联机分析处理.ppt

第第3 3章章联机分析处理联机分析处理（（1 1））1第3章 联机分析处理3.1 OLAP概念3.2 OLAP的数据模型3.3 多维数据的显示3.4 OLAP多维数据分析（上）（ 3.4.1 3.4.2） 2联机分析处理（On Line Analytical Processing，OLAP）在数据仓库系统中，联机分析处理是重要的数据分析工具OLAP的基本思想是从多方面和多角度,以多 维的形式来观察企业的状态和了解企业的变化33.1 OLAP概念OLAP是以数据仓库为基础的数据分析处理 它有两个特点：一是性（On Line），由网络上的客户 机/服务器这种体系结构来完成的；二是多维分析，这也是OLAP的核心所在43.1.1 OLAP定义1. OLAP理事会给出的定义联机分析处理（OLAP）是一种软件技术 ，它使分析人员能够迅速、一致、交互地从 各个方面（多维）观察信息，以达到深入理 解数据的目的这些信息是从原始数据转换过来的，按 照用户的理解，它反映了企业真实的方方面 面52. OLAP2. OLAP的简单定义的简单定义 联机分析处理是共享多维信息的快速分析它体现了四个特征：（1）快速性：用户对OLAP的快速反应能力有很高的要求。

（2）可分析性：OLAP系统应能处理任何逻辑分析和统计分 析 （3）多维性：系统必须提供对数据分析的多维视图和分析4）信息性：OLAP系统应能及时获得信息，并且管理大容量 的信息 61993年，E.F.Codd提出OLAP的12条准则，其主要的 准则有以下四条：（1）多维数据分析；（2）客户/服务器结构；（3）多用户支持；（4）一致的报表性能等 在12条准则中，挑选如下几条说明：3.1.2 OLAP3.1.2 OLAP准则准则 71.多维概念视图n企业的数据空间本身就是多维的因此 OLAP的概念模型也应是多维的n用户可以对多维数据模型进行切片、切 块、旋转坐标或进行多维的综合（概括 和聚集）分析84.一致稳定的报表性能 报表操作不应随维数增加而削弱， 即当数据维数和数据的综合层次增加时 ，提供的报表能力和响应速度不应该有 明显的降低 95．客户/服务器体系结构 OLAP是建立在网络上的客户/ 服务器体 系结构多维数据库服务器能够被不同的应用和 工具所访问客户端负责用户的应用逻辑及界面108．多用户支持能力 当多个用户要在同一分析模式上并行工 作，OLAP工具应能够提供并发访问等功能 （客户/ 服务器结构能满足这个要求)。

11．灵活的报表生成 报表必须充分反映数据分析模型的多维 特征，并可按用户需要的方式来显示它11（1）变量 ：变量是数据的实际意义，即描述数据 “是什么” （2）维：维是人们观察数据的特定角度如产品 维、顾客维、时间维(即座标系中的座标）等 （3）维的层次：数据的细节不同程度为维的层次 如日、月、季、年是时间维的层次 （4）维成员：维的一个取值称为该维的一个维成 员如“某年某月某日”是时间维的一个成员 3.1.3 OLAP3.1.3 OLAP的基本概念的基本概念 12（5）多维数组：一个多维数组可以表示为：（维1，维2，……，维n，变量）一个4维的结构，即（产品，地区，时间，销售渠道，销 售额）6）数据单元（单元格）：多维数组的取值称为数据单元如：4维数据单元（牙膏，上海，1998年12月，批发，销 售额为100000） OLAPOLAP的基本概念（续）的基本概念（续）133.2 OLAP3.2 OLAP的数据模型的数据模型 3.2.1 MOLAP数据模型3.2.2 ROLAP数据模型3.2.3 MOLAP与ROLAP的比较3.2.4 HOLAP数据模型143.2.1 MOLAP的数据模型MOLAP是基于多维数据库存储方式建 立的OLAP；表现为“超立方”结构，采 用类似于多维数组的结构。

