下载文档原格式
1、数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。
2、元数据是描述数据仓库内数据的结构和建立方法的数据，它为访问数据仓库提供了一个信息目录，根据数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。
3、数据处理通常分成两大类：联机事务处理和联机分析处理。
4、多维分析是指以“维”形式组织起来的数据（多维数据集）采取切片、切块、钻取和旋转等各种分析动作，以求剖析数据，使拥护能从不同角度、不同侧面观察数据仓库中的数据，从而深入理解多维数据集中的信息。
5、ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。
6、数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储于管理和数据表现等。
7、数据仓库系统的体系结构根据应用需求的不同，可以分为以下4种类型：两层架构、独立型数据集合、以来型数据结合和操作型数据存储和逻辑型数据集中和实时数据仓库。
8、操作型数据存储实际上是一个集成的、面向主题的、可更新的、当前值的（但是可“挥发”的）、企业级的、详细的数据库，也叫运营数据存储。
9、“实时数据仓库”以为着源数据系统、决策支持服务和仓库仓库之间以一个接近实时的速度交换数据和业务规则。
10、从应用的角度看，数据仓库的发展演变可以归纳为5个阶段：以报表为主、以分析为主、以预测模型为主、以运营导向为主和以实时数据仓库和自动决策为主。
1、调和数据是存储在企业级数据仓库和操作型数据存储中的数据。
2、抽取、转换、加载过程的目的是为决策支持应用提供一个单一的、权威数据源。
因此，我们要求ETL过程产生的数据（即调和数据层）是详细的、历史的、规范的、可理解的、即时的和质量可控制的。
3、数据抽取的两个常见类型是静态抽取和增量抽取。
静态抽取用于最初填充数据仓库，增量抽取用于进行数据仓库的维护。
4、粒度是对数据仓库中数据的综合程度高低的一个衡量。
粒度越小，细节程度越高，综合程度越低，回答查询的种类越多。
联机事务处理(OLTP)和联机分析处理(OLAP)1.概述当今的数据处理大致可以分成两大类：联机事务处理OLTP(on-line transaction processing)、联机分析处理OLAP(On-Line Analytical Processing)。
OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。
OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
2.什么是联机事务处理(OLTP)联机事务处理系统(OLTP),也称为面向交易的处理系统，其基本特征是顾客的原始数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。
这样做的最大优点是可以即时地处理输入的数据，及时地回答。
也称为实时系统(Real time System)。
衡量联机事务处理系统的一个重要性能指标是系统性能，具体体现为实时响应时间(Response Time)，即用户在终端上送入数据之后，到计算机对这个请求给出答复所需要的时间。
OLTP数据库旨在使事务应用程序仅写入所需的数据，以便尽快处理单个事务。
OLTP数据库通常具有以下特征：1.支持大量并发用户定期添加和修改数据；2.反映随时变化的单位状态，但不保存其历史记录；3.包含大量数据，其中包括用于验证事务的大量数据；4.具有复杂的结构；5.可以进行优化以对事务活动做出响应；6.提供用于支持单位日常运营的技术基础结构；7.个别事务能够很快地完成，并且只需访问相对较少的数据。
OLTP 系统旨在处理同时输入的成百上千的事务。
OLTP系统中的数据主要被组织为支持如下事务：1.记录来自销售点终端或通过网站输入的订单；2.当库存量降到指定级别时，订购更多的货物；3.在制造厂中将零部件组装为成品时对零部件进行跟踪；4.记录雇员数据。
通常在数据库系统中，事务是工作的离散单位。
例如，一个数据库事务可以是修改一个用户的帐户平衡或库存项的写操作。
