數(shù)據(jù)倉庫的建立與開發(fā)

數(shù)據(jù)倉庫概念、設(shè)計(jì)及應(yīng)用提綱1.為什么要建立數(shù)據(jù)倉庫2.數(shù)據(jù)倉庫的概念及特性3.數(shù)據(jù)倉庫的結(jié)構(gòu)4.數(shù)據(jù)倉庫的設(shè)計(jì)5.數(shù)據(jù)倉庫的開發(fā)過程6.數(shù)據(jù)倉庫的典型應(yīng)用事務(wù)處理環(huán)境不適宜DSS應(yīng)用的原因

事務(wù)處理和分析處理的性能特性不同操作型處理對數(shù)據(jù)的存取操作頻率高而每次操作處理的時間短；

在分析處理環(huán)境中，某個DSS應(yīng)用程序可能需要連續(xù)幾個小時，從而消耗大量的系統(tǒng)資源。數(shù)據(jù)集成問題數(shù)據(jù)動態(tài)集成問題歷史數(shù)據(jù)問題數(shù)據(jù)的綜合問題

抽取程序用抽取程序能將數(shù)據(jù)從高性能聯(lián)機(jī)事務(wù)處理方式中轉(zhuǎn)移出來，在需要總體分析數(shù)據(jù)時就與聯(lián)機(jī)事務(wù)處理性能不發(fā)生沖突。用抽取程序能將數(shù)據(jù)從聯(lián)機(jī)事務(wù)處理范圍內(nèi)移出時，數(shù)據(jù)的控制方式就發(fā)生了轉(zhuǎn)變。蜘蛛網(wǎng)問題數(shù)據(jù)缺乏可信性數(shù)據(jù)無時基數(shù)據(jù)算法上的差異抽取的多層次外部數(shù)據(jù)問題無起始的公共數(shù)據(jù)源生產(chǎn)率低根據(jù)全部數(shù)據(jù)生成企業(yè)報(bào)表定位數(shù)據(jù)需要瀏覽大量文件抽取程序很多，并且每個都是定制的，不得不克服很多技術(shù)上的障礙。數(shù)據(jù)轉(zhuǎn)化為信息的不可行性數(shù)據(jù)沒有集成化缺乏將數(shù)據(jù)轉(zhuǎn)化為信息所需的歷史數(shù)據(jù)體系結(jié)構(gòu)設(shè)計(jì)環(huán)境的層次數(shù)據(jù)操作層只保存原始數(shù)據(jù)并且服務(wù)于高性能事務(wù)處理領(lǐng)域；數(shù)據(jù)倉庫層存儲不更新的原始數(shù)據(jù)，此外一些導(dǎo)出數(shù)據(jù)也在此存在；數(shù)據(jù)的部門層幾乎只存放導(dǎo)出數(shù)據(jù)；在數(shù)據(jù)個體層中完成大多數(shù)啟發(fā)式分析操作層原子/數(shù)據(jù)倉庫層部門層個體層數(shù)據(jù)倉庫的概念

數(shù)據(jù)倉庫是在企業(yè)管理和決策中面向主題的、集成的、與時間相關(guān)的、不可修改的數(shù)據(jù)集合。[WilliamH.Inmon]與其他數(shù)據(jù)庫應(yīng)用不同的是，數(shù)據(jù)倉庫更像一種過程，對分布在企業(yè)內(nèi)部各處的業(yè)務(wù)數(shù)據(jù)的整合、加工和分析的過程。數(shù)據(jù)倉庫的特性

面向主題典型的主題領(lǐng)域：客戶；產(chǎn)品；交易；帳目集成的數(shù)據(jù)提取、凈化、轉(zhuǎn)換、裝載非易失的數(shù)據(jù)倉庫的數(shù)據(jù)通常是一起載入和訪問的，但并不進(jìn)行一般意義上的數(shù)據(jù)更新隨時間的變化性數(shù)據(jù)倉庫中的時間期限要遠(yuǎn)遠(yuǎn)長于操作型系統(tǒng)中的時間期限（5~10年）；數(shù)據(jù)倉庫中的數(shù)據(jù)是一系列某一時刻生成的復(fù)雜的快照；數(shù)據(jù)倉庫的鍵碼結(jié)構(gòu)總是包含某時間元素。數(shù)據(jù)倉庫的結(jié)構(gòu)早期細(xì)節(jié)級當(dāng)前細(xì)節(jié)級輕度綜合級數(shù)據(jù)集市高度綜合級元數(shù)據(jù)操作型轉(zhuǎn)換