例如，二维MDDB（数组，即矩阵）的 数据组织见表3.1所示 15表3.1 MDDB（二维）数据组 织北京上海广州衣服600700500鞋800900700帽子10020080163.2.2 ROLAP数据模型nROLAP是基于关系数据库的OLAPn它是一个平面结构，用关系数据库表示 多维数据时，采用星型模型 17产品名地区销售量 衣服北京600 衣服上海700 衣服广州500 鞋北京800 鞋上海900 鞋广州700 帽子北京100 帽子上海200 帽子广州80表3.3 关系数据库RDBMS数据组织183.2.3 MOLAP与ROLAP的比较1.数据存取速度（MOLAP的响应速度快 ） 2.数据存储的容量（ ROLAP存储容量上没有限制 ） 3.多维计算的能力（MOLAP能够支持高性能计算 ） 4.维度变化的适应性（ROLAP对于维表的变更有 很好的适应性 ） 5.数据变化的适应性（ ROLAP对于数据变化的适 应性高 ) 6.软硬件平台的适应性(ROLAP适应性很好 )191.数据存取速度nROLAP服务器需要将SQL语句转化为 多维存储语句，临时“拼合”出多维数据 立方体。

因此，ROLAP的响应时间较 长n MOLAP在数据存储速度上性能好，响 应速度快 202.数据存储的容量nROLAP使用的传统关系数据库的存储方法， 在存储容量上基本没有限制nMOLAP通常采用多平面叠加成立体的方式存 放数据n当数据量超过操作系统最大文件长度时，需 要进行数据分割n多维数据库的数据量级难以达到太大的字节 级 213.多维计算的能力nMOLAP能够支持高性能的决策支持计 算nROLAP无法完成多行的计算和维之间 的计算224.维度变化的适应性nMOLAP增加新的维度，则多维数据库 通常需要重新建立nROLAP对于维表的变更有很好的适应 性235.数据变化的适应性n当数据频繁的变化时，MOLAP需要进 行大量的重新计算，甚至重新建立索引 乃至重构多维数据库n在ROLAP中灵活性较好，对于数据变 化的适应性高246.软硬件平台的适应性 ROLAP对软硬件平台的适应性很好，而 MOLAP相对较差7.元数据管理 目前在元数据的管理，MOLAP和ROLAP 都没有成形的标准 25MOLAP和ROLAP的对比简表MOLAPROLAP固定维可变维维交叉计算多维视图行级计算超大型数据库读-写应用维数据变化速度快数据集市数据仓库263.2.4 HOLAP数据模型 nHOLAP（Hybrid OLAP），即混和OLAP介于 MOLAP和ROLAP之间。

在HOLAP中，对最常 用的维度和维层次，使用多维数据表来存储， 对于用户不常用的维度和数据，采用ROLAP星 型结构来存储 n在HOLAP的多维数据表中的数据维度少于 MOLAP中的维度表，数据存储容量也少于 MOLAP方式nHOLAP在数据存取速度上又低于MOLAP273.3 多维数据的显示3.3.1 多维数据显示方法3.3.2 多维类型结构(MTS)3.3.3 多维数据的分析视图283.3.1 多维数据显示方法n多维数据的显示只能在平面上展现出来 三维数据无法在平面上展现出来n三维数据显示见表3.6所示 29产品名地区时间销售量 衣服北京1月100 衣服北京2月200 衣服北京3月300 衣服上海1月200 衣服上海2月300 衣服上海3月400 衣服广州1月150 衣服广州2月250 衣服广州3月300 鞋北京1月150 鞋北京2月300 鞋北京3月350 鞋上海1月200 鞋上海2月300 鞋上海3月400 鞋广州1月150 鞋广州2月250 鞋广州3月300 …………303.3.2 多维类型结构(MTS)n表示方法是：每一个维度用一条线段来 表示维度中的每一个成员都用线段上 的一个单位区间来表示。

