聯(lián)機(jī)分析處理OLAP是一種軟件技術(shù)，它使分析人員能夠迅速、一致、交互地從各個(gè)方面觀察信息，以達(dá)到深入理解數(shù)據(jù)的目的。它具有FASMI - Fast Analysis of Shared Multidimensional Information，即共享多維信息的快速分析的特征。其中F是快速性 - Fast，指系統(tǒng)能在數(shù)秒內(nèi)對(duì)用戶的多數(shù)分析要求做出反應(yīng)；A是可分析性 - Analysis，指用戶無需編程就可以定義新的專門計(jì)算，將其作為分析的一部 分，并以用戶所希望的方式給出報(bào)告；M是多維性 - Multi—dimensional，指提供對(duì)數(shù)據(jù)分析的多維視圖和分析；I是信息性 - Information，指能及時(shí)獲得信息，并且管理大容量信息。

簡介

隨著數(shù)據(jù)庫技術(shù)的發(fā)展和應(yīng)用，數(shù)據(jù)庫存儲(chǔ)的數(shù)據(jù)量從20世紀(jì)80年代的兆（M）字節(jié)及千兆（G）字節(jié)過渡到現(xiàn)在的兆兆（T）字節(jié)和千兆兆（P）字節(jié)，同時(shí)，用戶的查詢需求也越來越復(fù)雜，涉及的已不僅是查詢或操縱一張關(guān)系表中的一條或幾條記錄，而且要對(duì)多張表中千萬條記錄的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析和信息綜合，關(guān)系數(shù)據(jù)庫系統(tǒng)已不能全部滿足這一要求。操作型應(yīng)用和分析型應(yīng)用，特別是在性能上難以兩全，人們常常在關(guān)系數(shù)據(jù)庫中放寬了對(duì)冗余的限制，引入了統(tǒng)計(jì)及綜合數(shù)據(jù)，但這些統(tǒng)計(jì)綜合數(shù)據(jù)的應(yīng)用邏輯是分散而雜亂的、非系統(tǒng)化的，因此分析功能有限，不靈活，維護(hù)困難。在國外，不少軟件廠商采取了發(fā)展其前端產(chǎn)品來彌補(bǔ)關(guān)系數(shù)據(jù)庫管理系統(tǒng)支持的不足，他們通過專門的數(shù)據(jù)綜合引擎，輔之以更加直觀的數(shù)據(jù)訪問界面，力圖統(tǒng)一分散的公共應(yīng)用邏輯，在短時(shí)間內(nèi)響應(yīng)非數(shù)據(jù)處理專業(yè)人員的復(fù)雜查詢要求。1993年，E.F.Codd（關(guān)系數(shù)據(jù)庫之父）將這類技術(shù)定義為“聯(lián)機(jī)分析處理”。

聯(lián)機(jī)分析處理是共享多維信息的、針對(duì)特定問題的聯(lián)機(jī)數(shù)據(jù)訪問和分析的快速軟件技術(shù)。它通過對(duì)信息的多種可能的觀察形式進(jìn)行快速、穩(wěn)定一致和交互性的存取，允許管理決策人員對(duì)數(shù)據(jù)進(jìn)行深入觀察。決策數(shù)據(jù)是多維數(shù)據(jù)，多維數(shù)據(jù)就是決策的主要內(nèi)容。OLAP專門設(shè)計(jì)用于支持復(fù)雜的分析操作，側(cè)重對(duì)決策人員和高層管理人員的決策支持，可以根據(jù)分析人員的要求快速、靈活地進(jìn)行大數(shù)據(jù)量的復(fù)雜查詢處理，并且以一種直觀而易懂的形式將查詢結(jié)果提供給決策人員，以便他們準(zhǔn)確掌握企業(yè)（公司）的經(jīng)營狀況，了解對(duì)象的需求，制定正確的方案。

聯(lián)機(jī)分析處理具有靈活的分析功能、直觀的數(shù)據(jù)操作和分析結(jié)果可視化表示等突出優(yōu)點(diǎn)，從而使用戶對(duì)基于大量復(fù)雜數(shù)據(jù)的分析變得輕松而高效，以利于迅速做出正確判斷。它可用于證實(shí)人們提出的復(fù)雜的假設(shè)，其結(jié)果是以圖形或者表格的形式來表示的對(duì)信息的總結(jié)。它并不將異常信息標(biāo)記出來，是一種知識(shí)證實(shí)的方法。

