《联机分析处理OLA》PPT课件.ppt

《《联机分析处理OLA》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《联机分析处理OLA》PPT课件.ppt（40页珍藏版）》请在三一办公上搜索。

1、1,第3章 联机分析处理-OLAP,本章学习目标：通过 OLAP 技术概念介绍了解 OLAP 的发展和特点。通过多维分析学习掌握多维的基本概念。通过 OLAP 的实施掌握 OLAP 实施方法。通过MOLAP 与ROLAP 的学习掌握MOLAP 与ROLAP的概念。通过 OLAP 技术评价学习掌握对 OLAP 技术的评价。,2,3.1 概述3.2 OLAP定义和基本概念3.3 OLAP的数据模型3.4 多维数据分析3.5 OLAP的结构与分析工具,第3章 联机分析处理-OLAP,3,3.1 概述,60年代，关系数据库之父提出了关系模型，促进了联机事务处理(OLTP)的发展(数据以表格的形式而非文

2、件方式存储)。1993年，提出了多维数据库和多维分析的概念，即OLAP。,4,OLTP VS.OLAP,5,OLAP基本思想,联机分析处理（OnLine Analysis Processing，OLAP）在数据仓库系统中，联机分析处理是重要的数据分析工具。OLAP的基本思想是从多方面和多角度以多维的形式来观察企业的状态和了解企业的变化。OLAP是独立于数据仓库的一种技术概念当OLAP与数据仓库结合时，OLAP的数据源为数据仓库，数据仓库的大量数据是根据多维方式组织的。,6,3.2 OLAP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

3、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。（OLAP理事会）,7,OLAP目标,是满足决策支持或多维环境特定的查询和报表需求，它的技术核心是“维”这个概念，因此OLAP也可以说是多维数据分析工具的集合。,8,OLAP基本概念,变量：从现实系统抽象出来的，用于描述数据的实际含义，即描述数据“是什么”维：是与某一事件相关的因素在关系模型的抽象，是人们观察数据的特定角度。如产品维、顾客维、时间维等。维的层次性：是由观察数据细致程度不同造成的。如日、月、季、年是时间维的层次。维的取值：即维的成员。如“某年某月某日”是时间维的一个成员。,9,OLAP

4、基本概念,维的分类：按照一定的划分标准对维的所有取值集合的一个分类划分，用于数据钻取和聚合。如上半年、下半年是对时间维的划分。事实：不同维度在某个取值下的交叉点，是对事件的度量。如（牙膏，上海，1998年12月，批发，销售额为100000）多维数据立方体,10,维的例子,一个电子公司的销售一般从三个方面分析销售额：时间：在某一段时间内的销售情况，其度量为（年、季度、月、旬、天）地区：在某个地区的销售情况，度量可分为（地区、国家、省、市）产品：某类或某型号产品的销售情况，度量可分为（类别、型号等）此处，（时间，地区，产品）就构成了三个维。维有层次结构，可以在某个层上察看数据。,11,维的例子,地

5、区的层次,全国,江苏,北京,上海,苏州市,扬州市,宝应县,12,维的例子,正好构成一个数据立方体，可以有更高阶的维，但仍然称为数据立方体。,时间,地区,产品,原点,13,OLAP数据立方体的计算（物化）,数据立方体的个数有产品(type)、城市(city)、日期(date)三个维，则：,0-D（顶点）方体,1-D方体,2-D方体,3-D（基本）方体,14,OLAP数据立方体的计算（物化）,一般，若有n个维，则立方体个数是,(city,item,date),(city,item),(city,date),(item,date),(city),(item),(date),all,all 表示不对任

6、何维分组，这组形成了该数据立方体的方体格,15,OLAP数据立方体的计算（物化）,实际维上有分层，如（年、季度、月、星期、日），所以实际的立方体个数是极大的。所以，实时计算的工作量极大，但全部事先计算，则存储量又极大。方体的选择计算：不物化：即不预先计算任何“非基本”方体全物化：预先计算所有的方体部分物化：在整个可能的方体集中，有选择地物化一个适当的子集在OLAP中一般采用部分物化，应考虑三个因素:(1)确定要物化的方体子集；(2)利用查询处理时物化的方体；(3)在装入和刷新时，有效地更新物化的方体。,16,3.3 OLAP的数据模型,3.3.1 MOLAP数据模型3.3.2 ROLAP数据模

