數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)存儲(chǔ)與處理.ppt

2019/11/5,數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘,1,第2章 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)存儲(chǔ)與處理,謝紅俠,2019/11/5,數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘,2,2.1 數(shù)據(jù)倉(cāng)庫(kù)的三層數(shù)據(jù)結(jié)構(gòu),2019/11/5,數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘,3,2.2 數(shù)據(jù)倉(cāng)庫(kù)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(cāng)庫(kù)中的元數(shù)據(jù),2019/11/5,數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘,4,2.3 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)ETL過(guò)程,ETL概念 ETL過(guò)程前后數(shù)據(jù)的特征 數(shù)據(jù)的ETL過(guò)程描述 抽?。–apture/Extract） 清洗（Scrub/Cleanse） 轉(zhuǎn)換（Transform） 加載和索引（Load/Index）,2019/11/5,數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘,5,ETL的概念,數(shù)據(jù)ETL是用來(lái)實(shí)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(cāng)庫(kù)與數(shù)據(jù)挖掘,6,數(shù)據(jù)的ETL過(guò)程描述,2019/11/5,數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘,7,數(shù)據(jù)ETL過(guò)程的實(shí)施要點(diǎn),ETL過(guò)程是一個(gè)數(shù)據(jù)流動(dòng)的過(guò)程，中間的“T”（轉(zhuǎn)換）是關(guān)鍵 ； ETL工具的選擇非常重要，運(yùn)用合適的工具會(huì)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(cāng)庫(kù)的價(jià)值 。,2019/11/5,數(shù)據(jù)倉(cāng)庫(kù)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(shí)現(xiàn) 多維建模技術(shù)簡(jiǎn)介 一個(gè)星模式的例子,2019/11/5,數(shù)據(jù)倉(cāng)庫(kù)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(gè)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(jí)別與粒度的確定:一般把數(shù)據(jù)分成四個(gè)級(jí)別：早期細(xì)節(jié)級(jí)、當(dāng)前細(xì)節(jié)級(jí)、輕度綜合級(jí)、高度綜合級(jí),2019/11/5,數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘,10,多維數(shù)據(jù)模型的物理實(shí)現(xiàn),多維數(shù)據(jù)庫(kù)（MDDB）,其數(shù)據(jù)是存儲(chǔ)在大量的多維數(shù)組中，而不是關(guān)系表中 ,與之相對(duì)應(yīng)的是多維聯(lián)機(jī)分析處理（MOLAP） 關(guān)系數(shù)據(jù)庫(kù)是存儲(chǔ)OLAP數(shù)據(jù)的另一種主要方式。與之對(duì)應(yīng)的是關(guān)系聯(lián)機(jī)分析處理（ROLAP）,2019/11/5,數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘,11,多維建模技術(shù)簡(jiǎn)介,兩種主流建模技術(shù) :由Inmon提出的企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)模型和由Kimball提出的多維模型 ； 基于關(guān)系數(shù)據(jù)庫(kù)的多維數(shù)據(jù)建模，如星型,雪花和