由來

聯(lián)機(jī)分析處理 - OLAP的概念最早是由關(guān)系數(shù)據(jù)庫之父E.F.Codd于1993年提出的，他同時(shí)提出了關(guān)于OLAP的12條準(zhǔn)則。OLAP的提出引起了很大的反響，OLAP作為一類產(chǎn)品同聯(lián)機(jī)事務(wù)處理 - OLTP 明顯區(qū)分開來。Codd提出OLAP的12條準(zhǔn)則來描述OLAP系統(tǒng)：準(zhǔn)則1OLAP模型必須提供多維概念視圖；準(zhǔn)則2透明性準(zhǔn)則；準(zhǔn)則3存取能力推測(cè)；準(zhǔn)則4穩(wěn)定的報(bào)表能力；準(zhǔn)則5客戶/服務(wù)器體系結(jié)構(gòu)；?準(zhǔn)則6維的等同性準(zhǔn)則；準(zhǔn)則7動(dòng)態(tài)的稀疏矩陣處理準(zhǔn)則；?準(zhǔn)則8多用戶支持能力準(zhǔn)則；準(zhǔn)則9非受限的跨維操作；準(zhǔn)則10直觀的數(shù)據(jù)操縱；準(zhǔn)則11靈活的報(bào)表生成；準(zhǔn)則12不受限的維與聚集層次。

當(dāng)今的數(shù)據(jù)處理大致可以分成兩大類：聯(lián)機(jī)事務(wù)處理OLTP（on-line transaction processing）、聯(lián)機(jī)分析處理OLAP（On-Line Analytical Processing）。OLTP是傳統(tǒng)的關(guān)系型數(shù)據(jù)庫的主要應(yīng)用，主要是基本的、日常的事務(wù)處理，例如銀行交易。OLAP是數(shù)據(jù)倉庫系統(tǒng)的主要應(yīng)用，支持復(fù)雜的分析操作，側(cè)重決策支持，并且提供直觀易懂的查詢結(jié)果。下表列出了OLTP與OLAP之間的比較。

發(fā)展背景

隨著數(shù)據(jù)庫技術(shù)的廣泛應(yīng)用，企業(yè)信息系統(tǒng)產(chǎn)生了大量的數(shù)據(jù)，如何從這些海量數(shù)據(jù)中提取對(duì)企業(yè)決策分析有用的信息成為企業(yè)決策管理人員所面臨的重要難題。傳統(tǒng)的企業(yè)數(shù)據(jù)庫系統(tǒng)（管理信息系統(tǒng)）即聯(lián)機(jī)事務(wù)處理系統(tǒng)（On-LineTransactionProcessing,簡稱OLTP）作為數(shù)據(jù)管理手段，主要用于事務(wù)處理，但它對(duì)分析處理的支持一直不能令人滿意。因此，人們逐漸嘗試對(duì)OLTP數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行再加工，形成一個(gè)綜合的、面向分析的、更好的支持決策制定的決策支持系統(tǒng)（DecisionSupportSystem，簡稱DSS）。企業(yè)目前的信息系統(tǒng)的數(shù)據(jù)一般由DBMS管理，但決策數(shù)據(jù)庫和運(yùn)行操作數(shù)據(jù)庫在數(shù)據(jù)來源、數(shù)據(jù)內(nèi)容、數(shù)據(jù)模式、服務(wù)對(duì)象、訪問方式、事務(wù)管理乃至無力存儲(chǔ)等方面都有不同的特點(diǎn)和要求，因此直接在運(yùn)行操作的數(shù)據(jù)庫上建立DSS是不合適的。數(shù)據(jù)倉庫（DataWarehouse）技術(shù)就是在這樣的背景下發(fā)展起來的。數(shù)據(jù)倉庫的概念提出于20世紀(jì)80年代中期，20世紀(jì)90年代，數(shù)據(jù)倉庫已從早起的探索階段走向?qū)嵱秒A段。業(yè)界公認(rèn)的數(shù)據(jù)倉庫概念創(chuàng)始人W.H.Inmon在《BuildingtheDataWarehouse》一書中對(duì)數(shù)據(jù)倉庫的定義是：“數(shù)據(jù)倉庫是支持管理決策過程的、面向主題的、集成的、隨時(shí)間變化的持久的數(shù)據(jù)集合”。構(gòu)建數(shù)據(jù)倉庫的過程就是根據(jù)預(yù)先設(shè)計(jì)好的邏輯模式從分布在企業(yè)內(nèi)部各處的OLTP數(shù)據(jù)庫中提取數(shù)據(jù)并對(duì)經(jīng)過必要的變換最終形成全企業(yè)統(tǒng)一模式數(shù)據(jù)的過程。當(dāng)前數(shù)據(jù)倉庫的核心仍是RDBMS管理下的一個(gè)數(shù)據(jù)庫系統(tǒng)。數(shù)據(jù)倉庫中數(shù)據(jù)量巨大，為了提高性能，RDBMS一般也采取一些提高效率的措施：采用并行處理結(jié)構(gòu)、新的數(shù)據(jù)組織、查詢策略、索引技術(shù)等等。

