第四章在線分析處理OLAP1聯(lián)機分析處理（OLAP）4.1從OLTP到OLAP4.2OLAP的特征及衡量標(biāo)準(zhǔn)4.3OLAP實施4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)4.6兩種技術(shù)間的比較2聯(lián)機分析處理（OLAP）決策支持中的典型問題：

東部地區(qū)和西部地區(qū)今年6月份和去年6月份在銷售總額上的對比情況，并且銷售額按10萬-20萬、20萬-30萬、30萬-40萬，以及40萬以上分組特點：多角度多層次訪問大量數(shù)據(jù)快速回答3

4.1從OLTP到OLAP

4.1.1OLAP的出現(xiàn)4.1.2什么是OLAP4.1.3OLTP和OLAP的關(guān)系及比較4

4.1.1OLAP的出現(xiàn)1970年，E.F.Codd博士提出了關(guān)系數(shù)據(jù)模型，1979年Oracle發(fā)布了關(guān)系數(shù)據(jù)庫管理系統(tǒng)OLTP推動了業(yè)務(wù)處理自動化，積累了大量的數(shù)據(jù)51993年，E.F.Codd提出了OLAP的概念，利用專門的數(shù)據(jù)綜合引擎和直觀的數(shù)據(jù)訪問界面，使得系統(tǒng)能在很短的時間內(nèi)響應(yīng)用戶的復(fù)雜查詢Arborsoft發(fā)布了OLAP軟件

4.1.1OLAP的出現(xiàn)6

4.1從OLTP到OLAP

4.1.1OLAP的出現(xiàn)4.1.2什么是OLAP4.1.3OLTP和OLAP的關(guān)系及比較7

4.1.2什么是OLAPOLAP（聯(lián)機分析處理）是針對特定問題的聯(lián)機數(shù)據(jù)訪問和分析——通過對信息（這些信息已經(jīng)從原始的數(shù)據(jù)進行了轉(zhuǎn)換，以反映用戶所能理解的企業(yè)的真實的“維”）的很多種可能的觀察形式進行快速、穩(wěn)定一致和交互性的存取，使管理決策人員對數(shù)據(jù)進行深入觀察8

基本概念

變量變量是數(shù)據(jù)的實際意義，即描述數(shù)據(jù)＂是什么＂例如：“人數(shù)”、“單價”、＂銷售量＂等都是變量數(shù)據(jù)＂10000＂沒有意義/意義未定變量是一個數(shù)值度量指標(biāo)數(shù)據(jù)＂10000＂是變量的一個值9

維維是人們觀察數(shù)據(jù)的特定角度時間維、地理維

維的層次人們觀察數(shù)據(jù)的某個特定角度（即某個維）還可以存在細(xì)節(jié)程度不同的多個描述方面，我們稱這多個描述方面為維的層次。時間維：日期、月份、季度、年等是時間維的層次地理維：城市、地區(qū)、國家等是地理維層次

基本概念（續(xù)）10

維成員維的一個取值稱為該維的一個維成員如果一個維是多層次的，那么該維的維成員是在不同維層次的取值的組合時間維具有日期、月份、年這三個層次分別在日期、月份、年上各取一個值組合起來——時間維的一個維成員—＂2000年11月11日＂＂2000年10月＂、＂3月8日＂、＂1999年＂

維成員是一個數(shù)據(jù)項在某維中位置的描述如：銷售數(shù)據(jù)，＂2000年5月8日＂的銷售數(shù)據(jù)基本概念（續(xù)）11

多維數(shù)組

一個多維數(shù)組可以這樣來表示：（維1，維2，···,維n，變量）。如日用品銷售數(shù)據(jù)的多維數(shù)組：（地區(qū)，時間，銷售渠道，銷售額）（地區(qū)，時間，銷售渠道，產(chǎn)品，銷售額）

基本概念（續(xù)）12

銷售額(萬元)銷售渠道

北京

地區(qū)

零售

批發(fā)

1234時間（月）圖6-1按銷售渠道、時間和地區(qū)組織日用品銷售數(shù)據(jù)

基本概念（續(xù)）13

數(shù)據(jù)單元（單元格）多維數(shù)組的取值稱為數(shù)據(jù)單元（維1維成員，維2維成員

，···,維n維成員，變量的值）數(shù)據(jù)單元：（北京，1997年1月，批發(fā)，10000)

基本概念（續(xù)）14

多維分析是指對以多維形式組織起來的數(shù)據(jù)采取切片、切塊、旋轉(zhuǎn)等各種分析動作，以求剖析數(shù)據(jù)，使最終用戶能從多個角度、多側(cè)面地觀察數(shù)據(jù)庫中的數(shù)據(jù)，從而深入地了解包含在數(shù)據(jù)中的信息、內(nèi)涵

多維分析的基本分析動作15

切片（Slice)

定義1：在多維數(shù)組的某一維上選定一維成員的動作稱為切片，即在多維數(shù)組（維1，維2，···,維n，變量）中選一維：維i,并取其一維成員（設(shè)為＂維成員vi＂)，所得的多維數(shù)組的子集（維1，···,維成員vi，···，維n，變量）稱為在維i上的一個切片。

多維分析的基本分析動作16

例如：（地區(qū)，時間，產(chǎn)品，銷售額）在時間維上選定一個維成員（設(shè)為＂1997年1月＂）在時間維上的一個切片這樣切片的數(shù)目取決于時間維上維成員的個數(shù)。

