Orace数据仓库解决方案.ppt

3.2 Oracle数据仓库实现工具---信息展现解决方案 Oracle的数据挖掘工具(Data Mining Suite) 数据挖掘(Data Mining)是决策分析技术的一个更高层次，数据挖掘技术采用人工智能的决策分析方法，按照用户既定的业务目标，对数据仓库中浩如烟海的数据进行探索，揭示隐藏其中的规律，并进一步将其模型化。 从业务问题的定义到分析结果的实施，Data mining suite提供完整的工具。包括确定业务问题、为挖掘准备数据、建立多种模型、分析结果（分析结果可以用丰富的图形表示）及发布商业智能五个方面的工具集。 OWB操作 OWB操作 它是完全集中于分析工作区中维度模型定义和实施的管理工具。通过它可以方便的创建维表及其结构、事实表以及多维数据库与关系数据库之间的映射,并不需要编程就可实现各种运算。如最大、最小、平均、加权平均、比率和求和运算。并通过oracle提供的OLAP DML语言,这是一种过程编程语言,可用于表达各种类型的计算、设计自定义分析函数以及控制与多维数据类型相关的数据加载和计算过程。OLAP DML集成了大量的分析函数,可用于产生任何类型的多维计算。如汇总、分配/n分摊、数据选择、财务、预测和回归、数学和统计、模型、定制维度成员等函数类型。通过SQL和PL/SQL以及O-LAP Worksheet工具可以访问OLAP DML。 Enterprise?Manager?Database?Control?提供了一个基于?Web?的界面，您可以使用这个界面来管理?Oracle?例程和数据库。? 关于OLAP 从OLAP使用的效率角度考虑，设计数据仓库时考虑因素。 ●尽可能使用星型架构，如果采用雪花结构，就要最小化事实表底层维度表以后的维度表数量。 ●为用户设计包含事实表的维度表。 ●维度表的设计应该符合通常意义上的范式约束，维度表中不要出现无关的数据。 ●事实表中不要包含汇总数据，事实表中所包含的用户需要访问的数据应该具有必需的粒度。 ●对事实表和维度表中的关键字必须创建索引；同一种数据尽可能使用一个事实表。 ●保证数据的参考完整性，避免事实表中的某些数据行在立方体进行聚集运算时没有参加进来。 数据仓库与OLAP的关系 业务处理系统 第三层 第二层 第一层 客户端 数据抽取 数据清理 、转换 数据加载 多维化处理 可视化处理 图4.7 数据仓库与OLAP关系图 数据仓库 OLAP服务器 数据准备区 多维OLAP 多维数据库 产品名称 销售地区 销售数量 电器 电器 电器 服装 服装 服装 江苏 上海 北京 江苏 上海 北京 940 450 340 830 350 270 江苏 上海 北京 电器 服装 940 830 450 350 340 270 多维OLAP 多维数据库 产品名称 销售地区 销售数量 电器 电器 电器 电器 服装 服装 服装 服装 汇总 汇总 汇总 汇总 江苏 上海 北京 汇总 江苏 上海 北京 汇总 江苏 上海 北京 汇总 940 450 340 1730 830 350 270 1450 1770 800 610 3180 江苏 上海 北京 汇总 电器 服装 汇总 940 830 1770 450 350 800 340 270 610 1730 1450 3180 ROLAP的多维表示方法 1.星型模式在关系数据库中的表示 产品ID 时间ID