包括聯(lián)機(jī)分析處理（On-LineAnalyticalProcessing，簡稱OLAP）在內(nèi)的諸多應(yīng)用牽引驅(qū)動(dòng)了數(shù)據(jù)倉庫技術(shù)的出現(xiàn)和發(fā)展；而數(shù)據(jù)倉庫技術(shù)反過來又促進(jìn)了OLAP技術(shù)的發(fā)展。聯(lián)機(jī)分析處理的概念最早由關(guān)系數(shù)據(jù)庫之父E.F.Codd于1993年提出的。Codd認(rèn)為聯(lián)機(jī)事務(wù)處理（OLTP）已不能滿足終端用戶對(duì)數(shù)據(jù)庫查詢分析的要求，SQL對(duì)大數(shù)據(jù)庫的簡單查詢也不能滿足用戶分析的需求。用戶的決策分析需要對(duì)關(guān)系數(shù)據(jù)庫進(jìn)行大量計(jì)算才能得到結(jié)果，而查詢的結(jié)果并不能滿足決策者提出的需求。因此，Codd提出了多維數(shù)據(jù)庫和多維分析的概念，即OLAP。OLAP委員會(huì)對(duì)聯(lián)機(jī)分析處理的定義為：使分析人員、管理人員或執(zhí)行人員能夠從多種角度對(duì)從原始數(shù)據(jù)中轉(zhuǎn)化出來的、能夠真正為用戶所理解的、并真實(shí)反映企業(yè)維特性的信息進(jìn)行快速、一致、交互地存取，從而獲得對(duì)數(shù)據(jù)的更深入了解的一類軟件技術(shù)。OLAP的目標(biāo)是滿足決策支持或多維環(huán)境特定的查詢和報(bào)表需求，它的技術(shù)核心是“維”這個(gè)概念，因此OLAP也可以說是多維數(shù)據(jù)分析工具的集合。

處理特點(diǎn)

在過去的二十年中，大量的企業(yè)利用關(guān)系型數(shù)據(jù)庫來存儲(chǔ)和管理業(yè)務(wù)數(shù)據(jù)，并建立相應(yīng)的應(yīng)用系統(tǒng)來支持日常業(yè)務(wù)運(yùn)作。這種應(yīng)用以支持業(yè)務(wù)處理為主要目的，被稱為聯(lián)機(jī)事務(wù)處理 - OLTP，On-line Transaction Processing應(yīng)用，它所存儲(chǔ)的數(shù)據(jù)被稱為操作數(shù)據(jù)或者業(yè)務(wù)數(shù)據(jù)。隨著市場(chǎng)競爭的日趨激烈，近年來企業(yè)更加強(qiáng)調(diào)決策的及時(shí)性和準(zhǔn)確性，這使得以支持決策管理分析為主要目的的應(yīng)用迅速崛起，這類應(yīng)用被稱為聯(lián)機(jī)分析處理，它所存儲(chǔ)的數(shù)據(jù)被稱為信息數(shù)據(jù)。

聯(lián)機(jī)分析處理的用戶是企業(yè)中的專業(yè)分析人員及管理決策人員，他們?cè)诜治鰳I(yè)務(wù)經(jīng)營的數(shù)據(jù)時(shí)，從不同的角度來審視業(yè)務(wù)的衡量指標(biāo)是一種很自然的思考模式。例如分析銷售數(shù)據(jù)，可能會(huì)綜合時(shí)間周期、產(chǎn)品類別、分銷渠道、地理分布、客戶群類等多種因素來考量。這些分析角度雖然可以通過報(bào)表來反映，但每一個(gè)分析的角度可以生成一張報(bào)表，各個(gè)分析角度的不同組合又可以生成不同的報(bào)表，使得IT人員的工作量相當(dāng)大，而且往往難以跟上管理決策人員思考的步伐。

