當前位置：首頁 > 运维知识 > windows >内容正文

windows

【DBMS 数据库管理系统】数据仓库 ( 数据仓库简介 | 操作型数据与分析性数据对比 | 数据仓库特征 | 特征一 : 面向主题组织数据 | 面向应用 | )

發布時間：2025/6/17 windows 24 豆豆

文章目錄

一、數據倉庫簡介
二、操作型數據與分析型數據對比
三、數據倉庫特征與定義
四、特征一 : 面向主題數據組織方式
五、面向應用數據組織方式
六、面向主題組織數據
七、數據從面向應用轉為面向主題
七、數據倉庫中的主題實現
八、基于關系數據庫
九、面向主題的數據組織

一、數據倉庫簡介

數據倉庫簡介 :

用途 : 作為 DSS ( Decision Support System 決策支持系統 ) 服務基礎的分析型數據庫 ;
數據 : 用于存儲大量的只讀數據 ;
應用場景 : 為管理者決策提供相關信息 ;

數據倉庫與操作系統分離 , 基于標準的企業模型集成 , 帶時間屬性 , 面向主題 , 不可更新的數據集合 ;

二、操作型數據與分析型數據對比

操作型數據分析型數據

① 數據粒度	細節的	綜合的
② 數據時效	存儲瞬間準確	過去的歷史數據
③ 是否只讀	可更新	不可更新
④ 需求可知	操作時實現知道需求	操作時事先不知道需求
⑤ 生命周期	生命周期符合 SDLC	完全不同的生命周期
⑥ 性能要求	性能要求高	性能要求低
⑦ 操作大小	同一時刻操作一個單元的數據	同一時刻操作一個集合的數據
⑧ 數據大小	單詞操作數據量小	單詞操作數據量大
⑨ 驅動力量	事務驅動	分析驅動
⑩ 具體用途	面向應用	面向分析
? 應用場景	支持日常操作	支持管理需求

三、數據倉庫特征與定義

數據倉庫特征 :

面向主題
集成
不可更新
隨時間不斷變化

數據倉庫定義 : 數據倉庫是用于更好地支持企業 / 組織決策分析處理 , 面向主題的 , 集成的 , 不可更新的 , 隨時間不斷變化的數據集合 ;

四、特征一 : 面向主題數據組織方式

主題 :

主題是一個抽象 : 使用該抽象 , 在較高層次上 , 將企業信息系統中的數據 , 進行綜合 , 歸類 , 并進行分析利用 ;
邏輯意義 : 企業中某個宏觀分析領域涉及的分析對象 ;

較高層次 :

層次較高 : 相對于面向應用的數據組織方式 , 層次較高
抽象級別 : 按照主題進行數據組織方式 , 數據的抽象級別較高

面向主題數據組織方式特點 :

描述 : 對分析對象的數據的 , 完整的 , 一致的 , 描述 ;
內容 : 完整 , 統一 , 刻畫 , 各個分析對象 , 涉及的數據 , 及數據對象之間的關系 ;

五、面向應用數據組織方式

面向應用數據組織方式特點 :

調查收集需求 : 需要詳細調查企業中相關組織 , 部門 , 收集數據庫基礎數據 , 及數據的處理過程 ; ( 這是在需求分析階段進行的工作 )
組織數據依據 : 反映企業內部的組織結構 , 業務活動特點 ;
數據組織本質 : 反映組織 , 部門 , 內部數據動態特征 , 每個部門的業務處理的 : 輸入 , 處理 , 輸出 , 的數據
數據組織方式 : 按實際應用的業務處理流程組織 ;
數據組織目的 : 提供 OLTP 業務處理的速度 , 和準確性 ;
存儲介質改變 : OLTP 應用只是將傳統的業務活動 , 從紙質介質 , 轉為電子信息 , 系統中的數據與現實中被替代的紙質文檔對應 ;

上述 OLTP 面向應用的數據組織 , 數據 , 與數據處理是分開的 , 一個客觀實體的數據 , 與不同的應用場景捆綁 , 無法統一 , 分散存儲在不同的表中 , 如商品信息 , 分別存儲在采購子系統 , 銷售子系統 , 庫存子系統中 , 數據被分開存儲 ;

面向應用數據組織方式缺點 : 數據抽象程度太低 , 數據與應用沒有分離 ;

引入數據倉庫 : 應該將數據從數據處理中抽象出來 , 組成和具體應用獨立的數據倉庫 ;

面向應用數據組織方式優點 :

操作性好 : 將數據庫與企業的業務邏輯對應 , 可操作性高 ;
方便轉換 : 方便企業將原有的紙質業務 , 轉為計算機處理的業務 ;
支持 OLTP 應用

六、面向主題組織數據

面向主題組織數據步驟 :

① 抽取主題 : 按照 OLAP 數據分析的要求 , 確定抽取的主題 ;

② 主題內容 : 確定該抽取的主題 , 包含的數據內容 ;

主題抽取示例 :

