您好,欢迎访问三七文档
当前位置:首页 > 商业/管理/HR > 信息化管理 > 第1章数据仓库概述资料
数据仓库与数据挖掘李春葆,李石君,李筱驰电子工业出版社2014原理及实践第1章数据仓库概述1.1数据仓库及其历史20世纪60年代出现了数据库的概念,确立了数据库系统的许多概念、方法和技术。70年代由E.F.Codd提出了数据库的关系理模型,开创了数据库关系方法和关系数据理论的研究,为关系数据库技术奠定了理论基础。80年代出现成熟的关系数据库管理系统(DBMS)。90年代以后进入数据处理大发展时期,各种数据模型、数据库新技术层出不穷地涌现,如数据仓库和数据挖掘、商务智能、多媒体数据库和Web数据库等。1.1.1数据库技术的发展1.1.2什么是数据仓库1.数据仓库的定义W.H.Inmon:数据仓库是:一个面向主题的、集成的、稳定的、随时间变化的数据的集合,以用于支持管理决策过程。2.数据仓库的特征◎面向主题主题是指用户使用数据仓库进行决策时所关心的重点领域,也就是在一个较高的管理层次上对信息系统的数据按照某一具体的管理对象进行综合、归类所形成的分析对象。人寿保险系统寿保数据库财产保险系统财保数据库顾客数据仓库保单数据仓库保费数据仓库转化面向主题组织的数据具有以下特点:各个主题有完整、一致的内容以便在此基础上作分析处理。主题之间有重迭的内容,反映主题间的联系。重迭是逻辑上的,不是物理上的。各主题的综合方式存在不同。主题域应该具有独立性(数据是否属于该主题有明确的界限)和完备性(对该主题进行分析所涉及的内容均要在主题域内)。◎集成数据仓库中存储的数据一般从企业原来已建立的数据库系统中提取出来,但并不是原有数据的简单拷贝,而是经过了抽取、筛选、清理、转换、综合等工作。性别:m、f应用A性别:0、1应用B性别:男、女应用C性别:m、f数据仓库转换转换◎稳定性即非易失的操作型数据库系统中一般只存储短期数据,因此其数据是不稳定的,它记录的是系统中数据变化的瞬态。数据仓库中的数据大多表示过去某一时刻的数据,主要用于查询、分析,不像业务系统中的数据库那样,要经常进行修改、添加,除非数据仓库中的数据是错误的。应用数据库时间段:2004~2013数据仓库插入更新删除访问抽取2004~2013年的数据访问◎随时间而变化即时变的数据仓库大多关注的是历史数据,其中数据是批量载入的,即定期从操作型应用系统中接收新的数据内容,这使得数据仓库中的数据总是拥有时间维度。时间期限:60~90天应用数据库时间期限:5~10年数据仓库插入更新删除访问载入2个月的数据访问3.数据仓库的历史1988年,IBM公司第一次提出了信息仓库(InformationWarehouse)的概念,数据仓库初具雏形。1991年,W.H.Inmon出版了《BuildingDataWarehouse》一书。W.H.Inmon主张建立数据仓库时采用自上而下方式,以第3范式进行数据仓库模型设计。1993年,R.Kimball(金博尔)出版了《TheDataWarehouseToolkit》一书,认同了比尔恩门对于数据仓库的定义,但对具体的构建方法做了更进一步的研究。R.Kimball主张自下而上的方式,力推数据集市建设。1996年,加拿大的IDC公司调查了62家实现数据仓库的欧美企业,结果表明:数据仓库为企业提供了巨大的收益、进行数据仓库项目开发的公司在平均2.72年内的投资回报率为321%。到如今,数据仓库已成为商务智能由数据到知识,由知识转化为利润的基础和核心技术。1.2数据仓库系统及其开发工具1.2.1数据仓库系统的组成数据仓库系统通常指一个数据库环境,而不是指一件产品。是整个数据仓库环境的核心,是数据存放的地方和提供对数据检索的支持。相对于操作型数据库来说其突出的特点是对海量数据的支持和快速的检索技术。1.数据仓库把数据从各种各样的存储环境中提取出来,进行必要的转化、整理,再存放到数据仓库内。其功能包括:删除对决策应用没有意义的数据,转换到统一的数据名称和定义,计算统计和衍生数据,填补缺失数据,统一不同的数据定义方式。