聯(lián)機(jī)分析處理的主要特點(diǎn)，是直接仿照用戶的多角度思考模式，預(yù)先為用戶組建多維的數(shù)據(jù)模型，在這里，維指的是用戶的分析角度。例如對(duì)銷售數(shù)據(jù)的分析，時(shí)間周期是一個(gè)維度，產(chǎn)品類別、分銷渠道、地理分布、客戶群類也分別是一個(gè)維度。一旦多維數(shù)據(jù)模型建立完成，用戶可以快速地從各個(gè)分析角度獲取數(shù)據(jù)，也能動(dòng)態(tài)的在各個(gè)角度之間切換或者進(jìn)行多角度綜合分析，具有極大的分析靈活性。這也是聯(lián)機(jī)分析處理在近年來被廣泛關(guān)注的根本原因，它從設(shè)計(jì)理念和真正實(shí)現(xiàn)上都與舊有的管理信息系統(tǒng)有著本質(zhì)的區(qū)別。

事實(shí)上，隨著數(shù)據(jù)倉庫理論的發(fā)展，數(shù)據(jù)倉庫系統(tǒng)已逐步成為新型的決策管理信息系統(tǒng)的解決方案。數(shù)據(jù)倉庫系統(tǒng)的核心是聯(lián)機(jī)分析處理，但數(shù)據(jù)倉庫包括更為廣泛的內(nèi)容。概括來說，數(shù)據(jù)倉庫系統(tǒng)是指具有綜合企業(yè)數(shù)據(jù)的能力，能夠?qū)Υ罅科髽I(yè)數(shù)據(jù)進(jìn)行快速和準(zhǔn)確分析，輔助做出更好的商業(yè)決策的系統(tǒng)。它本身包括三部分內(nèi)容：

數(shù)據(jù)層。實(shí)現(xiàn)對(duì)企業(yè)操作數(shù)據(jù)的抽取、轉(zhuǎn)換、清洗和匯總，形成信息數(shù)據(jù)，并存儲(chǔ)在企業(yè)級(jí)的中心信息數(shù)據(jù)庫中。

應(yīng)用層。通過聯(lián)機(jī)分析處理，甚至是數(shù)據(jù)挖掘等應(yīng)用處理，實(shí)現(xiàn)對(duì)信息數(shù)據(jù)的分析。

表現(xiàn)層。通過前臺(tái)分析工具，將查詢報(bào)表、統(tǒng)計(jì)分析、多維聯(lián)機(jī)分析和數(shù)據(jù)發(fā)掘的結(jié)論展現(xiàn)在用戶面前。

從應(yīng)用角度來說，數(shù)據(jù)倉庫系統(tǒng)除了聯(lián)機(jī)分析處理外，還可以采用傳統(tǒng)的報(bào)表，或者采用數(shù)理統(tǒng)計(jì)和人工智能等數(shù)據(jù)挖掘手段，涵蓋的范圍更廣；就應(yīng)用范圍而言，聯(lián)機(jī)分析處理往往根據(jù)用戶分析的主題進(jìn)行應(yīng)用分割，例如：銷售分析、市場(chǎng)推廣分析、客戶利潤率分析等等，每一個(gè)分析的主題形成一個(gè)OLAP應(yīng)用，而所有的OLAP應(yīng)用實(shí)際上只是數(shù)據(jù)倉庫系統(tǒng)的一部分。

典型操作

OLAP展現(xiàn)在用戶面前的是一幅幅多維視圖。

維（Dimension）：是人們觀察數(shù)據(jù)的特定角度，是考慮問題時(shí)的一類屬性，屬性集合構(gòu)成一個(gè)維（時(shí)間維、地理維等）。維的層次（Level）：人們觀察數(shù)據(jù)的某個(gè)特定角度（即某個(gè)維）還可以存在細(xì)節(jié)程度不同的各個(gè)描述方面（時(shí)間維：日期、月份、季度、年）。維的成員（Member）：維的一個(gè)取值，是數(shù)據(jù)項(xiàng)在某維中位置的描述。（“某年某月某日”是在時(shí)間維上位置的描述）。

