下载文档原格式
OLAP是一个赋予动态的、企业分析的名词，这些分析是注释的、熟悉的、公式化数据分析模型的生成、操作、激活和信息合成。
能够在变量间分辨新的或不相关的关系，能够区分对处理大量数据必要的参数，而生成一个不限数量的维和指明跨维的条件表达式。
OLAP是针对特定问题的联机数据访问和分析。
通过信息（维数据）的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。
OLAP特点：1．假定性：需要初始的假设来给出导航数据分析的方向，最终用分析的结果来验证初始的假设。
2．快速性：用户对OLAP的快速反映能力有很高的要求。
3．可分析性：能处理与应用有关的任何逻辑分析和统计分析。
用户可以在OLAP平台上进行分析，也可以连接到其他外部分析工具上。
4．多维性：是OLAP的关键属性，系统提供对数据分析的多维视图和分析，如对层次维和多重层次维完全支持。
5．信息性：系统能及时获取信息，并能管理大容量的信息。
OLAP分类：1．关系OLAP（ROLAP）结构：使用关系或扩充关系DBMS存放并管理数据仓库，采用基于稀疏矩阵表示方法的星形结构或雪花结构存储多维数据，数据检索比MOLAP低效。
2．多维OLAP（MOLAP）结构：核心是其数据存储采用矩阵（可能是多维方阵）方式，数据检索高效。
3．混合OLAP（HOLAP）结构：结合ROLAP和MOLAP技术，在MOLAP立方体中存储高级别的聚集，在ROLAP中存储低级别的聚集。
4．桌面OLAP结构：没有自己的数据存储库，把用户的查询翻译为对数据源的查询，然后再把结果合成返回给用户。
5．客户OLAP：相对与Server OLAP，把部分数据下载到本地，为用户提供本地的多维分析。
OLAP常用分析方法：1．数据切片（Slicing）和数据切块（Dicing）2．钻取：数据上钻（Drilling-up）、数据下钻（Drilling-down）、数据上卷（Rolling-up）3．数据旋转（Pivoting/Rotating）-概括来说，数据仓库系统是指具有综合企业数据的能力，能够对大量企业数据进行快速和准确分析，辅助做出更好的商业决策的系统。
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。
管理信息系统1．管理信息系统是什么？它和一般的计算机应用有什么不同？管理信息系统是一个以人为主导，利用计算机硬件、软件、网络通信设备以及其他办公设备，进行信息的收集、传输、加工、储存、更新和维护，以企业战略竞优、提高效益和效率为目的，支持企业高层决策、中层控制、基层动作的集成化的人机系统。
?管理信息系统与计算机应用的不同：计算机只是管理信息系统的一种工具。
没有计算机也有管理信息系统，管理信息系统只有优劣之分，不存在有无的问题。
2．如何理解管理信息系统不仅仅是一个技术系统，而且是社会技术系统？管理信息系统和所有系统工程一样，由人类通过组织、管理、协作而建立形成并不断发展。
管理信息系统的目的在于辅助决策，而决策只能由人来做，因而管理信息系统必然是一个人机结合的系统。
在管理信息系统中，各级管理人员既是系统的使用者，又是系统的组成部分。
因参与建立和发展管理信息系统而联系起来的人群，在组织管理下形成了一个社会系统。
建立、发展管理信息系统是这个社会系统的目标，也是其产出。
对这个社会系统运行控制的效果是影响管理信息系统优劣的决定因素。
因为社会系统的介入，管理信息系统才成了一个有机结合、可持续发展的整体系统工程。
否则，它将只是一堆机器的拼凑组合。
在管理信息系统开发过程中，要根据这一特点，正确界定人和计算机在系统中的地位和作用，充分发挥人和计算机各自的长处，使系统整体性能达到最优。
3．什么是信息？什么是数据？信息与数据有何区别和联系？信息：是指经过某种方式加工的，能对接收者的行为和决策产生影响的数据，或称对事实、状态特征的认识和解释。
数据：是指未经加工的事实或着重对一种特定现象的描述，或称对原始事实、状态的记录符号。
区别：数据是符号，是物理性的，信息是加工过并能对接受者的行为和决策产生影响的数据，是逻辑性（观念性）的；信息具有与数据不同的基本属性，即信息具有：事实性、等级性、可压缩性、扩散性、分享性、增值性、转换性。
