文档介绍：第13章数据仓库技术数据仓库是数据库技术的另一重要发展方向。人们希望能更多地通过数据库系统获得决策支持信息的推动下发展起来的一项新数据库技术。本章主要介绍操作性处理与分析型处理的区别,联机事务处理(OLTP)和联机分析处理(OLAP)的不同,数据仓库技术的基本概念、组成结构、技术特征、设计,数据挖掘和决策支持系统(DSS),以及SQLServer的DBMS对数据仓库的支持。(datamining,DM),每次操作时间短,要求较短响应时间,可按分时方式。有时需要连续运行几个小时,从而消耗大量的系统资源。集成性问题一般只需与本部门有关的当前数据,集成性要求较少。迫切需要集成数据、企业内部、外部和竞争对手等信息。数据动态集成性问题不要动态集成。需一定周期进行动态集成。历史数据问题一般只需当前数据,数据库中只保存短期数据。需要分析大量历史数据。综合数据问题积累了大量的细节性数据,但很少对数据进行综合。不分析细节性数据,而要进行不同程度综合,分析综合信息。。20世纪90年代以来,在操作型数据环境中建立DSS效果不理想。对传统数据库反思。???在规划设计的基础上,对数据库中的数据按照不同的主题归纳、统计、汇总、集成,使其长期保存在计算机中,并随着时间推移不断追加,这样形成的数据集合便是我们所说的数据仓库。,它是对传统数据库进行抽取、归纳、统计、汇总集成而成。、复杂的数据库技术。完整的数据仓库理论包括三个方面:数据仓库技术、联机分析处理(OLAP)、数据挖掘(DM)。数据仓库是一个面向主题的、集成的、稳定的、随时间而变的数据集合,用以支持经营管理过程中的决策制订过程。数据仓库四特征:面向主题、集成、稳定和随时间变化。,数据仓库由物理元素和功能元素的组成,包括数据源、关系数据库、数据集市、维度、级别、度量值、单元、多维数据集、分区和聚合等。数据仓库系统总体组成结构一般包含7个部分:数据源部分、数据抽取转换和装载工具、数据建模工具、数据仓储、数据仓库的目标数据、数据仓库管理工具、前端数据访问分析工具。、转换、装载管理工具历史数据当前数据综合数据DM工具数据源数据抽取和转换数据仓库目标数据库数据访问分析工具关系性DBMS专用多维DBMS