按照定義1，一次切片一定使原來維數(shù)減1，所以所得的切片并不一定是二維的＂平面＂

多維分析的基本分析動作17

定義2：選定多維數(shù)組的一個二維子集的動作叫作切片，多維數(shù)組（維1，維2，···,維n，變量）在維i和維j取某一區(qū)間或任意維成員，而將其余的維都取定一個維成員，則得到的就是多維數(shù)組在維i和維j上一個二維子集，我們稱這個二維子集為多維數(shù)組在維i和維j上的一個切片，表示為（維i，維j，變量）。

多維分析的基本分析動作18

1997年1月產(chǎn)品銷售情況時間維地區(qū)維產(chǎn)品維產(chǎn)品維地區(qū)維產(chǎn)品銷售情況選定兩個維：產(chǎn)品維和地區(qū)維數(shù)據(jù)切片

圖6-2切片

選定時間維的維成員＂1997年1月＂多維分析的基本分析動作19

按照定義2，不管原來的維數(shù)有多少，數(shù)據(jù)切片的結(jié)果一定是一個二維的＂平面＂

從定義1可以得出：

維是觀察數(shù)據(jù)的角度，那么切片的作用或結(jié)果就是舍棄一些觀察角度，使人們能在幾個維上集中觀察數(shù)據(jù)

對于維數(shù)較多的多維數(shù)據(jù)空間，數(shù)據(jù)切片是十分有意義的多維分析的基本分析動作20

切片的這兩個定義聯(lián)系：對于一個n維數(shù)組，按定義1進行的n-2切片的結(jié)果，就必定對應(yīng)于按定義2進行的某一次切片的結(jié)果。

多維分析的基本分析動作21

切塊(Dice)定義1：在多維數(shù)組的某一維上選定某一區(qū)間的維成員的動作稱為切塊，即限制多維數(shù)組的某一維的取值區(qū)間。顯然，當(dāng)這一區(qū)間只取一個維成員時，即得到一個切片（定義1）。多維分析的基本分析動作22

定義2：選定多維數(shù)組的一個三維子集的動作稱為切塊。即選定多維數(shù)組（維1，維2，···,維n，變量）中的三個維：維i、維j和維r，在這三個維上取某一區(qū)間或任意的維成員，而將其余的維都取定一個維成員，則得到的就是多維數(shù)組在維i、維j和維r上一個三維子集，我們稱這個三維子集為多維數(shù)組在維i、維j和維r上的一個切塊，表示為（維i，維j，維r，變量）切塊與切片的作用與目的是相似的切塊由多個切片疊合起來多維分析的基本分析動作23

切塊由多個切片疊合起來如果將時間維上的取值設(shè)定為一個區(qū)間（例如?。?997年1月至1997年10月＂），就得到一個數(shù)據(jù)切塊它由1997年1月至1997年10月的十個切片疊合而成

旋轉(zhuǎn)行和列交換多維分析的基本分析動作24

時間維產(chǎn)品維產(chǎn)品維時間維行列交換(a)將某行維換向列維地區(qū)

北京

上海

地區(qū)

北京

上海

時間

產(chǎn)品

銷售量

銷售量

時間

第一季度

第二季度.......

產(chǎn)品

第一季度

：

第二季度

：

(b):

：

:多維分析的基本分析動作25

圖6-3:旋轉(zhuǎn)地區(qū)維時間維產(chǎn)品維產(chǎn)品維時間維地區(qū)維旋轉(zhuǎn)以改變頁面顯示

(c)OLAP的多維數(shù)據(jù)的位置：1.作為數(shù)據(jù)倉庫的一部分2.作為數(shù)據(jù)倉庫工具層的一部分多維分析的基本分析動作26

4.1從OLTP到OLAP

4.1.1OLAP的出現(xiàn)4.1.2什么是OLAP4.1.3OLTP和OLAP的關(guān)系及比較27

4.1.3OLTP和OLAP的關(guān)系及比較

OLTP數(shù)據(jù)

OLAP數(shù)據(jù)

原始數(shù)據(jù)

導(dǎo)出數(shù)據(jù)

細(xì)節(jié)性數(shù)據(jù)

綜合性或提煉性數(shù)據(jù)

當(dāng)前值數(shù)據(jù)

歷史數(shù)據(jù)

可更新

不可更新但周期性刷新

一次處理的數(shù)據(jù)量小

一次處理的數(shù)據(jù)量大面向應(yīng)用，事務(wù)驅(qū)動

面向分析，分析驅(qū)動

面向操作人員，支持日常操作

面向決策人員，支持管理需要28聯(lián)機分析處理（OLAP）4.1從OLTP到OLAP4.2OLAP的特征及衡量標(biāo)準(zhǔn)4.3OLAP實施4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)4.6兩種技術(shù)間的比較29

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

1993年,E.F.Codd提出《

ProvidingOLAP(On_LineAnalyticalProcessing)toUser-Analysts》E.F.Codd曾提出：

關(guān)系數(shù)據(jù)庫十二條準(zhǔn)則分布式數(shù)據(jù)庫十二條準(zhǔn)則

30

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

十二條準(zhǔn)則意義：OLAP產(chǎn)品的識別衡量標(biāo)準(zhǔn)發(fā)展方向314.2OLAP的特征及衡量標(biāo)準(zhǔn)Codd