简述olap的基本操作OLAP(联机分析处理)是一种数据处理技术，它允许用户通过非常具有交互性的界面查询或分析数据，而无需编写复杂的SQL语句或程序。
因此，OLAP系统已成为商业智能的核心组成部分。
OLAP的基本操作通常包括以下几个方面：1. 切片(slice)：即选定一个二维表，然后选取其中一行、一列或一个单元格，从而得到一个更小的子表。
切片操作可以帮助用户在数据集中快速找到特定行、列或单元格，从而更好地理解数据。
2. 切块(dice)：即选定一个多维数据集，然后根据用户的选择，从中选择一个或多个维度和相应的切片，得到一个新的多维子集。
切块操作可以帮助用户更好地理解数据的关联关系。
3. 旋转(pivot)：即将多维数据集的某些维度交换，以便更好地观察不同维度之间的关系。
例如，在一个销售数据库中，用户可以将销售日期作为列，将不同地区作为行，以便更好地分析不同地区的销售情况。
4. 过滤(filter)：即根据用户的要求，从数据集中筛选特定的数据子集，该子集符合特定的条件或条件。
例如，在一个销售数据库中，可以根据特定的地区、时间范围或产品类型过滤数据，以便更好地分析数据。
5. 聚合(aggregate)：即使用各种函数(如求和、平均值或计数)将多个数据点或值合并为一个值或汇总数据，以便更好地分析更大的数据集。
例如，在一个销售数据库中，可以根据某个地区、某个产品或某个时间段聚合数据，以便更好地理解数据。
总之，OLAP是一种非常强大的数据处理技术，它允许用户通过简单易用的界面快速地查询、分析和理解数据。
通过使用OLAP的基本操作，用户可以更好地了解数据，并在商务决策中做出更明智的选择。
第五章联机分析处理（OLAP）DW是管理决策分析的基础，若要有效地利用DW中的信息资源，必须有强大的工具对信息进行分析、决策，OLAP就是一个得到广泛用的DW技术。
OLAP专门用于支持复杂的决策分析，是支持信息管理和业务管理人员决策活动的一种决策分析工具。
它可以根据分析人员的要求，迅速、灵活地对大量数据进行复杂的查询处理，并且以直观的、容易理解的形式将查询结果提供给各种决策人员，使他们迅速、准确地掌握企业的运营情况，了解市场的需求。
OLAP技术主要有两个特点：一是在线(On-Line)，表现为对用户请求的快速响应和交互操作，它的实现是由客户机／服务器体系结构完成的；二是多维分析(Multi-Analysis)，这也是OLAP技术的核心所在。
§ 5.1 OLAP技术基本概念一、OLAP的定义OLAP是E.F.Codd于1993年提出的。
OLAP理事会的定义：OLAP是一种软件技术，他使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的，这些信息是从原始数据直接转换过来的，他们以用户容易理解的方式反映企业的真实情况。
OLAP大部分策略都是将关系型的或普通的数据进行多维数据存贮，以便于进行分析，从而达到联机分析处理的目的。
这种多维DB也被看作一个超立方体，沿着各个维方向存贮数据，它允许用户沿事物的轴线方便地分析数据，与主流业务型用户相关的分析形式一般有切片和切块以及下钻、挖掘等操作。
共享多维信息的快速分析。
二、OLAP的功能特征：OLAP是一种数据分析技术，其功能特征是：1、快速性用户对OLAP的快速反映有很高的要求，一般要求能在5秒内对分析要求有反映。
设计时应考虑：专门的数据存贮格式，大量的事先运算，特别的硬件设计。
2、可分析性OLAP系统应能处理与应用有关的任何逻辑分析和统计分析。
因为事先编程并不能定义所有的应用，所以，在OLAP分析的过程中，用户无需编程就可以定义新的计算，将成为分析的一部分，且以用户希望的方式给出报告。
切块多的方法和技巧
切块多的方法和技巧有很多，以下是一些常用的方法和技巧：
1. 使用刀具：使用刀具进行切块是最常见的方法之一。
选择适合的刀具，如刀、菜刀等，根据食材的大小和硬度来选择刀具的大小和锋利程度。
切块时要保持手指的安全距离，避免意外伤害。
