SQL_Server數(shù)據(jù)倉庫相關(guān)概念-維度表和事實(shí)表概述

1、SQL_Server數(shù)據(jù)倉庫相關(guān)概念-維度表和事實(shí)表概述基本概念：1.多維數(shù)據(jù)集：多維數(shù)據(jù)集是聯(lián)機(jī)分析處理 (OLAP) 中的主要對(duì)象，是一項(xiàng)可對(duì)數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行快速訪問的技術(shù)。多維數(shù)據(jù)集是一個(gè)數(shù)據(jù)集合，通常從數(shù)據(jù)倉庫的子集構(gòu)造，并組織和匯總成一個(gè)由一組維度和度量值定義的多維結(jié)構(gòu)。2.維度：是多維數(shù)據(jù)集的結(jié)構(gòu)性特性。它們是事實(shí)數(shù)據(jù)表中用來描述數(shù)據(jù)的分類的有組織層次結(jié)構(gòu)(級(jí)別)。這些分類和級(jí)別描述了一些相似的成員集合，用戶將基于這些成員集合進(jìn)行分析。3.度量值：在多維數(shù)據(jù)集中，度量值是一組值，這些值基于多維數(shù)據(jù)集的事實(shí)數(shù)據(jù)表中的一列，而且通常為數(shù)字。此外，度量值是所分析的多維數(shù)據(jù)集的中心值。

2、即，度量值是最終用戶瀏覽多維數(shù)據(jù)集時(shí)重點(diǎn)查看的數(shù)字?jǐn)?shù)據(jù)。您所選擇的度量值取決于最終用戶所請(qǐng)求的信息類型。一些常見的度量值有 sales、cost、expenditures 和 production count 等。4.元數(shù)據(jù)：不同 OLAP 組件中的數(shù)據(jù)和應(yīng)用程序的結(jié)構(gòu)模型。元數(shù)據(jù)描述 OLTP 數(shù)據(jù)庫中的表、數(shù)據(jù)倉庫和數(shù)據(jù)集市中的多維數(shù)據(jù)集這類對(duì)象，還記錄哪些應(yīng)用程序引用不同的記錄塊。5.級(jí)別：級(jí)別是維度層次結(jié)構(gòu)的一個(gè)元素。級(jí)別描述了數(shù)據(jù)的層次結(jié)構(gòu)，從數(shù)據(jù)的最高(匯總程度最大)級(jí)別直到最低(最詳細(xì))級(jí)別。6.數(shù)據(jù)挖掘：數(shù)據(jù)挖掘使您得以定義包含分組和預(yù)測規(guī)則的模型，以便應(yīng)用于關(guān)系數(shù)據(jù)庫或多維

3、OLAP 數(shù)據(jù)集中的數(shù)據(jù)。之后，這些預(yù)測模型便可用于自動(dòng)執(zhí)行復(fù)雜的數(shù)據(jù)分析，以找出幫助識(shí)別新機(jī)會(huì)并選擇有獲勝把握的機(jī)會(huì)的趨勢(shì)。7.多維 OLAP (MOLAP)：MOLAP 存儲(chǔ)模式使得分區(qū)的聚合和其源數(shù)據(jù)的復(fù)本以多維結(jié)構(gòu)存儲(chǔ)在分析服務(wù)器計(jì)算機(jī)上。根據(jù)分區(qū)聚合的百分比和設(shè)計(jì)，MOLAP 存儲(chǔ)模式為達(dá)到最快查詢響應(yīng)時(shí)間提供了潛在可能性。總而言之，MOLAP 更加適合于頻繁使用的多維數(shù)據(jù)集中的分區(qū)和對(duì)快速查詢響應(yīng)的需要。8.關(guān)系 OLAP (ROLAP)：ROLAP 存儲(chǔ)模式使得分區(qū)的聚合存儲(chǔ)在關(guān)系數(shù)據(jù)庫的表(在分區(qū)數(shù)據(jù)源中指定)中。但是，可為分區(qū)數(shù)據(jù)使用 ROLAP 存儲(chǔ)模式，而不在關(guān)系數(shù)據(jù)庫中

