OLAP的三大實(shí)現(xiàn)技術(shù)-課件

OLAP的三大實(shí)現(xiàn)技術(shù)1100214019計(jì)算機(jī)應(yīng)用技術(shù)2020/11/241目錄OLAP的實(shí)現(xiàn)技術(shù)OLAP實(shí)例分析2020/11/242精品資料2020/11/243你怎么稱(chēng)呼老師？如果老師最后沒(méi)有總結(jié)一節(jié)課的重點(diǎn)的難點(diǎn)，你是否會(huì)認(rèn)為老師的教學(xué)方法需要改進(jìn)？你所經(jīng)歷的課堂，是講座式還是討論式？教師的教鞭“不怕太陽(yáng)曬，也不怕那風(fēng)雨狂，只怕先生罵我笨，沒(méi)有學(xué)問(wèn)無(wú)顏見(jiàn)爹娘……”“太陽(yáng)當(dāng)空照，花兒對(duì)我笑，小鳥(niǎo)說(shuō)早早早……”2020/11/244OLAP的實(shí)現(xiàn)技術(shù)關(guān)系型聯(lián)機(jī)分析處理（ROLAP，RelationalOLAP）多維聯(lián)機(jī)分析處理（MOLAP，Multi-DimensionalOLAP）混合型聯(lián)機(jī)分析處理（HOLAP，HybridOLAP）2020/11/245關(guān)系數(shù)據(jù)存儲(chǔ)與多維數(shù)據(jù)存儲(chǔ)關(guān)系型OLAP數(shù)據(jù)存儲(chǔ)

在關(guān)系數(shù)據(jù)庫(kù)中，沒(méi)有數(shù)組的概念，因此多維數(shù)據(jù)必須被映像成平面型的關(guān)系表中的行。具有代表性的是非標(biāo)準(zhǔn)化的星型模式的設(shè)計(jì)，它將基本信息存儲(chǔ)在一個(gè)單獨(dú)的事實(shí)表中，而有關(guān)維的支持信息則被存儲(chǔ)在其他表中。

預(yù)處理的結(jié)果一般被存放在大量的綜合匯總表中，這些綜合匯總表分別有不同的聚集及組合。他們每個(gè)都需要關(guān)鍵字來(lái)標(biāo)識(shí)，并且通過(guò)索引來(lái)獲得高效的訪(fǎng)問(wèn)。

2020/11/246多維數(shù)據(jù)存儲(chǔ)與關(guān)系數(shù)據(jù)存儲(chǔ)多維數(shù)據(jù)庫(kù)中的數(shù)據(jù)存儲(chǔ)多維數(shù)據(jù)庫(kù)是由許多經(jīng)壓縮的，類(lèi)似于數(shù)組的對(duì)象構(gòu)成，這種對(duì)象通常帶有高度壓縮的索引及指針結(jié)構(gòu)。每個(gè)對(duì)象由聚集成組的單元塊組成，每個(gè)單元塊都類(lèi)似于多維數(shù)組的結(jié)構(gòu)存儲(chǔ)，并通過(guò)直接偏移計(jì)算進(jìn)行存取。

由于索引只需一個(gè)較小的數(shù)來(lái)標(biāo)識(shí)單元塊，因此多維數(shù)據(jù)庫(kù)的索引一般較小，只占數(shù)據(jù)空間的一小部分，正因?yàn)樗鼈內(nèi)绱酥。灾劣诳梢院苋菀椎貙⒄麄€(gè)索引裝進(jìn)內(nèi)存，這將極大地提高性能。

在實(shí)際分析過(guò)程中，可能需要把任一維與其他維進(jìn)行組合，因而需要能夠旋轉(zhuǎn)數(shù)據(jù)立方體及切片的視圖，即以多維方式顯示數(shù)據(jù)。

在多維數(shù)據(jù)庫(kù)中，并非維間的每種組合都會(huì)產(chǎn)生具體的值，實(shí)際上，許多組合沒(méi)有具體值，是空的或者值為0。另外，許多值重復(fù)，如一年中的價(jià)格可能不變。因此多維數(shù)據(jù)庫(kù)必須具有高效的稀疏數(shù)據(jù)處理能力，能略過(guò)零元、缺失和重復(fù)數(shù)據(jù)。