認(rèn)為關(guān)系數(shù)據(jù)庫從一開始就未打算提供強大的數(shù)據(jù)合成、分析能力（或者說多維數(shù)據(jù)分析的能力），這些功能總是由各類前端工具來完成，它們與關(guān)系數(shù)據(jù)庫相輔相成，因此RDBMS仍然是當(dāng)今最適合企業(yè)數(shù)據(jù)管理的技術(shù)。Codd所指的這些前端工具即指OLAP類產(chǎn)品。32九十年代初期E.F.Codd提出了OLAP的概念、特征，同時給出了OLAP產(chǎn)品評價的12條基本準(zhǔn)則。至今OLAP的概念已經(jīng)在商業(yè)數(shù)據(jù)庫領(lǐng)域得以廣范使用，OLAP的特征也得到了驗證和確認(rèn)。作為一個原則——OLAP產(chǎn)品應(yīng)能支持OLAP所具有的特征，已經(jīng)得到廣泛任可。從實踐中來看，這１２條準(zhǔn)則可以作為評價和購買OLAP產(chǎn)品的標(biāo)準(zhǔn)，并對其中的一些實現(xiàn)作了進一步的論述。4.2OLAP的特征及衡量標(biāo)準(zhǔn)33

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

準(zhǔn)則１O(jiān)LAP模型必須提供多維概念視圖從用戶分析員的角度來看，整個企業(yè)的視圖本質(zhì)上是多維的，因此OLAP的概念模型也應(yīng)是多維的。企業(yè)決策分析的目的不同，決定了分析和衡量企業(yè)的數(shù)據(jù)總是從不同的角度來進行的，所以企業(yè)數(shù)據(jù)空間本身就是多維的。

344.2OLAP的特征及衡量標(biāo)準(zhǔn)354.2OLAP的特征及衡量標(biāo)準(zhǔn)這種多維模型可以使最終分析以比單一維模型更簡單、直觀的方式操縱多維數(shù)據(jù)。例如：通過對多維數(shù)據(jù)模型進行“切片和切塊”和維旋轉(zhuǎn)就可以輕松地完成傳統(tǒng)的操作方法必須用極大的時間和代價才能完成的工作。36

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

準(zhǔn)則２透明性準(zhǔn)則

讓技術(shù)、

后臺的數(shù)據(jù)存儲庫、計算體系結(jié)構(gòu)和元數(shù)據(jù)的不同本質(zhì)對全部用戶透明；

這種透明度支持真正的開放系統(tǒng)方法，有助于通過一些用戶熟悉的前臺工具來提高用戶的工作效率和生產(chǎn)率。37

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

準(zhǔn)則３存取能力準(zhǔn)則存取分析多種數(shù)據(jù)源：關(guān)系數(shù)據(jù)庫非關(guān)系數(shù)據(jù)庫外部存儲的數(shù)據(jù)要求OLAP：

將概念視圖映射到異質(zhì)的數(shù)據(jù)存儲上能訪問數(shù)據(jù)并執(zhí)行所需轉(zhuǎn)換提供單一、完整、連續(xù)的用戶視圖38

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

準(zhǔn)則４穩(wěn)定的報表性能

數(shù)據(jù)維數(shù)和數(shù)據(jù)的綜合層次增加，最終分析員的報表能力和響應(yīng)速度不降低

這對維護OLAP產(chǎn)品的易用性和低復(fù)雜性至關(guān)重要

39

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

準(zhǔn)則５客戶/服務(wù)器體系結(jié)構(gòu)數(shù)據(jù)倉庫服務(wù)器OLAP服務(wù)器前端的展現(xiàn)工具實現(xiàn)與基層運營的數(shù)據(jù)庫系統(tǒng)的連接完成數(shù)據(jù)一致和數(shù)據(jù)共享工作具有強大的處理能力，負(fù)責(zé)數(shù)據(jù)的存儲與管理。直接面向用戶，側(cè)重于實現(xiàn)簡單的應(yīng)用邏輯和用戶界面。40

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

準(zhǔn)則５，與透明性準(zhǔn)則（準(zhǔn)則2），存取能力準(zhǔn)則（準(zhǔn)則3）是相互吻合的準(zhǔn)則６維的等同性準(zhǔn)則每一數(shù)據(jù)維在數(shù)據(jù)結(jié)構(gòu)和操作能力上是等同的維上的操作是公共的是準(zhǔn)則1的補充，是對維的基本結(jié)構(gòu)和維上的操作的要求

41

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

準(zhǔn)則７動態(tài)的稀疏矩陣處理準(zhǔn)則（最重要的準(zhǔn)則之一）

可以創(chuàng)建和加載一個特定的分析模型，用來優(yōu)化稀疏矩陣處理，并使物理視圖適應(yīng)這個模型。

當(dāng)系統(tǒng)遇到一個稀疏矩陣時，他必須能夠動態(tài)地演繹出該矩陣的分布，調(diào)整存儲器的結(jié)構(gòu)和通過訪問來取得并維持一致的性能。42

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

準(zhǔn)則８多用戶支持能力準(zhǔn)則OLAP工具必須提供并發(fā)訪問、數(shù)據(jù)完整性及安全性機制工作組的形式來使用OLAP工具多個用戶交換各自的想法和分析結(jié)果準(zhǔn)則９非受限的跨維操作對準(zhǔn)則1的補充多維數(shù)據(jù)之間存在固有的層次關(guān)系OLAP工具能推導(dǎo)出相關(guān)的計算或提供計算完備的語言來定義各類計算公式。

43

OLAP的特征及衡量標(biāo)準(zhǔn)

準(zhǔn)則１０

直觀的數(shù)據(jù)操縱要求數(shù)據(jù)操縱直觀易懂。綜合路徑重定位、向上綜合、向下挖掘等操作都能通過直觀、方便的點拉操作完成準(zhǔn)則１１

靈活的報表生成報表必須從各種可能的方面顯示出從數(shù)據(jù)模型中綜合出的數(shù)據(jù)和信息，充分反映數(shù)據(jù)分析模型的多維特征。如下表：44