7、型3.3.3 MOLAP与ROLAP的比较3.3.4 HOLAP数据模型,17,3.3.1 MOLAP的数据模型,MOLAP是基于多维数据库存储方式建立的OLAP；表现为“超立方”结构，采用类似于多维数组的结构。例如，二维MDDB（数组，即矩阵）的数据组织见下表,18,3.3.2 ROLAP数据模型,ROLAP是基于关系数据库的OLAP。它是一个平面结构，用关系数据库表示多维数据时，采用星型模型。,19,3.3.3 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,20,1.数据存取速

8、度,ROLAP服务器需要将SQL语句转化为多维存储语句，临时“拼合”出多维数据立方体。因此，ROLAP的响应时间较长。MOLAP在数据存储速度上性能好，响应速度快。,21,2.数据存储的容量,ROLAP使用的传统关系数据库的存储方法，在存储容量上基本没有限制。MOLAP通常采用多平面叠加成立体的方式存放数据。MOLAP受操作系统平台中文件大小的限制，当数据量超过操作系统最大文件长度时，需要进行数据分割。多维数据库的数据量级难以达到TB 级(只能1020G）,22,3.多维计算的能力,MOLAP能够支持高性能的决策支持计算。ROLAP无法完成多行的计算和维之间的计算。,23,4.维度变化的适应性

9、,MOLAP增加新的维度，则多维数据库通常需要重新建立。ROLAP对于维表的变更有很好的适应性。,24,5.数据变化的适应性,当数据频繁的变化时，MOLAP需要进行大量的重新计算，甚至重新建立索引乃至重构多维数据库。在ROLAP中灵活性较好，对于数据变化的适应性高。,25,MOLAP VS ROLAP,26,3.3.4 HOLAP数据模型,HOLAP（Hybrid OLAP），即混和型OLAP介于MOLAP和ROLAP之间。在HOLAP中，对最常用的维度和维层次，使用多维数据表来存储，对于用户不常用的维度和数据，采用ROLAP星型结构来存储。HOLAP得宜于ROLAP的可伸缩性,和MOLAP的

10、快速计算。（如MS SQL SERVER)在HOLAP的多维数据表中的数据维度少于MOLAP中的维度表，数据存储容量也少于MOLAP方式。HOLAP在数据存取速度上又低于MOLAP。,27,3.4 OLAP的基本操作,数据切片：多维数据是由多个维度组成的，如果在某个维度上选定一个取值，则多维数据从n维下降成n-1维数据切块：将完整的数据立方体切取一部分数据而得到的新的数据立方体。数据钻取(下钻)：从较高的维度层次下降到较低的维度层次上来观察多维数据数据聚合(上卷)：对数据进行高层次综合的操作数据旋转：改变维度的位置关系，使最终用户可从其他视角来观察多维数据。,28,基本操作示例,以“城市、产品

11、、时间”三维数据为例，如下图,29,20,29,40,35,时间,产品,地区,一季度,二季度,三季度,四季度,北京,上海,南京,广州,VCD,手机,电脑,空调,69,（北京，二季度，电脑的销售额）,30,1.切片,对三维数据，通过“切片”，分别从产品和城市等不同的角度观察销售情况：,31,切片示例1,切片(slice)：地区=“北京”意义：北京地区四个季度空调、电脑、手机、VCD的销售金额,32,切片示例2,切片：产品=“空调”意义：空调产品在四个季度中各地区的销售金额,33,2.切块,（1）在多维数组的某一个维上选定某一区间的维成员的操作切块可以看成是在切片的基础上，确定某一个维成员的区间得

12、到的片段，也即由多个切片叠合起来。（2）选定多维数组的一个三维子集的操作在多维数组（维1，维2，维n，变量）中选定3个维，维i、维j、维k，在这3个维上分别取一个区间，或任意维成员，而其它维都取定一个维成员。,34,切块示例,分块(dice)：地区=“南京”AND“广州”产品“空调”AND“手机”,35,3.钻取,钻取有向下钻取（drill down）和向上钻取（drill up）操作。向下钻取是使用户在多层数据中能通过导航信息而获得更多的细节性数据。向上钻取获取概括性的数据。,36,下钻（drill_down)：按时间分到月、甚至天为单位,下钻,37,上卷（roll_up)：按时间上卷到半年为单位,20,29,40,35,时间,产品,地区,一季度,二季度,三季度,四季度,南京,广州,手机,空调,上卷,38,4.旋转,通过旋转可以得到不同视角的数据。旋转操作相当于平面数据将坐标轴旋转。例如，旋转可能包含了交换行和列，或是把某一个行维移到列维中去。或是把页面显示中的一个维和页面外的维进行交换（令其成为新的行或列中的一个）,39,旋转示意图,行列交换,旋转以改变显示布局,40,旋转示例,旋转前的数据旋转后的数据,