下载文档原格式
面向多维度数据分析的 OLAP 技术研究随着互联网技术的迅速发展，移动互联网的普及以及人们的信息获取渠道的不断丰富，数据产生与积累的速度快速加快。
越来越多的企业和组织开始将数据视为重要的资产来进行管理和分析。
在面对海量数据时，如何快速、准确地进行数据分析成为一个亟待解决的问题，而 OLAP 技术的应用为多维度数据分析提供了有力的支持。
一、 OLAP 技术概述OLAP 的全称是“Online Analytical Processing”，即在线分析处理，它可以对数据进行多维度的分析和查询。
OLAP 技术可以将数据按照不同的角度进行查看和聚合，比如按照时间、地区、产品类型等进行分析。
而传统的数据分析只能进行单一的维度查看。
OLAP 技术主要包括以下三个方面的内容：1. 数据仓库：OLAP 以数据仓库作为数据存放的基础。
数据仓库可以将分散在不同系统中的数据按一定规则进行整合，形成一个包含多维数据信息的统一数据存储区域。
2. 多维分析：多维分析就是按不同的维度对数据进行分析。
OLAP 的基本操作就是多维分析，可以进行切片、钻取、轮换等多维分析操作。
3. 数据可视化：数据可视化就是通过图表、报表等方式进行数据展示。
数据可视化可以帮助用户快速了解数据，发现数据中隐藏的规律和关联。
二、 OLAP 技术的优点OLAP 技术有很多优点，主要包括以下几个方面：1. 多维度分析：OLAP 技术可以通过对数据进行多维度分析，实现对数据的深入挖掘和分析，可以更全面地了解数据中蕴含的信息。
2. 交互性强：OLAP 可以实现用户对数据的自主分析和交互操作，用户可以根据需要对数据进行不同角度和粒度的分析。
3. 灵活性强：OLAP 可以根据用户需求对数据进行自由的切换和组合，同时可以进行灵活的查询和过滤操作。
4. 高性能：OLAP 技术具有高效的查询和分析速度，可以快速响应数据分析请求，同时能够处理大规模的数据集合。
三、 OLAP 技术的应用OLAP 技术的应用十分广泛，主要涵盖以下几个领域：1. 金融领域：OLAP 技术可以帮助金融机构进行风险管理、资产配置和投资决策等方面的分析。
数据仓库架构中的OLAP技术在大数据分析中的应用与效果评估在大数据时代，数据分析变得越来越重要，尤其是对于企业来说，良好的数据分析可以帮助企业发现潜在的商业机会、优化运营策略以及制定精确的业务决策。
数据仓库架构中的在线分析处理（OLAP）技术在大数据分析中发挥着重要的作用，并且在应用过程中取得了显著的效果。
首先，数据仓库架构中的OLAP技术能够提供实时、多维度的分析。
大数据时代的数据量巨大且复杂，传统的关系型数据库已经无法满足对这些数据进行高效分析的需求。
而OLAP技术通过对数据进行多维度的切片、透视、切块等操作，使得用户可以迅速地从各个角度深入分析数据。
这种多维分析的能力不仅能够帮助企业发现数据之间的潜在关联，还能够帮助企业进行趋势分析、模式识别等。
其次，数据仓库架构中的OLAP技术具有高度可扩展性。
在大数据分析中，数据量的增长速度极快，传统的数据库系统可能会面临存储容量不足、性能下降等问题。
而OLAP技术采用的多维数据存储结构以及预处理技术，使得数据的查询和分析可以在多个维度上进行，并且能够通过添加更多的服务器来实现系统的扩展。
这种高度可扩展性使得企业可以更好地应对日益增长的数据量，保证分析的准确性和效率。
此外，数据仓库架构中的OLAP技术能够提供自助式分析。
在传统的数据分析中，数据科学家或者分析师需要依赖技术团队提供的报表、图表等分析结果来支持业务决策。
而OLAP技术使得数据分析变得更加自主，用户可以通过可视化的界面进行数据的探索和分析，不再需要依赖专业知识。
这种自助式分析的能力不仅提高了业务用户的工作效率，还可以促进数据驱动决策的普及，推动企业的创新和发展。
当然，要评估数据仓库架构中的OLAP技术在大数据分析中的效果，需要综合考虑多方面的因素。
首先是数据的准确性和完整性。
大数据分析的结果直接依赖于输入的数据质量，如果数据质量不好，无论采用任何技术都不可能得到准确的结果。