2020/11/247多維數(shù)據(jù)存儲(chǔ)與關(guān)系數(shù)據(jù)存儲(chǔ)關(guān)系數(shù)據(jù)存儲(chǔ)與多維數(shù)據(jù)存儲(chǔ)的比較關(guān)系數(shù)據(jù)庫(kù)按表中存放的關(guān)鍵字記錄來(lái)存放數(shù)據(jù)，數(shù)據(jù)可用通用語(yǔ)言SQL來(lái)訪(fǎng)問(wèn)；而多維數(shù)據(jù)存儲(chǔ)在邏輯上按數(shù)組保存數(shù)據(jù)，它既沒(méi)有通用或一致的多維模型，也沒(méi)有標(biāo)準(zhǔn)的或通用的數(shù)據(jù)訪(fǎng)問(wèn)方法。利用關(guān)系數(shù)據(jù)存儲(chǔ)，數(shù)據(jù)倉(cāng)庫(kù)的尺寸可以非常大。通過(guò)使用索引和一些特殊的技術(shù)，可以增大存儲(chǔ)的尺寸，以便在多維查詢(xún)時(shí)獲得可接受的性能。在多維存儲(chǔ)中，數(shù)據(jù)存儲(chǔ)的大小通常是有限的，但數(shù)據(jù)存儲(chǔ)可利用壓縮技術(shù)，例如稀疏矩陣壓縮，可以在較少空間存放更多數(shù)據(jù)。存儲(chǔ)在多維數(shù)據(jù)庫(kù)中的信息具有更詳盡的索引，可以常駐內(nèi)存。且在邏輯上按數(shù)組保存數(shù)據(jù)，所以它可以在不影響索引的情況下更新數(shù)據(jù)。2020/11/248關(guān)系型聯(lián)機(jī)分析處理（ROLAP）ROLAPROLAP將分析用的多維數(shù)據(jù)存儲(chǔ)在關(guān)系數(shù)據(jù)庫(kù)中，并根據(jù)應(yīng)用的需要有選擇的定義一批實(shí)視圖作為表也存儲(chǔ)在關(guān)系數(shù)據(jù)庫(kù)中。ROLAP主要通過(guò)一些軟件工具或中間軟件實(shí)現(xiàn)，物理層仍采用關(guān)系數(shù)據(jù)庫(kù)的存儲(chǔ)結(jié)構(gòu)，因此稱(chēng)為虛擬OLAP（VirtualOLAP）。盡管數(shù)據(jù)按關(guān)系型格式存儲(chǔ)，但對(duì)用戶(hù)來(lái)說(shuō)，數(shù)據(jù)卻是按多維方式給出。為了隱藏存儲(chǔ)格式，應(yīng)創(chuàng)建元數(shù)據(jù)的語(yǔ)義層，此層將映射到關(guān)系表。為改善響應(yīng)時(shí)間，還應(yīng)為概括數(shù)據(jù)或聚集數(shù)據(jù)生成元數(shù)據(jù)。所有元數(shù)據(jù)存放于可被維護(hù)和管理的關(guān)系數(shù)據(jù)庫(kù)中。DBDW基礎(chǔ)數(shù)據(jù)元數(shù)據(jù)計(jì)算結(jié)果多維綜合引擎多維視圖SQL存取多維存取RDBMS服務(wù)器關(guān)系型OLAP服務(wù)器客戶(hù)2020/11/249關(guān)系型聯(lián)機(jī)分析處理（ROLAP）設(shè)計(jì)基本步驟：

