数据挖掘概念与技术--数据仓库的概念

Posted 2020-08-20 YJ-20

1.数据仓库的定义

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

　　　　面向主题的：数据仓库都围绕一些主题来组织：如顾客，供应商，产品和销售等某一特定的目的，而非组织机构的日常操作和事务管理。即：数据仓库排除对于决策无用的数据，它提供的是特定主题的简明视图。

　　　　集成的：构建数据仓库是将多个数据源的数据集成在一起，数据源可以是：关系数据库，一般文件，联机事务记录。在此处用到前面所述数据清理和数据集成技术。

　　　　时变的：数据存储从历史的角度提供信息（例如过去3个月，5-10年等）。

　　　　非易失的：数据仓库总是物理的分别存放数据，他不需要事务处理，恢复和并发控制机制，只需要进行数据的初始存入和访问。

 2.操作数据库与数据仓库的区别

　　　　联机操作数据库系统，这种系统被称作联机事务处理系统（OLTP），它涵盖了组织机构的大部分日常操作，如购物，库存，制造，注册，记账等；　　　　

　　　　数据仓库系统，这种系统被称作联机分析处理系统（OLAP）,主要用于为知识工人，用于决策提供支持。

　　　　主要区别：

　　　　　　用户和系统面向性。OLTP面向顾客，OLAP面向市场。

　　　　　　数据内容。OLTP管理当前数据，OLAP管理历史数据，提供汇总和聚集机制，在不同粒度级别上存储和管理信息。

　　　　　　数据库设计。OLTP系统采用实体联系数据模型并面向应用；OLAP系统采用星型和雪花模型并面向主题。

　　　　　　视图。OLTP关注当前数据。OLAP常常跨越数据库模式的多个版本，并且还处理来自不同组织的信息，可能存放在多个存储介质上。

　　　　　　访问模式。OLTP主要由短的原子事务组成，并需要并发控制和回复机制。

　　　　　　

2.为什么不在操作数据库上进行联机分析处理，还要使用分离的数据仓库？

　　　　1. 两者由于目的的不同，数据仓库的查询复杂，需要创建多维的数据组织，存取方法和实现方法。对操作数据库进行复杂的OLAP查询，会降低操作的任务的性能。

　　　　2.并发控制和恢复机制用于OLAP这种只读操作会危害并行事务的运行。