数据仓库的数据建模技术.pdf
版权申诉
134 浏览量
2021-10-02
16:00:32
上传
评论
收藏 112KB PDF 举报
数据仓库的数据建模技术
摘 要：本文分析了数据库设计和数据仓库设计区别， 总结了数据仓库两类主流的数据
模型： 企业级数据模型和多维数据模型， 系统分析了两类数据模型的层次， 探讨了多维数据
模型的分类以及用多维数据模型设计数据仓库的方法和步骤。
关键字： 数据仓库；企业级数据模型；多维数据模型；星型模型；多维数据库； OLAP
1 数据库设计和数据仓库设计的区别
与数据库系统类似，在数据仓库系统中，构建数据模型是建立数据仓库的关键步骤。
在数据库系统的设计过程中，数据模型的建立分为概念模型设计，逻辑模型设计和物
理模型设计。概念模型设计或描述可以用 E-R图（或扩展 Bachman图）来完成。在逻辑模型
设计阶段， 将概念模型转换为关系数据模型， 最后得到关系模式并对其进行规范化处理。 物
理模型设计给出数据存储结构和物理实现方法。
与上述数据库模型的建立过程对应，数据仓库的设计也包括：概念模型设计、逻辑模
型设计和物理模型设计。
虽然目前数据仓库还没有一个广为接受的形式化的设计方法， 但对于数据仓库设计， 以
下两点还是基本上得到了认可， （1）真正实现数据仓库之前至少要有一些关于概念或逻辑建
模的活动。（ 2）数据仓库依赖于一个多维模型。因此，一般情况下，数据仓库的建模活动基
于多维模型来进行，而数据仓库的实现则通过关系型或多维数据库进行。
数据仓库中的数据具有四个基本特征：面向主题的、集成的、 相对稳定的、随时间不断
变化的。 这些特征说明了数据仓库从数据组织到数据建模、 数据处理都跟数据库的建立有很
大区别，表 1 给出了数据库设计与数据仓库设计的区别。
表 1 数据库设计与数据仓库设计的区别
数据库 数据仓库
系统设计的目标不同 面向应用，事务处理性能，
主要关注响应时间
面向分析 , 保证数据的四个基本特征，
支持 OLAP。
面向的需求不同 需求明确；称为“需求驱动
的设计方法”
需求不明确， 需要逐步确定； 称为“数
据驱动”设计方法。
面向的操作类型不同 增、删、改，动态变动 从原数据库系统中批量导入，定期更
新。
系统的建设方法和步
骤不同
系统开发生命周期法 由数据开始，“螺旋式开发”
资源评论