（1）利用星型模式、雪花模式、混合模式等技術(shù)來(lái)構(gòu)造維模型。

（2）添加適當(dāng)?shù)木奂透爬〝?shù)據(jù)。

（3）把大的數(shù)據(jù)庫(kù)分解成可管理的部分來(lái)提高效率。

（4）添加生成的索引或位模式索引來(lái)增強(qiáng)功能。

（5）生成并存儲(chǔ)元數(shù)據(jù)。元數(shù)據(jù)包括對(duì)維的定義、維到關(guān)系表格的映射、維間的層次關(guān)系、概括和聚集的定義和描述、公式和計(jì)算及其他數(shù)據(jù)等。2020/11/2410關(guān)系型聯(lián)機(jī)分析處理（ROLAP）執(zhí)行查詢(xún)的步驟：

（1）利用數(shù)據(jù)的應(yīng)用視圖或維視圖來(lái)構(gòu)造客戶(hù)工具。

（2）從客戶(hù)工具查詢(xún)OLAP并實(shí)時(shí)檢查元數(shù)據(jù)。

（3）創(chuàng)建多種SELECT語(yǔ)句和/或相關(guān)子查詢(xún)，并把它們提交給關(guān)系數(shù)據(jù)庫(kù)。

（4）在數(shù)據(jù)庫(kù)查詢(xún)結(jié)果上完成多維功能，例如公式和計(jì)算，從字節(jié)到應(yīng)用描述的轉(zhuǎn)換。

（5）將結(jié)果返回給客戶(hù)工具以便進(jìn)一步處理和顯示，或者立即進(jìn)行顯示。2020/11/2411關(guān)系型聯(lián)機(jī)分析處理（ROLAP）提供給用戶(hù)和管理員的主要功能有：

（1）關(guān)系數(shù)據(jù)庫(kù)的商業(yè)視圖。

（2）維層次支持。

（3）計(jì)算、統(tǒng)計(jì)和財(cái)會(huì)功能，它們都可由用戶(hù)擴(kuò)充。

（4）細(xì)剖細(xì)節(jié)層次。

（5）選擇前后端工具。

（6）數(shù)據(jù)庫(kù)管理員可以增強(qiáng)已有的備份和恢復(fù)功能，并可提供數(shù)據(jù)庫(kù)的子集來(lái)進(jìn)行個(gè)例分析。

（7）利用元數(shù)據(jù)導(dǎo)航。（8）具有使用權(quán)限的多級(jí)安全性控制。2020/11/2412關(guān)系型聯(lián)機(jī)分析處理（ROLAP）可能會(huì)遇到的問(wèn)題：

（1）此方法允許使用星型和雪花模式分解數(shù)據(jù)并進(jìn)行特殊處理。這增強(qiáng)了功能，但代價(jià)卻為關(guān)系數(shù)據(jù)庫(kù)的靈活性和可擴(kuò)充性帶來(lái)了負(fù)面影響。這使得修改數(shù)據(jù)庫(kù)會(huì)產(chǎn)生更多困難，而且可能需要批量修改。

（2）除非是批量裝載，所用的星型模式及其變形，以及所用的聚集和概括數(shù)據(jù)都假定數(shù)據(jù)是靜態(tài)的。

（3）進(jìn)行行一級(jí)的計(jì)算，例如，當(dāng)利潤(rùn)等于收入減成本時(shí)，需要置換行和列。即使采用多個(gè)SELECT語(yǔ)句，此種計(jì)算仍會(huì)受到限制。

（4）管理并維護(hù)元數(shù)據(jù)是一個(gè)長(zhǎng)期的問(wèn)題，并且長(zhǎng)期消耗成本。2020/11/2413關(guān)系型聯(lián)機(jī)分析處理（ROLAP）ROLAP的實(shí)現(xiàn)將數(shù)據(jù)的多維結(jié)構(gòu)劃分為兩類(lèi)表：事實(shí)表（用來(lái)存儲(chǔ)事實(shí)的度量值及各個(gè)維的碼值）維度表（維的描述信息，包括維的層次及成員類(lèi)別等）按照兩種結(jié)構(gòu)設(shè)計(jì)：星型模型雪花模型2020/11/2414關(guān)系型聯(lián)機(jī)分析處理（ROLAP）用關(guān)系模式表達(dá)多維概念的示例圖——星型模式

