《数据仓库》PPT课件.ppt

数据仓库
Data Warehouse
精选ppt
事务型处理
事务型处理：即操作型处理，是指对数据库的联机操作处理OLTP。事务型处理是用来协助企业对响应事件或事务的日常商务活动进行处理。它是事件驱动、面向应用的，通常是对一个或一组记录的增、删、改以及简单查询等（大量、简单、重复和例行性）。
在事务型处理环境中，数据库要求能支持日常事务中的大量事务，用户对数据的存取操作频率高而每次操作处理的时间短。
2
精选ppt
分析型处理
分析型处理：用于管理人员的决策分析，例如DSS、 EIS和多维分析等。它帮助决策者分析数据以察看趋向、判断问题。
分析型处理经常要访问大量的历史数据，支持复杂的查询。
分析型处理过程中经常用到外部数据，这部分数据不是由事务型处理系统产生的，而是来自于其他外部数据源。
3
精选ppt
事务型处理数据和分析型处理数据的区别
特性
OLTP
OLAP
特征
面向
用户
功能
DB 设计
数据
汇总
视图
工作单位
存取
关注
操作
访问记录数
用户数
DB规模
优先
度量
操作处理
事务
办事员、DBA、数据库专业人员
日常操作
基于E-R，面向应用
当前的；确保最新
原始的，高度详细
详细，一般关系
短的、简单事务
读/写
数据进入
主关键字上索引/散列
数十个
数千
100MB到GB
高性能，高可用性
事务吞吐量
信息处理
分析
知识工人（如经理、主管、分析员）
长期信息需求，决策支持
星形/雪花，面向主题
历史的；跨时间维护
汇总的，统一的
汇总的，多维的
复杂查询
大多为读
信息输出
大量扫描
数百万
数百
100GB到TB
高灵活性，端点用户自治
查询吞吐量，响应时间
4
精选ppt
数据库系统的局限性
数据库适于存储高度结构化的日常事务细节数据，而决策型数据多为历史性、汇总性或计算性数据，多表现为静态数据，不需直接更新，但可周期性刷新。
决策分析型数据是多维性，分析内容复杂。
在事务处理环境中，决策者可能并不关心具体的细节信息，在决策分析环境中，如果这些细节数据量太大一方面会严重影响分析效率，另一方面这些细节数据会分散决策者的注意力。
DB2
Oracle
SQL
Server
Excel
spreadsheet
XML
document
Internet
SSL
client
applications
Browsers
Data management
layer
Application
layer
Web
servers
5
精选ppt
数据库系统的局限性（续）
当事务型处理环境和分析型处理环境在同一个数据库系统中，事务型处理对数据的存取操作频率高，操作处理的时间短，而分析型处理可能需要连续运行几个小时，从而消耗大量的系统资源。
决策型分析数据的数据量大，这些数据有来自企业内部的，也有来自企业外部的。来自企业外部的数据又可能来自不同的数据库系统，在分析时如果直接对这些数据操作会造成分析的混乱。对于外部数据中的一些非结构化数据，数据库系统常常是无能为力。
6
精选ppt
多库系统的限制
可用性：源站点或通信网络故障将导致系统瘫痪, 源站点不能通过网络在线联入多库系统。
响应速度：全局查询多级转换和通信传输, 延迟和低层效率影响响应速度。
系统性能：总体性能取决于源站点中性能最低的系统, 影响系统性能的发挥;
系统开销：每次查询要启动多个局部系统, 通信和运行开销大。
7
精选ppt
实施数据仓库的条件
数据积累已达到一定规模
面临激烈的市场竞争
在IT方面的资金能得到保障
8
精选ppt
数据仓库的发展
自从NCR公司为Wal Mart建立了第一个数据仓库。
1996年，加拿大的IDC公司调查了62家实现了数据仓库的欧美企业，结果表明：数据仓库为企业提供了巨大的收益。
早期的数据仓库大都采用当时流行的客户/服务器结构。近年来分布式对象技术飞速发展，整个数据仓库体系结构从功能上划分为若干个分布式对象，这些分布式对象不仅可以直接用于建立数据仓库，还可以在应用程序中向用户提供调用的接口。
IBM的实验室在数据仓库方面已经进行了10多年的研究，并将研究成果发展成为商用产品。
其他数据库厂商在数据仓库领域也纷纷提出了各自的解决方案。
9
精选ppt
数据仓库(Data Warehouse)
数据仓库用来保存从多个数据库或其它信息源选取的数据, 并为上层应用提供统一 用户接口，完成数据查询和分析。支持整个企业范围的主要业务来建立的，主要特点是，包含大量面向整个企业的综合信息及导出信息。
数据仓库是作为DSS服务基