《数据仓库》自用读书笔记①——数据仓库环境

数据仓库

• 面向主题：客户，库存，订单
• 集成：从多个不同数据源传送来的
• 非易失性：数据通常以批量方式载入与访问，但在数据仓库环境中并不进行数据更新
• 随时间变化：每个数据单元只是在某一时间是准确的

• DASD（直接存取存储设备）和磁带是数据仓库中应用最多的两种数据存取介质

• 定义：数据仓库中数据单元的细节程度或综合程度的级别
• 细节度越高，粒度级就越低，查询范围越广泛
• 粒度带来的好处
  • 数据仓库中粒度化的数据是重用性的关键，它可以由众多用户以不同方式使用。例如在公司中，同一个数据可同时满足市场、销售和财务部门的需要。
  • 可以对数据进行一致性协调
  • 灵活性，可以容易的改变部门的数据观察角度。
  • 包含了整个企业的活动和事件的历史，企业数据可以可为满足不同需求而进行重构
  • 可以容纳将来的未知需求
• 数据粒度的权衡
  • 高粒度级数据的数据量和原始空间较小，且只需要较少的索引项。可通过数据压缩，节省所用的DASD存储空间，节省所需的索引项，节省数据的处理器资源
  • 每个s实体都有特殊的要求，数据仓库设计必须满足实体需要的最低粒度级别。不过，在数据仓库环境中进行DSS处理时，对单个事件进行检查的情况是很少的。
• 双重粒度
  • 既提高存储与访问数据的效率，又顾及详细的数据分析——使用多重粒度级别。
    • 轻度综合数据
    • “真实档案”细节数据

• 定义：从数据仓库中取得的真实档案数据或轻度综合数据的一个子集。这个数据库需要进行周期性的刷新
• 活样本数据库适用于作统计分析和观察发展趋势，不适用于处理单个的数据记录
• 活样本数据库的最大好处是存取效率非常高

• 在数据仓库环境中，日期几乎总是分区标准中的一个必然组成部分

• 简单堆积结构
• 轮转综合数据存储
• 简单直接文件：操作型数据间隔一定时间的一个快照
• 连续文件：依据两个或更多的简单直接文件生成

• 数据仓库中的数据按如下标准划分：主题域、表、数据在表中的出现