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

北京地區(qū)上海地區(qū)銷售量純利潤成本銷售量純利潤成本第一季度工作站126700520841200440Pc機15194003502312700200軟件1365690012020075300100計算機配件455231006701270697001200第二季度工作站531600200211600100Pc機2012400100127390200軟件213870001005421900100計算機配件5684360054026024500250維1維2維3表6-2、

多維報表示例

45表6-2為一個四維（包括統(tǒng)計指標(biāo)自身）報表，分析人員可以根據(jù)需要對各維進行旋轉(zhuǎn)，匯總以及合并操作（如將季度維合并，變?yōu)槿S報表等）46

OLAP的特征及衡量標(biāo)準(zhǔn)

準(zhǔn)則１２不限制維與聚集層次

OLAP工具的維數(shù)應(yīng)不小于15維綜合路徑聚集層次不受限47

OLAP的特征及衡量標(biāo)準(zhǔn)

透明性準(zhǔn)則存取能力準(zhǔn)則動態(tài)稀疏矩陣處理準(zhǔn)則穩(wěn)定的報表性能客戶機/服務(wù)器體系結(jié)構(gòu)多用戶支持能力準(zhǔn)則48

OLAP的特征及衡量標(biāo)準(zhǔn)

多維概念模型準(zhǔn)則維的等同準(zhǔn)則非受限的跨維操作非受限的維與維的層次直觀的數(shù)據(jù)處理靈活的報表生成49

4.2.2其他廠商對Codd的十二條準(zhǔn)則的看法

Codd十二條準(zhǔn)則引起了不小的爭論

Codd是Arbor軟件公司的顧問，因此不少軟件供應(yīng)商覺得Codd的準(zhǔn)則偏向Arbor公司的OLAP產(chǎn)品Essbase，這樣有些公司，如Gartner集團提出了9條更為簡化的準(zhǔn)則。后來IRI軟件公司又加上了3條補充準(zhǔn)則，這兩個公司提出的準(zhǔn)則加在一起也是十二條(如表6-3)

50

4.2.2其他廠商對Codd的十二條準(zhǔn)則的看法

Gartner集團：9條

IRI軟件：3條(13)多維數(shù)組

(14)OLAP連接操作(15)數(shù)據(jù)庫管理工具

(16)對象存儲(17)子集選擇

(18)細(xì)節(jié)深入(19)局部數(shù)據(jù)支持

(20)遞增數(shù)據(jù)庫刷新(21)SQL接口(22)時間序列分析(23)過程語言和開發(fā)工具(24)功能的集成化

51

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

OLAP更為簡要的定義FASMI—FastAnalysisofSharedMultidimensionalInformation52

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

Fast：指系統(tǒng)應(yīng)以盡量快的速度響應(yīng)用戶的分析請求。Analysis：指系統(tǒng)應(yīng)能對與用戶及應(yīng)用相關(guān)的任何業(yè)務(wù)邏輯進行統(tǒng)計分析，這一分析過程不用編程而且要盡量利用已有的綜合路徑及統(tǒng)計公式。53

4.2OLAP的特征及衡量標(biāo)準(zhǔn)

Shared：指多個用戶存取數(shù)據(jù)時，系統(tǒng)應(yīng)保證安全性。尤其是當(dāng)存在多個用戶向OLAP服務(wù)器寫數(shù)據(jù)時，系統(tǒng)應(yīng)在適當(dāng)粒度上加更新鎖。Multidimensional：是OLAP應(yīng)用的實質(zhì)，OLAP系統(tǒng)必須提供數(shù)據(jù)的多維概念視圖。Information：指應(yīng)用所需的數(shù)據(jù)及其導(dǎo)出信息。

54聯(lián)機分析處理（OLAP）4.1從OLTP到OLAP4.2OLAP的特征及衡量標(biāo)準(zhǔn)4.3OLAP實施4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)4.6兩種技術(shù)間的比較4.7OLAP產(chǎn)品介紹及選擇4.8OLAP的新發(fā)展及在我國的應(yīng)用展望55

4.3OLAP實施

基層db1基層db2數(shù)據(jù)倉庫細(xì)節(jié)數(shù)據(jù)數(shù)據(jù)倉庫綜合數(shù)據(jù)OLAP服務(wù)器前端軟件企業(yè)服務(wù)器

數(shù)據(jù)存取

客戶共享數(shù)據(jù)存儲后臺數(shù)據(jù)處理最終用戶功能與基層運行系統(tǒng)的連接報表的預(yù)處理

數(shù)據(jù)顯示

個人數(shù)據(jù)存儲個人應(yīng)用邏輯

OLAP的三層客戶/服務(wù)器結(jié)構(gòu)：56

4.3OLAP實施

OLAP實施的關(guān)鍵：①

如何組織來自多個數(shù)據(jù)源或數(shù)據(jù)倉庫的數(shù)據(jù)，以滿足客戶端用戶的多維數(shù)據(jù)分析的需要，即OLAP服務(wù)器的設(shè)計②

OLAP服務(wù)器與前端軟件的溝通

OLAP服務(wù)器必須以多維方式進行構(gòu)建57

4.3OLAP實施

OLAP服務(wù)器的構(gòu)建基礎(chǔ)是數(shù)據(jù)倉庫或基層數(shù)據(jù)庫，數(shù)據(jù)倉庫既包括基層數(shù)據(jù)庫的操作細(xì)節(jié)數(shù)據(jù)，又包括綜合性數(shù)據(jù)。由于OLAP是面向分析和管理決策人員的，決策人員大多關(guān)心的是綜合性數(shù)據(jù)以便從更高層次、總的視角來了解數(shù)據(jù)。584.3OLAP實施因此，OLAP服務(wù)器的設(shè)計重點在于如何組織數(shù)據(jù)倉庫中的綜合性數(shù)據(jù)，如何滿足前端用戶的多維數(shù)據(jù)分析需要。如果企業(yè)的數(shù)據(jù)倉庫尚未建立，也可直接從基層數(shù)據(jù)庫中提取數(shù)據(jù)。59聯(lián)機分析處理（OLAP）4.1從OLTP到OLAP4.2OLAP的特征及衡量標(biāo)準(zhǔn)4.3OLAP實施4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)4.6兩種技術(shù)間的比較60