主題 : 商場的商品采購 ;

OLTP 數據 : 在 OLTP 數據庫中 , 存儲有訂單 , 訂單詳情 , 供應商 , 等數據庫表 , 清晰的展示了商品采購時所涉及業務的數據內容 , 上述數據的組織方式是面向應用數據組織方式 ;

OLAP 數據需求 :

分析對象 : 在數據倉庫中 , 需求是分析供應商的詳細數據 , 通過數據分析處理 , 選出優質供應商 , 供應商是主要的分析對象 ;
忽略數據 : 具體的訂單情況 , 清單詳情 , 是需要忽略的 , 數據分析時 , 不需要分析采購的具體細節 , 如送貨周期 , 送貨時間 , 交接人員等 , 這些都是操作型數據 , 分析時不需要關心這些細節數據 ;
數據組合 : 只抽取供應商的數據是不夠的 , 還需要其它數據庫中的部分數據 , 有些數據需要丟棄 , 有些數據需要抽取 , 重新組合成新的數據 ;

針對與商場 , 面向主題創建數據倉庫 , 抽取出如下三個主題 : ① 商品 , ② 供應商 , ③ 顧客 ;

將 $4$ 個子系統 , 轉為了 $3$ 個主題 ;

OLTP 子系統 : 固有信息 , 采購子系統 , 銷售子系統 , 庫存子系統 ;
OLAP 主題 : 商品 , 供應商 , 顧客 ;

以 “商品” 主題為例 : 商品主題包含以下數據 :

商品本身信息 : 商品號 , 商品價格 , 商品顏色 ; ( 從商品固有信息中抽取 )
商品采購信息 : 商品號 , 供貨商 , 采購價格 ; ( 從采購子系統中抽取 )
商品銷售信息 : 商品號 , 零售價 , 顧客信息 ; ( 從銷售子系統中抽取 )
商品庫存信息 : 商品號 , 庫存量 , 保存時間 ; ( 從庫存子系統中抽取 )

七、數據從面向應用轉為面向主題

數據從面向應用轉為面向主題轉換過程 :

1 . 丟棄數據 : 一些與分析對象無關的信息 , 直接丟棄 ;

2 . 組織數據 : 與分析對象有關的信息 , 可能分布與各個子系統中 , 將這些數據重新組織起來 , 形成針對該分析對象的完整描述 , 放入一個主題中 ;

3 . 內容重疊 : 主題間可能存在內容重疊 , 這些重疊的信息反映了主題之間的聯系 ;

邏輯重疊 : 主題邏輯上的重疊 , 區別于相同的數據的物理存儲重疊 ;
細節重疊 : 數據在不同的主題上綜合方式不同 ;
重疊方式 : 主題間的重疊可能是多重重疊 , 如 $3$ 個主題間相互重疊 , 不是兩兩重疊 ;

七、數據倉庫中的主題實現

數據倉庫中的主題實現有兩種方式 :

① 基于多維數據庫 : 以多維數組的形式存儲 ; ( 處理數據稀疏問題 )
② 基于關系數據庫 : 以表的形式存儲 ;

八、基于關系數據庫

"主題" 基于關系數據庫 :

主題數據組成 : 用一組關系數據庫中的關系表中的數據表示主題 ;
公共碼鍵 : 每個關系表都有一個公共碼鍵作為主屬性 , 就是 id ;
主題數據聯系方式 : 主題下的關系表數據 , 使用公共碼鍵進行關聯 ;

公共碼鍵示例 :

"商品" 主題 : 以商品主題為例 ;
公共碼鍵 : 商品號 , 在所有的商品主題下的表中 , 都帶有公共碼鍵 , 商品號 ;
商品表 : 商品號 , 商品名稱 , 顏色 , 形狀 , 零售價 , …
采購表 : 商品號 , 供應商 , 采購日期 , 進貨價 , …
庫存表 : 商品號 , 庫存量 , 庫存時間 , …

主題中關系表的存儲 :

低頻訪問數據存儲 : 不經常訪問的數據 , 如歷史數據 , 細節數據等查詢概率低的數據 , 放在普通磁盤中存儲 ;
高頻訪問數據存儲 : 經常訪問的數據 , 放在高速訪問存儲設備中 , 如固態硬盤 ;

九、面向主題的數據組織

主題域 : 主題域是完備的分析領域 , 需要具備以下兩個特征 ;

獨立性 : 主題域必須有獨立的主題 , 有明確的界限 , 表示某數據屬于 / 不屬于該主題 ;
完備性 : 主題中包含的主題對象的數據必須完整 , 分析處理所用到的數據 , 都包含在該主題中 ;

主題數據組織是在較高層級對數據進行抽象 ; 主題數據組織獨立于數據處理邏輯 ; 在該主題數據基礎上 , 可以快速開發新的 OLAP 應用 ;

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇：【DBMS 数据库管理系统】数据库 -＞
下一篇：【DBMS 数据库管理系统】数据仓库特征