(精品)数据仓库入门

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,Data Warehouse overview,数据仓库管理的历史时期,人工管理方式：,这一时期是在20世纪50年代中期以前，这一阶段的计算机应用主要用于科学计算，外存只有纸带、磁带、卡片等，数据处理的方式基本上是批处理。这一时期数据管理的特点是：数据不保存；没有专用的数据管理软件，每个应用都必须自己完成存储结构、存取方法、输入输入输出等数据管理功能；一组数据对应一个应用，这使得程序之间可能有重复的数据。,文件系统管理,这一阶段在20世纪50年代后期至60年代中后期，计算机应用开始用于信息管理，由于数据存储、检索和维护等需求，使得相应的研究开展起来了，在硬件和软件方面都得到了发展，磁盘磁鼓出现，操作系统也产生。这一时期数据管理的特点主要是：,数据保存，数据可以长期保存在磁盘上；,有操作系统的文件管理系统，文件结构化，数据的物理结构和逻辑结构有了区别；,有了存储文件后，数据可以不再仅仅属于某一个应用，而能进行一定程度的复用。,但文件系统在数据管理方面存在缺陷，表现在数据冗余度大，数据和程序之间缺乏独立性，容易造成数据的不一致性。,数据库系统（60年代末开始）,数据仓库的发展的动力,业务需求驱动,主要是详细的分析,科学的经营,市场活动的细化和实施等,数据驱动,数据量不断扩大,没有数据仓库等相关技术很难全面了解企业,项目驱动,数据仓库定义,Inmon,的定义：,DataWarehouse,is a subject-,oriented,integrated,time,-variant,and nonvolatile collection of data in support of managements decision making process,数据仓库的特点,数据仓库的数据是面向主题的,数据仓库的数据是集成的,数据仓库的数据是与时间相关的,数据仓库的数据是稳定的,简单的数据仓库架构,数据仓库实际应用例子,数据集成,企业全面的经营数据,OLTP,分散在各个不同系统中（事件独立）,银行：卡、储蓄、信贷、会计、中间业务等等系统,BOSS,增值业务财务,集成数据,建立关联,事件关联（业务之间是相互关联）,客户数据统一,历史数据,大量历史数据的保存问题,中国建设银行一个中等规模的省产生每天的交易详细记录大约200,M,通常在业务系统中只保存当日数据,历史数据查询困难,数据仓库数据处理流程,数据格式检查,源数据清洁、抽取、转换,ODS,数据抽取、转换,装载数据到,DW,装载到,OLAP,报表展现,业务系统数据,/,外部数据,DW,数据抽取、转换,DW,数据生成报表,装载数据到,ODS,分析性查询,ETL,简述,ETL,定义,ETL:,Extract-Transform-Load,数据抽取（,Extract,）、转换（,Transform,）、装载（,Load,）的过程。,ETL,是,BI/DW,的核心和灵魂，按照统一的规则集成并提高数据的价值，是负责完成数据从数据源向目标数据仓库转化的过程，是实施数据仓库的重要步骤,ETL,应用过程,数据抽取,抽取主要是针对各个业务系统及不同网点的分散数据，充分理解数据定义后，规划需要的数据源及数据定义，制定可操作的数据源，制定增量抽取的定义。,(,数据源和文件等多种形式,),数据传输,数据传输是通过网络负责把远程的数据到本地目录下。,ETL,应用过程,数据的清洗和转换,转换主要是针对数据仓库建立的模型，通过一系列的转换来实现将数据从业务模型 到分析模型，通过内建的库函数、自定义脚本或其他的扩展方式，实现了各种复杂的 转换，并且支持调试环境，清楚的监控数据转换的状态。数据转换是真正将源数据变为目标数据的关键环节，它包括数据格式转，换数据类型转换、数据汇总计算、数据拼接等等。,清洗主要是针对系统的各个环节可能出现的数据二义性、重复、不完整、违反业务 规则等问题，允许通过试抽取，将有问题的纪录先剔除出来，根据实际情况调整相应 的清洗操作。,ETL,应用过程,数据加载入库,数据加载主要是将经过转换和清洗的数据加载到数据仓库里面，即入库，可以通过数据文件直接装载或直连数据库的方式来进行数据装载，可以充分体现高效性,ETL,调度,ETL,的调度控制方式有两种：,自动方式,由系统每天定时或准实时启动后台程序，自动完成数据仓库,ETL,处理流程。,手动方式,用户可以通过前台监控平台，对单个目标或批量目标进行手工调度。,ETL,应用过程,监控,主要是监控,ETL,的整个过程，通过扫描,ETL,各模块的日志中的关键值，如记录时间等信息与当前的状态作比较，如果超过某一个值，则认为该模块运行可能出现问提，应告警。,ETL,工具框架,OLAP,简述,OLAP&OLTP(on-line transaction processing),OLTP,OLAP,用户,操作人员,低层管理人员,决策人员,高级管理人员,功能,日常操作处理,分析决策,DB,设计,面向应用,面向主题,数据,当前的,最新的细节的,二维的分立的,历史的,聚集的,多维的集成的,统一的,存取,读/写数十条记录,读上百万条记录,工作单位,简单的事务,复杂的查询,用户数,上千个,上百个,DB,大小,100,MB-GB,100,GB-TB,什么是,OLAP,定义,1,：,OLAP(,联机分析处理,),是针对特定问题的联机数据访问和分析。通过对信息,(,维数据,),的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。,定义,2,：,OLAP(,联机分析处理,),是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。,(OLAP,委员会的定义,),OLAP,的目标,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。