仓库环境中最有挑战性的工作？答：1）源系统彼此悬殊，种类多样2）通常应付多个平台上的不同操作系统3）很多源数据都使陈旧的应用系统采用的过时的技术4）取值不断变化的历史数据不会被保存在操作系统中，而历史信息对数据仓库至关重要5）很多旧系统中的数据质量不同，需要花很多时间处理6）源系统间普遍缺乏一致性7）源系统的结构随时间会发生变化，因新的商业元件不断出现，ETL功能也必须做相应的调整。

8）即使在不同源系统中已发现不一致的数据，也缺乏解决方法，这使不一致的问题更严重9）大多数源系统的数据格式和类型对用户没有实际意义。

8、数据质量问题有哪些？举例说出5钟数据污染源。

答：数据质量问题分类影响企业数据质量的因素有很多, 主要有:(1) 分布式的运营环境产生无用的冗余数据; 缺乏共同的标准; 采用不同的技术和架构, 不同的业务规范和数据模式。

(2) 技术水平限制造成元数据不准确, 数据不一致、数据重复、数据二义性等问题; 转换过程中的错误通常带来数据质量问题。

(3) 终端用户没有按照程序输入和维护数据, 只有最低限度控制能力的旧的遗留系统进一步加剧了这一问题。

(4) 企业中缺乏数据质量监督管理措施。

在企业信息系统建设中往往在业务流程上倾注过多的精力, 对于提高数据的质量不够重视。

(5) 数据产品作为一种特殊的资源存在于企业中, 它不可消耗, 可在系统和用户间共享, 可以复制和更新。

但它极易遭到破坏, 企业环境的动态变换也造成了数据的不稳定性。

9、解释并比较数据仓库中的信息和操作性系统中信息的使用及价值。

答：从技术上讲数据仓库的定义是"面向主题的,集成的,相对稳定的,反映历史变化的数据集合,用来支持决策分析."1)面向主题:传统的数据库系统中的数据是面向事务处理任务的,应用系统之间相互分离.而数据仓库中的数据是按照一定的主题域进行组织的,面向主题是个抽象的概念,是指企业利用数据仓库进行决策分析是所关心的重点问题,比如说"企业的经营状况,企业的财务状况,产品历年来的销售情况和销售趋势等等",通常一个主题与多个应用系统相关.2)集成性:面向事物处理的操作性数据库系统通常于特定的应用有关,数据库之间相互独立,并且是异构的,数据仓库是在对原有分散的数据库系统进行数据抽取,清洗的基础上经过汇总和整理得到,必须消除原数据的不一致性,以保证数据仓库中的数据是反映整个企业的一致的全局信息.3)稳定性:操作性数据库中的数据通常是实时更新的,数据根据具体需求做出变化,数据仓库中的数据是用来帮助企业进行决策分析的,一旦某个数据进入数据仓库,一般会被长期保留,也就是说数据仓库当中一般会有大量的插入和查询操作,删除和修改操作相对较少.只要定期更新和加载即可.4)反映历史变化:操作性数据库一般关心某段时间内的数据,而数据仓库中的数据通常包含历史信息,系统记录了企业从过去某一点到当前各个时间段内的信息,通过这些信息,能够对企业的发展历程和发展趋势做出分析和预测企业级数据仓库建立是在业务系统和大量业务数据的基础上形成的,数据仓库不是静态的概念,必须将这些信息及时的交付给信息的使用者,供他们做出改善业务的决策.这样信息才有意义,并对这些信息进行整理和汇总,及时交付给管理决策人员.数据仓库是一个工程.10、数据网络仓库的总线体系结构是什么？它怎样才能适用于支持Web数据仓库？答：MPP服务器架构的并行处理能力适合于复杂的数据综合分析与处理环境。

当然，它需要借助于支持MPP技术的关系数据库系统来屏蔽节点之间负载平衡与调度的复杂性。

另外，这种并行处理能力也与节点互联网络有很大的关系。

显然，适应于数据仓库环境的MPP服务器，其节点互联网络的I/O性能应该非常突出，才能充分发挥整个系统的性能。

二、论述1、阅读以下关于数据仓库的叙述，回答[问题1]、[问题2]和[问题3]。

随着计算机应用的不断普及，某集团公司先后建立了生产、销售、财务、人事管理等应用系统，并积累了大量的数据。

面对日益激烈的市场竞争，公司领导希望建立一个分析环境，对积累的数据进行再加工，以支持高层决策。

公司技术部门的王总工程师提出建立一个数据仓库系统。

他认为数据仓库能够将企业内部分散的、跨平台的数据重新组织与加工，建立数据仓库的最终目标是建立一个全面、完善的信息应用平台，利用该信息平台，进行数据分析和数据挖掘，支持公司高层的决策分析。

经过讨论，大家认为目前建立数据仓库需要完成的基础工作有：(1)明确数据仓库的目的，了解公司的业务现状，特别要弄清数据源所在的系统和其中的数据状况。

(2)收集决策者的需求。

分析领导的决策取向和当前最主要的工作目标，并初步建立系统的逻辑模。

(3)构建数据仓库。

包括数据仓库的设计、组织和管理以及决策信息的展示。

(4)数据仓库的应用推广和人员的培训。

(5)引进必要的产品和工具。

[问题1]在讨论中，有些工程师提出了不同的意见。

有人认为由于缺乏经验，应该先建立小规模的数据集市，然后再升级到完整的数据仓库系统。

(1)简要叙述与数据仓库相比，数据集市具有哪些特点。

(2)简要说明这种开发方法的优缺点。

[问题2]王总工程师提出，对于数据仓库系统的开发，一般推荐采用增量的、演进的方式。

请说明如何用增量的、演进的方式开发数据仓库系统。

[问题3]有工程师建议在数据仓库的模型中，采用DB(源数据库)—ODS(操作数据存储)—DW(数据仓库)的模式，以替代0B(源数据库)—DW(数据仓库)的模式，请简要描述ODS(操作数据存储)与DW(数据仓库)的最大差别。

答：问题一：1）数据仓库是完整的，所有数据集市的集合。

从阶段区域得到的数据，基于公司视角的结构，通过实体－关系模式进行组织，数据集市是从部门考虑，一个单独的处理过程，是星型结构，适合数据连接和分析技术，是基于适合部门数据视角的结构。

2）这是自上而下的方法，其优点是：实施快捷方便，由良好的回报，风险小。

其缺点是：每个数据集市对数据视角都较窄，每个数据集市都由多余的数据，总由矛盾和不一致的数据。

问题二：增量开发模型第一个阶段目标是快速创建一个具有应用价值的初始数据仓库，首先了解已有数据，并初步了解管理用户需求，在此基础上初步确定及个用户非常关注的主题。

因此进行元数据的设计，后续阶段是在应用基础上，以增量演进方式逐步扩充和完善数据仓库系统。