2.抽取工具是关于数据的数据,在数据仓库中元数据位于数据仓库的上层,是描述数据仓库内数据的结构、位置和建立方法的数据。通过元数据进行数据仓库的管理和通过元数据来使用数据仓库。3.元数据数据集市是在构建数据仓库的时候经常用到的一个词汇。数据集市面向企业中的某个部门(或某个主题)是从数据仓库中划分出来的,这种划分可以是逻辑上的,也可以是物理上的。数据仓库中存放了企业的整体信息,而数据集市只存放了某个主题需要的信息,其目的是减少数据处理量,使信息的利用更加快捷和灵活。4.数据集市OLAP服务指的是对存储在数据仓库中的数据提供分析的一种软件,它能快速提供复杂数据查询和聚集,并帮助用户分析多维数据中的各维情况。5.OLAP服务为用户产生的各种数据分析和汇总报表,以及数据挖掘结果。6.数据报表、数据分析和数据挖掘数据仓库应用示例1.2.2ETLETL分别是Extract、Transform、Load三个单词的首字母缩写,也就是抽取、转换和装载。ETL通常简称为数据抽取,是商务智能/数据仓库的核心和灵魂,按照统一的规则集成并提高数据的价值,是负责完成数据从数据源向目标数据仓库转化的过程,是实施数据仓库的重要步骤。1.2.3数据仓库和数据集市的关系1.数据集市的类型数据仓库数据集市数据源分析主题从属型数据集市数据集市数据源分析主题独立型数据集市2.数据集市与数据仓库的区别数据集市与数据仓库之间的区别可以从下三个方面进行理解。(1)数据仓库向各个数据集市提供数据。前者是企业级的,规模大,后者是部门级,相对规模较小。(2)若干个部门的数据集市组成一个数据仓库。数据集市开发周期短、速度快,数据仓库开发的周期长、速度慢。(3)从其数据特征进行分析,数据仓库中的数据结构采用规范化模式(第三范式),数据集市中的数据结构采用星形模式。通常数据仓库中的数据粒度比数据集市的粒度要细。1.2.4元数据及其管理1.元数据的分类按照用途对元数据进行分类是最常见的分类方法,可将其分为两类:管理元数据和用户元数据。管理元数据主要为负责开发、维护数据仓库的人员所使用。管理元数据是存储关于数据仓库系统技术细节的数据,是用于开发和管理数据仓库使用的数据。用户元数据从业务角度描述了数据仓库中的数据,它提供了介于使用者和实际系统之间的语义层,使得不懂计算机技术的业务人员也能够“读懂”数据仓库中的数据。用户元数据是从最终用户的角度来描述数据仓库。2.元数据的作用元数据是进行数据集成所必需的。元数据可以帮助最终用户理解数据仓库中的数据。元数据是保证数据质量的关键。元数据可以支持需求变化。3.元数据的管理元数据管理的具体内容如下:获取并存储元数据元数据集成元数据标准化保持元数据的同步1.3数据仓库系统开发工具Oracle公司的数据仓库解决方案包含了业界领先的数据库平台、开发工具和应用系统,能够提供一系列的数据仓库工具集和服务,具有多用户数据仓库管理能力,多种分区方式,较强的与OLAP工具的交互能力,及快速和便捷的数据移动机制等特性。IBM公司提供了一套基于可视数据仓库的商务智能(BI)解决方案,包括VisualWarehouse、Essbase/DB2OLAPServer5.0、IBMDB2UDB,以及来自第三方的前端数据展现工具(如BO)和数据挖掘工具(如SAS)。Microsoft公司的SQLServer提供了三大服务和一个工具来实现数据仓库系统的整合,为用户提供了可用于构建典型和创新的分析应用程序所需的各种特性、工具和功能,可以实现建模、ETL、建立查询分析或图表、定制KPI(企业关键绩效指标)、建立报表和构造数据挖掘应用及发布等功能。SAS公司的数据仓库解决方案是一个由30多个专用模块构成的架构体系,适应于对企业级的数据进行重新整合,支持多维、快速查询,提供服务于OLAP操作和决策支持的数据采集、管理、处理和展现功能。NCRTeradata公司提出了可扩展数据仓库基本架构,包括数据装载、数据管理和信息访问几个部分,是高端数据仓库市场最有力竞争者,主要运行在基于Unix操作系统平台的NCR硬件设备上。