銷(xiāo)售事物表

產(chǎn)品代碼郵政編碼銷(xiāo)售商代碼財(cái)政周序號(hào)銷(xiāo)售數(shù)量銷(xiāo)售成本總銷(xiāo)售額財(cái)政周序號(hào)產(chǎn)品代碼銷(xiāo)售商代碼郵政編碼產(chǎn)品維表時(shí)間維表銷(xiāo)售渠道維表地理維表2020/11/2415關(guān)系型聯(lián)機(jī)分析處理（ROLAP）用關(guān)系模式表達(dá)多維概念的示例圖——雪花模式

銷(xiāo)售事物表

產(chǎn)品代碼郵政編碼銷(xiāo)售商代碼財(cái)政周序號(hào)銷(xiāo)售數(shù)量銷(xiāo)售成本總銷(xiāo)售額財(cái)政周序號(hào)產(chǎn)品代碼銷(xiāo)售商代碼郵政編碼商標(biāo)代碼公司代碼產(chǎn)品類(lèi)代碼產(chǎn)品小類(lèi)代碼產(chǎn)品代碼當(dāng)前時(shí)間財(cái)政周序號(hào)財(cái)政年度序號(hào)銷(xiāo)售店代碼零售商代碼城市名稱(chēng)國(guó)家地區(qū)郵政編碼商標(biāo)代碼商標(biāo)名稱(chēng)產(chǎn)品代碼產(chǎn)品名稱(chēng)產(chǎn)品小類(lèi)代碼產(chǎn)品小類(lèi)名稱(chēng)公司代碼公司名稱(chēng)零售商代碼零售商名稱(chēng)銷(xiāo)售店代碼零售店名稱(chēng)財(cái)政周序號(hào)財(cái)政周名稱(chēng)財(cái)政年度序號(hào)財(cái)政年度名稱(chēng)產(chǎn)品類(lèi)代碼產(chǎn)品類(lèi)名稱(chēng)商標(biāo)表產(chǎn)品表產(chǎn)品類(lèi)表產(chǎn)品小類(lèi)表公司表產(chǎn)品維表地理維表銷(xiāo)售渠道維表零售商表銷(xiāo)售商店表時(shí)間維表財(cái)政年度表財(cái)政周表2020/11/2416關(guān)系型聯(lián)機(jī)分析處理（ROLAP）注：在ROLAP中，多維數(shù)據(jù)立方體并沒(méi)有真正存在，通常需要在接受客戶(hù)OLAP請(qǐng)求后，ROLAP服務(wù)器需要將SQL語(yǔ)句轉(zhuǎn)化為多維存取語(yǔ)句，并利用連接運(yùn)算拼合出多維數(shù)據(jù)立方體，因此ROLAP的響應(yīng)時(shí)間較長(zhǎng)。2020/11/2417關(guān)系型聯(lián)機(jī)分析處理（ROLAP）銷(xiāo)售事物表產(chǎn)品維表時(shí)間維表銷(xiāo)售渠道維表地理維表JOIN產(chǎn)品代碼產(chǎn)品維地區(qū)維銷(xiāo)售商代碼財(cái)政周序號(hào)郵政編碼時(shí)間維通過(guò)聯(lián)接提取事實(shí)2020/11/2418多維聯(lián)機(jī)分析處理（MOLAP）MOLAP

MLOAP是基于多維數(shù)據(jù)庫(kù)的OLAP技術(shù)，在多維數(shù)據(jù)存儲(chǔ)的方式,OLAP的服務(wù)設(shè)施包含OLAP服務(wù)軟件和多維數(shù)據(jù)庫(kù)，數(shù)據(jù)在邏輯上按數(shù)組存儲(chǔ)，一般可選用超立方體或多立方體方式。在超立方體方式中，大于三位的對(duì)象用平面來(lái)描述，每一維都把它看成與其他維成直角。

維的屬性值被映射為多維數(shù)組的下標(biāo)值或下標(biāo)的范圍，而總結(jié)數(shù)據(jù)作為多維數(shù)組的值存儲(chǔ)在數(shù)組的單元中。