度量（Measure）：多維數(shù)組的取值。（2000年1月，上海，筆記本電腦，0000）。OLAP的基本多維分析操作有鉆?。―rill-up和Drill-down）、切片（Slice）和切塊（Dice）、以及旋轉(zhuǎn)（Pivot）等。

鉆?。菏歉淖兙S的層次，變換分析的粒度。它包括向下鉆?。―rill-down）和向上鉆取（Drill-up）/上卷 - Roll-up。Drill-up是在某一維上將低層次的細(xì)節(jié)數(shù)據(jù)概括到高層次的匯總數(shù)據(jù)，或者減少維數(shù)；而Drill-down則相反，它從匯總數(shù)據(jù)深入到細(xì)節(jié)數(shù)據(jù)進(jìn)行觀察或增加新維。

切片和切塊：是在一部分維上選定值后，關(guān)心度量數(shù)據(jù)在剩余維上的分布。如果剩余的維只有兩個(gè)，則是切片；如果有三個(gè)或以上，則是切塊。旋轉(zhuǎn)：是變換維的方向，即在表格中重新安排維的放置（例如行列互換）。

體系結(jié)構(gòu)

數(shù)據(jù)倉庫與OLAP的關(guān)系是互補(bǔ)的，現(xiàn)代OLAP系統(tǒng)一般以數(shù)據(jù)倉庫作為基礎(chǔ)，即從數(shù)據(jù)倉庫中抽取詳細(xì)數(shù)據(jù)的一個(gè)子集并經(jīng)過必要的聚集存儲(chǔ)到OLAP存儲(chǔ)器中供前端分析工具讀取。典型的OLAP系統(tǒng)體系結(jié)構(gòu)如下圖所示：

OLAP系統(tǒng)按照其存儲(chǔ)器的數(shù)據(jù)存儲(chǔ)格式可以分為關(guān)系OLAP（RelationalOLAP，簡稱ROLAP）、多維OLAP（MultidimensionalOLAP，簡稱MOLAP）和混合型OLAP（HybridOLAP，簡稱HOLAP）三種類型。

ROLAP

ROLAP將分析用的多維數(shù)據(jù)存儲(chǔ)在關(guān)系數(shù)據(jù)庫中并根據(jù)應(yīng)用的需要有選擇的定義一批實(shí)視圖作為表也存儲(chǔ)在關(guān)系數(shù)據(jù)庫中。不必要將每一個(gè)SQL查詢都作為實(shí)視圖保存，只定義那些應(yīng)用頻率比較高、計(jì)算工作量比較大的查詢作為實(shí)視圖。對(duì)每個(gè)針對(duì)OLAP服務(wù)器的查詢，優(yōu)先利用已經(jīng)計(jì)算好的實(shí)視圖來生成查詢結(jié)果以提高查詢效率。同時(shí)用作ROLAP存儲(chǔ)器的RDBMS也針對(duì)OLAP作相應(yīng)的優(yōu)化，比如并行存儲(chǔ)、并行查詢、并行數(shù)據(jù)管理、基于成本的查詢優(yōu)化、位圖索引、SQL的OLAP擴(kuò)展 - cube,rollup等等。

MOLAP

MOLAP將OLAP分析所用到的多維數(shù)據(jù)物理上存儲(chǔ)為多維數(shù)組的形式，形成“立方體”的結(jié)構(gòu)。維的屬性值被映射成多維數(shù)組的下標(biāo)值或下標(biāo)的范圍，而總結(jié)數(shù)據(jù)作為多維數(shù)組的值存儲(chǔ)在數(shù)組的單元中。由于MOLAP采用了新的存儲(chǔ)結(jié)構(gòu)，從物理層實(shí)現(xiàn)起，因此又稱為物理OLAP（PhysicalOLAP）；而ROLAP主要通過一些軟件工具或中間軟件實(shí)現(xiàn)，物理層仍采用關(guān)系數(shù)據(jù)庫的存儲(chǔ)結(jié)構(gòu)，因此稱為虛擬OLAP（VirtualOLAP）。

