資料倉庫模組化方法
OLTP系統模組化方法
OLTP（線上事務處理）系統中，主要操作是随機讀寫
為了保證資料一緻性、減少備援，常使用關系模型
在關系模型中，使用三範式規則來減少備援
OLAP（線上聯機分析）
OLAP系統，主要操作是複雜分析查詢；關注資料整合，以及分析、處理性能
OLAP根據資料存儲的方式不同，又分為ROLAP、MOLAP、HOLAP
OLAP系統分類
ROLAP（Relation OLAP，關系型 OLAP）：使用關系模型建構，存儲系統一般為RDBMS
MOLAP（Multidimensional OLAP，多元型 OLAP）：預先聚合計算，使用多元數組的形式保 存資料結果，加快查詢分析時間
HOLAP（Hybrid OLAP，混合架構的 OLAP）：ROLAP 和 MOLAP 兩者的內建；如低層是關
系型的，高層是多元矩陣型的；查詢效率高于ROLAP，低于MOLAP
ROLAP系統模組化方法
典型的資料倉庫模組化方法有ER模型、次元模型、Data Value、Anchor
次元模型
次元模型中，表被分為次元表、事實表，次元是對事實的一種組織
次元一般包含分類、時間、地域等
相關概念
1. 粒度
粒度（Granularity）是指多元資料集中資料的詳細程度和級别。資料越詳細，粒度越小級别就越低；資料綜合度越高，粒度越大級别就越高。
例如，位址資料中“北京市”比“北京市海澱區”的粒度大。
2.維（Dimension）
是人們觀察資料的特定角度，是考慮問題時的一類屬性。此類屬性的集合構成一個次元（或維），如時間維、地理維等
存放維資料的表稱為維表，如表所示就是一個時間維表。維表中的資料具有維層次結構，包含維屬性和維成員。
3.度量或事實
度量（Measure）是多元資料集中的資訊單元，即多元空間中的一個單元，用以存放資料，也稱為事實（Fact）。通常是數值型資料并具有可加性。
也就是DW所關心主題的數值表示
4.多元資料集
資料倉庫和OLAP服務是基于多元資料模型的，這種模型将多元資料集看作資料方體（data cube）形式。多元資料集可以用一個多元數組來表示，它是維和度量清單的組合表示。
一個多元數組可以表示為：
（維1，維2，…，維n，度量清單）
次元模型
次元模型分為星型模型、雪花模型、星座模型
次元模型建立後，友善對資料進行多元分析
維表即為觀察事實度量的角度，每個度量表具有多個維表，路徑成本可在維表的層次上進行彙總統計或下鑽細分，例如：可以在時間次元上統計一年的銷售額，也可以在地域次元上，下鑽每個城區的銷售額；這些都是OLAP的多元分析操作（下一節）。（可加性）
星型模型
标準的星型模型，次元隻有一層，分析性能最優
雪花模型
雪花模型具有多層次元，比較接近三範式設計，較為靈活，是星型模型的進一步規範化。去除部分備援。
星座模型
星座模型基于多個事實表，事實表之間會共享一些次元表
是大型資料倉庫中的常态，是業務增長的結果，與模型設計無關
例如：對于一個銷售量主題和商品存儲量主題而言，他們的時間次元和地點次元是一樣的，即可公用維表。
OLAP多元分析
OLAP主要操作是複雜查詢，可以多表關聯，使用COUNT、SUM、AVG等聚合函數
OLAP對複雜查詢操作做了直覺的定義，包括鑽取、切片、切塊、旋轉
鑽取
對次元不同層次的分析，通過改變次元的層次來變換分析的粒度
鑽取包括上卷（Roll-up）、下鑽(Drill-down)
上卷（Roll-up），也稱為向上鑽取，指從低層次到高層次的切換
下鑽(Drill-down)，指從高層次到低層次的切換
切片(Slice)、切塊(Dice)
選擇某個次元進行分割稱為切片
按照多元進行的切片稱為切塊
旋轉(Pivot)
對次元方向的互換，類似于交換坐标軸上卷（Roll-up）
一個複雜的查詢統計是一系列OLAP基本操作疊加的結果。
例如，對于表的多元資料集，統計2014年“華東”分區的總銷售量的過程是：通過地點維從“城市”上卷到“分區”，對年份維按“年份=2014”和分區維按“分區=‘華東’”進行切片操作，最後聚集總和，如圖所示。
下一篇實驗教程：資料倉庫與資料挖掘 4（上）
參考資料
[0] 陳志泊 主編. 資料倉庫與資料挖掘(第二版). 清華大學出版社,2019
[1] 陳立偉著,資料倉庫與資料挖掘教程，清華大學出版社，2006
[2] 林宇編著. 資料倉庫原理與實踐，人民郵電出版社，2003。
[3] 彭木根著 資料倉庫技術與實作，電子工業出版社，2002.6。
[4] [加]韓家炜、[加]坎伯，範明等譯，資料挖掘概念與技術，機械工業出版社，2005。
[5] 張雲濤、龔玲著，資料挖掘原理與技術，電子工業出版社，2003。