由于MOLAP采用了新的存儲(chǔ)結(jié)構(gòu)，從物理層實(shí)現(xiàn)起，因此又稱(chēng)為物理OLAP(PhysicalOLAP)。2020/11/2419多維聯(lián)機(jī)分析處理（MOLAP）基于多維數(shù)據(jù)庫(kù)(MDDB)的OLAP－MOLAPOLAP服務(wù)器：存儲(chǔ)OLAP服務(wù)軟件和多維數(shù)據(jù)庫(kù)MDDB存儲(chǔ)：采用“超立方體”形式MDDB存?。憾嗑S操作DBDW多維視圖

基礎(chǔ)數(shù)據(jù)計(jì)算結(jié)果多維數(shù)據(jù)庫(kù)引擎客戶(hù)多維存取2020/11/2420多維聯(lián)機(jī)分析處理（MOLAP）設(shè)計(jì)基本步驟：

（1）選擇功能，例如，銷(xiāo)售收入分析和財(cái)經(jīng)分析報(bào)表。

（2）指明數(shù)字信息，例如存儲(chǔ)類(lèi)似銷(xiāo)售收入和顧客的度量信息。

（3）確定維（時(shí)間，地區(qū)和產(chǎn)品等）以及每一維的粒度，例如，時(shí)間是按月和季度，地區(qū)按市、縣或地區(qū)等。

（4）定義邏輯模型并裝載多維數(shù)據(jù)存儲(chǔ)，這可以直接從數(shù)據(jù)源中獲得，也可以過(guò)濾并匹配數(shù)據(jù)倉(cāng)庫(kù)所選內(nèi)容。2020/11/2421多維聯(lián)機(jī)分析處理（MOLAP）提供給用戶(hù)的主要功能：

（1）對(duì)內(nèi)涵查詢(xún)的快速響應(yīng)，只有快速響應(yīng)才能保證分析和思考的過(guò)程。

（2）與多位數(shù)據(jù)庫(kù)進(jìn)行交互，使其支持預(yù)測(cè)、預(yù)先計(jì)劃、進(jìn)行預(yù)算等應(yīng)用。

（3）發(fā)掘各維元素或信息間豐富的聯(lián)系，以便發(fā)現(xiàn)微妙的關(guān)系。

（4）強(qiáng)大的計(jì)算引擎和比較分析，包括分級(jí)、比較、按百分比分類(lèi)、最大值、最小值、平均值、平均轉(zhuǎn)手率、按時(shí)期比較等。

（5）交叉維計(jì)算，或?qū)陔娮颖砀竦膽?yīng)用按行計(jì)算。

（6）綜合統(tǒng)計(jì)和財(cái)務(wù)功能，如現(xiàn)金轉(zhuǎn)賬、趨勢(shì)分析、時(shí)間序列分析等。

（7）靈巧計(jì)時(shí)，日期中的年、當(dāng)前時(shí)刻、財(cái)務(wù)或內(nèi)部的日歷等。

（8）具有查詢(xún)數(shù)據(jù)倉(cāng)庫(kù)底層細(xì)節(jié)數(shù)據(jù)的能力。

（9）沿單維或多維處理的基準(zhǔn)點(diǎn)、表格、細(xì)剖和統(tǒng)覽以及其他強(qiáng)有力的導(dǎo)航功能。2020/11/2422多維聯(lián)機(jī)分析處理（MOLAP）可能會(huì)遇到的問(wèn)題：

（1）所支持的多維數(shù)據(jù)庫(kù)的尺寸小于關(guān)系數(shù)據(jù)庫(kù)的尺寸。這時(shí)可利用稀疏矩陣技術(shù)來(lái)節(jié)省空間，其副作用是增加操作、因?yàn)?，存?chǔ)的是概括和聚集信息，所以存儲(chǔ)的需求要比原來(lái)的小。

（2）按粒度的級(jí)別（概括的、聚集的、預(yù)計(jì)算和派生的數(shù)據(jù)）來(lái)存儲(chǔ)數(shù)據(jù)會(huì)帶來(lái)副作用，如細(xì)剖無(wú)法達(dá)到細(xì)節(jié)數(shù)據(jù)級(jí)。