HOLAP

由于MOLAP和ROLAP有著各自的優(yōu)點(diǎn)和缺點(diǎn)（如下表所示）,且它們的結(jié)構(gòu)迥然不同，這給分析人員設(shè)計(jì)OLAP結(jié)構(gòu)提出了難題。為此一個(gè)新的OLAP結(jié)構(gòu)——混合型OLAP（HOLAP）被提出，它能把MOLAP和ROLAP兩種結(jié)構(gòu)的優(yōu)點(diǎn)結(jié)合起來。迄今為止，對(duì)HOLAP還沒有一個(gè)正式的定義。但很明顯，HOLAP結(jié)構(gòu)不應(yīng)該是MOLAP與ROLAP結(jié)構(gòu)的簡單組合，而是這兩種結(jié)構(gòu)技術(shù)優(yōu)點(diǎn)的有機(jī)結(jié)合，能滿足用戶各種復(fù)雜的分析請(qǐng)求。

實(shí)現(xiàn)方式

同樣是仿照用戶的多角度思考模式，聯(lián)機(jī)分析處理有三種不同的實(shí)現(xiàn)方法：關(guān)系型聯(lián)機(jī)分析處理 - ROLAP,Relational OLAP；多維聯(lián)機(jī)分析處理 - MOLAP,Multi-Dimensional OLAP；前端展示聯(lián)機(jī)分析處理 - Desktop OLAP）。

其中，前端展示聯(lián)機(jī)分析需要將所有數(shù)據(jù)下載到客戶機(jī)上，然后在客戶機(jī)上進(jìn)行數(shù)據(jù)結(jié)構(gòu)/報(bào)表格式重組，使用戶能在本機(jī)實(shí)現(xiàn)動(dòng)態(tài)分析。該方式比較靈活，然而它能夠支持的數(shù)據(jù)量非常有限，嚴(yán)重地影響了使用的范圍和效率。因此，隨著時(shí)間的推移，這種方式已退居次要地位，在此不作討論?以下就ROLAP和MOLAP的具體實(shí)施方法進(jìn)行討論，關(guān)系型聯(lián)機(jī)分析處理的具體實(shí)施方法：

顧名思義，關(guān)系型聯(lián)機(jī)分析處理是以關(guān)系型數(shù)據(jù)庫為基礎(chǔ)的。唯一特別之處在于聯(lián)機(jī)分析處理中的數(shù)據(jù)結(jié)構(gòu)組織的方式。讓我們考察一個(gè)例子，假設(shè)我們要進(jìn)行產(chǎn)品銷售的財(cái)務(wù)分析，分析的角度包括時(shí)間、產(chǎn)品類別、市場(chǎng)分布、實(shí)際發(fā)生與預(yù)算四方面內(nèi)容，分析的財(cái)務(wù)指標(biāo)包括：銷售額、銷售支出、毛利 - =銷售額-銷售支出、費(fèi)用、純利 - =毛利-費(fèi)用等內(nèi)容，則我們可以建立如下的數(shù)據(jù)結(jié)構(gòu)：

該數(shù)據(jù)結(jié)構(gòu)的中心是主表，里面包含了所有分析維度的外鍵，以及所有的財(cái)務(wù)指標(biāo)，可計(jì)算推導(dǎo)的財(cái)務(wù)指標(biāo)不計(jì)在內(nèi)，我們稱之為事實(shí)表 - Fact Table。周圍的表分別是對(duì)應(yīng)于各個(gè)分析角度的維表 - Dimension Table，每個(gè)維表除了主鍵以外，還包含了描述和分類信息。無論原來的業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)為何，只要原業(yè)務(wù)數(shù)據(jù)能夠整理成為以上模式，則無論業(yè)務(wù)人員據(jù)此提出任何問題，都可以用SQL語句進(jìn)行表連接或匯總 - table join and group by實(shí)現(xiàn)數(shù)據(jù)查詢和解答。（當(dāng)然，有一些現(xiàn)成的ROLAP前端分析工具是可以自動(dòng)根據(jù)以上模型生成SQL語句的）。這種模式被稱為星型模式 - Star-Schema，可應(yīng)用于不同的聯(lián)機(jī)分析處理應(yīng)用中。以下是另一個(gè)采用星型模式的例子，分析的角度和指標(biāo)截然不同，但數(shù)據(jù)結(jié)構(gòu)模式一樣。我們看到的不是表的數(shù)據(jù)，而是表的結(jié)構(gòu)。在聯(lián)機(jī)分析處理的數(shù)據(jù)模型設(shè)計(jì)中，這種表達(dá)方式更為常見：