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)（MD-OLAP）

4.4.1多維數(shù)據(jù)多維數(shù)據(jù)庫（MDDB─Multi-Dimensional

DataBase）多維方式來組織數(shù)據(jù)、存儲數(shù)據(jù)

維的定義不是隨意的，它是一種高層次的類型劃分。如產(chǎn)品可以作為維，產(chǎn)品類型、

產(chǎn)品顏色、產(chǎn)品商標(biāo)一般不作為維

614.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)

（MD-OLAP）多維數(shù)據(jù)庫可以直觀地表現(xiàn)現(xiàn)實世界中的“一對多”和“多對多”關(guān)系。例如，我們希望存放一張銷售情況表，假設(shè)有三種產(chǎn)品（冰箱、彩電及空調(diào)），它們在三個地方（東北、西北和華北）銷售。用關(guān)系數(shù)據(jù)庫來組織這些數(shù)據(jù)如表6-4(A),而用多維數(shù)據(jù)庫則如表6-4(B)：62

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)（MOLAP）

銷售表1（關(guān)系數(shù)據(jù)庫）：

產(chǎn)品名稱地區(qū)銷售量冰箱東北５０冰箱西北６０冰箱華北１００彩電東北４０彩電西北７０彩電華北８０空調(diào)東北９０空調(diào)西北１２０空調(diào)華北１４０銷售表2（多維數(shù)據(jù)庫）:

東北西北

華北

冰箱

５０６０１００彩電４０７０

８０空調(diào)９０１２０１４０表6-4:RDBMS與MDDB數(shù)據(jù)組織比較

63

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)多維數(shù)據(jù)庫比關(guān)系表好的地方：表達清晰占用的存儲少

644.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)除了表達清晰，占用存儲少外，多維數(shù)據(jù)庫還有一個優(yōu)點：綜合速度快。數(shù)據(jù)可以直接按行或列累加，并且由于MDDB中不象關(guān)系表里那樣重復(fù)地出現(xiàn)產(chǎn)品和地區(qū)信息，因此其統(tǒng)計速度遠(yuǎn)遠(yuǎn)超過RDBMS，數(shù)據(jù)庫記錄數(shù)越多其效果越明顯。65

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)輸入成員表6-6:多維數(shù)據(jù)庫中綜合數(shù)據(jù)的存放

輸入成員導(dǎo)出成員導(dǎo)出成員

東北西北華北總和

冰箱

５０６０１００

２１０彩電４０７０８０

１９０空調(diào)９０１２０１４０

３５０總和１８０２５０３２０

７５０66

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)

要查詢“冰箱的銷售總量是多少？”SELECTSUM（銷售量）FROM銷售表1WHERE產(chǎn)品名稱=‘冰箱’是涉及多個數(shù)據(jù)項求和的查詢。

關(guān)系數(shù)據(jù)庫：系統(tǒng)必須在大量的數(shù)據(jù)記錄中選出產(chǎn)品名稱為“冰箱”的記錄，然后把它們的銷售量加到一起，這時系統(tǒng)效率必定大大降低。多維數(shù)據(jù)庫：按行或列進行求和，獲得快速響應(yīng)67

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)

但是，多維數(shù)據(jù)庫的響應(yīng)時間仍然要取決于查詢過程中需要求和的數(shù)據(jù)單元的數(shù)目，在使用時，用戶希望不管怎樣查詢，都得到一致的響應(yīng)時間。為了獲得一致的快速響應(yīng)，一般采用預(yù)計算的方法：將決策分析人員所需的綜合數(shù)據(jù)預(yù)先統(tǒng)計出來，存放在數(shù)據(jù)庫中。68

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)例如，我們可以在關(guān)系數(shù)據(jù)庫的表中加上一行總和的記錄

銷售表3:（表6-5:關(guān)系表中綜合數(shù)據(jù)的存放

）產(chǎn)品名稱地區(qū)銷售量冰箱

東北５０冰箱西北６０冰箱華北１００冰箱

總和２１０彩電

東北４０彩電西北７０彩電華北８０彩電

總和１９０空調(diào)

東北９０空調(diào)西北１２０空調(diào)華北１４０空調(diào)

總和３５０

總和

東北１８０

總和西北２５０

總和華北３２０

總和

總和７５０694.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)預(yù)計算的好處是：查詢時就不用再進行計算了。如果所求的總和都已經(jīng)被綜合的話，只要讀取單個記錄就可以回答按產(chǎn)品（或按地區(qū)）求和的問題了。這樣處理就可以得到快速一致的查詢響應(yīng)。704.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)預(yù)計算的缺點是：當(dāng)數(shù)據(jù)庫太大時，預(yù)先計算這些總和就要花費很長時間。另外，＂總和＂項破壞了列定義的統(tǒng)一語義，例如表6-5的地區(qū)列中的值表示的是地區(qū)名稱，而＂總和＂就成為一個例外。查詢時用戶必須了解這種約定。71

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)4.4.2維的層次關(guān)系和類

4.4.2.1維的層次關(guān)系簡單層次關(guān)系：每個“子女”結(jié)點只有一個“雙親”結(jié)點

地區(qū)總和西北地區(qū)東北地區(qū)華北地區(qū)圖6-6:簡單層次關(guān)系的維層次圖72

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)

