ROLAP的詳細介紹

1、什么是聯(lián)機分析處理（什么是聯(lián)機分析處理（OLAP） 聯(lián)機分析處理 (OLAP) 的概念最早是由關(guān)系數(shù)據(jù)庫之父E.F.Codd于1993年提出的. OLAP是數(shù)據(jù)倉庫系統(tǒng)的主要應用，支持復雜的分析操作，側(cè)重決策支持，并且提供直觀易懂的查詢結(jié)果。OLAP邏輯概念和典型操作邏輯概念和典型操作 邏輯概念有：邏輯概念有：維（Dimension）,級別（Level），成員（Member），度量（Measure）。 典型操作有：典型操作有：鉆?。―rill-up和Drill-down）、切片（Slice）和切塊（Dice）、以及旋轉(zhuǎn)（Pivot）等。維（Dimension） 是人們觀察數(shù)據(jù)的特定角度，是考慮

2、問題時的一類屬性，屬性集合構(gòu)成一個維（時間維、地理維等）。 級別（Level） 人們觀察數(shù)據(jù)的某個特定角度（即某個維）還可以存在細節(jié)程度不同的各個描述方面（時間維：日期、月份、季度、年）。 即維的級別。成員（Member） 維的一個取值，是數(shù)據(jù)項在某維中位置的描述。（“某年某月某日”是在時間維上位置的描述）。 度量（Measure）多維數(shù)組的取值。（2000年1月，上海，筆記本電腦，$100000）。 鉆?。―rill-up和Drill-down） 是改變維的層次，變換分析的粒度。它包括向下鉆取（Drill-down）和向上鉆?。―rill-up）/上卷(Roll-up)。Drill-up是在

3、某一維上將低層次的細節(jié)數(shù)據(jù)概括到高層次的匯總數(shù)據(jù)，或者減少維數(shù)；而Drill-down則相反，它從匯總數(shù)據(jù)深入到細節(jié)數(shù)據(jù)進行觀察或增加新維。 切片（Slice）和切塊（Dice） 是在一部分維上選定值后，關(guān)心度量數(shù)據(jù)在剩余維上的分布。如果剩余的維只有兩個，則是切片；如果有三個或以上，則是切塊。旋轉(zhuǎn) 是變換維的方向，即在表格中重新安排維的放置（例如行列互換）。 OLAP系統(tǒng)的體系結(jié)構(gòu)和分類系統(tǒng)的體系結(jié)構(gòu)和分類 OLAP系統(tǒng)按照其存儲器的數(shù)據(jù)存儲格式可以分為關(guān)系OLAP（RelationalOLAP，簡稱ROLAP）、多維OLAP（MultidimensionalOLAP，簡稱MOLAP）和混合型

4、OLAP（HybridOLAP，簡稱HOLAP）三種類型。 這里我們只對ROLAP進行介紹關(guān)系型聯(lián)機分析處理關(guān)系型聯(lián)機分析處理(ROLAP,Relational OLAP) ROLAP將分析用的多維數(shù)據(jù)存儲在關(guān)系數(shù)據(jù)庫中，并根據(jù)應用的需要有選擇的定義一批實視圖作為表也存儲在關(guān)系數(shù)據(jù)庫中。ROLAP的具體實施方法的具體實施方法 顧名思義，關(guān)系型聯(lián)機分析處理是以關(guān)系型數(shù)據(jù)庫為基礎(chǔ)的。唯一特別之處在于聯(lián)機分析處理中的數(shù)據(jù)結(jié)構(gòu)組織的方式。讓我們考察一個例子。假設(shè)我們要進行產(chǎn)品銷售的財務分析，分析的角度包括時間、產(chǎn)品類別、市場分布、實際發(fā)生與預算四方面內(nèi)容，分析的財務指標包括：銷售額、銷售支出、毛利(=

5、銷售額-銷售支出)、費用、純利(=毛利-費用)等內(nèi)容，則我們可以建立如下的數(shù)據(jù)結(jié)構(gòu)： 該數(shù)據(jù)結(jié)構(gòu)的中心是主表，里面包含了所有分析維度的外鍵，以及所有的財務指標，我們稱之為事實表(Fact Table)。 周圍的表分別是對應于各個分析角度的維表(Dimension Table)，每個維表除了主鍵以外，還包含了描述和分類信息。無論原來的業(yè)務數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)為何，只要原業(yè)務數(shù)據(jù)能夠整理成為以上模式，則無論業(yè)務人員據(jù)此提出任何問題，都可以用SQL語句進行表連接或匯總(table join and group by)實現(xiàn)數(shù)據(jù)查詢和解答。 這種模式被稱為星型模式(Star-Schema)，可應用于不同的聯(lián)機

6、分析處理應用中。以下是另一個采用星型模式的例子，分析的角度和指標截然不同，但數(shù)據(jù)結(jié)構(gòu)模式一樣。我們看到是表的結(jié)構(gòu)： 有時候，維表的定義會變得復雜，例如對產(chǎn)品維，既要按產(chǎn)品種類進行劃分，對某些特殊商品，又要另外進行品牌劃分，商品品牌和產(chǎn)品種類劃分方法并不一樣。 因此，單張維表不是理想的解決方案，可以采用以下方式，這種數(shù)據(jù)模型實際上是星型結(jié)構(gòu)的拓展，我們稱之為雪花型模式(snow-flake schema).后記無論采用星型模式還是雪花型模式，關(guān)系型聯(lián)機分析處理都具有以下特點： 數(shù)據(jù)結(jié)構(gòu)和組織模式需要預先設(shè)計和建立； 數(shù)據(jù)查詢需要進行表連接，在查詢性能測試中往往是影響速度的關(guān)鍵； 數(shù)據(jù)匯總查詢（例如查詢某個品牌的所有產(chǎn)品銷售額），需要進行Group by 操作，雖然實際得出的數(shù)據(jù)量很少，但查詢時間變得更長； 為了改善數(shù)據(jù)匯總查詢的性能，可以建立匯總表，但匯總表的數(shù)量與用戶分析的角度數(shù)目和每個角度的層次數(shù)目密切相關(guān)。例