數(shù)據(jù)倉庫設(shè)計(jì)中的幾個重要概念

ETLETL（Extract/Transformation/Load）—用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗、轉(zhuǎn)換,最終按照預(yù)先定義好的數(shù)據(jù)倉庫模型，將數(shù)據(jù)加載到數(shù)據(jù)倉庫中去。元數(shù)據(jù)關(guān)于數(shù)據(jù)的數(shù)據(jù)，指在數(shù)據(jù)倉庫建設(shè)過程中所產(chǎn)生的有關(guān)數(shù)據(jù)源定義，目標(biāo)定義，轉(zhuǎn)換規(guī)則等相關(guān)的關(guān)鍵數(shù)據(jù)。同時元數(shù)據(jù)還包含關(guān)于數(shù)據(jù)含義的商業(yè)信息。粒度數(shù)據(jù)倉庫的數(shù)據(jù)單位中保存數(shù)據(jù)的細(xì)化或綜合程度的級別。細(xì)化程度越高，粒度級就越小；相反，細(xì)化程度越低，粒度級就越大。分割結(jié)構(gòu)相同的數(shù)據(jù)被分成多個數(shù)據(jù)物理單元。任何給定的數(shù)據(jù)單元屬于且僅屬于一個分割。典型的元元數(shù)據(jù)包包括：數(shù)據(jù)倉庫庫表的結(jié)結(jié)構(gòu)數(shù)據(jù)倉庫庫表的屬屬性數(shù)據(jù)倉庫庫的源數(shù)數(shù)據(jù)（記記錄系統(tǒng)統(tǒng)）從記錄系系統(tǒng)到數(shù)數(shù)據(jù)倉庫庫的映射射數(shù)據(jù)模型型的規(guī)格格說明抽取日志志訪問數(shù)據(jù)據(jù)的公用用例行程程序數(shù)據(jù)倉庫庫設(shè)計(jì)中中的幾個個重要概概念(續(xù)）DataMart數(shù)據(jù)集市市--小型型的，面面向部門門或工作作組級數(shù)數(shù)據(jù)倉庫庫。OperationDataStore操作數(shù)據(jù)據(jù)存儲——ODS是能支持持企業(yè)日日常的全全局應(yīng)用用的數(shù)據(jù)據(jù)集合,是不同同于DB的一種新新的數(shù)據(jù)據(jù)環(huán)境,是DW擴(kuò)展后得得到的一一個混合合形式。。四個基基本特點(diǎn)點(diǎn)：面向向主題的的(Subject-Oriented)、、集成的、、可變的的、當(dāng)當(dāng)前或接接近當(dāng)前前的。datamodel數(shù)據(jù)模型型--（1）邏輯數(shù)數(shù)據(jù)結(jié)構(gòu)構(gòu)，包括括由DBMS為有效進(jìn)進(jìn)行數(shù)據(jù)據(jù)庫處理理提供的的操作和和約束；；（2）用于表表示數(shù)據(jù)據(jù)的系統(tǒng)統(tǒng)（例如如，ERD或關(guān)系型型模型））。artifact人工關(guān)系系--在DSS環(huán)境中用用于表示示參照完完整性的的一種設(shè)設(shè)計(jì)技術(shù)術(shù)。企業(yè)數(shù)據(jù)據(jù)模型到到數(shù)據(jù)倉倉庫數(shù)據(jù)據(jù)模型的的轉(zhuǎn)換除去純粹粹用于操操作型環(huán)環(huán)境的數(shù)數(shù)據(jù)在企業(yè)鍵鍵碼結(jié)構(gòu)構(gòu)中增加加時間元元素增加導(dǎo)出出數(shù)據(jù)創(chuàng)建人工工關(guān)系數(shù)據(jù)模型型的規(guī)范范化/反反規(guī)范化化為了減少少程序在在表中的的跳轉(zhuǎn)、、節(jié)省I/O，，需將多個個相關(guān)的的表合并并；引入冗余余數(shù)據(jù)；；當(dāng)訪問概概率有很很大懸殊殊時，要要對數(shù)據(jù)據(jù)做進(jìn)一一步分離離；在物理理數(shù)據(jù)據(jù)庫的的設(shè)計(jì)計(jì)中引引入導(dǎo)導(dǎo)出數(shù)數(shù)據(jù)可可以減減少I/O；建立所所謂的的“創(chuàng)創(chuàng)造的的”索索引或或創(chuàng)造造的簡簡要記記錄（（如卷卷中的的前十十名顧顧客是是———）數(shù)據(jù)倉庫體系結(jié)構(gòu)OLTP數(shù)據(jù)源數(shù)據(jù)倉庫數(shù)據(jù)集市?數(shù)據(jù)采集及整合數(shù)據(jù)的映射規(guī)則、模型。。。