联机分析处理（英语：On-Line Analytical Processing，简称OLAP），是一套以多维度方式分析数据，而能弹性地提供积存（英语：Roll-up）、下钻（英语：Drill-down）、和透视分析（英语：pivot）等操作，呈现集成性决策信息的方法，多用于决策支持系统、商务智能或数据仓库。
其主要的功能，在于方便大规模数据分析及统计计算，对决策提供参考和支持。
与之相区别的是联机交易处理（OLTP）。
∙OLAP需以大量历史数据为基础配合上时间点的差异并对多维度及汇整型的信息进行复杂的分析。
∙OLAP需要用户有主观的信息需求定义，因此系统效率较佳。
OLAP的概念，在实际应用中用广义和狭义两种不同的理解。
广义上的理解与字面意思相同，即针对于OLTP而言，泛指一切不对数据进行输入等事务性处理，而基于已有数据进行分析的方法。
但更多的情况下OLAP是被理解为其狭义上的含义，即与多维分析相关，基于立方体（CUBE）计算而进行的分析。
ＯＬＡＰ概述 OLAP分析，又称多维分析，是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的并真实反映企业维特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。
OLAP也可以简单定义成使用户能够以多维视图分析数据的工具。
通常用来进行多维分析的维有时间、地点、产品、度量值（如销售额）等。
例如，在销售经理查看销售数据时，他可能想了解某个产品在某个地区、某段时间的销售额，并通过交叉表的功能来按不同的维对销售数据进行分析和通过挖掘功能来了解深层次的信息。
图3-20：数据的多维形式通过三维方式展现数据，并在此基础上进行分析，能够揭示出在二维方式下隐藏的关系；并通过方便的数据导航功能，使用户更易比较数据变量之间的关系，从而可以发现数据中隐藏的信息。
关系型数据库往往不能支持对数据进行逻辑分析和统计分析。
而采用OLAP系统，用户无须编程就可以定义新的逻辑、统计等方面的计算，并可将其做为分析的一部分，并以用户理想的方式给出报告。
用户可以在OLAP平台上进行数据分析，也可以连接到其他外部分析工具上，如时间序列分析工具、数据挖掘工具等。
ＯＬＡＰ产品根据其实现多维分析的技术以及要实现的目标而分为三类： （１）、ＭＯＬＡＰ（多维联机分析处理）。
ＭＯＬＡＰ将事务型数据进行综合，通过多维结构的“立方体”的数据结构来储存经综合的数据。
ＭＯＬＡＰ通过其层次型数据库及在内存内的索引来保障数据访问的性能。
用户可以利用数据导航工具来进行钻取、交叉查询及产生关于“立方体”的报告。
根据ＭＯＬＡＰ的技术特点，ＭＯＬＡＰ擅长于对一定数量的数据进行大量、复杂、快速的、反复的分析。
ＭＯＬＡＰ通常用来进行假设分析和问题求解，如在预算应用中。
图3-21：MOLAP架构图（２）、ＲＯＬＡＰ（关系型联机分析处理）。
ＲＯＬＡＰ在分析数据是直接到关系型数据库中取数据，而不建立自己的“立方体”。
（1）地理空间数据立方体？地理空间数据立方体（Geospatial Data Cube）是一个面向对象的、集成的、以时间为变量的、持续采集空间与非空间数据的多维数据集合，组织和汇总成一个由一组维度和度量值定义的多维结构，用以支持地理空间数据挖掘技术和决策支持过程。
地理空间数据立方体绝非仅在数据库上加一层空间外衣，而是真正地以空间数据库为基础，进行复杂的空间分析，反映不同时空尺度下的动态变化趋势，为决策者提供及时、准确的信息。
地理空间数据立方体中的数据是经过选择、整理、集成等处理的，为空间数据挖掘提供了良好的数据基础，因而在地理空间数据立方体中进行数据挖掘比在原始数据库中更加有效。
（2）联机分析处理技术？联机分析处理(OLAP)是共享多维信息的、针对特定问题的联机数据访问和分析的软件技术，具有汇总、合并、聚集以及从不同角度观察消息的能力。
它可以跨越空间数据库模式的多个版本，处理来自不同组织的信息和由多个数据存储集成的信息。
联机分析处理对空间数据立方体进行的多维数据分析主要有切块、切片、旋转、钻取等分析动作，目的是进行跨维、跨层次的计算与建模。
（3）地理空间数据挖掘典型方法？1、地理空间统计方法2、地理空间聚类方法3、地理空间关联分析4、地理空间分类与预测分析5、异常值分析[地理空间数据挖掘系统包括三大支柱模块：地理空间数据立方体、联机分析处理（OLAP）模块和空间数据挖掘模块。
]（4）空间分析的研究对象？空间分析的研究对象：空间分析主要通过对空间数据和空间模型的联合分析来挖掘空间目标的潜在信息。
空间目标是空间分析的具体研究对象。