2. 使用切割器具：切割器具，如切菜机、切片机等，可以大大提高切块的效率和准确性。
选择合适的切割器具，根据需要调整切块的大小和形状，然后将食材放入切割器具中即可。
3. 使用切块工具：切块工具，如蔬菜切块器、水果切块器等，可以帮助快速、准确地切块。
将食材放入切块工具中，按下工具上的按钮或拉动切块工具的手柄，即可完成切块。
4. 使用切块技巧：掌握一些切块的技巧也可以提高切块的效率。
例如，先将食材切成均匀的薄片，然后将薄片叠放在一起，再切成块状；或者将食材切成长条状，再将长条切成块状。
5. 使用辅助工具：使用辅助工具，如切菜板、切菜篮等，可以提高切块的稳定性和安全性。
将食材放在切菜板上，使用刀具进行切块，切菜篮可以帮助收集切下的食材块，避免食材滚动或散落。
6. 练习切割技巧：切块多的方法和技巧最重要的是练习。
通过不断的练习，熟悉切块的动作和力度，提高切块的速度和准确性。
总之，切块多的方法和技巧有很多，选择合适的方法和工具，掌握切块的技巧，并进行反复练习，可以提高切块的效率和准确性。
1.特点：OLAP 在以数据仓库为数据源时，它有两个特点：在线性( On Line )：由客户机/服务器这种体系结构来完成的；多维分析：这也是OLAP 的核心所在。
2 作用：. 联机分析处理是共享多维信息的、针对特定问题的联机数据访问和分析的快速软件技术。
它通过对信息的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。
决策数据是多维数据，多维数据就是决策的主要内容。
OLAP 专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业(公司)的经营状况，了解对象的需求，制定正确的方案。
3. OLAP的基本多维分析操作有钻取(Drill-up和Drill-down八切片(Slice )和切块( Dice )、以及旋转( Pivot )等。
钻取：是改变维的层次，变换分析的粒度。
它包括向下钻取 ( Drill-down ) 和向上钻取(Drill-up ) /上卷(Roll-up) 。
Drill-up是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而Drill-down 则相反，它从汇总数据深入到细节数据进行观察或增加新维。
切片和切块：是在一部分维上选定值后，关心度量数据在剩余维上的分布。
如果剩余的维只有两个，则是切片；如果有三个或以上，则是切块。
旋转：是变换维的方向，即在表格中重新安排维的放置(例如行列互换)。
4. 五、联机分析处理的实现方式同样是仿照用户的多角度思考模式，联机分析处理有三种不同的实现方法：•关系型联机分析处理(ROLAP,Relatio nal OLAP)•多维联机分析处理(MOLAP,Multi-Dime nsio nal OLAP) •前端展示联机分析处理(Desktop OLAP)其中，前端展示联机分析需要将所有数据下载到客户机上，然后在客户机上进行数据结构/报表格式重组，使用户能在本机实现动态分析。
OLAP性能分析及优化李彩霞【摘要】数据仓库存储大量历史数据,OLAP应用涉及到对大面积历史数据的复杂查询,查询优化是提高OLAP响应速度的关键.目前最有效的方法是增加综合数据存储及查询方式的优化,但存储空间的有限限制了综合数据的存储量.常规优化数据库的方法不能满足OLAP的要求,针对以上出现的问题分别从数据仓库存储优化、OLAP实现方式的选择等工作出发,基于OLAP性能优化的查询优化策略等多角度实现对OLAP响应速度及提高查询优化.对这个问题进行了深入的研究.【期刊名称】《现代电子技术》【年(卷),期】2006(029)018【总页数】3页(P116-118)【关键词】数据仓库;OLAP;变粒度存储策略;X-OLAP【作者】李彩霞【作者单位】青海民族学院,计算机科学与技术系,青海,西宁,810007【正文语种】中文【中图分类】TP311.1311 引言联机数据分析系统(On-Line Analytical Processing,OLAP)是关系型数据库之父E.F.Codd 1993提出的，当时，E.F.Codd认为OLTP已不能满足终端用户对数据库查询分析的需要，用户的决策分析需要对关系数据库进行大量计算才能得到结果，而查询的结果并不能满足决策者提出的需求，因此他提出了多维数据库和多维分析的概念，即OLAP[1]。