（3）高層次級(jí)別的數(shù)據(jù)具有訪(fǎng)問(wèn)和安全性控制，但沒(méi)有基于使用的權(quán)限和子集級(jí)的訪(fǎng)問(wèn)控制。

（4）維結(jié)構(gòu)的改變需要重組多維數(shù)據(jù)庫(kù)，常用的備份和恢復(fù)功能會(huì)受限。

（5）因需要特定的前后端，會(huì)限制選擇。但在擴(kuò)充多維數(shù)據(jù)庫(kù)的前后端后，又會(huì)導(dǎo)致它不能移植至另一多維數(shù)據(jù)庫(kù)。2020/11/2423多維聯(lián)機(jī)分析處理（MOLAP）MOLAP首先對(duì)事實(shí)表中的所有外鍵進(jìn)行排序，并將排序后的具體指標(biāo)數(shù)值一一寫(xiě)進(jìn)虛擬的多維立方體中。當(dāng)然，虛擬的多維立方體只是為了便于理解而構(gòu)想的，MOLAP實(shí)際的數(shù)據(jù)存儲(chǔ)放在數(shù)據(jù)文件(DataFile)中，其數(shù)據(jù)放置的順序與虛擬的多維立方體按x,y,z坐標(biāo)展開(kāi)的順序是一致的(如上圖)。同時(shí)，為了數(shù)據(jù)查找的方便，MOLAP需要預(yù)先建立維度的索引，這個(gè)索引被放置在MOLAP的概要文件(Outline)中。圖中左邊是ROLAP方式，右邊是MOLAP方式，兩者對(duì)應(yīng)的是同一個(gè)三維模型。2020/11/2424

概要文件是MOLAP的核心，相當(dāng)于ROLAP的數(shù)據(jù)模型設(shè)計(jì)。概要文件包括所有維的定義（包括復(fù)雜的維度結(jié)構(gòu)）以及各個(gè)層次的數(shù)據(jù)匯總關(guān)系(例如在時(shí)間維，日匯總至月，月匯總至季，季匯總至年)，這些定義往往從關(guān)系型維表中直接引入即可。概要文件也包括分析指標(biāo)的定義，因此可以在概要文件中包含豐富的衍生指標(biāo)，這些衍生指標(biāo)由基礎(chǔ)指標(biāo)計(jì)算推導(dǎo)出來(lái)。一旦概要文件定義好，MOLAP系統(tǒng)可以自動(dòng)安排數(shù)據(jù)存儲(chǔ)的方式和進(jìn)行數(shù)據(jù)查詢(xún)。從MOLAP的數(shù)據(jù)文件與ROLAP的事實(shí)表的對(duì)比可以看出，MOLAP的數(shù)據(jù)文件完全不需要紀(jì)錄維度的外鍵，在維度比較多的情況下，這種數(shù)據(jù)存儲(chǔ)方式大量地節(jié)省了空間。多維聯(lián)機(jī)分析處理（MOLAP）2020/11/2425

