数据仓库架构与建模考试

一、数据仓库设计（20分）

假设一高校的教务管理系统包括成绩录入、成绩统计报表、成绩管理三个模块，能满足数据信息化管理、数据查询和简单的统计功能，随着学生数量的增加和课程数量的增加，以及教学管理要求的提高，原来的OLTP系统已不能满足工作需要。原有OLTP系统中表如下：

成绩表（学生号，课程号，成绩）；学生表（学号，姓名，性别，出生日期，籍贯，职务，班级号）；班级表（班级号，班级名，系号）；系表（系号，系名称，学院号）；学院（学院号，学院名称）；课程表（课程号，课程名称，课程性质，学期号）；学期表（学期号，学年名，学期名）；教师表（教师号，教师姓名，性别，职称，出生日期，籍贯）；教师授课表（教师号，课程号，上课教室号）；教室表（教室号，教室地址，管理员），

如果要为学生成绩分析建立一数据仓库，

(1)请问什么是数据仓库？（5分）

数据仓库是面向主题的、集成的、稳定的和随时间变化的数据集合（4分），用以支持管理决策（1分）。

(2)设计此数据仓库的星型模型。（15分）

班级号

班级名 学生号

姓名

性别

出生日期

籍贯

职务 学生号

班级号

系号

学院号

课程号

学期号

教师号

教室号

成绩 教师号

教师姓名

性别

职称

出生日期

籍贯 学期号

学年名

学期名

课程号

课程名称

课程性质 教室号

教室地址

管理员

系号

系名称 学院号

学院名称

Ｖｏ１．３０　Ｎｏ　４　Ａｕｇ．２００６　湖　北　电　力　箜　鲞蔓　塑　２００６年８月　

地区电力调度数据仓库建模与数据处理　

谷海彤　（广州供电局，广东广州　５１０６２０）　［摘　要］　对基于数据仓库的典型地区级电力系统调度中心数据处理环境与需求进行了分析，描　述了基于数据仓库思想的数据模型设计，针对地区级电力系统调度中心的典型业务系统提出了其共享　维度建模的思路。　［关键词］　电力系统调度；数据仓库；维度建模　［中图分类号］ＴＭ７６９　［文献标识码］Ａ　［文章编号］１００６—３９８６（２００６）０４—００１３—０３　Ｄｉｍｅｎｓｉｏｎａｌ　Ｍｏｄｅｌｉｎｇ　ａｎｄ　Ｄａｔａ　Ｐｒｏｃｅｓｓｉｎｇ　ｉｎ　Ｄａｔａ　Ｗａｒｅｈｏｕｓｅ　ｆｏｒ　Ｒｅｇｉｏｎａｌ　Ｐｏｗｅｒ　Ｄｉｓｐａｔｃｈｉｎｇ　ＧＵ　Ｈａｉ—ｔｏｎｇ　（Ｇｕａｎｇｚｈｏｕ　Ｐｏｗｅｒ　Ｓｕｐｐｌｙ　Ｂｕｒｅａｕ，Ｇｕａｎｇｚｈｏｕ　５１０６２０，Ｃｈｉｎａ）　［－Ａｂｓｔｒａｃｔ￣Ｔｈｅ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　ｅｎｖｉｒｏｎｍｅｎｔ　ａｎｄ　ｄｅｍａｎｄｓ　ｏｆ　ｄａｔａ　ｗａｒｅｈｏｕｓｅ　ｆｏｒ　ｒｅｇｉｏｎａｌ　ｐｏｗｅｒ　ｄｉｓ—　ｐａｔｃｈｉｎｇ　ｉｓ　ａｎａｌｙｚｅｄ，ｄｉｍｅｎｓｉｏｎａｌ　ｍｏｄｅｌｉｎｇ　ｏｆ　ｔｈｅ　ｄａｔａ　ｗａｒｅｈｏｕｓｅ　ｉｓ　ｄｅｓｃｒｉｂｅｄ．Ｓｈａｒｉｎｇ　ｄｉｍｅｎｓｉｏｎａｌ　ｍｏｄｅｌｉｎｇ　ｉｓ　ｄｉｓｃｕｓｓｅｄ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｒｅｓｐｅｃｔｉｖｅ　ａｕｔｏ　ｓｙｓｔｅｍｓ　ｉｎ　ｒｅｇｉｏｎａｌ　ｐｏｗｅｒ　ｄｉｓｐａｔｃｈｉｎｇ．　［－Ｋｅｙ　ｗｏｒｄｓ］ｐｏｗｅｒ　ｄｉｓｐａｔｃｈｉｎｇ　ｄａｔａ　ｗａｒｅｈｏｕｓｅ；ｄｉｍｅｎｓｉｏｎａｌ　ｍｏｄｅｌｉｎｇ　１地调数据仓库系统构架　数据仓库的数据来源是任何与需分析主题有关　的地调数据，各个数据源都有相应的数据接口，数据　接口按照预先的设计，将所需要的数据抽取出来，在　ＥＴＬ环节进行数据的过滤、重新选择粒度、编码的　统一等一系列清洗与转换存人数据仓库中。在数据　集市的各种分析平台可以直接从数据仓库中选取需　要的数据形成按照主题定义的数据子集或数据子立　方体结构。数据子集或数据子立方体结构有很强的　灵活性和良好视图翻转性，并且由于单独存储，具有　相对于中央数据仓库短得多的响应时间。在数据的　转移过程中，为了保持明确的关联关系和其它环境　参数产生了元数据。在整个过程中需要对元数据进　行管理，元数据描述了数据仓库中的数据和环境。　地调数据仓库系统构架见图１。　２数据仓库维度建模　２．１建模形式选择　常用的两种建模形式是所谓的第三范式　（３　ＮＦ，即Ｔ、ｈｉｒｄＮｏｒｍａｌＦｏｒｍ）和星型模式（Ｓｔａｒ一　