4、創(chuàng)建聚合。9.混合 OLAP (HOLAP)：HOLAP 存儲(chǔ)模式結(jié)合了 MOLAP 和 ROLAP 二者的特性。10.粒度：數(shù)據(jù)匯總的層次或深度。11.聚合聚集：聚合是預(yù)先計(jì)算好的數(shù)據(jù)匯總，由于在問題提出之前已經(jīng)準(zhǔn)備了答案，聚合可以改進(jìn)查詢響應(yīng)時(shí)間。12.切塊：由多個(gè)維的多個(gè)成員限定的分區(qū)數(shù)據(jù)，稱為一個(gè)切塊。13.切片：由一個(gè)維的一個(gè)成員限定的分區(qū)數(shù)據(jù)，稱為一個(gè)切片。14.數(shù)據(jù)鉆?。鹤罱K用戶從常規(guī)多維數(shù)據(jù)集、虛擬多維數(shù)據(jù)集或鏈接多維數(shù)據(jù)集中選擇單個(gè)單元，并從該單元的源數(shù)據(jù)中檢索結(jié)果集以獲得更詳細(xì)的信息，這個(gè)操作過程就是數(shù)據(jù)鉆取。15.數(shù)據(jù)挖掘模型：數(shù)據(jù)挖掘使您得以定義包含分組和預(yù)測規(guī)則的模型

5、，以便應(yīng)用于關(guān)系數(shù)據(jù)庫或多維 OLAP 數(shù)據(jù)集中的數(shù)據(jù)。之后，這些預(yù)測模型便可用于自動(dòng)執(zhí)行復(fù)雜的數(shù)據(jù)分析，以找出幫助識(shí)別新機(jī)會(huì)并選擇有獲勝把握的機(jī)會(huì)的趨勢(shì)。數(shù)據(jù)庫維度 (Database dimension)“數(shù)據(jù)庫維度”是與某個(gè)鍵屬性相關(guān)的維度屬性的集合，而該鍵屬性又與度量值維度中的事實(shí)數(shù)據(jù)相關(guān)。維度屬性 (Dimension attribute)“維度屬性”被綁定到維度表中的一個(gè)或多個(gè)列并包含成員。維度屬性可以包含客戶名稱、月份名稱和產(chǎn)品名稱。成員 (Member)“成員”是維度屬性（包括度量值維度）的值。層次結(jié)構(gòu)中的成員可以是葉成員、父成員、數(shù)據(jù)成員或“(全部)”成員。度量值 (Meas

6、ure)“度量值”是來自事實(shí)數(shù)據(jù)表的值，也稱為“事實(shí)數(shù)據(jù)”。度量值維度的值有時(shí)也通稱為“成員”。度量值通常是數(shù)值，但也可以是字符串值。Measures 維度 (Measures dimension)“度量值維度”是包含多維數(shù)據(jù)集中所有度量值的維度。度量值維度是一種特殊的維度，其中的成員通常是根據(jù)各個(gè)維度屬性（存在指定的度量值）的當(dāng)前成員（通常采用求和或計(jì)數(shù)方式）進(jìn)行聚合。度量值組 (Measure Group)“度量值組”是 SQL Server 2005 Analysis Services 多維數(shù)據(jù)集中的相關(guān)度量值集合（通常是來自同一事實(shí)數(shù)據(jù)表的度量值）。在 SQL Server 2005

7、Analysis Services 中，一個(gè)多維數(shù)據(jù)集可包含多個(gè)度量值組。“(全部)”成員 (All) member)“(全部)”成員是屬性層次結(jié)構(gòu)或用戶定義的層次結(jié)構(gòu)中的所有成員的計(jì)算值。計(jì)算成員 (Calculated member)“計(jì)算成員”是在查詢時(shí)定義和計(jì)算的維度成員?？梢栽谟脩舨樵兓?MDX 計(jì)算腳本中定義計(jì)算成員，并將其存儲(chǔ)在服務(wù)器上。 一個(gè)計(jì)算成員對(duì)應(yīng)于定義它們的維度中的多個(gè)維度表行。數(shù)據(jù)成員 (Data member)“數(shù)據(jù)成員”是在父子層次結(jié)構(gòu)中與父成員相關(guān)聯(lián)的子成員。數(shù)據(jù)成員包含其父成員的數(shù)據(jù)值，而不是該父成員的子級(jí)的聚合值。父成員 (Parent member)“父成

8、員”是父子層次結(jié)構(gòu)中的成員，包含其子級(jí)的聚合值。葉成員 (leaf member)“葉成員”是層次結(jié)構(gòu)中不包含子級(jí)的成員。子成員 (Child member)“子成員”是層次結(jié)構(gòu)中位于頂層下面的成員。鍵屬性 (Key attribute)數(shù)據(jù)庫維度的“鍵屬性”是維度中的所有非鍵屬性（以直接或間接方式）所鏈接到的屬性。鍵屬性通常也是粒度屬性。粒度屬性 (Granularity attribute)多維數(shù)據(jù)集維度的屬性，它將維度鏈接到度量值維度內(nèi)度量值組中的事實(shí)數(shù)據(jù)。如果粒度屬性和鍵屬性為不同的屬性，則非鍵屬性必須直接或間接地鏈接到粒度屬性。在多維數(shù)據(jù)集中，粒度屬性定義維度的粒度。多維數(shù)據(jù)集維度

