文档介绍：多维数据分析方法
第1页，共28页，编辑于2022年，星期六
第3章 多维数据分析基础与方法
多维数据分析基础
多维数据分析方法
维度表与事实表的连接
多维数据的存储方式
小结
4. 维的级别（Dimension Level）
人们观察数据的某个特定角度（即某个维）还可以存在不同的细节程度，我们称这些维度的不同的细节程度为维的级别。
一个维往往具有多个级别.
例如描述时间维时，可以从月、季度、年等不同级别来描述，那么月、季度、年等就是时间维的级别。
*
第7页，共28页，编辑于2022年，星期六
5. 维度成员（Dimension Member）
维的一个取值称为该维的一个维度成员（简称维成员）。
如果一个维是多级别的，那么该维的维度成员是在不同维级别的取值的组合。
例如，考虑时间维具有日、月、年这3个级别，分别在日、月、年上各取一个值组合起来，就得到了时间维的一个维成员，即“某年某月某日”。
*
第8页，共28页，编辑于2022年，星期六
多维数据集示例
*
第9页，共28页，编辑于2022年，星期六
多维数据分析方法
多维分析可以对以多维形式组织起来的数据进行上卷、下钻、切片、切块、旋转等各种分析操作，以便剖析数据，使分析者、决策者能从多个角度、多个侧面观察数据库中的数据，从而深入了解包含在数据中的信息和内涵。
*
第10页，共28页，编辑于2022年，星期六
1. 上卷（Roll-Up）
上卷是在数据立方体中执行聚集操作，通过在维级别中上升或通过消除某个或某些维来观察更概括的数据。
沿着时间维上卷，由“季度”上升到半年
*
第11页，共28页，编辑于2022年，星期六
上卷（续）
上卷的另外一种情况是通过消除一个或多个维来观察更加概况的数据。
消除“经济性质”维度
*
第12页，共28页，编辑于2022年，星期六
2. 下钻（drill-down）
下钻是通过在维级别中下降或通过引入某个或某些维来更细致的观察数据。
沿时间维下钻
*
第13页，共28页，编辑于2022年，星期六
3. 切片（slice）
在给定的数据立方体的一个维上进行的选择操作。切片的结果是得到了一个二维的平面数据。
“时间＝1季度”
*
第14页，共28页，编辑于2022年，星期六
3. 切块（dice）
在给定的数据立方体的两个或多个维上进行的选择操作。切块的结果是得到了一个子立方体。
(度量值＝“正常” or “次级”）
And （时间＝“1季度” or “2季度”）
*
第15页，共28页，编辑于2022年，星期六
5．转轴（pivot or rotate）
转轴就是改变维的方向。
交换“时间”和“经济性质”轴
*
第16页，共28页，编辑于2022年，星期六
维度表与事实表的连接
维度表和事实表相互独立，又互相关联并构成一个统一的架构。
构建多维数据集时常用的架构：
星型架构
雪花型架构
星型雪花架构
在SQL Server 2000中，这些架构的中心都是一个事实数据表。
*
第17页，共28页，编辑于2022年，星期六
1. 星型架构
维度表只与事实表关联，维度表彼此之间没有任何联系，
每个维度表中的主码都只能是单列的，同时该主码被放置在事实数据表中，作为事实数据表与维表连接的外码。
星型架构是以事实表为核心，其他的维度表围绕这个核心表呈星型状分布。
*
第18页，共28页，编辑于2022年，星期六
星型架构示意图
*
第19页，共28页，编辑于2022年，星期六
2．雪花型架构 (Snow Schema)
某个维度表不与事实表直接关联，而是与另一个维表关联。
可以进一步细化查看数据的粒度。
维度表和与其相关联的其他维度表也是靠外码关联的。
也以事实数据表为核心。
*
第20页，共28页，编辑于2022年，星期六
雪花型架构示意图
*
第21页，共28页，编辑于2022年，星期六
3．星型雪花架构(Star-Snow Schema)
将星型架构和雪花式架构合并在一起使用，而成为星型雪花架构。
*
第22页，共28页，编辑于2022年，星期六
多维数据的存储方式
SQL Server 2000的Analysis 三种多维数据存储方式:
MOLAP（多维OLAP）
ROLAP（关系OLAP）
HOLAP（混合OLAP）
*
第23页，共28页，编辑于2022年，星期六
1．ROLAP
ROLAP的数据与计算结果直接由原来的关系数据库取得，存储维度的数据以数据表形式存储在