联机分析处理(OLAP)建模方法研究

摘要

数据仓库和联机分析处理(OLAP)是两种典型的决策支持技术。数据仓库作为一种数据管理技术，其目的是决策分析提供更有效的数据支持；OLAP作为一种多维数据分析技术，侧重于数据仓库中的数据分析，为制定决策提供信息支持。目前，如何在数据仓库的基础上建立OLAP模型受到越来越多的关注。
　　论文首先从理论和OLAP工具入手，阐述了维度建模理论和OLAP技术的基本概念，并描述了MS Analysis Services的技术体系结构和构建OLAP的工具。在此基础上，论文主要分析如何在维度建模时对数据仓库的事实表和维表建立OLAP模型，对具体的问题提出了解决途径，并将其应用到MS Analysis Services工具中去。关于事实表的建立，论文针对事实表的粒度及其事实数据的选择问题进行研究分析，还有在无度量值不能直接用MS Analysis Services分析的情况下，利用没有度量变量的事实表建立模型解决问题，最后对事实表的特性以及设计原则进行分析总结。在维度表的建立方面，论文研究分析在OLAP分析中应用日期维度重要性；提出了在出现各种复杂维层次关系，且不能直接用MS AnalysisServices实现建模时，运用各种方法将其转化为适合用MS Analysis Services建模的问题；针对维变问题，提出了运用直接变动属性或属性值、微型维度及预设波段等方法解决，并对微型维度的应用进行了研究总结。
　　在实例分析部分，论文根据大型超市管理决策的特点，在MS AnalysisServices基础上设计并实现了其OLAP系统，对论文提出的主要OLAP建模技术方案进行了实例研究，证明了这些方案的可行性和有效性。

目录

独创性声明

学位论文使用授权声明

1 绪论

1.1 选题背景

1.2 国内外发展现状

1.2.1 数据仓库的发展现状

1.2.2 联机分析处理(OLAP)的发展现状

1.3 论文主要研究内容和意义

1.3.1 论文的主要研究内容和工作

1.3.2 论文研究的意义

1.4 本文的组织和结构

2 论文的理论基础

2.1 联机分析处理(OLAP)

2.1.1 OLAP的定义

2.1.2 OLAP的概念和基本操作

2.2 维度建模理论分析

2.2.1 多维模型分析

2.2.2 维度建模实现模式的特征分析

2.3 微软数据仓库工具在数据仓库中的应用特点分析

2.3.1 MS Analysis Services简介

2.3.2 MS Analysis Services的特点及体系结构

2.4 MS Analysis Services工具应用

2.4.1 多维数据集的创建

2.4.2 MDX语句的应用

2.4.3 OLAP数据的更新处理

3 维度模型中的事实表研究

3.1 事实数据和维度数据的比较分析

3.2 事实的可加性研究

3.3 没有度量变量的事实表研究

3.4 事实表的特性及设计原则总结

4 维度模型中的维度研究

4.1 维度模型约束研究

4.2 日期维度

4.2.1 日期维度的设计使用

4.2.2 国别历法维度

4.2.3 日间时间维度

4.3 维度属性的层次问题研究

4.3.1 非层次结构维度的层次化

4.3.2 多层次单一维度建模研究

4.3.3 非水平层次结构维度的处理

4.3.4 层次深度可变体系的处理

4.4 维变问题的研究

4.4.1 渐变维度(SCDS)的处理

4.4.2 快变维度(RCDs)的处理

4.4.3 宽度变化维度的处理

4.5 微型维度的应用

5 OLAP建模实例:超市管理OLAP系统分析与设计

5.1 业务需求及数据仓库建立

5.2 OLAP立方的设计和建立

5.2.1 设计OLAP模型

5.2.2 建立OLAP立方

5.2.3 分析OLAP立方的数据

5.2.4 使用其他工具分析数据

5.3 本章小结

6 结论

致谢语

参考文献