9、(Cube dimension)“多維數(shù)據(jù)集維度”是多維數(shù)據(jù)集中的數(shù)據(jù)庫維度實(shí)例。屬性層次結(jié)構(gòu) (Attribute hierarchy)“屬性層次結(jié)構(gòu)”是包含以下級(jí)別的屬性成員層次結(jié)構(gòu)：包含所有非重復(fù)屬性成員的葉級(jí)別，葉級(jí)別的各個(gè)成員也稱為“葉成員”。中間級(jí)別（如果屬性層次結(jié)構(gòu)為父子層次結(jié)構(gòu)）?？蛇x的“(全部)”級(jí)別 (IsAggregatable=True)，它包含屬性層次結(jié)構(gòu)的葉成員的聚合值?！?全部)”級(jí)別的成員也稱為“(全部)”成員。默認(rèn)情況下，將為每個(gè)維度屬性定義屬性層次結(jié)構(gòu) (AttributeHierarchyEnabled=True)。屬性層次結(jié)構(gòu)默認(rèn)為可見 (Attribu

10、teHierarchyVisible=True)。均衡層次結(jié)構(gòu) (Balanced hierarchy)“均衡層次結(jié)構(gòu)”是頂級(jí)成員與任何葉成員之間存在相同級(jí)別數(shù)的層次結(jié)構(gòu)。不齊整層次結(jié)構(gòu) (Ragged hierarchy)請(qǐng)參見“非均衡層次結(jié)構(gòu) (Unbalanced hierarchy)”。非均衡層次結(jié)構(gòu) (Unbalanced hierarchy)“非均衡層次結(jié)構(gòu)”是頂級(jí)與葉級(jí)之間存在不同級(jí)別數(shù)的層次結(jié)構(gòu)。父子層次結(jié)構(gòu)即是不齊整層次結(jié)構(gòu)的一個(gè)例子。非均衡層次結(jié)構(gòu)也稱為“不齊整層次結(jié)構(gòu)”。父子層次結(jié)構(gòu) (Parent-child hierarchy)“父子層次結(jié)構(gòu)”是一種將維度屬性設(shè)置為

11、parent 類型的特殊的屬性層次結(jié)構(gòu)。父子層次結(jié)構(gòu)是由子成員和父成員構(gòu)成的非均衡層次結(jié)構(gòu)。父子層次結(jié)構(gòu)包含以下級(jí)別：包含父成員子級(jí)的子級(jí)別。父成員的子級(jí)包含聚合到父成員的屬性成員（包括數(shù)據(jù)成員）。包含父成員的中間級(jí)別?？蛇x的“(全部)”級(jí)別 (IsAggregatable=True)，它包含父子層次結(jié)構(gòu)葉成員的聚合值，“(全部)”級(jí)別的成員也稱為“(全部)”成員。每個(gè)維度中只能存在一個(gè)父子層次結(jié)構(gòu)，并且必須與鍵屬性相關(guān)。用戶定義的層次結(jié)構(gòu) (User-defined hierarchy)“用戶定義的層次結(jié)構(gòu)”是屬性層次結(jié)構(gòu)的均衡層次結(jié)構(gòu)，旨在幫助用戶瀏覽多維數(shù)據(jù)集數(shù)據(jù)。用戶定義的層次結(jié)構(gòu)不添

12、加到多維數(shù)據(jù)集空間。在某些情況下可以隱藏用戶定義的層次結(jié)構(gòu)中的級(jí)別并使其以非均衡的形式顯示。屬性關(guān)系 (Attribute relationship)“屬性關(guān)系”是屬性間的一對(duì)多關(guān)系，例如州省市自治區(qū)和城市維度屬性間的關(guān)系。成員屬性 (Member property)成員屬性 是特性成員的屬性，例如客戶的性別或產(chǎn)品的顏色。單元 (Cell)多維數(shù)據(jù)集中的“單元”是度量值維度成員的成員與多維數(shù)據(jù)集中各個(gè)屬性層次結(jié)構(gòu)的成員相交處所在的空間。度量值維度的成員可以是葉成員（單個(gè)事實(shí)數(shù)據(jù)）或聚合成員（例如，特定年份聚合的銷售額）。維度的成員可以是葉成員、數(shù)據(jù)成員、父成員或“(全部)”成員。多維數(shù)據(jù)集空間

