商务智能教学课件：05 OLAP 联机分析处理.ppt

联机分析处理OLAP
*
联机分析处理（OLAP）
联机分析处理（OLAP）
OLAP的特征及衡量标准
OLAP中的几个基本概念
OLAP中的数据构造方式
OLAP的基本数据模型
数据立方体（Data Cube）
多维数据分销售金额，以便于分析其与商品类型之间的关系
地域维
可根据每个连锁店所在的地域统计其销售（总）金额，以便于分析其与地域之间的关系
*
层
在分析型应用中，对度量值可以在不同的深度层面上进行分析与观察，并可能得到不同的分析结果。因此，“层” 反映了对度量值的观察深度
一般而言，“层”是与“维”相关联的。在一个“维”中可允许存在若干个“层”，并且可以采用多种不同的“层”次划分方法
维中的“层”通常被组织成一个层次结构，在数据仓库系统的元数据中需要记录不同“层”之间的包含关系，以便于能够在数据仓库中已有的统计结果上正确地执行新的统计查询
*
时间维
日  月  季  年
日   周   年
*
地域维
市  省  国  洲
*
商品维（1/2）
按商品的类别可以分为
家电(大家电(电视机, 洗衣机, 冰箱, …), 小家电(…), …)
服装(男式，女式，童装)
日用品(......)
*
商品维（2/2）
按如下的方法进行层次划分
按商品的价格分为
高档，中档，低档
按商品的供应商分为
外资，合资，国营，私营，个体
按购买商品的顾客信息分为
按照年龄层次来划分：老年，中年，青年，少年儿童，婴儿
按照所从事的职业来划分：......
......
*
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，则该维的“维成员”可以是
在不同维层次上的取值的组合
例如：对具有日，月，年三个层次的“时间维”来说，“某年某月某日”、“某年某月”、“某月某日”、“某年”都是其维成员，如：1998年，1月，1998年1月，1998年1月1日，1月1日
在某个维层次上的取值
例如：“地域”维中的“江苏”，“南京”，......
例如：“商品”维中的“电视机”，“服装”，......
对一个度量值来说，维成员是该度量值在某维中位置的描述
*
多维数组
一个多维数组可以表示为(维1, 维2, ..., 维n, 变量)
其中：
“变量” 表示我们所观察的度量值
维1、维2、……、维n分别表示我们观察该度量值的角度（维）
如：（时间，商品种类，商店，销售额）是一个有关商品销售额的三维数组，其中的数据成员可以表示为：
（2000年，家电，南京市，5000万）
（2000年7月，女式服装，江苏省，2000万）
……
*
数据单元（单元格）
多维数组可以被看成是一个根据多个下标进行定位的值的集合
当多维数组的每一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度量值，即：
（维成员1，维成员2，……，维成员n，度量值）
这样一个值或存放该值的地方我们称其为一个“数据单元”
*
多维数组和联机分析处理
假设：在一个分析型应用中需要若干个度量值（设为r个）， 以它们为聚焦点作不同角度（设每个分析对象有m个维）与深度（设每个维上又分为n个层）的分析，那么可以得到多种不同的统计分析结果（共为（r×nm）种），即可以构造出（ r×nm ）种多维数组。
为了方便快速地查到这些统计分析结果，OLAP需要解决以下两个问题：
OLAP的数据构造方式
OLAP的基本数据模型
*
联机分析处理（OLAP）
联机分析处理（OLAP）
OLAP的特征及衡量标准
OLAP中的几个基本概念
OLAP中的数据构造方式
OLAP的基本数据模型
数据立方体（Data Cube）
多维数据分析
*
OLAP的数据构造方式
ROLAP： （Relational OLAP）
用传统的“关系数据库管理系统”（RDBMS）管理，将星型（雪花型）模式用二维表形式存储，表间用关键字相连，从而构成一个关系模式，它称为ROLAP
用户在ROLAP上的查询操作将被改写成RDBMS中的查询操作并执行获得查询结果
MOLAP：（Multi-Dimensional OLAP）
用“多维数据库管理系统”管理，多维数据库采用的基本数据模式就是“多维数组”。
在MOLAP中，“事实表”被表示成一个“多维数组”，“维”的属性值被映射成“多维数组”的下标，而“度量值”（包括综合数据）则作为多维数组的取值存储在数据单元中。在查询时，可以通过下标的取值来找到相应多维数组中的“度量值”
混合联机分析处理（HOLAP）
*
MOLAP 与 ROLAP
*
MDSQL
列出1996年1月至6月彩电在北京地区的销售量和成本
语法1
语法2
*
MO