空间目标具有空间位置、分布、形态、空间关系（距离、方位、拓扑、相关场）等基本特征。
空间关系是指地理实体之间存在的与空间特性有关的关系，是刻画数据组织、查询、分析和推理的基础。
不同类型的空间目标具有不同的形态结构描述，对形态结构的分析称为形态分析。
（5）空间分析的研究目标？空间分析研究的主要目标有：✓认知。
第一章数据仓库与数据挖掘概述1.数据库与数据仓库的本质差别是什么？答：数据库用于事务处理，数据仓库用于决策分析;数据库保持事务处理的当前状态，数据仓库既保存过去的数据又保存当前的数据;数据仓库的数据是大量数据库的集成;对数据库的操作比较明确，操作数据量少,对数据仓库操作不明确，操作数据量大。
数据库是细节的、在存取时准确的、可更新的、一次操作数据量小、面向应用且支持管理；数据仓库是综合或提炼的、代表过去的数据、不更新、一次操作数据量大、面向分析且支持决策。
6.说明OLTP与OLAP的主要区别。
答：OLTP针对的是细节性数据、当前数据、经常更新、一次性处理的数据量小、对响应时间要求高且面向应用，事务驱动； OLAP针对的是综合性数据、历史数据、不更新，但周期性刷新、一次处理的数据量大、响应时间合理且面向分析，分析驱动。
8.元数据的定义是什么？答：元数据（metadata）定义为关于数据的数据（data about data），即元数据描述了数据仓库的数据和环境。
9.元数据与数据字典的关系什么？答：在数据仓库中引入了“元数据”的概念，它不仅仅是数据仓库的字典，而且还是数据仓库本身信息的数据。
18.说明统计学与数据挖掘的不同。
答：统计学主要是对数量数据（数值）或连续值数据（如年龄、工资等），进行数值计算（如初等运算）的定量分析，得到数量信息。
数据挖掘主要对离散数据（如职称、病症等）进行定性分析（覆盖、归纳等），得到规则知识。
19.说明数据仓库与数据挖掘的区别与联系。
答：数据仓库是一种存储技术，它能适应于不同用户对不同决策需要提供所需的数据和信；数据挖掘研究各种方法和技术，从大量的数据中挖掘出有用的信息和知识。
数据仓库与数据挖掘都是决策支持新技术。
但它们有着完全不同的辅助决策方式。
在数据仓库系统的前端的分析工具中，数据挖掘是其中重要工具之一。
它可以帮助决策用户挖掘数据仓库的数据中隐含的规律性。
数据仓库和数据挖掘的结合对支持决策会起更大的作用。
OS Java CORBA COM+ Middleware XML&WebService Patterns ONE&NET P2P Development Database Download Doc什么是联机分析处理（OLAP ）(转载自北大高科网站，/)联机分析处理 (OLAP) 的概念最早是由关系数据库之父E.F.Codd 于1993年提出的，他同时提出了关于OLAP 的12条准则。
OLAP 的提出引起了很大的反响，OLAP 作为一类产品同联机事务处理 (OLTP) 明显区分开来。
当今的数据处理大致可以分成两大类：联机事务处理OLTP （on-line transaction processing ）、联机分析处理OLAP （On-Line Analytical Processing ）。
OLTP 是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。
OLAP 是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
下表列出了OLTP 与OLAP 之间的比较。
OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取,从而获得对数据的更深入了解的一类软件技术。
OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求,它的技术核心是"维"这个概念。
“维”是人们观察客观世界的角度,是一种高层次的类型划分。
“维”一般包含着层次关系,这种层次关系有时会相当复杂。
通过把一个实体的多项重要的属性定义为多个维(dimension)，使用户能对不同维上的数据进行比较。
因此OLAP也可以说是多维数据分析工具的集合。
OLAP的基本多维分析操作有钻取（roll up和drill down）、切片（slice）和切块（dice）、以及旋转（pivot）、drill across、drill through 等。
