学习心得
一、什么是OLAP？
在以前20世纪60年代末，关系型数据库与OLTP得到了快速发展，随着时间的延续，全球数据暴增，越来越多的数据被生产，同时人们对信息的需求也更加发杂，希望尽可能从GB,TB甚至PB数据直观的连接隐藏在这些数据背后的信息，传统的OLTP显得力不从心了，于是数据仓库跟OLAP技术营运而生。
定义：针对某个特定的主题进行联机数据访问，处理和分析，通过直观的方式从多个维度多种数据综合起来给使用者观看。
二、OLAP和OLTP区别
三、简述OLAP和数据仓库的关系
建立数据仓库的目的是为公司决策使用的，OLAP服务作为一种多维查询和分析工具，是数据仓库功能的自然扩展，也是数据仓库大数据量得以有效利用，快速查询的重要保障。主要用于分析查询数据仓库的数据进行聚合操作。
四、简述有哪些OLAP的常用操作
1、切片
2、切块
3、旋转
4、上卷
5、下钻
五、OLAP的分类
主流的OLAP数据组织方式有3中，
ROLAP（基于关系型数据库的OLAP）
MOLAP（基于多维数据库的OLAP）
HOLAP（基于关系型数据库与多维数据库的OLAP）
六、OLAP索引
主要分为俩大类：位图索引，连接索引
位图索引：在OLAP中是很流行的，因为他允许在数据立方体中快速索引，位图索引方法描述如下：
在给定属性的位图索引中，属性域中的每个值v有一个不同的维向量Bv，如果给定的属性域包含n个值，则位图索引中以n伪向量表示不同的值，如果数据表给定行上 的属性为是v，则在位图索引行，表示该值的位是1，其他值是0，大家是不是觉得很绕口，接下来举个例子
例如，有（A,B,C）三维数据立方体，维A在顶层有3个值(HSC），每个值用维A的位图索引表的一个位向量表示，如图，假定立方体存放在一个具有a行的关系表中，维i的域有m个，对应的位图索引则需要m个位向量，每个维向量有a个二进制位。
由于维上的每个值是一个维向量，位操作非常快，所以其性能会得到大幅度提高
ps：位图索引对于基数较小的域特别有用，因为比较，连接，聚集都变成了位运算，大大减小处理时间，对于字符串可以用单个二进制表示，位图索引降低了空间和IO消耗，对于基数较高的域，可以使用压缩技术，这种方式可以接受。
连接索引其实就是一个事实表引用了外部众多维度表的主键，跟mysql主外键性质一样。