13、 (Cube space)“多維數(shù)據(jù)集空間”是多維數(shù)據(jù)集屬性層次結(jié)構(gòu)的成員與多維數(shù)據(jù)集的度量值的交集。子多維數(shù)據(jù)集 (Subcube)“子多維數(shù)據(jù)集”是表示多維數(shù)據(jù)集的篩選視圖的多維數(shù)據(jù)集子集?？梢允褂?MDX 計(jì)算腳本中的 Scope 語句或 MDX 查詢中的嵌套 select 語句定義子多維數(shù)據(jù)集。帶有嵌套 select 語句的子多維數(shù)據(jù)集 (Subcube with Subselect)用 MDX 查詢中的嵌套 select 語句定義的子多維數(shù)據(jù)集包含符合子多維數(shù)據(jù)集定義的所有成員，其結(jié)果如下：包含層次結(jié)構(gòu)的“(全部)”成員與包含層次結(jié)構(gòu)的每個(gè)葉成員的結(jié)果是相同的。包含任何成員將包括其祖

14、先和后代。包含用戶定義的層次結(jié)構(gòu)中某級(jí)別的每個(gè)成員將包含該用戶定義的層次結(jié)構(gòu)中的所有成員，但可排除不與此級(jí)別成員共存的其他層次結(jié)構(gòu)的成員（例如不包含客戶的城市）。多維數(shù)據(jù)集中的每個(gè)“(全部)”成員始終存在于從該多維數(shù)據(jù)集創(chuàng)建的子多維數(shù)據(jù)集中。子多維數(shù)據(jù)集中的聚合值將進(jìn)行直接求和。SQL Server數(shù)據(jù)庫維度表和事實(shí)表概述事實(shí)表每個(gè)數(shù)據(jù)倉庫都包含一個(gè)或者多個(gè)事實(shí)數(shù)據(jù)表。事實(shí)數(shù)據(jù)表可能包含業(yè)務(wù)銷售數(shù)據(jù)，如現(xiàn)金登記事務(wù)所產(chǎn)生的數(shù)據(jù)，事實(shí)數(shù)據(jù)表通常包含大量的行。事實(shí)數(shù)據(jù)表的主要特點(diǎn)是包含數(shù)字?jǐn)?shù)據(jù)(事實(shí))，并且這些數(shù)字信息可以匯總，以提供有關(guān)單位作為歷史的數(shù)據(jù)，每個(gè)事實(shí)數(shù)據(jù)表包含一個(gè)由多個(gè)部分組成的索

15、引，該索引包含作為外鍵的相關(guān)性緯度表的主鍵，而維度表包含事實(shí)記錄的特性。事實(shí)數(shù)據(jù)表不應(yīng)該包含描述性的信息，也不應(yīng)該包含除數(shù)字度量字段及使事實(shí)與緯度表中對(duì)應(yīng)項(xiàng)的相關(guān)索引字段之外的任何數(shù)據(jù)。包含在事實(shí)數(shù)據(jù)表中的“度量值”有兩中：一種是可以累計(jì)的度量值，另一種是非累計(jì)的度量值。最有用的度量值是可累計(jì)的度量值，其累計(jì)起來的數(shù)字是非常有意義的。用戶可以通過累計(jì)度量值獲得匯總信息，例如?？梢詤R總具體時(shí)間段內(nèi)一組商店的特定商品的銷售情況。非累計(jì)的度量值也可以用于事實(shí)數(shù)據(jù)表，單匯總結(jié)果一般是沒有意義的，例如，在一座大廈的不同位置測量溫度時(shí)，如果將大廈中所有不同位置的溫度累加是沒有意義的，但是求平均值是有意義的。一般來說，一個(gè)事實(shí)數(shù)據(jù)表都要和一個(gè)或多個(gè)緯度表相關(guān)聯(lián)，用戶在利用事實(shí)數(shù)據(jù)表創(chuàng)建多維數(shù)據(jù)集時(shí)，可以使用一個(gè)或多個(gè)維度表。維度表維度表可以看作是用戶來分析數(shù)據(jù)的窗口，緯度表中包含事實(shí)數(shù)據(jù)表中事實(shí)記錄的特性，有些特性提供描述性信息，有些特性指定如何匯總事實(shí)數(shù)據(jù)表數(shù)據(jù)，以便為分析者提供有用的信息，維度表包含幫助匯總數(shù)