（元數(shù)據(jù)管理）數(shù)據(jù)倉庫項(xiàng)目流程管理及系統(tǒng)性能管理和監(jiān)控?數(shù)據(jù)展現(xiàn)及決策生產(chǎn)財(cái)務(wù)結(jié)算外部航線分析總量分析市場分析InfoPump數(shù)據(jù)分析、DM終端用戶終端用戶從操作作型的的現(xiàn)存存系統(tǒng)統(tǒng)到數(shù)數(shù)據(jù)倉倉庫中中數(shù)據(jù)據(jù)轉(zhuǎn)換換工作作的難難點(diǎn)現(xiàn)有系系統(tǒng)缺缺乏數(shù)數(shù)據(jù)集集成，，跨越越不同同應(yīng)用用的數(shù)數(shù)據(jù)集集成性性很差差存取現(xiàn)現(xiàn)存系系統(tǒng)的的效率率，掃掃描已已有文文件成成了數(shù)數(shù)據(jù)倉倉庫體體系結(jié)結(jié)構(gòu)設(shè)設(shè)計(jì)者者主要要面對對的問問題時基的的變化化數(shù)據(jù)要要濃縮縮概念：數(shù)據(jù)周周期、、簡要要記錄錄數(shù)據(jù)周周期：：是指從從操作作型數(shù)數(shù)據(jù)發(fā)發(fā)生改改變起起，到到這個個變化化反映映到數(shù)數(shù)據(jù)倉倉庫中中所用用的時時間。從操作作型環(huán)環(huán)境知知道數(shù)數(shù)據(jù)的的改變變到這這個變變化反反映到到數(shù)據(jù)據(jù)倉庫庫中至至少應(yīng)應(yīng)該經(jīng)經(jīng)歷24小小時。。簡要記記錄：：或聚集集記錄錄，是是把不不同操操作型型數(shù)據(jù)據(jù)的詳詳細(xì)信信息聚聚集在在一個個記錄錄中而而形成成的記記錄。。好處：：①減減少數(shù)數(shù)據(jù)量量；②為用用戶的的訪問問和分分析提提供了了一種種緊湊湊的方方便的的數(shù)據(jù)據(jù)組織織形式式；缺點(diǎn)：：信息息的詳詳細(xì)程程度將將會降降低。。數(shù)據(jù)倉倉庫的的建模模數(shù)據(jù)模模型所有的的實(shí)體體都是是平等等關(guān)系系。僅僅從從數(shù)據(jù)據(jù)模型型的角角度來來著手手設(shè)計(jì)計(jì)數(shù)據(jù)據(jù)倉庫庫會產(chǎn)產(chǎn)生一一種““平面面”效效應(yīng)。。星型連連接事實(shí)表表：位于星星型連連接的的中央央，它它是被被大量量載入入數(shù)據(jù)據(jù)的實(shí)實(shí)體。。維表：：周圍圍的其其它實(shí)實(shí)體。。在很多多情況況下：：文本本數(shù)據(jù)據(jù)與數(shù)數(shù)值數(shù)數(shù)據(jù)是是分離離開的的。通過數(shù)數(shù)據(jù)預(yù)預(yù)連接接和建建立有有選擇擇的數(shù)數(shù)據(jù)冗冗余，，設(shè)計(jì)計(jì)者為為訪問問和分分析過過程大大大簡簡化了了數(shù)據(jù)據(jù)。星型連連接應(yīng)應(yīng)用于于設(shè)計(jì)計(jì)數(shù)據(jù)據(jù)倉庫庫中很很大的的實(shí)體體，而而數(shù)據(jù)據(jù)模型型則應(yīng)應(yīng)用于于數(shù)據(jù)據(jù)倉庫庫中較較小的的實(shí)體體。