<学习笔记5>数据挖掘原理与运用-sql server2008 数据库

2016/10/26

第十三章

挖掘OLAP立方体

理解星型模式和雪花模式

星型模式中间是事实表，周围是事实表中各个属性的维表。雪花模式周围是查找表。

理解维和层次。

通常我们理解的维：时间维，空间维等等，层次，省，市，区。这就是层次。在OLAP这里，维的概念似乎更广泛些，比如客户维是一张客户表，表中有各种属性，包括：性别，年龄，姓名这样。层次也是维的某个属性的层次。比如我们会说客户维中的地理层次。

度量和度量组。

度量=值。度量组=OLAP中度量及其相关属性的组合。

处理立方体步骤：维处理。立方体处理。

这里其实出现一个概念叫“聚集”。有点抽象。什么叫聚集？？

由于聚集的规模会随聚集数呈指数膨胀，因此一般都会指定最优聚集，再根据这些聚集派生出其他聚集。

比如可以通过每月产量的聚集派生出季度和年产量的聚集。

analysis services 为区提供三种存储模式：1、多维OLAP（MOLAP）。2、关系OLAP（ROLAP）。3、混合OLAP。(HOLAP)

MDX

前面我们纠结很久的mdx与dmx中的mdx终于出现了。他的意思是“多维表达式”。语法遵循select ...from ...where。

清单13-1使用时发现没有OLAP立方体。是什么时候建立的？怎么建立的？

立方体聚集最常用sum。也有min，max，count，average。

计算度量：从其他度量派生出来的度量。

统一维度模型：UDM。

这里有很多概念已经搞混了。事例维，嵌套维，层次，表列嵌，套表键，嵌套键...等等一系列。很遗憾我也没能从网络上找到相关的学习资料，如他人写的相关的csdn博客资料。不过也有一个好处，就由我来开篇吧。接着我会先通篇浏览完这本书，然后重新开始对每一个疑点进行整理。