OLAP是针对特定问题的联机数据访问和分析。
通过对信息很多种可能的观察形式进行快速、稳定、一致和交互性的存取，允许管理决策人员对数据进行深入观察。
OLAP的基本分析动作包括：数据切片、数据切块、数据钻取、数据聚合、数据旋转。
OLAP通过对数据库中的数据进行相应的操作从多个角度、多个侧面进行快速、一致和交互地存取，从而使分析人员能够对数据进行深入的分析观察[1]。
OLAP是基于数据仓库的，而数据仓库存储大量的历史数据。
OLAP以多维分析为基础，对数据仓库中的历史数据进行多层面多角度分析和处理。
决策支持系统（DSS）与管理信息系统（MIS）的区别：（1）MIS是面向中层管理人员，为管理服务的系统。
DSS是面向高层人员，为辅助决策服务的系统。
（2）MIS综合了多个事务处理功能。
DSS是通过模型计算辅助决策。
（3）MIS是以数据库系统为基础，以数据驱动的系统。
DSS是以模型库为基础的，以模型驱动的系统。
（4）MIS分析着重于系统的信息的需求，输出报表是固定的。
DSS分析着重于决策者的需求，输出的数据是计算的结果。
（5）MIS系统追求的是效率，即快速查询和产生报表。
DSS追求的是有效性，即决策的正确性。
（6）MIS支持的是结构化决策。
DSS支持的是半结构化决策。
决策的分类：（1）按决策的作用分类a.战略决策b.管理决策c.业务决策（2）按决策的性质分类a.程序化决策匕非程序化决策（3）按决策问题的条件分类a.确定性决策b.风险型决策c.不确定性决策决策过程：（1）确定决策目标（2）拟定各种被选方案（3）从各种被选方案中进行选择（4）执行方案数据是对客观事物的记录，用数字、文字、图形、图像、音频、视频等符号表示。
数据经过二值化后能够被计算机存储、处理和输出。
数据是信息的载体，数据本身是没有意义的。
数据按精度分类（由粗到细）：定类数据、定序数据、定距数据和定比数据。
模型的种类：统计学模型、运筹学模型、经济数学模型和预测模型。
经济数学模型主要有计量经济模型、投入产出模型、经济控制模型和系统动力模型。
人工智能的行为：（1）通过学习获取知识（2）利用知识进行逻辑思维（推理）（3）通过自然语言理解进行人机之间的交流（4）通过图像理解进行形象思维（联想）（5）利用启发式（经验）方法，解决新问题（6）利用试探性（创新性）方法，解决新问题智能行为概括为：获取知识，进行推理、联想或交流，解决随机问题或新问题。
决策支持系统的三部件结构：对话部件（人机交互系统）、数据部件（数据库管理系统DBMS和数据库DB）、模型部件（模型库管理系统MBMS和模型库MB）。
联机分析中的切块操作方法
在联机分析中，切块操作是将数据集分割成更小的块，以便更高效地进行处理和分析。
切块操作的方法取决于数据集的类型和分析的需求。
以下是几种常见的切块操作方法：
1. 时间切块：将时间序列数据按照预定义的时间段进行切块，例如按天、按小时、按分钟等。
这种方法适用于需要对时间序列数据进行时序分析的场景，例如预测、异常检测等。
2. 空间切块：将空间数据按照预定义的区域进行切块，例如按照网格划分、按照地理区域划分等。
这种方法适用于需要对空间数据进行分布模式分析或者区域统计的场景。
3. 数据类型切块：将数据集按照不同的数据类型进行切块，例如将文本数据按照关键词进行切块、将图像数据按照特征进行切块等。
这种方法适用于需要对不同类型的数据进行特定处理的场景，例如文本分类、图像识别等。
4. 随机切块：将数据集随机切分成大小相等或大小不等的块。
这种方法适用于需要对数据集进行随机采样或者进行并行处理的场景。
5. 依据切块条件切块：将数据集按照预先定义的切块条件进行切块。
例如，将
销售数据按照产品类型划分，将用户数据按照地理位置划分等。
这种方法适用于根据特定的切块条件进行数据分析的场景。
无论采用哪种切块操作方法，在切块之后，可以对每个块进行独立的处理和分析，从而实现更高效的数据处理和分析。