谈数据仓库数据架构规划和设计

如果说整体架构规划是比较遥远和飘渺的事，那么数据仓库架构的中心部分----数据架构，将为我们打开把远期规划和现实项目的实施紧紧地联系在一起，我们可以从现实出发，找到方向的突破口。BTW，今天在公司洋洋洒洒写了10多页关于数据架构的文档，为近期项目做技术准备，等架构定了后，我就开始深入熟悉公司具体业务和现有模型了，现在只是有一定了解而已，但细节架构是根据实际情况去定制的。

现在简单说下思路。这些并不是理论，更不是论文，而是经验的描述，不知道唯业务流程是论者看到这些，是否认为技术架构对业务分析的长期有效的支持，是可实现的和很有必要的呢？

一. 数据流架构，主要是设计数据流需要多少层次，每个层次的功能必须有独特的定义。ODS是否只有为数据仓库做数据准备的功能，EDW是否没计划和条件去建设范式模型，是否多个集市，多个集市需要统一维度建模，数据集市到底要满足哪些BI功能，这些问题都决定了数据流架构如何去设计。

二.数据管理架构。

1. 考虑历史存储方式，根据数据使用频率和价值，是否参考DW2.0理论进行数据管理。

2. 存储方式的角度，从粒度上讲，维度模型的数据仓库到底需要多大的粒度，特别是时间方面的维度，数据集市到底需要多大的粒度。而从应用数据方面讲，是否需要在数据集市中将维度信息加在事实表中，需要加多少进去，甚至形成大宽表，方便报表或者查询以及数据挖掘。

三. 业务数据架构。

目前包括国际大厂商的行业模型，其实都是从平面角度看业务，虽然业务上包括很全，但从技术上讲，并不是更合理的模型架构，或者没有架构，只是平面的模型，是否我们就直接拿来用，不需要架构了？以下做简要说明：

1. 业务数据流。（1）针对表的考虑。需要考虑不同业务定义中，表当中到底存储多少信息，是多种定义放一起，还是不同定义存储在不同的表。高时间粒度事实表是在数据集市直接通过低粒度事实表汇总，还是从维度建设时就分出来ETL。考虑扩展原因，最好不要多种定义的数据放一起，这样扩展性不强，也不容易维护。

Microsoft 数据仓库架构

摘要：本文简单介绍了使用 Microsoft 数据仓库架构的数据仓库，讨论了数据仓库能够实现的功能，使用数据仓库的恰当时机，以及如何将数据仓库与系统体系结构合成一体。

目录

简介

数据仓库

作为数据仓库模型的立方体

使用数据仓库进行决策

查看立方体片段和编程接口

Microsoft 数据仓库架构

数据仓库的其他应用

实现数据仓库易犯的错误

总结

简介

1998 年发布的 7.0 版 Microsoft® SQL Server™ 中已经包含数据仓库软件。如果您对数据仓库比较陌生，您可能会问：“它能够干什么？什么时候使用数据仓库比较合适？怎样才能将数据仓库与系统体系结构合为 一体？”本文将简要介绍使用 Microsoft 数据仓库架构的数据仓库。

数据仓库

在软件行业相对短暂的历史中，数据库已经成为收集和分布信息的系统的基础。这些数据库深层隐藏的是统计学或测 量方法，战略家们可以对其进行研究，以提高系统的整体效率。数据采集是这类信息的重要部分，目的在于根据数据库内容进行正确决策。直到最近，这种努力还需 要昂贵而笨重的数据采集软件包，或能够将信息请求精确翻译成可使用的、更有效的查询的数据库专家。除特大型的机构以外，对其他所有人来说，这两种方案的成 本都极为昂贵。

就数据采集的目的而言，能够有效用于产品分类、库存控制和订单条目系统的普通关系数据库可能并不是最佳的设 计。跨表和跨数据库（有时甚至是跨服务器）汇总输出可能会非常复杂，而这种复杂是可以避免的。需要进行数据采集时，创建一个可供数据分析查询用的信息中心 储备库将更有意义。这就是数据仓库的含义。来自系统不同部分的信息被集成到数据仓库中，以便于访问。

作为数据仓库模型的立方体

用立方体作为数据仓库储备库的名称虽然不完美，但比较令人满意。如何区分数据仓库立方体和几何立方体呢？这两 种立方体之间存在几个重要的不同之处。数据仓库立方体由任意数量的维度定义（并不限于三维，有时数据仓库立方体可能少于三维）。描述数据仓库立方体的维度 与描述几何立方体的长、宽和高一样。如果需要，可以将维度组合成任意数量的级别。