第十七課--數據倉庫和數據集市數據倉庫和數據集市目標什么是數據倉庫數據倉庫系統體系結構操作數據庫與數據倉庫的區別維度建模的相關概念維度建模的基本步驟數據集市數據倉庫的定義數據倉庫（DataWarehouse）是一個面向主題的（SubjectOriented）、集成的（Integrated）、相對穩定的（Non-Volation）、反映歷史變化（TimeVariant）的集合數據，用于支持管理決策和信息的全局共享。面向主題的數據倉庫是面向不同的主題域進行組織。一個主題通常與多個操作型信息系統相關。集成的數據倉庫中的數據是在對原有分散的數據庫數據抽取、清理的基礎上經過系統加工、匯總和整理得到的，必須消除源數據中的不一致性，以保證數據倉庫內的信息是關于整個企業的一致的全局信息。相對穩定的數據倉庫中一般有大量的查詢操作，但修改和刪除操作很少，通常只需要定期的加載、刷新。反映歷史變化的數據倉庫中的數據通常包含歷史信息，系統記錄了企業從過去某一時點（如開始應用數據倉庫的時點）到目前的各個階段的信息，通過這些信息，可以對企業的發展歷程和未來趨勢做出定量分析和預測。數據倉庫系統體系結構數據倉庫系統體系結構數據源數據存儲及管理OLAP引擎前端工具操作數據庫與數據倉庫的區別操作數據庫系統的主要任務是聯機事務處理OLTP。數據倉庫在數據分析和決策方面為用戶提供服務,這種系統稱為聯機分析處理OLAP。維度建模的相關概念數據倉庫數據集市事實維度數據挖掘維度建模的相關概念分析空間數據倉庫中一定量的數據，用于進行數據挖掘以發現新信息同時支持管理決策。切片一種用來在數據倉庫中將多個維度中的分析空間限制為數據子集的技術。星型模型一種使用關系數據庫實現多維分析空間的模型。雪花模型不管什么原因，當星型模型的維度需要進行規范化時，星型模型就演化為雪花模型。多維數據模型一種非規范化的關系模型。由一組屬性構成的表所組成。表跟表之間的關系通過關鍵字和外鍵來定義。以良好的可理解性和方便的產生報表來進行數據組織，很少考慮修改的性能。通過SQL或者相關的工具實現數據的查詢和維護。多維數據模型數據倉庫和OLAP工具基于多維數據模型,該模型將數據看作數據立方體形式。數據立方體允許以多維對數據建模和觀察。一個具有x、y、z維度的方塊

多維數據模型的組成維事實數據立方體多維數據模型舉例關系表與多維Cube多維建模技術星型和雪花模式是主要的存在形式。星型模式包含一個大的包含大批數據的事實表和一系列維表。雪花模式是星型模式的變種,不同的是將某些維表規范化。定單號...日期標識..定單號定貨日期日期標識日月事實表定貨表日期表星型模式維表進一步層次化，改善查詢性能，增加表數量，增加查詢復雜性。定單號...日期標識..定單號定貨日期日期標識日月事實表定貨表日期表月年年雪花模式事實表每一個事實表通常包含了處理所關心的一系列的度量值。每一個事實表的行包括：具有可加性的數值型的度量值。文本事實通常具有不可預見的內容，很難進行分析。與維表相連接的外鍵。通常具有兩個和兩個以外的外鍵。外鍵之間表示維表之間多對多的關系。事實表事實表的特征非常大包含幾百幾千條甚至幾萬、幾十萬的記錄。內容相對的窄列數較少經常發生變化現實世界中新事件的發生-〉事實表中增加一條記錄。典型情況下，僅僅是數據的追加。事實表的使用各類度量值的聚類計算維表每一張維表對應現實世界中的一個對象或者概念。例如：客戶、產品、日期、地區、商場維表的特征包含了眾多描述性的列維表的范圍很寬（具有多個屬性）通常情況下，跟事實表相比，行數相對較少通常<10萬條內容相對固定幾乎就是一類查找表任務一：設計Northwind數據庫的星型模型解題步驟定義OLAP的數據集市：包括使用星型模型或雪花模型。事實的選擇：通過事實表的共有特性及四種常見樣式來選擇適當的事實種類。四種常見的事實樣式為：事務事實、快照事實、線性項目事實、事件/狀態事實。維的創建。聚合體的設計。任務一：設計Northwind數據庫的星型模型設計分析OLAP數據來源：Northwind數據庫共有8個表，分別是Orders、OrderDetails、Customers、Products、Categories、Employe es、Shippers及Suppliers。Time_Dim時間維Northwind銷售系統的日期以Orders的出貨日為事實的時間，因此產生一個Time_Dim。任務一：設計Northwind數據庫的星型模型設計分析事實表的主軸：Orders和OrderDetails兩個表的連接。OrderDetails中包括了數值字段：UnitPrice、Quantity及Discount。可以推算出事實所需要的度量值：運費、銷售金額、銷售數量和折扣。四個維表Customer_Dim、Product_Dim、Employee_Dim及Shipper_Dim的確定。Orders及OrderDetails兩個表中的外部鍵有CustomerID、ProductID、EmployeeID及ShipperID。任務一：設計Northwind數據庫的星型模型設計分析Product_Dim具有一個分層結構：產品類別，并且采用的是合并維分層結構。Northwind數據庫Categories的CategoriesID與Products的Cate goriesID是一對多的關系，因此可以通過連接將Categories的CategoriesName合并到Product_Dim中。Northwind數據庫Suppliers的SupplierID與Products的Supplier ID是一對多的關系，因此可以通過連接將Suppliers的Comp anyName合并到Product_Dim的供應商中。任務一：設計Northwind數據庫的星型模型設計實施建立Sales_Fact事實表主鍵是由時間序號、客戶序號、發貨人序號、產品序號及員工序號共同組成一個多值鍵，并且這幾個字段的值都是來自維表的外部鍵。任務一：設計Northwind數據庫的星型模型設計實施建立Time_Dim維表。時間序號，是一個由標識(Identity)生成的代理鍵。出貨日，即Orders的ShippedDate。幾乎所有的數據倉庫中均包含時間維。數據倉庫是反映歷史變化的允許針對歷史的數據進行分析典型的粒度：eachrow=1day任務一：設計Northwind數據庫的星型模型設計實施建立Customer_Dim維表客戶序號，是一個由標識生成的代理鍵。其他字段都是由Customers這個表來產生。任務一：設計Northwind數據庫的星型模型設計實施建立Product_Dim維表。產品序號，是一個由標識生成的代理鍵。Product_Dim有一個分層結構：產品類別，并且采用的是合并維分層結構。所以產品類別這個字段從Categories的ProductID與Products的ProductID連接而來。其他字段都是由Products這個表來產生。任務一：設計Northwind數據庫的星型模型設計實施建立Employee_Dim維表。員工序號，是一個由標識生成的代理鍵。員工姓名：由DTS的ActiveXScript將Northwind數據庫中的Employees這個表的lastname與firstname合并而成。年齡及年薪由Employees這個表的BirthDate、HireDate產生。年齡層及年薪層是基于分析便利而產生的統計組，當數據由OLTP轉換到OLAP時，由DTS的ActiveXScript來負責做建立分組的動作。其他字段都是由Employees這個表來產生。任務一：設計Northwind數據庫的星型模型設計實施建立ShipperDim這個維表發貨人序號，是一個由標識生成的代理鍵。其他字段都是由Shippers這個表來產生。任務一：設計Northwind數據庫的星型模型將五個維表Time_Dim、Customer_Dim、Product_Dim、Employee_Dim及Shi