因此，在应用OLAP技术之前，需要确保数据源的质量可靠，可以通过数据清洗、数据归一化等方法来提高数据的准确性和完整性。
数据仓库和LOAP应用技术传统数据库以及OLTP(On-Line Transaction Processing联机事务处理)在日常的管理事务处理中获得了巨大的成功，但是对管理人员的决策分析要求却无法满足。
因为，管理人员常常希望能够通过对组织中的大量数据进行分析，了解业务的发展趋势。
而传统数据库只保留了当前的业务处理信息，缺乏决策分析所需要的大量的历史信息。
为满足管理人员的决策分析需要，就需要在数据库的基础上产生适应决策分析的数据环境——数据仓库(Data Warehouse)。
数据仓库系统是一个信息提供平台，是决策支持系统和联机分析应用数据源的结构化数据环境。
数据仓库研究和解决从数据库中获取信息的问题。
从功能结构化分，数据仓库系统至少应该包含数据获取（Data Acquisition）、数据存储（Data Storage）、数据访问（Data Access）三个关键部分。
其体系结构如下：业务处理系统即是数据库去实现的即时记录的功能，在数据准备区进行ETF处理，数据经过抽取、转换之后加载到数据仓库中，因此也说数据仓库是利用的已经存在的历史记录去整合，是利用原有数据分析下一步行动的决策，是有风险的。
分析完主题和数据元后建立数据模型（概念模型、逻辑模型、物理模型）并形成事实表和纬度表，然后通过粒度分析将历史记录先抽取整合，然后再根据决策者可能用到的数据集合分解成若干记录，以备不同决策者使用；再利用OLAP工具技术进行数据的分析导出。
当然，这些都在了解了管理者即客户的需求之后进行的，或者是由企业的管理者自己进行的技术应用或分析。
模型设计的过程如下：数据仓库是管理决策分析的基础，要有效地利用数据仓库的信息资源，必须要有强大的工具对数据仓库的信息进行分析决策。
On-line Analytical Processing(在线分析处理或联机分析处理)就是一个应用广泛的数据仓库使用技术。
它可以根据分析人员的要求，迅速灵活地对当量的数据进行复杂的查询处理，并以直观的容易理解的形式将查询结果提供给各种决策人员，使他们能够迅速准确地掌握企业的运营情况，了解市场的需求。
数据库中的分析型查询与OLAP技术在当代大数据时代，数据的分析和挖掘变得愈发重要。
数据库作为数据管理和存储的核心工具，扮演着不可或缺的角色。
在数据库中，分析型查询和OLAP技术是实现数据分析的关键方法。
本文将着重介绍数据库中的分析型查询和OLAP技术，探讨它们的应用和优势。
一、分析型查询分析型查询是一种在数据库中进行高级数据分析的技术。
它会针对复杂的数据集合进行多维度统计和分析，以便从中获得有价值的洞察和决策支持。
分析型查询通常要处理大量的数据，并进行聚合、过滤和排序等操作。
分析型查询的主要应用包括：业务报表生成、业务智能分析、市场和预测分析、趋势分析以及数据挖掘。
这些应用需要在大量数据中进行复杂的查询与挖掘，因此，分析型查询需要具备高效性和强大的分析能力。
在进行分析型查询时，常常需要使用复杂的查询语言，如SQL。
SQL可以通过各种方法实现分组、排序等聚合操作，还可以使用多表连接实现更复杂的关联查询。
为了提高查询的效率，可以使用索引、视图和存储过程等技术来优化查询过程。
二、OLAP技术OLAP（Online Analytical Processing）技术是将分析型查询转化为实际操作的工具。
OLAP技术通过对多维数据进行存储、处理和分析，为用户提供直观、灵活和高效的数据分析环境。
OLAP技术采用了多维数据模型，将数据组织成类似于立方体的结构，其中每个维度表示一种特定的事实。
OLAP技术提供了一种称为OLAP立方体（OLAP Cube）的概念，它能够存储大量的多维数据，并提供了多维数据分析和查询的功能。
OLAP技术的主要特性包括切片和切块、钻取和上卷、旋转和筛选以及计算和透视等功能。
这些功能使得用户可以通过选择、展开和压缩等操作，快速、灵活地从不同角度分析和探索数据。
