问题集锦

（1）：易进不易出
新兴的关系数据库技术已经逐步被接受和采用，但是人们在实践中发现实体-关系设计方法使得关系型数据库很难处理大规模的数据查询，
数据仓库的建模的方法可以解决数据查询难的问题！
答：


(2): 数据仓库一般基于关系数据库，采用星型模型，雪花模型或非规范化模型进行数据结构设计

答：

(3):递归查询处理无法取得满意的性能
答：


(4):星型模型
答： 大多数的数据仓库都采用“星型模型”。星型模型是由“事实表”（大表）以及多个“维表”（小表）所组成。
“事实表”中存放大量关于企业的事实数据（数量数据）。
例如：多个时期的数据可能会出现在同一个“事实表”中。“维表”中存放描述性数据，维表是围绕事实表建立的较小的表。

(5):星型模型和第三范式的利弊
星型模型在进行多维数据分析时，速度是很快的。但是增加维度将是很困难的事情。

第三范式对于海量数据（如TB级），且需要处理大量的动态业务分析时，就显示了它的优势。
(6):
ROLAP服务器需要将SQL语句转化为多维存储语句，临时“拼合”出多维数据立方体。因此，ROLAP的响应时间较长。
MOLAP在数据存储速度上性能好，响应速度快。
MOLAP能够支持高性能的决策支持计算。
ROLAP无法完成多行的计算和维之间的计算。

（7）:钻取
分析：
钻取有向下钻取（drill down ）和向上钻取（drill up ）操作。

向下钻取是使用户在多层数据中能通过导航信息而获得更多的细节性数据。

向上钻取获取概括性的数据。

(8):
胖客户端同瘦客户端的区别

分析：RichClient胖客户端有着界面丰富，操作速度快，功能强大等优点

真正引起争论的是采用胖客户端还是瘦客户端,是把数据加工放到客户端去做,只传输原始数据;还是把加工后的数据传给用户,客户端只显示结果.两种都有优点,不过现在的机器越来越好,网速也越来越高,胖客户端占的比例也越来越高了

(9):
粒度层次划分
所谓粒度是指数据仓库中数据单元的详细程度和级别。
数据越详细，粒度越小，层次级别就越低；数据综合度越高，粒度越大，层 次级别就越高。
进行粒度划分，首先要确定所有在数据仓库中建立的表，然后估计每个表的 大约行数。