數據倉庫技術的簡單闡述

數據倉庫技術的簡單闡述
數據倉庫定義：
數據倉庫是在企業管理和就決策中
1.面向主題的
2.集成的
3.與時間相關的
4.不可修改的數據集合

數據倉庫模型三層次
1.概念模型：
概念模型是對真實世界中問題域內的事物的描述
表示概念模型最常用的是：“實體-關係”圖
E-R圖主要是由實體、屬性和關係三個要素構成的。
2.邏輯模型：
邏輯數據模型，反映的是系統分析設計人員對數據存儲的觀點，是對概念數據模型進一步的分解和優化。
數據倉庫的邏輯模型（數據的邏輯結構）包含有：多維模型、關係模型、層次模型等。數據倉庫的邏輯模型描述數據倉庫的主要的邏輯實現，每個主題對應的模式定義。
3.物理模型
邏輯模型的具體體現，如物理存取方式、數據存儲結構、數據存放位置以及存儲分配等。在設計數據倉庫的物理模型，需要考慮一些提高性能的技術，如表分區，建立索引等。（數據在數據庫中的存取方式）

數據倉庫邏輯模型-多維模型
對數據倉庫邏輯模型的討論大多集中在邏輯模型，其中最常用的是多維模型。
維：關注數據的特定角度（例如企業關注不同銷售數據隨時間的變化情況，時間就是一個維）
維的層次：人們觀察數據的某個特定角度還可以存在細節程度不同的多個描述，這就是維的層次。（如：時間維：年份、季度、月份、周、天）
維成員：維的一個取值成爲該維的一個成員。如果一個維是多層次的，那麼該維的成員就是在不同層次取值的組合。（例：某年某月某日）
度量：描述要分析的數值。（例：用電量、話費、用戶數量）
粒度：粒度是數據倉庫的數據單位中保存的數據的細化或綜合程度的級別。粒度大小影響數據量的大小，同時影響數據 倉庫所能回答的查詢類型。粒度越小，數據量越大，同時數據所能回答查詢的能力會隨之提高。