多维数据模型与OLAP实现

《多维数据模型与OLAP实现》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、多维数据模型与OLAP实现近年来，随着网络技术和数理分析在银行业中的广泛应用，西方商业银行开始广泛采用人口地理统计理论，运用数据挖掘及商业智能等技术，处理跨时间、跨空间、跨部门、跨产品的银行数据集成分析问题，逐步实现了金融产品和金融服务的交叉销售，以保留住优质客户。目前，国内多家银行也不同程度地开展了商业智能（ＢＩ，ＢｕｓｉｎｅｓｓＩｎｔｅｌｌｉｇｅｎｃｅ）系统建设。从信息管理角度看，商业智能是决策支持技术在商业银行应用的进一步发展和完善，ＯＬＡＰ（Ｏｎ－ＬｉｎｅＡｎａｌｙｔｉｃａｌＰｒｏｃｅｓｓｉｎｇ，联机分析处理）技术是Ｂ

2、Ｉ的关键技术之一。自１９７０年第一个ＯＬＡＰ的雏形工具Ｅｘｐｒｅｓｓ发布，到１９９３年关系数据库之父、数学家与计算机科学家爱德华·库德（Ｅ．Ｆ．Ｃｏｄｄ）系统地提出ＯＬＡＰ概念和ＯＬＡＰ的１２条准则，ＯＬＡＰ技术和产品有了很大的发展，其内涵和外延也发生了一定的变化。但其本质特征仍然是：以多维数据模型为基础组织和存储数据，满足对用户请求的快速响应和交互式操作。ＯＬＡＰ技术在国内兴起和发展的过程中，人们对某些基本概念还有不同的理解。比如，ＯＬＡＰ与多维数据模型的关系，多维数据模型与多维数据库（ＭＤＤ，ＭｕｌｔｉＤｉｍｅｎｓｉｏｎａ

3、ｌＤａｔａｂａｓｅ）的关系，ＭＯＬＡＰ（ＭｕｌｔｉｄｉｍｅｎｓｉｏｎａｌＯＬＡＰ，多维联机分析处理）、ＲＯＬＡＰ（ＲｅｌａｔｉｏｎａｌＯＬＡＰ，关系联机分析处理）和ＨＯＬＡＰ（ＨｙｂｒｉｄＯＬＡＰ，混合联机分析处理）间的差异，多维数据库与多维联机分析处理是不是完全一致等问题，还有待于进一步澄清。一、多维数据模型及相关概念数据模型一般有两个层次：概念层（逻辑层）和物理层。逻辑数据模型是从概念角度抽象出现实世界的内在规律，如业务流程、数据架构等；物理数据模型则侧重于特定环境下的具体实现，如效率、安全性等。多维数据模型是一个逻辑概念

4、，该模型主要解决如何对大量数据进行快速查询和多角度展示，以便得出有利于管理决策的信息和知识。多维数据模型的应用领域主要有数据仓库、ＯＬＡＰ和数据挖掘３个方面。其中，多维结构是ＯＬＡＰ的核心。多维数据模型通过引入维、维分层和度量等概念，将信息在概念上视为一个立方体。１．立方体：用三维或更多的维数描述一个对象，每个维彼此垂直。数据的度量值发生在维的交叉点上，数据空间的各个部分都有相同的维属性。２．维：是人们观察数据的特定角度，是考虑问题时的一类属性。属性的集合构成一个维（如时间维、机构维等）。３．维分层：同一维度还可以存在细节程度

5、不同的各个描述方面（如时间维可包括年、季度、月份、旬和日期等）。４．维属性：维的一个取值，是数据项在某维中位置的描述（例如“某年某月某日”是在时间维上位置的描述）。５．度量：立方体中的单元格，用以存放数据。ＯＬＡＰ的基本多维分析操作有钻取（Ｒｏｌｌｕｐ，Ｄｒｉｌｌｄｏｗｎ）、切片（Ｓｌｉｃｅ）、切块（Ｄｉｃｅ）及旋转（Ｐｉｖｏｔ）等。钻取包含向下钻取和向上钻取上卷操作，钻取的深度与维所划分的层次相对应。上卷操作通过维规约在数据立方体上进行聚集。下钻操作是上卷操作的逆操作由不太详细的数据到更详细的数据。切片和切块是在一部

6、分维上选定值后，度量数据在剩余维上的分布。在多维数据结构中按照二维、三维进行切块可得到所需数据。如在“机构、产品、时间”三维立方体中进行切块和切片可得到各城市、各产品的销售情况。旋转（转轴）是变换维的方向，即在表格中重新安排维的放置（如行列互换），通过旋转得到不同视角的数据。二、多维数据模型的物理实现ＯＬＡＰ多维数据模型的实现有多种途径，其中主要有采用数组的多维数据库、关系型数据库以及两者相结合的方式，人们通常称之为ＭＯＬＡＰ、ＲＯＬＡＰ和ＨＯＬＡＰ。但ＭＯＬＡＰ的提法容易引起误解，毕竟根据ＯＬＡＰ的多维概念，ＲＯＬＡＰ也

7、是一种多维数据的组织方式。１．多维联机分析处理（多维数据库管理系统）多维联机分析处理严格遵照库德的定义，自行建立多维数据库来存放联机分析系统的数据，它以多维数据组织方式为核心也就是说多维联机分析处理使用多维数组存储数据。当利用多维数据库存储ＯＬＡＰ数据时，不需要将多维数据模型中的维度、层划分和立方体等概念转换成其他的物理模型，因为多维数组（矩阵）能很好地体现多维数据模型特点。利用数组实现多维数据模型的优点，在于对数据的快速访问，但同时也会带来存储空间的冗余，即稀疏矩阵问题，进而导致对存储空间的极大需求。在用数组定义一个立方

8、体结构时，其取值可能有１０４４６３亿种情况。但实际上，并不是每一天、每个经营机构在不同地区和不同特约商户都会产生具有不同币种、不同卡种的交易。和关系数据库管理系统相比，只有当某一交易确实发生时，才在相应的表中留下记录。为了解决稀疏矩阵问题，某些产品提出了稀疏维（Ｓｐａｒｓｅ）