数据库原理及应用-第17章数据仓库技术.ppt

第17章 数据仓库技术,数据仓库是数据库技术的另一重要发展方向。人们希望能更多地通过数据库系统获得决策支持信息的推动下发展起来的一项新数据库技术。本章主要介绍操作性处理与分析型处理的区别，联机事务处理（OLTP）和联机分析处理（OLAP）的不同，数据仓库技术的基本概念、组成结构、技术特征、设计，数据挖掘和决策支持系统（DSS），以及SQL Server的DBMS对数据仓库的支持。,第17章 数据仓库与数据挖掘,17.1 从数据库到数据仓库17.2 数据仓库的结构17.3 数据仓库的设计17.4 OLAP与数据仓库17.5 数据挖掘（data mining，DM）17.6 决策支持系统与数据仓库17.7 SQL Server 2000的数据仓库 17.8 小结 17.9 习题,17.1 从数据库到数据仓库,17.1.1 操作型处理和分析型处理17.1.2 从数据库到数据仓库17.1.3 操作型数据和分析型数据,17.1.1 操作型处理和分析型处理,17.1.2 从数据库到数据仓库,产生的根本原因是对决策信息的迫切需求。20世纪90年代以来，在操作型数据环境中建立DSS（决策支持系统）效果不理想。对传统数据库反思。？在规划设计的基础上，对数据库中的数据按照不同的主题归纳、统计、汇总、集成，使其长期保存在计算机中，并随着时间推移不断追加，这样形成的数据集合便是我们所说的数据仓库。,17.1.3 操作型数据和分析型数据,17.2数据仓库系统,作为决策支持系统（DSS）的辅助支持，数据仓库系统包括三大部分内容：数据仓库技术(DW,data warehousing)联机分析处理技术(OLAP,on_line analytical processing)数据挖掘技术(DM,data mining),17.3 数据仓库技术,数据仓库是一个不同于传统数据库的数据集合，它是对传统数据库进行抽取、归纳、统计、汇总集成而成。17.3.1 数据仓库的概念及特点17.3.2 数据仓库的体系结构17.3.3 数据仓库的分类17.3.4 数据仓库的开发数据仓库的数据模式,17.3.1 数据仓库的概念及特点,数据仓库是一种高级、复杂的数据库技术。完整的数据仓库理论包括三个方面：数据仓库技术、联机分析处理（OLAP）、数据挖掘（DM）。数据仓库是一个面向主题的、集成的、稳定的、随时间而变的数据集合，用以支持经营管理过程中的决策制订过程。数据仓库四特征：面向主题、集成、稳定和随时间变化。,17.3.2 数据仓库的体系结构,报表、查询,OLAP工具,数据挖掘工具,17.3.3 数据仓库的分类,标准数据仓库数据集市多层数据仓库联合式数据仓库,17.3.4 数据仓库的开发,自顶向下（费用高、开发时间长）自底向上（费用低，灵活性高，并能快速回报）,17.3.5 数据仓库的数据模式,维属性 是分析数据的角度（如时间、地区、类别等）度量属性 是分析的数据（如具体的销售量）数据仓库的架构：星型架构 雪花型架构 无论哪种架构，相关都需要维度表和事实数据表。具体架构见课本p240，图17-4和图17-5,17.4 联机分析处理 OLAP,OLAP与OLTP的区别：p241,17.4.1 OLAP的基本概念,1.度量属性 是决策者所关心的具有实际意义的数量。如销售量、库存量等2.维度 是人们观察数据的角度3.维的层次 人们观察数据的角度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。如时间维可以从日期、季度、年、月份等不同层次来描述。,4.维度成员 维度的一个取值称为该维的一个成员。如某年某月某日。5.多维数组6.数据单元（单元格）,17.4.2 OLAP基本的分析功能,1.上卷（roll-up）2.下钻（drill-down）3.切片（slice）4.切块（dlice）5.转轴,17.5.1 数据挖掘 DM,如何从大量的数据中及时有效地提取有用的信息？一系列方法：数据库知识发现和数据库挖掘技术,DM方法：,关联规则挖掘：如尿布与啤酒特征描述挖掘：如根据消费超过1000美元顾客信息，特征描述轮廓，如40-50岁之间，已婚，有工作。分类分析：决策树聚类分析,