OLAP技术通常通过构建OLAP立方体来实现数据的快速查询和分析。
在构建OLAP立方体时，需要进行数据清洗、事实表和维度表的设计以及多级聚合等操作。
浅析基于数据仓库的OLAP技术【摘要】本文主要介绍数据仓库定义及基本特征，阐述了其应用之一的olap技术，olap技术是数据仓库的主要应用技术之一，o- lap能够提供很好的决策支持，并能进行数据的多维分析。
【关键词】数据仓库 olap 决策支持系统数据组织一、数据仓库的定义数据仓库(data warehouse，简称dw)是近年来在信息管理领域得到迅速发展的一种面向主题的、集成的、随时间变化的非易失性数据的集台，其目的在于支持管理层的决策。
数据仓库不是一个新的平台，而是一个新的概念从用户的角度来看，数据仓库是一些数据、过程、工具和设施，它能够管理完备的、及时的、准确的和可理解的业务信息，并把这种信息提交给授权的个人，使他们有效地作出决策。
自从数据仓库概念出现以来，不同学者从不同的角度为数据仓库下了不同的定义，目前，大家公认的数据仓库之父w.h.inmon在1992所著“building the data warehouse”一书中对数据仓库的定义最具权威性，他认为“数据仓库是一个面向主题的、集成的、稳定的、随时间而变化的数据集合，用以支持企业管理中的决策处理。
”我国著名数据库专家王珊将其定义为：数据仓库是一个用以更好地支持企业或组织的决策分析处理的、面向主题的、集成的、不可更新的、随时间不断变化的数据集合。
数据仓库公司red brick system的定义是：数据仓库是特别为信息检索而设计的关系数据库管理系统。
二、数据仓库的特征总结以上定义，数据仓库具有以下几个特点：1、面向主题。
是与传统数据库的面向应用相对应的。
数据仓库是以一个企业或组织中固有的业务主题作为处理的主体，是从整体、全局的角度来衡量这些主题在企业中的作用。
2、集成性。
指原始数据进入数据库前，必须先经过加工与集成，统一原始数据中的矛盾之处，将原始数据的结构从面向应用转换到面向主题。
3、非易失性。
在数据仓库中，数据是从事务操作型数据中抽取出来，反映一段相当长时间内的历史数据，是不同时间点的数据库快照的集合，以及基于快照的统计、综合和重组。
OLAP数据库OLAP（On-Line Analytical Processing）数据库是一种用于针对大规模数据集进行复杂分析的工具。
它具有一定的特点和优点，能够有效地解决一些传统数据库无法解决的问题。
本文将从多个方面对 OLAP 数据库进行探究，并介绍其应用场景。
一、OLAP数据库概述OLAP 数据库是一种面向分析型应用的数据库系统，它不同于传统的事务性数据库，后者通常是为了执行低级别的交易和操作而设计的。
OLAP 数据库具有以下几个方面的特点：1.数据量和复杂程度较大OLAP 数据库通常包含大量的数据，这些数据通常被组织成多维度数据模型，以支持更复杂的查询和分析。
2.快速响应用户分析请求OLAP 数据库使用基于聚合的计算方法，在执行多维分析查询时能够快速响应用户请求。
3.快速执行复杂查询面向 OLAP 的查询通常需要获取大量的数据，然后执行高级分析操作以输出结果。
由于 OLAP 数据库已经构建了多维度数据模型，并针对分析查询进行了优化，因此它能够快速执行这些复杂的查询。
4.提供多种多维度计算能力OLAP 数据库在支持多维度数据建模和多维度计算方面具有很大的优势。
它能够支持多种复杂的数据计算，如滚动、钻取、汇总和透视等。
5.支持多种分析需求OLAP 数据库可以满足多种应用场景，如销售、市场营销、客户关系管理、预算和计划等。
二、OLAP数据库的分类OLAP 数据库通常可以分类为以下几种类型：1.基于多维度数据模型的 OLAP 数据库这类 OLAP 数据库使用多维度数据模型来组织数据，可以支持复杂的分析操作，如切割、钻取、滚动和透视等。
2.基于关系型数据库的 OLAP 数据库这类 OLAP 数据库直接基于关系型数据库，用于支持大规模数据的分析操作，在性能和灵活性上更有优势。
