数据仓库和数据库有什么区别
数据仓库是面向分析的,数据库是面向事务处理.
数据仓库的数据是基本不变得,而数据库的数据是由日常的业务产生的,常更新
数据仓库的数据一般有数据库的数据经过一定的规则转换得到得
数据仓库主要用来分析数据,一般是tb级的的数据,比如决策支持系统,数据挖掘等.
--------------------------关于数据仓库------------------------------------
一.概念
1.数据仓库:是指面向主题的,一致的,不同时间的,稳定的数据集合,用于支持经营管理中的决策支持过程。从广义上讲数据仓库是指存储大量历史数据的数据库。每一个记录代表特殊时间点上的一个数据。
它是一种把收集的各种数据转变成有商业价值的信息技术,并把收集的信息体现在报告中。包括收集数据,过滤数据,存储数据,之后把数据应用于分析、报告等应用程序。
2.数据仓库目标:确认数据结构,寻找趋势,辅助决策,为经营管理提供决策信息。
3..DSS:决策支持过程。
4.数据仓库组成部分:数据市场,关系型数据库,数据源,数据准备,种服务工具
5.维度:
6.多维:
7.聚合:获取并集中一个群体或总和的结构.聚合是在一个多维层次内移动数据的概念.
9.类别:为类别和区分特定数据而分类的,在一个维度内,为提供详细分类系统而定义的分类.
10.详细类别:一个维度内最底层的分类.
11.分解与合成:
12.指标量:
13.OLAP:联机分析
14.OLTP联机事务处理
二.数据模型规范化
1. 概念:
规范化:是一个正规的方法,它应用一套规则使属性和实体相关联。
实体:是一个主要的数据对象,对用户至关重要。它通常是将被记录在数据库中的一个人、一个地点、一样东西或者一件事情。
属性:实体包括属性,属性就是特征,修饰成分、质量、数量或者特性。
范式:规范化由几个能够减少褓以获得更满意的物理我的步骤组成,这些步骤称为范式。
第一范式:一个不包含重复列的表归于第一范式。
第二范式:如果一个表归于第一范式且只包含依赖于主键的列,则归于第二范式。
第三范式:如果一个表归于第二范式且只包含那些非传递性地依赖于主键的列,则归于第三范式。
二.信息需求建模:
1.自上而下建模方法:利用具体数据元素,将这些元素组织到各个维度与指标中,
2.自下而上建模方法:从用户的观点设计,优点是设计者可以转纸一个通常主题或商务领域运
3.开发. 是自上而下与自下而上的方法的结合.
4.举例:销售收入应从预算和实际等角度表示.
指标:产品销售的实际收入,产品销售的预算收,产品销售的估计收
维度:已经销售的产品.
三.设计数据仓库,经常询部用户的几个问题?
1.用户所在部门承担的任务
2.用户在部门中承担的任务
3.为完成任务,用户需哪些报表
4.目前从何处获取这些信息?
5.得到信息如何处理?
6.信息是应用户需要产生的,还是在定期报表中产生的?
7.用户把信息输入到过工作表中吗?以便进一步分析吗?
8.怎样处理这些信息才算及时?
四.建立多维数据模型
要建立多维数据库:
1. 选择用来分析被建模主题的商业过程。
建模主题:比如想通过产品线和地区分析消费者的购买倾向来制订市场策略,此时数据模型主题就是“销售”。
2. 确定事实表的粒度。
事实表粒度通常代表每一个相关维的最底层。选择以“天”为粒度,就表示“时间维”中的每一记录代表一天。
3. 区分每一个事实表的维和层。
已定义的粒度与维相关。
4. 区分事实表的度量。
度量不仅包括数据本身,而且包括你从已存在的数据计算得到的新值。当设计数据模型时,必须做出决策:是否储存事实表里的计算结果或在运行阶段获得这些值。如:比值。
5. 确定每一个维表的属性。
一般情况下,定义的每一个维表属性的数量,应该保持最小。
6. 让用户验证数据模型。
参考:http://topic.csdn.net/t/20010917/16/290622.html