Tag: olap

数据仓库与OLAP多维数据集?

任何人都可以解释什么是数据仓库和OLAP立方体之间的真正区别? 他们是不同的方法相同的事情? 其中一个与其他人相比是否被弃用? 其中之一是否有任何性能问题? 欢迎任何解释

OLAP数据库是否需要非规范化才能读取性能?

我一直认为数据库应该是非规范化的读取性能,因为它是为OLAP数据库devise完成的,并没有夸大3NF太多的OLTPdevise。 PerformanceDBA在各种岗位上,例如,针对基于时间的数据的不同方式的performance,通过规范化为5NF和6NF(标准forms)来维护数据库应该总是精心devise的范例。 我的理解是否正确(以及我理解的正确)? OLAP数据库(低于3NF)的传统非规范化方法/范式devise出现什么问题?3NF对OLTP数据库的大多数实际情况是否足够? 例如: “简单的事实是,6NF,正确执行,是数据仓库”(PerformanceDBA) 我应该承认,我无法理解非规范化促进阅读performance的理论。 任何人都可以给我提供这个和相反的信念的合理解释吗? 在试图说服我的利益相关者说OLAP /数据仓库数据库应该正常化时,我可以参考哪些资源? 为了提高可见性,我从这里复制了评论: “如果参与者在他们已经看到或参与的6NF中添加(披露)了多less实际(不包括科学项目)的数据仓库实施,这将是一件好事。 – Damir Sudarevic 维基百科的数据仓库文章告诉: “Ralph Kimball的标准化方法(也称为Ralph Kimball的一维方法)也被称为3NF模型 (第三范式),其支持者被称为”Inmonites“,他们相信Bill Inmon的方法,其中声明数据仓库应该是使用ER模型/标准化模型进行build模“。 看起来规范化的数据仓库方法(Bill Inmon)被认为不超过3NF(?) 我只想了解什么是数据仓库/ OLAP是非规范化的同义词的神话(或无处不在的公理化信仰)的起源? Damir Sudarevic回答说,他们的做法很好。 让我回到这个问题:为什么非规范化被认为有利于阅读?

蒙德里安:似乎无法得到聚合表使用

我一直在努力获得聚合表的工作。 这是我的事实表看起来像: employment_date_id dimension1_id dimension2_id dimension3_id dimension4 dimension5 measure1 measure2 measure3 我从年,季度和月份折算了employment_date_id ,仅包括了年份,但其他列都包含在内。 这是我的聚合表看起来像: yearquartermonth_year dimension1_id dimension2_id dimension3_id dimension4 dimension5 measure1 measure2 measure3 fact_count 我只是倒塌了一年的一部分date。 其余的字段保持原样。 这是我的configuration: <AggFactCount column="FACT_COUNT"/> <AggForeignKey factColumn="dimension1_id" aggColumn="dimension1_id"/> <AggForeignKey factColumn="dimension2_id" aggColumn="dimension2_id"/> <AggForeignKey factColumn="dimension3_id" aggColumn="dimension3_id"/> <AggMeasure name="[Measures].[measure1]" column="measure1"/> <AggMeasure name="[Measures].[measure2]" column="measure2"/> <AggMeasure name="[Measures].[measure3]" column="measure3"/> <AggLevel name="[dimension4].[dimension4]" column="dimension4"/> <AggLevel name="[dimension5].[dimension5]" column="dimension5"/> <AggLevel name="[EmploymentDate.yearQuarterMonth].[Year]" […]

什么是OLTP和OLAP。 他们有什么区别?

其实他们是什么意思? 我发现的所有文章都没有给我一个主意,或者我的知识太不足以理解它。 有人会给我一些资源,我可以从头开始学习。