3.基于列式存储的 OLAP 数据库这类 OLAP 数据库使用列式存储技术来组织数据，以支持高速读取和分析操作。
4.基于立方体技术的 OLAP 数据库这类 OLAP 数据库在构建分析模型时使用立方体技术，以支持快速的多维度计算和分析操作。
电量电费数据仓库OLAP技术研究的开题报告一、选题背景与意义电力行业是国民经济的重要组成部分，电量电费数据的管理和分析对于电力企业的经营决策及运营管理具有重要意义。
数据仓库技术是一种将分散的、异构的数据源整合到一起，用于支持企业决策的技术。
而OLAP技术是数据仓库中常用的多维数据分析技术，可对海量数据进行快速查询、分析和报告，是支撑电量电费数据仓库的重要技术。
因此，本文针对电量电费数据仓库OLAP技术进行研究，探索如何更好地构建电量电费数据仓库体系，并提升数据分析的效率、准确性和实用性。
二、研究内容及方法1.研究内容本文拟对电量电费数据仓库OLAP技术开展以下研究内容：（1）电量电费数据仓库的数据建模（2）电量电费数据仓库的数据集成（3）电量电费数据仓库的数据分析（4）电量电费数据仓库的数据可视化2.研究方法本文采用了以下研究方法：（1）文献综述法：对相关领域的研究文献进行综合梳理和分析，查找相关研究成果和经验，为本文的研究提供理论基础和实践指导。
（2）案例分析法：通过对电力企业的电量电费数据进行案例分析，深入了解电量电费数据的特点、需求和对数据仓库的要求，为本文的研究提供实际应用场景。
（3）模型设计法：在充分分析电量电费数据需求和特点的基础上，通过设计适合的数据建模、数据集成和数据分析模型，提出适合电量电费数据分析的OLAP技术方案，以实现高效、准确、实用的分析结果。
三、研究预期结果1.建立完整的电量电费数据仓库体系，包括数据建模、数据集成、数据分析、数据可视化等方面，使得电力企业能够充分利用各种数据资源进行决策和管理。
2.提出有效的电量电费数据仓库OLAP技术方案，使得电量电费数据分析更加高效、准确、实用，提高电力企业决策和管理的水平。
3.通过对实际案例的验证，证明本文提出的电量电费数据仓库OLAP技术方案具有一定的理论价值和实践意义。
四、研究计划及进度安排1.阶段一（12月至3月）：文献综述，深入研究电量电费数据仓库的理论基础和相关技术，梳理出典型案例，明确研究思路和方向。
基于数据仓库的OLAP技术探究【摘要】在科学技术日渐趋于数字化的发展背景下，数据处理技术已经成为了促进社会科技发展的主要动力，随着数据处理技术在企业中的应用的迅速推广，其为企业运营带来的效益也在日渐突显，数字处理技术能够在数据积累的基础上高效率的完成数据筛选和分类处理，而这正是企业在运营生产和业务数据处理中必不可少的。
数据处理技术水平的迅速提升，使得数据的联机分析与处理成为可能，OLAP数据联机处理技术逐渐成为当代企业数据仓库管理的核心技术。
本文从OLAP概念角度出发，对该技术的数据存储和处理机制进行分析，进一步强调了OLAP技术在数据处理中的重要作用，并对该技术中囊括的数据库ROLAP技术和数据分析技术等加以简要论述。
【关键词】数据仓库；OLAP技术；数据ROLAP技术1 数据仓库概念及其体系结构分析1.1 数据仓库定义分析数据仓库的本质是由联机分析系统和决策支持系统共同构成的结构化数据环境，是一个具有稳定性和集成性，能够面向发展主题的数据集合，并通过数据的分布管理和并行处理以支持企业集体管理过程中的决策。
数据仓库的建立为企业的决策处理提供了更为有力的支持，其数据并行处理的多变性也使得数据仓库能够在不同的数据环境中对大量的数据信息进行有效的处理。
在数据仓库的实际应用中，高层次的数据归类标准能够使数据在宏观上得到类型划分，不同类型的数据在依照各自归属领域中逻辑处理后，经集成和加工后变为面向主题的数据集合，并为之后的数据调取做好准备。
1.2 数据仓库的体系结构划分数据仓库在数据处理过程中主要分为数据的分析型处理和操作型处理，两种数据处理方式在实际应用中通常区别使用，以保证数据仓库中数据结构的整体性。