,相关基本概念,1.,维：,是人们观察数据的特定角度，是考虑问题时的一类属性，属性集合构成一个维,(,时间维、地理维等,),。,2.,维的层次：,人们观察数据的某个特定角度,(,即某个维,),还可以存在细节程度不同的各个描述方面,(,时间维：日期、月份、季度、年,),。,3.,维的成员：,维的一个取值。是数据项在某维中位置的描述。,(“,某年某月某日”是在时间维上位置的描述,),4.,多维数组：,维和变量的组合表示。一个多维数组可以表示为：,(,维,1,，维,2,，,，维,n,，,变量,),。,(,时间，地区，产品，销售额,),5.,数据单元,(,单元格,),：,多维数组的取值。,(2000,年,1,月，上海，笔记本电脑，,$100000),OLAP,特性,(1),快速性,:,用户对,OLAP,的快速反应能力有很高的要求。系统应能在,5,秒内对用户的大部分分析要求做出反应。,(2),可分析性,:,OLAP,系统应能处理与应用有关的任何逻辑分析和统计分析。,(3),多维性,:,多维性是,OLAP,的关键属性。系统必须提供对数据的多维视图和分析,包括对层次维和多重层次维的完全支持。,(4),信息性,:,不论数据量有多大，也不管数据存储在何处，,OLAP,系统应能及时获得信息，并且管理大容量信息。,OLAP,表现方式,钻取,改变维的层次，变换分析的粒度,向上钻取（,roll up）,和向下钻取（,drill down）,切片和切块,在一部分维上选定值后，关心度量数据在剩余维上的分布,如果剩余的维只有两个，则是切片；如果有三个，则是切块,旋转（,pivot）,旋转是变换维的方向，即在表格中重新安排维的放置（例如行列互换）,OLAP,的分析方法(,一)切片、切块,OLAP,的分析方法(二)钻取,按时间维向下钻取,按时间维向上钻取,60,OLAP,的分析方法(三)旋转,OLAP,分类,按照存储方式,OLAP,MOLAP,HOLAP,ROLAP,按照处理地点,Client OLAP,Server OLAP,OLAP,实现方法,ROLAP,数据存储：基于关系数据库,结构分类,事实表：,用来存储数据和维关键字,维度表：,每个维至少使用一个表来存放维的层次、成员类别等维的描述信息,数据模型,星型模式,雪花模式,MOLAP（Multidimensional OLAP）,数据存储：使用多维数组存储数据,基于多维数据组织的,OLAP,实现,以多维数据组织方式为核心,结构分类：,立方块（,Cube）,HOLAP（Hybrid OLAP）,数据存储：基于混合数据组织的,OLAP,实现,其他实现方法,OLTP,、,ROLAP,与,MOLAP,模式,ROLAP,的,星型模式(,Star Schema),事实表：用来存储事实的度量值和各个维的码值。,维 表：用来存放维的元数据（维的层次、成员类别等描述信息）。,Time_id,Sales Table,Discount%,Dollars,Units,Fact Table,Market_id,Product_id,Scenario,Product_id,Product Table,Size,Brand,Product_Desc,Dimension Table,Time_id,Year,Quarter,Period_Desc,Period Table,Dimension Table,Scenario Table,Actual,Profit,Scenario,Dimension Table,Market_id,Market Table,Region,District,Market_Desc,Dimension Table,MOLAP,的多维立方体,(,Multicube,),ROLAP,与,MOLAP,比较,ROLAP,优势,没有大小限制,现有的关系数据库的技术可以沿用,.,可以通过,SQL,实现详细数据与概要数据的存储,现有关系型数据库已经对,OLAP,做了很多优化，包括并行存储、并行查询、并行数据管理、基于成本的查询优化、位图索引、,SQL,的,OLAP,扩展,(cube,rollup),等大大提高,ROALP,的速度,MOLAP,优势,性能好、响应速度快,专为,OLAP,所设计,支持高性能的决策支持计算,复杂的跨维计算,多用户的读写操作,行级的计算,ROLAP,与,MOLAP,比较(续),ROLAP,缺点,一般比,MDD,响应速度慢,不支持有关预计算的读写操作,SQL,无法完成部分计算,无法完成多行的计算,无法完成维之间的计算,MOLAP,缺点,增加系统复杂度，增加系统培训与维护费用,受操作系统平台中文件大小的限制，难以达到,TB,级,(,只能,1020G),需要进行预计算，可能导致数据爆炸,无法支持维的动态变化,缺乏数据模型和数据访问的标准,OLAP,体系结构,ROLAP Architecture,MOLAP Architecture,SQL,Result,Set,Info.,Request,Result,Set,Database Server,R,DBMS,Front-end Tool,ROALP Architecture,ROLAP Server,Metadata,Request,Processing,SQL,Result,Set,Info.,Request,Result,Set,Load,Database Server,RDBMS,Front-end Tool,MOALP Architecture,MOLAP Server,Metadata,Request,Processing,OLAP,体系结构,(,续,),HOLAP Architecture,Result Set,OR,SQL Query,SQL,Result,Set,Info.,Request,Result,Set,Load,Database