地區(qū)總和西北地區(qū)東北地區(qū)華北地區(qū)黑龍江省遼寧省吉林省沈陽市大連市圖6-7:較復(fù)雜層次關(guān)系的層次圖73

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)如果多維數(shù)據(jù)庫不支持維的層次關(guān)系則地區(qū)的三個層次必須作為不同的維成員弊端是增加了維的數(shù)目，稀疏的數(shù)據(jù)庫，許多數(shù)據(jù)單元將不包含數(shù)據(jù)。74

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)標(biāo)注：＂＂表示有意義的單元“”表示無意義的空單元省維城市維沈陽哈爾濱大連長春遼寧省黑龍江吉林省圖6-8不支持維層次關(guān)系的例子75

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)維的層次信息---存放在元數(shù)據(jù)中在進行各種綜合查詢時，就能通過元數(shù)據(jù)的信息區(qū)分不同的維層次，從而正確地執(zhí)行查詢?nèi)绻蠛瓦^程中系統(tǒng)不能區(qū)分維層次而跨越不同的維層次，就會產(chǎn)生錯誤的結(jié)果例如求＂全國銷量總和＂時既加上＂西北地區(qū)＂的銷量，又加上＂陜西?。⒌匿N量就會導(dǎo)致重復(fù)計算76

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)（MD-OLAP）

時間維產(chǎn)品維圖6-9:維的層次級別西北東北黑龍江77

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)類：

按一定的標(biāo)準(zhǔn)對維成員全集的一個（分類）劃分劃分標(biāo)準(zhǔn)：類屬性（規(guī)格，顏色）一個類屬性，就有對維成員的一個劃分類屬性不同，得到的類劃分也不同78

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)按＂產(chǎn)品銷地＂劃分產(chǎn)品維圖6-10:類東北西北華北華南東北西北華北華南類劃分1類劃分2按“產(chǎn)品產(chǎn)地＂劃分79

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)

維層次和類的區(qū)別：1.

層次和類表達的意義不同維層次:維所描述的變量的不同綜合層次(時間維有三層維層次：年、月、日)(父親層次的值由子女層次的值綜合得到)

維成員的類:維成員子集的共同特征(由類屬性的某一值來表征的)同一層的維成員才可以劃分為類

80

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)（MD-OLAP）

2、在層次和類上進行的分析操作不同

維的層次關(guān)系上的分析：（1）從維的低層次到高層次的數(shù)據(jù)綜合分析（2）從維的高層次到低層次的數(shù)據(jù)鉆取分析

分析路徑:層次圖中從根到葉/從葉到根

維成員的類進行的分析：分類與歸納

層次圖中對兄弟結(jié)點之間關(guān)系的分析，不跨越維層次

81

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)（MD-OLAP）

2、在層次和類上進行的分析操作不同（

維成員的類進行的分析：分類與歸納即首先選擇某個一定的類屬性來對維成員的全集進行分類，然后再在分類的基礎(chǔ)上歸納總結(jié)出類的共同特征（或一類區(qū)別于它類的特征）

層次圖中對兄弟結(jié)點之間關(guān)系的分析，不跨越維層次

82

復(fù)雜的數(shù)據(jù)分析維的層次關(guān)系+維成員的類4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)產(chǎn)品小類產(chǎn)品大類產(chǎn)品顏色產(chǎn)品產(chǎn)地產(chǎn)品銷地產(chǎn)品維圖6-11:類和層次的組合83

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)（MD-OLAP）

4.4.3時間序列數(shù)據(jù)類型

時間維:最普遍的一個維,包含特有的周期不同周期之間存在著轉(zhuǎn)化規(guī)則

一月二月三月

圖6-12產(chǎn)品84

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)如果需要同時使用幾種時間周期(如月和周)1定義兩個獨立的維：月維,周維2增加時間維的層次

數(shù)據(jù)被存儲了兩次(按月，按周):增加數(shù)據(jù)庫的復(fù)雜性，數(shù)據(jù)庫規(guī)模成倍增大

解決辦法：采用時間序列數(shù)據(jù)類型:（一個月的銷售數(shù)據(jù)）按時間順序排列的一系列（如銷售量）的數(shù)據(jù)85

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)優(yōu)點：第一、省去時間維，一個數(shù)據(jù)單元中的時間序列數(shù)據(jù)已經(jīng)包含了時間信息第二、大大減少多維數(shù)據(jù)庫數(shù)據(jù)單元的數(shù)目，多維數(shù)據(jù)庫對數(shù)據(jù)單元的數(shù)目是有限制的定義一個時間序列類型，必須說明下面的信息：起始時間、時間周期、不同的周期之間的數(shù)據(jù)轉(zhuǎn)換規(guī)則以及變量的數(shù)據(jù)類型（是整型數(shù)、浮點數(shù)等）86

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)（MD-OLAP）

東北西北華北總銷量（日）產(chǎn)品維地區(qū)維圖6-13:時間序列數(shù)據(jù)存儲ddddddd

dddddddweekweekWeekweekddddddd

dddddddweekweekddddddd

dddddddweekweekweekweekddddddd

dddddddddddddd

dddddddddddddd

ddddddd

ddddddd

dddddddddddddd

dddddddddddddd

dddddddddddddd

dddddddddddddd

ddddddd87

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)（MD-OLAP）

每個數(shù)據(jù)單元存放兩星期的時間序列數(shù)據(jù)有的是按日計算的，有的是按周計算的

從日數(shù)據(jù)轉(zhuǎn)換為周數(shù)據(jù)的規(guī)則是＂累加＂從周數(shù)據(jù)轉(zhuǎn)換為日數(shù)據(jù)的規(guī)則是＂加權(quán)平均＂

