SQL Server數(shù)據(jù)庫涉及到的數(shù)據(jù)倉庫概念
SQL Server數(shù)據(jù)庫涉及到的數(shù)據(jù)倉庫概念：
1．多維數(shù)據(jù)集：
多維數(shù)據(jù)集是聯(lián)機(jī)分析處理 (OLAP) 中的主要對象，是一項(xiàng)可對數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行快速訪問的技術(shù)。多維數(shù)據(jù)集是一個(gè)數(shù)據(jù)集合，通常從數(shù)據(jù)倉庫的子集構(gòu)造，并組織和匯總成一個(gè)由一組維度和度量值定義的多維結(jié)構(gòu)。
2．維度：
是多維數(shù)據(jù)集的結(jié)構(gòu)性特性。它們是事實(shí)數(shù)據(jù)表中用來描述數(shù)據(jù)的分類的有組織層次結(jié)構(gòu)（級別）。這些分類和級別描述了一些相似的成員集合，用戶將基于這些成員集合進(jìn)行分析。
3.度量值：
在多維數(shù)據(jù)集中，度量值是一組值，這些值基于多維數(shù)據(jù)集的事實(shí)數(shù)據(jù)表中的一列，而且通常為數(shù)字。此外，度量值是所分析的多維數(shù)據(jù)集的中心值。即，度量值是最終用戶瀏覽多維數(shù)據(jù)集時(shí)重點(diǎn)查看的數(shù)字?jǐn)?shù)據(jù)。您所選擇的度量值取決于最終用戶所請求的信息類型。一些常見的度量值有 sales、cost、expenditures 和 production count 等。
4.元數(shù)據(jù)：
不同 OLAP 組件中的數(shù)據(jù)和應(yīng)用程序的結(jié)構(gòu)模型。元數(shù)據(jù)描述 OLTP 數(shù)據(jù)庫中的表、數(shù)據(jù)倉庫和數(shù)據(jù)集市中的多維數(shù)據(jù)集這類對象，還記錄哪些應(yīng)用程序引用不同的記錄塊。
5．級別：
級別是維度層次結(jié)構(gòu)的一個(gè)元素。級別描述了數(shù)據(jù)的層次結(jié)構(gòu)，從數(shù)據(jù)的***（匯總程度***）級別直到***（最詳細(xì)）級別。
6．?dāng)?shù)據(jù)挖掘：
數(shù)據(jù)挖掘使您得以定義包含分組和預(yù)測規(guī)則的模型，以便應(yīng)用于關(guān)系數(shù)據(jù)庫或多維 OLAP 數(shù)據(jù)集中的數(shù)據(jù)。之后，這些預(yù)測模型便可用于自動執(zhí)行復(fù)雜的數(shù)據(jù)分析，以找出幫助識別新機(jī)會并選擇有獲勝把握的機(jī)會的趨勢。
7．多維 OLAP (MOLAP)：
MOLAP 存儲模式使得分區(qū)的聚合和其源數(shù)據(jù)的復(fù)本以多維結(jié)構(gòu)存儲在分析服務(wù)器計(jì)算機(jī)上。根據(jù)分區(qū)聚合的百分比和設(shè)計(jì)，MOLAP 存儲模式為達(dá)到最快查詢響應(yīng)時(shí)間提供了潛在可能性?？偠灾琈OLAP 更加適合于頻繁使用的多維數(shù)據(jù)集中的分區(qū)和對快速查詢響應(yīng)的需要。
8．關(guān)系 OLAP (ROLAP)：
ROLAP 存儲模式使得分區(qū)的聚合存儲在關(guān)系數(shù)據(jù)庫的表（在分區(qū)數(shù)據(jù)源中指定）中。但是，可為分區(qū)數(shù)據(jù)使用 ROLAP 存儲模式，而不在關(guān)系數(shù)據(jù)庫中創(chuàng)建聚合。
9．混合 OLAP (HOLAP)：HOLAP 存儲模式結(jié)合了 MOLAP 和 ROLAP 二者的特性。
10．粒度：
數(shù)據(jù)匯總的層次或深度。
11．聚合|聚集：
聚合是預(yù)先計(jì)算好的數(shù)據(jù)匯總，由于在問題提出之前已經(jīng)準(zhǔn)備了答案，聚合可以改進(jìn)查詢響應(yīng)時(shí)間。
12．切塊：
由多個(gè)維的多個(gè)成員限定的分區(qū)數(shù)據(jù)，稱為一個(gè)切塊。
13．切片：
由一個(gè)維的一個(gè)成員限定的分區(qū)數(shù)據(jù)，稱為一個(gè)切片。
14．?dāng)?shù)據(jù)鉆取：
最終用戶從常規(guī)多維數(shù)據(jù)集、虛擬多維數(shù)據(jù)集或鏈接多維數(shù)據(jù)集中選擇單個(gè)單元，并從該單元的源數(shù)據(jù)中檢索結(jié)果集以獲得更詳細(xì)的信息，這個(gè)操作過程就是數(shù)據(jù)鉆取。
15．?dāng)?shù)據(jù)挖掘模型：
數(shù)據(jù)挖掘可以使你得以定義包含分組和預(yù)測規(guī)則的模型，以便應(yīng)用于關(guān)系數(shù)據(jù)庫或多維 OLAP 數(shù)據(jù)集中的數(shù)據(jù)。之后，這些預(yù)測模型便可用于自動執(zhí)行復(fù)雜的數(shù)據(jù)分析，以找出幫助識別新機(jī)會并選擇有獲勝把握的機(jī)會的趨勢。
上文的內(nèi)容比較適合剛剛?cè)腴T的初學(xué)者學(xué)習(xí)，這些基本的概念是入門的基礎(chǔ)，希望對大家能夠有所幫助。
【編輯推薦】
- SQL Server數(shù)據(jù)庫搭建農(nóng)村信息化的方案
- 關(guān)于SQL Server數(shù)據(jù)庫備份和恢復(fù)特性介紹
- Microsoft SQL Server數(shù)據(jù)庫開發(fā)問題詳解