有時(shí)候，維表的定義會(huì)變得復(fù)雜，例如對(duì)產(chǎn)品維，既要按產(chǎn)品種類進(jìn)行劃分，對(duì)某些特殊商品，又要另外進(jìn)行品牌劃分，商品品牌和產(chǎn)品種類劃分方法并不一樣。因此，單張維表不是理想的解決方案，可以采用以下方式，這種數(shù)據(jù)模型實(shí)際上是星型結(jié)構(gòu)的拓展，我們稱之為雪花型模式 - snow-flake schema。

基本特點(diǎn)

數(shù)據(jù)結(jié)構(gòu)和組織模式需要預(yù)先設(shè)計(jì)和建立；數(shù)據(jù)查詢需要進(jìn)行表連接，在查詢性能測(cè)試中往往是影響速度的關(guān)鍵；數(shù)據(jù)匯總查詢（例如查詢某個(gè)品牌的所有產(chǎn)品銷售額），需要進(jìn)行Group by 操作，雖然實(shí)際得出的數(shù)據(jù)量很少，但查詢時(shí)間變得更長；為了改善數(shù)據(jù)匯總查詢的性能，可以建立匯總表，但匯總表的數(shù)量與用戶分析的角度數(shù)目和每個(gè)角度的層次數(shù)目密切相關(guān)。例如，用戶從8個(gè)角度進(jìn)行分析，每個(gè)角度有3個(gè)匯總層次，則匯總表的數(shù)目高達(dá)3的8次方?？梢圆扇?duì)常用匯總數(shù)據(jù)建立匯總表，對(duì)不常用的匯總數(shù)據(jù)進(jìn)行Group by 操作，這樣來取得性能和管理復(fù)雜度之間的均衡。

某些客戶只通過某些分銷渠道才購買，但是只要該客戶存在，他在各個(gè)月和各個(gè)地區(qū)內(nèi)均有消費(fèi) - 例如，華南IBM只通過熊貓國旅定購南航機(jī)票，但在華南四省在每個(gè)月均有機(jī)票訂購。則時(shí)間和地區(qū)維是密集維，客戶和分銷渠道是稀疏維，MOLAP將稀疏維建成索引文件 - Index File，密集維所對(duì)應(yīng)的數(shù)值仍然保留在數(shù)據(jù)文件中，索引文件不存儲(chǔ)空紀(jì)錄。這樣保持了對(duì)空間的合理利用。我們也可以看到，如果所有維都是稀疏維，則MOLAP的索引文件就退化成ROLAP的事實(shí)表，兩者沒有區(qū)別了。

在實(shí)際應(yīng)用中，不可能所有分析的維度都是密集的，也絕少存在所有分析的維度都是稀疏的，因此稀疏維和密集維并用的模式幾乎主導(dǎo)了所有的MOLAP應(yīng)用。而稀疏維和密集維的定義全部集中在概要文件中，因此，只要預(yù)先定義好概要文件，所有的數(shù)據(jù)分布就自動(dòng)確定了。在這種模式中，密集維的組合組成了的數(shù)據(jù)塊 - Data Block，每個(gè)數(shù)據(jù)塊是I/O讀寫的基礎(chǔ)單位 - 如上圖，所有的數(shù)據(jù)塊組成了數(shù)據(jù)文件。稀疏維的組合組成了索引文件，索引文件的每一個(gè)數(shù)據(jù)紀(jì)錄的末尾都帶有一個(gè)指針，指向要讀寫的數(shù)據(jù)塊。因此，進(jìn)行數(shù)據(jù)查詢時(shí)，系統(tǒng)先搜索索引文件紀(jì)錄，然后直接調(diào)用指針指向的數(shù)據(jù)塊進(jìn)行I/O讀寫 - 如果該數(shù)據(jù)塊尚未駐留內(nèi)存，將相應(yīng)數(shù)據(jù)塊調(diào)入內(nèi)存后，根據(jù)密集維的數(shù)據(jù)放置順序直接計(jì)算出要查詢的數(shù)據(jù)距離數(shù)據(jù)塊頭的偏移量，直接提取數(shù)據(jù)下傳到客戶端。因此，MOLAP 方式基本上是索引搜索與直接尋址的查詢方式相結(jié)合，比起ROLAP的表/索引搜索和表連接方式，速度要快得多。