数据仓库技术的简单阐述

数据仓库技术的简单阐述
数据仓库定义：
数据仓库是在企业管理和就决策中
1.面向主题的
2.集成的
3.与时间相关的
4.不可修改的数据集合

数据仓库模型三层次
1.概念模型：
概念模型是对真实世界中问题域内的事物的描述
表示概念模型最常用的是：“实体-关系”图
E-R图主要是由实体、属性和关系三个要素构成的。
2.逻辑模型：
逻辑数据模型，反映的是系统分析设计人员对数据存储的观点，是对概念数据模型进一步的分解和优化。
数据仓库的逻辑模型（数据的逻辑结构）包含有：多维模型、关系模型、层次模型等。数据仓库的逻辑模型描述数据仓库的主要的逻辑实现，每个主题对应的模式定义。
3.物理模型
逻辑模型的具体体现，如物理存取方式、数据存储结构、数据存放位置以及存储分配等。在设计数据仓库的物理模型，需要考虑一些提高性能的技术，如表分区，建立索引等。（数据在数据库中的存取方式）

数据仓库逻辑模型-多维模型
对数据仓库逻辑模型的讨论大多集中在逻辑模型，其中最常用的是多维模型。
维：关注数据的特定角度（例如企业关注不同销售数据随时间的变化情况，时间就是一个维）
维的层次：人们观察数据的某个特定角度还可以存在细节程度不同的多个描述，这就是维的层次。（如：时间维：年份、季度、月份、周、天）
维成员：维的一个取值成为该维的一个成员。如果一个维是多层次的，那么该维的成员就是在不同层次取值的组合。（例：某年某月某日）
度量：描述要分析的数值。（例：用电量、话费、用户数量）
粒度：粒度是数据仓库的数据单位中保存的数据的细化或综合程度的级别。粒度大小影响数据量的大小，同时影响数据 仓库所能回答的查询类型。粒度越小，数据量越大，同时数据所能回答查询的能力会随之提高。