知识大全 深入探讨数据仓库建模与ETL的实践技巧[1]
Posted 知
篇首语:缥帙各舒散,前后互相逾。本文由小常识网(cha138.com)小编为大家整理,主要介绍了知识大全 深入探讨数据仓库建模与ETL的实践技巧[1]相关的知识,希望对你有一定的参考价值。
深入探讨数据仓库建模与ETL的实践技巧[1] 以下文字资料是由(全榜网网www.cha138.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!
这篇论坛文章(赛迪网技术社区)深入探讨了搭建数据仓库过程中应当遵循的方法和原则 更多内容请参考下文
一 数据仓库的架构
数据仓库(Data Warehouse \\ DW)是为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库 它的数据基于OLTP源系统 数据仓库中的数据是细节的 集成的 面向主题的 以OLAP系统的分析需求为目的
数据仓库的架构模型包括了星型架构(图二 pic bmp)与雪花型架构(图三 pic bmp)两种模式 如图所示 星型架构的中间为事实表 四周为维度表 类似星星;而相比较而言 雪花型架构的中间为事实表 两边的维度表可以再有其关联子表 从而表达了清晰的维度层次关系
从OLAP系统的分析需求和ETL的处理效率两方面来考虑 星型结构聚合快 分析效率高;而雪花型结构明确 便于与OLTP系统交互 因此 在实际项目中 我们将综合运用星型架构与雪花型架构来设计数据仓库
那么 下面我们就来看一看 构建企业级数据仓库的流程
二 构建企业级数据仓库五步法
(一) 确定主题
即确定数据分析或前端展现的主题 例如 我们希望分析某年某月某一地区的啤酒销售情况 这就是一个主题 主题要体现出某一方面的各分析角度(维度)和统计数值型数据(量度)之间的关系 确定主题时要综合考虑
我们可以形象的将一个主题想象为一颗星星 统计数值型数据(量度)存在于星星中间的事实表;分析角度(维度)是星星的各个角;我们将通过维度的组合 来考察量度 那么 某年某月某一地区的啤酒销售情况 这样一个主题 就要求我们通过时间和地区两个维度的组合 来考察销售情况这个量度 从而 不同的主题来源于数据仓库中的不同子集 我们可以称之为数据集市 数据集市体现了数据仓库某一方面的信息 多个数据集市构成了数据仓库
cha138/Article/program/SQL/201311/16274相关参考
深入探讨数据仓库建模与ETL的实践技巧[3] 以下文字资料是由(全榜网网www.cha138.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧! 这里
深入探讨数据仓库建模与ETL的实践技巧[2] 以下文字资料是由(全榜网网www.cha138.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧! (二
深入探讨数据仓库建模与ETL的实践技巧[6] 以下文字资料是由(全榜网网www.cha138.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧! (三
深入探讨数据仓库建模与ETL的实践技巧[5] 以下文字资料是由(全榜网网www.cha138.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧! ET
ETL的过程原理和数据仓库建设[1] 以下文字资料是由(全榜网网www.cha138.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧! 引言 数据
ETL的过程原理和数据仓库建设[2] 以下文字资料是由(全榜网网www.cha138.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧! 数据抽取和上
数据仓库应用具有从多个分散的部门级系统中捕捉大量共享信息的能力它们可以将机构的原始数据有效地转化为有用的知识信息于是这些知识信息就可以被用来进行战略决策支持从而提高企业效益在一个先进的数据仓库应用
一课程简介 定价¥ 本视频课程共课时主要讲述了数据仓库(DW)和数据挖掘(DM)的基本方法基本原理重点说明这些方法的主要思想和技术在数据仓库部分不仅全面深入地介绍了基本概念和体系结构而且详细阐述了
在数据仓库中经常查询的SQL总带有下列特征: ◆几个表进行关联 ◆只有一个数据量巨大的表称为事实表 ◆其他的都是编码表称为维表 ◆维表和事实表之间有主外键关系 假设有D(key)D(ke
数据抽取、清洗与转换及BI项目中ETL设计[1] 以下文字资料是由(全榜网网www.cha138.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!