为进一步完善数据仓库的体系结构，通常将数据仓库的体系结构划分为数据查询和分析组件，数据集成组件，数据源和监视器等体系结构。
数据查询和分析组件能够将数据仓库的终端用户数据信息转换为数据源装入DW，并在数据集成组件的DW视图维护中完成数据源的合并及过滤。
数据源作为一个数据库系统，主要包括HTML类型文件和SGML类型文件等，数据仓库的内容通过监视器与多类型文件相连接，以实现数据仓库中数据源的监测与处理。
随着数据仓库在实际应用中的日渐完善，其体系结构的划分也更为具体化，数据提取工具，转换工具以及其他多种数据处理工具的协调使用使得数据仓库日渐成为数据处理系统的核心，并以此为基础满足用户的多方面数据需求。
2 数据联机分析处理技术发展背景讨论OLAP技术即数据联机处理技术，该技术的发展是以数据库技术为基础的，随着计算机数据处理和计算技术的迅速发展，数据仓库的建立已经成为计算机数据处理的首要前提。
在社会经济的迅速潮流中，企业经济成为了社会经济构成中的一部分，发展至今，企业经济已成为社会进步的主要推动力，因此为保证社会的经济进步，企业的经济建设是必不可少的。
为进一步提升企业的运营效益，企业决策者引进了数据仓库技术，通过对企业累计的大量生产及业务数据进行分析处理，并从多数据类型中筛选出有效的数据信息，通过有效信息的筛选反应企业的运营实际情况，并为企业的决策提供数据支持。
随着企业决策者对数据信息策略性价值的不断探索，数据联机处理技术得以开发，这一技术的开发与应用不仅充分展现了企业数据信息的策略性价值，也使得企业之间信息视图的互访成为可能。
OLAP技术开发研究的逐渐深入，使其数据处理的效率和一致性都在一定程度上得以提升，随着OLAP技术在企业数据仓库技术基础上应用的进一步推广，企业决策者以及管理人员将能够更为明晰的洞察到数据仓库中数据的隐含规律，进而制定出更切合企业发展实际的发展决策。
3 基于数据仓库的OLAP技术概论3.1 OLAP概念分析OLAP技术是指在处理特定问题的情况下采取的联机数据访问和处理技术，通过对大量数据进行分析和处理，使得数据中所包含的信息内容能够被决策者快速的读取访问，进而为决策者的数据深入调查提供便利。
OLAP技术在实际应用中是以多维视图的形式展现的，通过划分维度层次使数据中的细节信息得到多方面描述，并通过处理企业日常运营过程中产生的数据以起到支持企业决策的有效作用。
3.2 OLAP技术特点分析根据OLAP技术的实际应用作用分析可知，OLAP技术具有信息性，多维性及可分析性等多种技术特点。
从信息性角度分析，由于OLAP技术的职能是对大量的数据内容进行分析与处理，并且数据的存储位置无法影响到信息获取效率，所以OLAP技术通常用于管理大量的数据信息，并且在磁盘空间应用和数据仓库结合等多方面都有较为广泛的应用。
OLAP技术还能够在进行数据逻辑分析的同时对数据进行统计分析，这便使得用户在定义全新的编程运算时无需针对运算过程进行程序编写，为用户的实际应用提供了很大的方便。
OLAP技术的可分析性也体现在用户对OLAP系统的应用中。
OLAP技术为用户提供了OLAP 数据平台，用户能够在平台上完成数据分析，OLAP技术平台也能够连接到其他数据分析工具上，通过其他数据分析工具将分析结果录入到系统中，进而提升OLAP系统的数据处理效率和准确性。
OLAP技术的多维性作为该技术的关键属性，是系统进行数据处理后结果的直观展示，OLAP技术中多维视图的展现，使得企业运营中产生的数据内容能够得到最为直观的展现，加之多维视图中层次维和多层次维的引入，更是使得数据内容展现得以进一步丰富。
4 基于数据仓库的OLAP技术探究4.1 OLAP数据模型结构分类OLAP技术主要应用于大量数据的分析归纳过程中，由于数据种类和处理方式的多样性，OLAP技术在实际应用中必须能够支持多维视图模式，并且具备一定的旋转性，这样才能有效满足用户需求。
为进一步提升OLAP数据处理系统性能，通常要以关系型数据库为基础搭建数据仓库，并通过数据仓库与OLAP 技术的协调运行来实现数据的数据的有效处理。
