數(shù)據(jù)倉庫的數(shù)據(jù)存儲與處理.ppt

2019/11/5,數(shù)據(jù)倉庫與數(shù)據(jù)挖掘,1,第2章 數(shù)據(jù)倉庫的數(shù)據(jù)存儲與處理,謝紅俠,2019/11/5,數(shù)據(jù)倉庫與數(shù)據(jù)挖掘,2,2.1 數(shù)據(jù)倉庫的三層數(shù)據(jù)結(jié)構(gòu),2019/11/5,數(shù)據(jù)倉庫與數(shù)據(jù)挖掘,3,2.2 數(shù)據(jù)倉庫的數(shù)據(jù)特征,狀態(tài)數(shù)據(jù)與事件數(shù)據(jù) 當(dāng)前數(shù)據(jù)與周期數(shù)據(jù) 數(shù)據(jù)倉庫中的元數(shù)據(jù),2019/11/5,數(shù)據(jù)倉庫與數(shù)據(jù)挖掘,4,2.3 數(shù)據(jù)倉庫的數(shù)據(jù)ETL過程,ETL概念 ETL過程前后數(shù)據(jù)的特征 數(shù)據(jù)的ETL過程描述 抽取（Capture/Extract） 清洗（Scrub/Cleanse） 轉(zhuǎn)換（Transform） 加載和索引（Load/Index）,2019/11/5,數(shù)據(jù)倉庫與數(shù)據(jù)挖掘,5,ETL的概念,數(shù)據(jù)ETL是用來實現(xiàn)異構(gòu)數(shù)據(jù)源的數(shù)據(jù)集成，即完成數(shù)據(jù)的抓取/抽?。–apture/Extract）、清洗（Scrub or data cleansing）、轉(zhuǎn)換（Transform）、裝載與索引（Load and Index）等數(shù)據(jù)調(diào)和工作,2019/11/5,數(shù)據(jù)倉庫與數(shù)據(jù)挖掘,6,數(shù)據(jù)的ETL過程描述,2019/11/5,數(shù)據(jù)倉庫與數(shù)據(jù)挖掘,7,數(shù)據(jù)ETL過程的實施要點,ETL過程是一個數(shù)據(jù)流動的過程，中間的“T”（轉(zhuǎn)換）是關(guān)鍵 ； ETL工具的選擇非常重要，運用合適的工具會事半功倍 ； 如何保證數(shù)據(jù)質(zhì)量？數(shù)據(jù)質(zhì)量在一定程度上決定了數(shù)據(jù)倉庫的價值 。,2019/11/5,數(shù)據(jù)倉庫與數(shù)據(jù)挖掘,8,2.4 多維數(shù)據(jù)模型和星模式,多維數(shù)據(jù)模型及其相關(guān)概念 多維數(shù)據(jù)模型的物理實現(xiàn) 多維建模技術(shù)簡介 一個星模式的例子,2019/11/5,數(shù)據(jù)倉庫與數(shù)據(jù)挖掘,9,多維數(shù)據(jù)模型及其相關(guān)概念,有關(guān)多維數(shù)據(jù)模型的幾個概念：維、維類別、維屬性、度量、粒度及分割等 關(guān)于數(shù)據(jù)綜合級別與粒度的確定:一般把數(shù)據(jù)分成四個級別：早期細節(jié)級、當(dāng)前細節(jié)級、輕度綜合級、高度綜合級,2019/11/5,數(shù)據(jù)倉庫與數(shù)據(jù)挖掘,10,多維數(shù)據(jù)模型的物理實現(xiàn),多維數(shù)據(jù)庫（MDDB）,其數(shù)據(jù)是存儲在大量的多維數(shù)組中，而不是關(guān)系表中 ,與之相對應(yīng)的是多維聯(lián)機分析處理（MOLAP） 關(guān)系數(shù)據(jù)庫是存儲OLAP數(shù)據(jù)的另一種主要方式。與之對應(yīng)的是關(guān)系聯(lián)機分析處理（ROLAP）,2019/11/5,數(shù)據(jù)倉庫與數(shù)據(jù)挖掘,11,多維建模技術(shù)簡介,兩種主流建模技術(shù) :由Inmon提出的企業(yè)級數(shù)據(jù)倉庫模型和由Kimball提出的多維模型 ； 基于關(guān)系數(shù)據(jù)庫的多維數(shù)據(jù)建模，如星型,雪花和