但是，如果數(shù)據(jù)相當(dāng)稀疏，虛擬的多維立方體中很多數(shù)值為空時(shí)，MOLAP的數(shù)據(jù)文件需要對(duì)相關(guān)的位置留空，而ROLAP的事實(shí)表卻不會(huì)存儲(chǔ)這些紀(jì)錄。為了有效地解決這種情況，MOLAP采用了稀疏維和密集維相結(jié)合的處理方式。多維聯(lián)機(jī)分析處理（MOLAP）2020/11/2426多維聯(lián)機(jī)分析處理（MOLAP）在實(shí)際應(yīng)用中，不可能所有分析的維度都是密集的，也絕少存在所有分析的維度都是稀疏的，因此稀疏維和密集維并用的模式幾乎主導(dǎo)了所有的MOLAP應(yīng)用。而稀疏維和密集維的定義全部集中在概要文件中，因此，只要預(yù)先定義好概要文件，所有的數(shù)據(jù)分布就自動(dòng)確定了。在這種模式中，密集維的組合組成了的數(shù)據(jù)塊(DataBlock)，每個(gè)數(shù)據(jù)塊是I/O讀寫(xiě)的基礎(chǔ)單位(如上圖)，所有的數(shù)據(jù)塊組成了數(shù)據(jù)文件。稀疏維的組合組成了索引文件，索引文件的每一個(gè)數(shù)據(jù)紀(jì)錄的末尾都帶有一個(gè)指針，指向要讀寫(xiě)的數(shù)據(jù)塊。因此，進(jìn)行數(shù)據(jù)查詢(xún)時(shí)，系統(tǒng)先搜索索引文件紀(jì)錄，然后直接調(diào)用指針指向的數(shù)據(jù)塊進(jìn)行I/O讀寫(xiě)(如果該數(shù)據(jù)塊尚未駐留內(nèi)存)，將相應(yīng)數(shù)據(jù)塊調(diào)入內(nèi)存后，根據(jù)密集維的數(shù)據(jù)放置順序直接計(jì)算出要查詢(xún)的數(shù)據(jù)距離數(shù)據(jù)塊頭的偏移量，直接提取數(shù)據(jù)下傳到客戶(hù)端。因此，MOLAP方式基本上是索引搜索與直接尋址的查詢(xún)方式相結(jié)合，比起ROLAP的表/索引搜索和表連接方式，速度要快得多。2020/11/2427ROLAP和MOLAP的優(yōu)缺點(diǎn)比較2020/11/2428混合型聯(lián)機(jī)分析處理（HOLAP）HOLAP：

迄今為止，對(duì)HOLAP還沒(méi)有一個(gè)正式的定義。但很明顯，HOLAP結(jié)構(gòu)不應(yīng)該是MOLAP與ROLAP結(jié)構(gòu)的簡(jiǎn)單組合，而是這兩種結(jié)構(gòu)技術(shù)優(yōu)點(diǎn)的有機(jī)結(jié)合，能滿(mǎn)足用戶(hù)各種復(fù)雜的分析請(qǐng)求。

2020/11/2429混合型聯(lián)機(jī)分析處理（HOLAP）對(duì)于常用的維度和維層次，在HOLAP中使用多維數(shù)據(jù)表來(lái)記錄。對(duì)于不常用的維度和數(shù)據(jù)，采用類(lèi)似于ROLAP星型結(jié)構(gòu)來(lái)存儲(chǔ)。允許將大量詳細(xì)數(shù)據(jù)存放在關(guān)系數(shù)據(jù)庫(kù)中，而聚集保持在分離的MOLAP存儲(chǔ)中。HOLAP在主要性能上都介于MOLAP和ROLAP之間，其技術(shù)復(fù)雜度高于MOLAP和ROLAP。HOLAP得益于ROLAP的可伸縮性,和MOLAP的快速計(jì)算。（如MSSQLSERVER)在HOLAP的多維數(shù)據(jù)表中的數(shù)據(jù)維度少于MOLAP中的維度表，數(shù)據(jù)存儲(chǔ)容量也少于MOLAP方式。HOLAP在數(shù)據(jù)存取速度上又低于MOLAP。2020/11/2430OLAP實(shí)例分析2020/11/2431混合型聯(lián)機(jī)分析處理（HOLAP）2020/11/2432混合型聯(lián)機(jī)分析處理（HOLAP）2020/11/2433混合型聯(lián)機(jī)分析處理（HOLAP）2020/11/2434混合型聯(lián)機(jī)分析處理（HOLAP）2020/11/2435混合型聯(lián)機(jī)分析處理（HOLAP）2020/11/2436混合型聯(lián)機(jī)分析處理（HOLAP）2020/11/2437混合型聯(lián)機(jī)分析處理（HOLAP）2020/11/2438混合型聯(lián)機(jī)分析處理（HOLAP）2020/11/2439混合型聯(lián)機(jī)分析處理（HOLAP）2020/11/2440混合型聯(lián)機(jī)分析處理（HOLAP）2020/