VendordataVendordataVendordatavendor_id供應(yīng)商cust_id客戶order_id發(fā)貨OrderdataOrderdataorder_id訂單CustdataCustdataCustdataNonkeydataOrderdataOrderdataOrderdata產(chǎn)品ProductdataProductdataProductdataProductidVendoridNonkeydatacustidNonkeydataorderidNonkeydataproductid數(shù)據(jù)建建模的的十條條戒律律①必須須回答答緊迫迫的問問題；；②必須須有正正確的的事實(shí)實(shí)表；；③將有有正確確的維維表，，描述述必須須按最最終用用戶的的業(yè)務(wù)務(wù)術(shù)語語表達(dá)達(dá)；④必須須理解解數(shù)據(jù)據(jù)倉庫庫所影影響的的公司司過程程或影影響數(shù)數(shù)據(jù)倉倉庫的的公司司過程程；⑤對于于事實(shí)實(shí)表，，應(yīng)該該有正正確的的“粒粒度””；⑥根據(jù)據(jù)需要要存儲儲正確確長度度的公公司歷歷史數(shù)數(shù)據(jù)；；⑦以一一種對對于公公司有有意義義的方方式來來集成成所有有必要要的數(shù)數(shù)據(jù)；；⑧創(chuàng)建建必要要的總總結(jié)表表；⑨創(chuàng)建建必要要的索索引；；⑩能夠夠加載載數(shù)據(jù)據(jù)倉庫庫數(shù)據(jù)據(jù)庫并并使它它以一一種適適宜的的方式式可用用。數(shù)據(jù)集集市外部數(shù)數(shù)據(jù)用自頂頂向下下的方方法構(gòu)構(gòu)建數(shù)數(shù)據(jù)倉倉庫數(shù)據(jù)集集市建造企企業(yè)數(shù)數(shù)據(jù)倉倉庫建設(shè)中心數(shù)數(shù)據(jù)模型一次性的完完成數(shù)據(jù)的的重構(gòu)工作作最小化數(shù)據(jù)據(jù)冗余度和和不一致性性存儲詳細(xì)的的歷史數(shù)據(jù)據(jù)從企業(yè)數(shù)據(jù)據(jù)倉庫中建建造數(shù)據(jù)集集市得到大部分分的集成數(shù)數(shù)據(jù)直接依賴于于數(shù)據(jù)倉庫庫的可用性性操作數(shù)據(jù)問題投資效益的的時間?建設(shè)中心數(shù)數(shù)據(jù)模型的的必要性和和可能性?初始費(fèi)用?企業(yè)數(shù)據(jù)倉庫用自底向上上的方法構(gòu)構(gòu)建數(shù)據(jù)倉倉庫數(shù)據(jù)集市建立部門數(shù)數(shù)據(jù)集市限制在一個個主題區(qū)域域快速投資收收益區(qū)域自治––設(shè)計(jì)計(jì)的可伸縮縮性強(qiáng)對相關(guān)部門門的應(yīng)用容容易復(fù)制對每個數(shù)據(jù)據(jù)集市需要要數(shù)據(jù)重構(gòu)構(gòu)存在一定的的冗余及不不一直性逐步擴(kuò)展到到企業(yè)數(shù)據(jù)據(jù)倉庫(EDW)把建造EDW作為一個長長期的目標(biāo)標(biāo)存在的問題題:數(shù)據(jù)集市的的數(shù)據(jù)都是是可用的嗎嗎?能生成數(shù)據(jù)據(jù)模型嗎?如何解決不不一致性?