查看最近一年，各地區(qū)每周的銷量和各產(chǎn)品每日的銷量，系統(tǒng)自動把所有的日銷量轉(zhuǎn)換成周銷量，生成各地區(qū)的周銷量數(shù)據(jù)序列88

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)當(dāng)系統(tǒng)察看某一產(chǎn)品按不同地區(qū)（按列）日銷量時，它又自動把所有的周銷量轉(zhuǎn)換成日銷量，生成各產(chǎn)品的日銷量數(shù)據(jù)序列。從周數(shù)據(jù)轉(zhuǎn)換成日數(shù)據(jù)時，并不能得到原始的日數(shù)據(jù)因此采用時間序列數(shù)據(jù)類型并不能完全替代建立獨立的時間維

89多維分析操作建立在關(guān)系聚集操作上的一組復(fù)合操作是面向用戶的操作切片(slice)&切塊(dice)向上鉆取(roll-up),向下鉆取(drilldown)90多維分析的基礎(chǔ)：聚集基本的分析是求聚集函數(shù)(aggregation)

例:求第一天的銷售總額In

SQL:SELECTsum(amt)FROMSALEWHEREdate=18191多維分析的基礎(chǔ)：聚集例:按照每天求銷售總額InSQL:SELECTdate,sum(amt)FROMSALEGROUPBYdate92多維分析的基礎(chǔ)：聚集例:按照每天和產(chǎn)品求銷售總額InSQL:SELECTdate,sum(amt)FROMSALEGROUPBYdate,prodIddrill-downrollup93多維分析的基礎(chǔ)：聚集5個標(biāo)準(zhǔn)聚集函數(shù): sum,count,max,min, ave在groupby的基礎(chǔ)上還可以使用 “Having”語句可以在維層次上做聚集averagebyregion(withinstore)maximumbymonth(withindate)94切片/切塊操作實質(zhì)上對應(yīng)于where/having子句day1切片95鉆取操作鉆取操作就是在不同粒度表之間的切換drill-downrollup96鉆取操作day1day2129...sale(c1,*,*)sale(*,*,*)sale(c2,p2,*)drill-downrollup97

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)4.4多維數(shù)據(jù)庫存儲

多維數(shù)據(jù)結(jié)構(gòu)：Cube

由許多經(jīng)壓縮的、類似于數(shù)組的對象構(gòu)成每個對象由聚集成組的單元塊組成每個單元塊都按類似于多維數(shù)組的結(jié)構(gòu)存儲通過直接偏移計算進行存取98

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)索引：高度壓縮及指針結(jié)構(gòu)，索引較小只需一個較小的數(shù)來標(biāo)識單元塊可以放進內(nèi)存MDDB必須具有高效的稀疏數(shù)據(jù)處理能力：略過零元、缺損和重復(fù)數(shù)據(jù)維間的許多組合沒有具體值，是空的或者值為零許多值重復(fù)存儲，如一年中的價格可能一直不變99BitMap索引顧客（顧客號，姓名，性別，重要級別）其中重要級別所在列的取值范圍為1到5，它表示該顧客的重要程度。性別列表示顧客的性別，它只有兩個值，男或者女。100基本思想是對每一個列值，給它創(chuàng)建一個相應(yīng)的由0和1組成的序列。例如，可以用10代表男，用01代表女。同理，10000代表重要級別為1，00001代表重要級別為5。

男女10100110顧客號姓名性別重要級別11王平男312李強男513張嵐女514劉行男41234500100000010000100010BitMap索引101BitMap索引較緊湊，節(jié)約空間：位圖索引的大小與列的不同值的個數(shù)成正比可以使用有效的位操作來快速回答查詢：例如要回答“有多少男性顧客的重要級別為5？”這樣的查詢，可以用性別列的bitmap索引的第一個位向量和重要級別列的bitmap索引的第五個位向量做一個與（AND）操作，然后對結(jié)果位向量中1的個數(shù)進行統(tǒng)計即可。102編碼的Bitmap索引對于高基數(shù)的列，標(biāo)準(zhǔn)的bitmap索引不夠有效

假定某個表T的屬性A的值域為{a，b，c}。和標(biāo)準(zhǔn)bitmap索引不同的是，編碼BitMap索引采用2個bit而不是3個bit來對屬性A的值域進行編碼，值a用00來代表，值b用01來代表，值c用10來代表

103編碼的Bitmap索引104

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)MDDB必須具有高效的稀疏數(shù)據(jù)處理能力：略過零元、缺損和重復(fù)數(shù)據(jù)維間的許多組合沒有具體值，是空的或者值為零許多值重復(fù)存儲，如一年中的價格可能一直不變105chunk商店維、產(chǎn)品維、時間維每5個數(shù)組元素作為一個區(qū)間，情節(jié)維每兩個數(shù)組元素作為一個區(qū)間

StoreProductTimeScenarioPointer0-40-40-40-10-40-45-90-10-40-410-140-1…………106壓縮方法一個Chunk實際上是一個多維數(shù)組，雖然我們希望Chunk是非稀疏的，但實際中仍然會有某些Chunk是稀疏的。為了節(jié)省存儲空間和I/O時間，需要對稀疏的Chunk進行壓縮。107108

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)（MD-OLAP）

4.4.5多維數(shù)據(jù)庫存取

存取策略：MDDB利用關(guān)系數(shù)據(jù)庫保存數(shù)據(jù)的細(xì)節(jié)各級統(tǒng)計結(jié)果保存在多維數(shù)據(jù)庫中當(dāng)需要細(xì)節(jié)數(shù)據(jù)時，通過MDDB去訪問它們