Sybase公司提供了称为WarehouseStudio的一整套覆盖整个数据仓库建立周期的产品包,包括数据仓库的建模、数据集成和转换、数据存储和管理、元数据管理和数据可视化分析等产品;Businessts是集查询、报表和OLAP技术为一身的智能决策支持系统,具有较好的查询和报表功能,提供多维分析技术,支持多种数据库,同时它还支持基于Web浏览器的查询、报表和分析决策。CA公司作为全球最大的数据仓库产品和服务提供商之一,为企业用户提供了完整的数据仓库解决方案。这些一体化的解决方案涵盖了数据仓库构造过程的每一个环节,不仅有完整的数据仓库所需的产品和技术,而且开放的接口可以集成其他的产品和技术。BO(BusinessObjects)是集查询、报表和OLAP技术为一身的智能决策支持系统。使用独特的“语义层”技术和“动态微立方”技术来表示数据库中的多维数据,具备较好的查询和报表功能,提供钻取等多维分析技术,支持多种数据库,同时他还支持基于Web浏览器的查询、报表和分析决策。虽然BO在不断增加新的功能,但从严格意义上说,BO只能算是个前端工具。1.4数据仓库与操作型数据库的关系1.4.1从数据库到数据仓库传统的数据库技术是以单一的数据资源,即数据库为中心,进行联机事务处理(OLTP)、批处理、决策分析等各种数据处理工作,主要的划分为两大类:操作型处理和分析型处理(或信息型处理)。操作型数据和分析型数据的区别操作型数据分析型数据细节的综合的存取瞬间历史数据可更新不可更新事先可知操作需求操作需求事先不可知符合软件开发生命周期完全不同的生命周期对性能的要求较高对性能的要求较为宽松某一时刻操作一个单元某一时刻操作一个集合事务驱动分析驱动面向应用面向分析一个操作的数据量较小一次操作的数据量较大支持日常操作支持管理需求传统数据库系统侧重于企业的日常事务处理工作,但难于实现对数据分析处理要求,已经无法满足数据处理多样化的要求。操作型处理和分析型处理的分离成为必然。近年来,随着数据库技术的应用和发展,人们尝试对数据库中的数据进行再加工,形成一个综合的,面向分析的环境,以更好支持决策分析,从而形成了数据仓库技术。1.4.2数据仓库为什么是分离的?数据仓库的查询通常是复杂的,涉及大量数据在汇总级的计算,可能需要特殊的数据组织、存取方法和基于多维视图的实现方法。对数据记录进行只读访问,以进行汇总和聚集。如果OLTP和OLAP都在操作型数据库上运行,会大大降低数据库系统的吞吐量。数据仓库与操作型数据库分离是由于这两种系统中数据的结构、内容和用法都不相同。1.4.3数据仓库与操作型数据库的对比数据仓库操作型数据库面向主题面向应用容量巨大容量相对较小数据是综合的或提炼的数据是详细的保存历史的数据保存当前的数据通常数据是不可更新的数据是可更新的操作需求是临时决定的操作需求是事先可知的一个操作存取一个数据集合一个操作存取一个记录数据常冗余数据非冗余操作相对不频繁操作较频繁所查询的是经过加工的数据所查询的是原始数据支持决策分析支持事务处理决策分析需要历史数据事务处理需要当前数据需做复杂的计算鲜有复杂的计算服务对象为企业高层决策人员服务对象为企业业务处理方面的工作人员1.4.4ODS操作型数据库系统出现了ODS(OperationalDataStore,操作数据存储)的概念,它是企业级的全局数据库,用于提供集成的、企业级一致的数据,包含如何从各子系统数据库中向ODS抽取数据以及从面向主题的角度从各子系统数据库中抽取的数据。ODS具有面向主题的、集成化的、可变的、数据是当前的或接近当前的特点。ODS不具有数据仓库的稳定性和时变性的特点,它主要用于支持企业级的OLTP,但由于ODS具有数据仓库面向主题和集成的特点。1.5商务智能与数据仓库的关系商务智能简称为BI(BusinessIntelligence),也称为商业智能。商务智能是融合了先进信息技术与创新管理理念的
本文标题:第1章数据仓库概述资料
链接地址:https://www.777doc.com/doc-4017756 .html