外部數(shù)據(jù)操作數(shù)據(jù)(全局)&操作數(shù)據(jù)(局部)操作數(shù)據(jù)(局部)數(shù)據(jù)集市企業(yè)數(shù)據(jù)倉倉庫數(shù)據(jù)倉庫的的開發(fā)過程程建立或獲得得企業(yè)的數(shù)數(shù)據(jù)模型；；定義記錄系系統(tǒng)；設(shè)計(jì)數(shù)據(jù)倉倉庫并按主主題領(lǐng)域進(jìn)進(jìn)行組織；；設(shè)計(jì)和建立立操作型環(huán)環(huán)境中的記記錄系統(tǒng)和和數(shù)據(jù)倉庫庫之間的接接口，這些些接口能保保證數(shù)據(jù)倉倉庫的載入入工作能有有序的進(jìn)行行；開始載入第第一個主題題領(lǐng)域，進(jìn)進(jìn)入載入和和反饋過程程，數(shù)據(jù)倉倉庫中的數(shù)數(shù)據(jù)在此過過程中也在在不斷地改改變。數(shù)據(jù)模型的的內(nèi)容標(biāo)識主要主主題領(lǐng)域。。各個主要主主題之間的的各種關(guān)系系。清晰地定義義模型的邊邊界。把原始數(shù)據(jù)據(jù)和導(dǎo)出數(shù)數(shù)據(jù)分離。。每個主題領(lǐng)領(lǐng)域需要標(biāo)標(biāo)識鍵碼屬性屬性分組之之間的關(guān)系系多重出現(xiàn)的的數(shù)據(jù)數(shù)據(jù)的類型型表達(dá)數(shù)據(jù)模模型的最好好數(shù)據(jù)最實(shí)時最準(zhǔn)確最完備與外部數(shù)據(jù)據(jù)源最近最具結(jié)構(gòu)兼兼容性定義記錄系系統(tǒng)就是找找出現(xiàn)存系系統(tǒng)所具有有的最好的的數(shù)據(jù)將數(shù)據(jù)模型型變?yōu)閿?shù)據(jù)據(jù)倉庫要做做的主要工工作如果原先沒沒有時間元元素的話，，時間元素素必須加入入到鍵碼結(jié)結(jié)構(gòu)中必須清除所所有的純操操作型數(shù)據(jù)據(jù)需要將參照照完整性關(guān)關(guān)系轉(zhuǎn)換成成“人工關(guān)關(guān)系”將經(jīng)常需要要用到的到到處數(shù)據(jù)假假如到設(shè)計(jì)計(jì)中對數(shù)據(jù)的結(jié)結(jié)構(gòu)進(jìn)行調(diào)調(diào)整增加數(shù)據(jù)陣陣列增加數(shù)據(jù)冗冗余在合適的情情況下進(jìn)一一步分離數(shù)數(shù)據(jù)在合適的時時候合并數(shù)數(shù)據(jù)表需要做數(shù)據(jù)據(jù)的穩(wěn)定性性分析在接口中需需完成的工工作數(shù)據(jù)抽取對來自操作作型、面向向應(yīng)用型環(huán)環(huán)境的數(shù)據(jù)據(jù)的集成數(shù)據(jù)時基的的變更數(shù)據(jù)壓縮對現(xiàn)存系統(tǒng)統(tǒng)環(huán)境的有有效掃描數(shù)據(jù)倉庫開開發(fā)成功的的關(guān)鍵關(guān)鍵：是數(shù)數(shù)據(jù)體系結(jié)結(jié)構(gòu)設(shè)計(jì)者者和DSS分析者之間間的反饋循循環(huán)。有幾點(diǎn)觀察察結(jié)果對數(shù)數(shù)據(jù)倉庫環(huán)環(huán)境的成功功建立是至至關(guān)重要的的問題：DSS分析人員一一定要嚴(yán)格格遵循“給給我我所要要的東西，，然后我能能告訴你我我真正需要要的東西””的工作模模式；反饋循環(huán)的的周期越短短，越有可可能成功；；需要調(diào)整的的數(shù)據(jù)量越越大，反饋饋循環(huán)所需需要的周期期就越長數(shù)據(jù)倉庫的的應(yīng)用在證券業(yè)的應(yīng)應(yīng)用:可處理客戶戶分析、帳帳戶分析、、證券交易易數(shù)據(jù)分析析、非資金金交易分析析等多個業(yè)業(yè)界關(guān)心的的主題，為為客戶提供供針對其個