多維查詢語言──

MDSQL109

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)（MD-OLAP）

例：列出1996年1月到6月彩電在北京地區(qū)的銷售量和成本

多維查詢語言表達語法1：

SelectDimensionPRODUCT

彩電

SelectDimensionREGION

北京

SelectSALES.units,SALES.cost

AcrossTIMEDOWN

REGION,PRODUCT,SALESListPeriodJAN96-JUN96110

4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)（MD-OLAP）

多維查詢語言表達語法2：

GetSALES.units,SALES.costByPRODUCT=“彩電”

ByREGION=“北京”

ByTIME=JAN96-JUN96

SALES包含統(tǒng)計指標(biāo)的度量維PRODUCT產(chǎn)品維REGION地區(qū)維TIME時間維111聯(lián)機分析處理（OLAP）4.1從OLTP到OLAP4.2OLAP的特征及衡量標(biāo)準(zhǔn)4.3OLAP實施4.4基于多維數(shù)據(jù)庫的OLAP實現(xiàn)4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)4.6兩種技術(shù)間的比較112

4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

關(guān)系數(shù)據(jù)庫將多維結(jié)構(gòu)劃分為兩類表，一類是事實(fact)表，用來存儲事實的度量(measure)值及各個維的碼值；另一類是維表，對每一個維來說，至少有一個表用來保存該維的元數(shù)據(jù)，即維的描述信息，包括維的層次及成員類別等。113LocationVancouverChicagoTorontoNewYorkTime(季度)ItemQ1Q2Q3Q4605680812927825952102310381431303840051250158085410878188829687468938436238725916829256987281002789784984870家庭娛樂計算機電話安全4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

114維：一個組織想要記錄的透視或?qū)嶓w。本例中涉及time,item,location。每一個維都有一個表與之相關(guān)聯(lián)，稱為維表。事實：數(shù)據(jù)倉庫的主題，數(shù)值度量的。本例中指銷售量。事實對應(yīng)事實表。4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

115

4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

用維來記錄多位數(shù)據(jù)庫中的緯度，將多位數(shù)據(jù)立方體的坐標(biāo)軸上的各個取值記錄在一張維表中，這樣對于一個n維數(shù)據(jù)，ROLAP中就存在n張維表。120042200332002420011計算機2彩電3冰箱4空調(diào)1北京2上海3杭州4西安116

4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

事實表用于記錄多維模型中維度交叉點處的度量信息的關(guān)系表，該關(guān)系表一般由維度的碼值和相應(yīng)的度量構(gòu)成。計算機、彩電、冰箱、空調(diào)2004200320022001北京上海杭州西安Time-idProduct-idMarket-idsales1117000121500013175814146921167002215200231976241678…………117〖例〗銷售分析：

數(shù)據(jù)倉庫sales圍繞商品銷售量這個主題。同時，銷售量涉及以下幾個方面：time,item,location，branch。有了這些方面的信息，能夠記錄商品的月銷售，銷售商品的地點。4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

118通過將事實表和維表進行連接，我們就可以得到“星型結(jié)構(gòu)（starschema）〖例〗銷售分析的星型圖模型。分店維銷售事實表

單位銷售額現(xiàn)金銷售額平均銷售額

地區(qū)維產(chǎn)品維時間維4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

119〖例〗銷售分析的星型圖模型。4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

120

事實表，包含用于分析的數(shù)值化信息和維表的關(guān)鍵字?！祭戒N售分析的星型圖模型。4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

121

維表，一個組織想要記錄的透視或?qū)嶓w。每一維都有一個表與之相關(guān)聯(lián)。他的主鍵一定會出現(xiàn)在事實表中，以便進行表連接。4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

122星型模式(StarSchema)“星型模式”通過維表的主碼，將事實表與維表連接在一起，完全用二維關(guān)系表示了數(shù)據(jù)的多維概念。建立“星型模式”后，可以在關(guān)系數(shù)據(jù)庫中模擬數(shù)據(jù)的多維查詢。通過維表的主碼，對事實表和每一個維表做連接操作，一次查詢就可以從得到數(shù)據(jù)的值以及對數(shù)據(jù)的多維描述（即對應(yīng)的各維上的維成員）。123星型模式(StarSchema)“星型模式”好處：使用戶及分析人員可以用商業(yè)名詞（元數(shù)據(jù)名或標(biāo)記）來描述一個需求，然后該需求被重新翻譯成每一個維的代碼或值。124雪片模式星型模式的問題實際中，數(shù)據(jù)往往不只有一個維層次。對于維層次復(fù)雜的維，用一張維表來描述會帶來過多的冗余數(shù)據(jù)。為了避免冗余數(shù)據(jù)占用過大的空間，可以用多張表來描述一個復(fù)雜維。比如，產(chǎn)品維可以進一步劃分為類型表，顏色表，商標(biāo)表等，這樣在“星”的角上又出現(xiàn)了分支，這種變種的星型模型被稱之為“雪片模式”(SnowFlakeSchema)。125

〖例〗銷售分析的雪花型模型。將維表經(jīng)規(guī)范化處理，將數(shù)據(jù)進一步分解到附加表中。4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

126

〖例〗銷售分析的事實星座模型。兩個事實表sales和shipping共享維表time,item,location。4.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

1274.5基于關(guān)系數(shù)據(jù)庫的OLAP實現(xiàn)

ROLAP：維表和事實表用二維關(guān)系表存放事實的提?。篔oin系統(tǒng)的性能:采用有效的查詢優(yōu)化技術(shù)、索引技術(shù)

128

4.5基于關(guān)系數(shù)據(jù)庫