为满足用户因数据接口不同而产生的数据存储需求，将OLAP数据处理技术分为三种数据模型。
数据容量最小的是基于多维数据库的数据模型结构。
该结构中数据的存场所是多维度数据库，数据库由多个多维数组存储单元构成，不同数组存储单元中存储的数据类型都具有统一的属性，这也为后期类型性数据的调取与处理提供了方便。
基于关系型数据库的OLAP具有更为灵活的缩放性，该技术产品更加强强调对数据的并发控制管理，由于数据的并发控制管理在实际应用中最为普及，也使得这种数据模型结构成为当下最为成熟的模型结构。
混合型OLAP数据模型结构是在最近得以发展的，该数据模型结构最大的特点是融合了多维数据库结构和关系型数据库结构的优点，两种数据模型结构的有机结合使得混合型OLAP数据模型结构具有更为优良的扩展性和数据处理速度。
4.2 OLAP数据模型搭建在基于数据仓库下的OLAP技术中，OLAP数据模型的搭建是OLAP的技术核心。
在整个数据模型中，维和度量共同构成了数据信息的分析处理标准，OLAP 技术便是以这两种衡量标准进行数据的分析处理的。
OLAP数据模型的搭建为终端用户的数据查询和报表提供了更为简要的处理方式，复杂的数据查询方式向简要数据切片处理方式的转换，使得数据仓库中的数据内容能够以多维视图的形式展现给用户，使得用户的数据查询和处理过程在很大程度上得到简化。
在OLAP 数据模型中，维是同种类型数据的集合，数据所具备的变量特性使得维具有自身的属性特点。
OLAP数据模型中的度量则与维不同，它仅表示一个度量值，如在商品销售中，度量的存在形式主要包括商品单价，销售数量以及销售总额等，与数据模型中的维不同，度量更为强调数值本身的属性，是数值所代表内容的直观体（下转第166页）（上接第136页）现。
4.3 OLAP数据模型多维表示方法在OLAP技术和数据仓库的结合与应用中，为有效提社OLAP数据处理效率，通常将多维数据库转换为事实表和维表两大类型。
事实表在关系数据库中表示数据关系时，通常要以存储数据的实施度量值和不同位的主码为基础，而维表在OLAP数据模型的表示中则保留了描述不同维之间层次关系以及成员类别等必要的数据内容。
在OLAP技术数据模型的多维表示中，事实表和维表的紧密联系能够使关系数据库中的数据类型分类更为明晰，维表中不同数据属性的ID 主码也使得OLAP数据模型呈现出星型模式，这也进一步表明了数据仓库中数据二维关系的确立，为数据的多维查询和描述提供了有效参考。
雪花模式也是OLAP数据模型的重要体现。
在OLAP关系数据库中的雪花模式下，企业的决策人员和管理人员不再需要从多层次，多角度进行数据分析，而是从多维表的数据描述中得出数据的数据集构造。
如在商品销售中，按照商品产地，商品种类和用途等将商品进行不同种类的划分，这就会使得OLAP星型数据结构的顶端出现分支，进而演变成为关系数据库的雪花模式。
OLAP技术的雪花模式数据模型能够利用多张维表表示维层次复杂且成员类型较多的数据集，并且数据在存储时也要借助实施表和维表的联结才能实现，雪花模式下OLAP技术与数据仓库的结合使得维表形式更为规范化，这也为OLAP技术今后的探究与发展指明了方向。
5 结束语随着我国社会企业竞争的日趋激烈，企业中决策人员的数据信息获取能力成为了影响企业发展的关键，也成为了企业竞争与发展的根本，OLAP技术和数据仓库的应用，为企业的数据处理提供了多维的数据分析方式，此外，OLAP技术的应用也为数据用户提供了便捷的数据查询途径。
在计算机技术发展的推动下，我国基于数据仓库的OLAP技术将会更加灵活，数据分析与处理水平也会得到显著提高，随着我国对数据分析与处理研究的深入，OLAP技术将会受到更为广泛的应用。
【参考文献】[1]王珊，等.数据仓库技术与联机分析处理[M].北京科学出版社，2010，12（8）：35-56.[2]陈京民.数据仓库与数据挖掘技术[M].北京电子工业出版社，2009，20-39.[3]刘义，常戈.基于关系数据库OLAP技术的研究[J].计算机工程与实际应用，2013，20（16）：25-40.。
