数据仓库理论学习笔记.pptx

数据仓库是一种专为数据分析而设计的数据库系统，它与传统的联机事务处理（OLTP）系统有着显著的区别。OLTP系统主要用于日常业务操作，强调快速响应时间、数据安全性和完整性，例如银行交易、订单处理等。相反，数据仓库是面向主题的，其目标是支持决策支持系统（DSS），提供对历史数据的深入分析。 数据仓库的特点首先体现在其集成性，数据从多个分散的源系统中抽取、转换和加载（ETL过程），以消除数据表述的不一致性和清洗数据。这些数据经过综合处理，形成一个统一的视图，使得用户可以进行跨部门、跨系统的数据分析。值得注意的是，数据仓库中的数据是只读的，一旦加载，一般不进行更新，而是通过删除过期数据和不断添加新数据来反映时间变化。例如，数据仓库中会包含时间戳，以标识数据对应的历史时期。 数据仓库的结构通常包括多个细节级别，从早期的详细数据到当前的详细数据，再到不同程度的汇总数据，如轻度汇总和高度汇总，最后形成数据集市，以供特定领域的分析使用。在数据仓库的设计过程中，粒度的选择是一个关键因素，粒度决定了数据的细节程度和综合程度，直接影响查询的多样性和存储空间的大小。设计时可能需要采用双重粒度，即同时保留详细和综合的数据，以满足不同类型的查询需求。 数据仓库的物理组织策略包括分割，这涉及到将数据分布到不同的物理单元，以提高处理效率。分割可以在系统层和应用层进行，依据日期、地理位置、组织单位等多种标准。数据的组织形式有简单堆积、轮转综合和简化直接等方法。简单堆积是每天从数据库中提取的数据逐天积累；轮转综合则按照预设模式定期重新组织数据；简化直接则是定期获取操作型数据的快照，连续添加形成历史序列。 数据仓库是企业决策支持的重要工具，通过集成和组织大量历史数据，为企业提供深度分析和洞察，帮助管理层做出明智的决策。其设计和实现涉及到诸多技术和策略，如ETL、粒度选择、数据分割以及不同的数据组织方式，这些都是构建高效数据仓库的关键考虑因素。