数据仓库与OLAP技术概述

总述：这部分主要介绍数据挖掘的实现问题，重点关注数据的组织形式、系统框架、相关的设计和名词介绍。不会涉及到非常具体的应用项目，可以当做基础知识科普。

 

1. 什么是数据仓库
2. 联机事务处理系统（OLTP）和联机分析处理系统（OLAP）的区别有哪些
3. 多维数据模型的建立
4. 如何设计和构造数据仓库
5. 三层数据仓库结构的案例
6. 数据仓库后端工具应该提供的能力要在什么范围内
7. 元数据存储库是什么
8. OLAP服务器类型有哪些
9. 数据仓库实现中的问题
10. 数据仓库、OLAP、OLAM（OLAP挖掘）的关系

 

1.什么是数据仓库

答：数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程。

 

2.联机事务处理系统（OLTP）和联机分析处理系统（OLAP）的区别有哪些

答：OLTP是面向顾客的，关注企业或部门内部当前数据，采用实体-联系数据模型和面向应用的数据库设计，强调并发控制和恢复机制；OLAP是面向市场的，关注的数据来自不同数据库的不同版本，数据量巨大，采用星形或雪花模型和面向主题的数据库设计，大部分是只读操作。

OLTP和OLAP最好不要共用数据库，因为OLTP强调事务处理面向业务，OLAP强调大数据量查询汇总面向市场，两者共享会互相降低对方的使用体验。

 

3.多维数据模型的建立

答：数据立方体运维从多维对数据建模和观察，由维和事实定义。一般来说，维是关于一个组织想要保存记录的透视图或实体。每个维都有一个表与之关联，称为维表。通常，多维数据模型围绕中心主题组织，主题用事实表示，事实是数值的度量。事实表包括事实的名称或度量，以及每个相关维表的码。

最流行的数据仓库数据模型是多维模型，这种模型可以以星形模型、雪花形模型、事实星座模型的形式存在。星形模型是最常见的模型范例，其数据仓库包括：一个大的包含大批数据并且不含冗