n例如，用三个线段分别表示时间、产品 和指标三个维的多维类型结构如图3.3 所示 31图3.3 三维MTS例32在图3.3多维类型结构(MTS)中，指定：时间维成员是3月，产品维成员是鞋，指标维成员是销售量，这样它代表了三维数据的一个空间数据点 ，如图3.4所示33图3.4多维类型结构中的空间数据点343.3.3 多维数据的分析视图在平面的屏幕上显示多维数据，是利用行、列和页面 三个显示组来表示的 例如，对上例的四维MTS实例，在页面上选定商店维度中“商店3”，在行中选定时间维的“1月、2月、3月”共3个成员 ，在列中选定产品维中的“上衣、裤、帽子”三个成员 ，在指标维中的“固定成本、直接销售”二个成员该四维数据的显示如图3.6所示35商店3 （页面 ）上衣裤帽子直接销 售固定成 本直接销 售固定成 本直接销 售固定成 本 1月4503505504505004002月3802804603604003203月400310480410450400图3.6 四维数据的显示36对于更多维度的数据显示，需要选择维度及 其成员分布在行或者列中 在页面上可以选定多个维度，但每个维度只 能显示一个成员。

在行或者列中一般只选择二个维，每个维可 以多个成员 例如，对6个维度数据，它的MTS如图3.7 所示37图3.7 六维维MTS例38n对以上六维数据中，设定页面维度为商店 的成员是“商店3”，客户维度成员是“老年 ”n行维度含时间维和产品维共2个维度，其 中时间维中成员为“1月、2月、3月” 产 品维中成员为“桌子、台灯”n列维度含指标维和场景维共2个维度，其 中指标维中成员为“直接销售、间接销售、 总销售”场景维中成员为“实际、计划”n具体的显示数据如图3.8所示39商店3，老 年 （页面）直接销售间接销售总销售实 际计划实 际计划实 际计划1月桌子250300125150375450台灯2653201331604004802月桌子333400167200500600台灯2833401421704255103月桌子350420175210525630台灯250300125150375450图3.8六维数据的显示403.4 OALP的多维数据分析3.4.1 多维数据分析的基本操作 3.4.2 多维数据分析实例 3.4.3 广义OLAP功能 3.4.4 数据立方体 3.4.5 多维数据分析的MDX语言及其应 用41nOLAP的目的是为管理决策人员通过一种灵活的 多维数据分析手段，提供辅助决策信息。

n基本的多维数据分析操作包括切片、切块、旋转 、钻取等n我们把在多维数据分析中加入数据分析模型和商 业分析模型称为广义OLAPn随着OLAP的深入发展，出现了多维数据聚集计 算的数据立方体和多维数据分析的MDX语言42例如，以“产品、城市、时间”三维数据，如 图433.4.1 3.4.1 多维数据分析的基本操作多维数据分析的基本操作1.切片对三维数据，通过“切片” ，分别从城市和产 品等不同的角度观察销售情况： 442. 切块（1）在多维数组的某一个维上选定某一区间的维成员 的操作切块可以看成是在切片的基础上，确定某一个维 成员的区间得到的片段，也即由多个切片叠合起来 2）选定多维数组的一个三维子集的操作在多维数组（维1，维2，……，维n，变量）中选 定3个维，维i、维j、维k，在这3个维上分别取一个 区间，或任意维成员，而其它维都取定一个维成员 45图3.11 三维数据切块463. 钻取n钻取有向下钻取（drill down ）和向 上钻取（drill up ）操作n向下钻取是使用户在多层数据中能通过 导航信息而获得更多的细节性数据n向上钻取获取概括性的数据 47钻取：例如，2005年各部门销售收入表如下：48对时间维进行下钻操作，获得新表如下：2009年部门1季度2季度3季度4季度部门1200200350150部门225050150150部门3200150180270494.旋转n通过旋转可以得到不同视角的数据。

旋 转操作相当于平面数据将坐标轴旋转 例如，旋转可能包含了交换行和列，。