数据仓库中的数据粒度确定原则

在设计数据仓库逻辑模型过程中,数据粒度的设计好坏对数据仓库的性能、功能有很大影响.本文结合实际的数据仓库建设,讨论数据粒度的设计原则.     

数据仓库粒度的估算

近些年由于大数据的出现,传统的数据库技术在某种程度上难以承担对大数据的查询和储存的需求,人们对数据的查询和存储技术提出了更新和更高的标准.由此在数据库技术的基础之上出现了数据仓库,当人们设计数据仓库时,粒度级别的确定是数据查询和储存的重要因素.目前对粒度级别的确定主要采用的是估算算法,对粒度的估算具有一定的模糊性,在查阅了某些粒度的估算算法和文献之后提出了一种以MMTD算法为主算法的粒度级别估算算法.提出的算法思想是:对粒度的最大行数和最小行数进行初步的估算,将实际行数与估算的最大行数与最小行数进行比较,来确定实际的粒度级别,是高粒度还是低粒度[1].     

数据仓库初探

作为未来数据库技术的一个新的发展方向,BW技术与DB技术的结合产生的集成一致的环境,将使企业在决策中更快地获得更准确的信息。本文着重阐述了数据仓库的基本概念、特征、有关术语和体系结构,并介绍了数据仓库的发展前景。     

浅谈数据仓库的体系结构

浅谈数据仓库的体系结构$中国航天科工集团公司@尹晓晖     

数据仓库和数据挖掘技术在ERP中的应用

把数据仓库、数据挖掘技术运用到ERP中去，以数据仓库作为企业底层的数据源，再配合各种数据挖掘技术，结合ERP的管理思想，发挥数据仓库与数据挖掘技术在决策支持方面的长处。在此基础上，探讨了基于数据仓库的采购管理系统（DWBPMS）的实现。     

数据仓库在信息管理中的现实应用

在当今激烈的竞争中,信息对于医院及学校的生存与发展起着至关重要的作用。在信息分析研究中,采用数据仓库技术能大大提高方便性、准确性和及时性,可支持单位的行政管理及主管部门的决策。该文介绍了数据仓库的产生、发展,数据仓库与传统数据库相比所具有的优点以及如何建立数据仓库,在信息管理系统中,数据仓库如何应用及体现。     

数据仓库方法论

数据仓库是面向主题的、集成的、非易失的且随时间变化的数据集合，本文简要讨论有关数据仓库的主要设计技术与管理技术，包括数据模型，元数据，粒度，数据分割，数据集成以及分布式数据仓库等。     

数据仓库的实现方法

本文探讨了设计，生成和使用数据仓库的一些常用方法，介绍了ORACLE对数据仓库的主要技术支持，包括星型模式，条带化存储技术以及决策支持系统中多维数组的切片，旋转等功能。     

基于时间维层次查询频率的数据仓库粒度模型

数据仓库中的事实数据一般以最小粒度存储。而大量的细粒度数据具有很大的随机性,很少直接进行分析和处理,往往被聚集到一定层次的粗粒度数据。另一方面若采用ROLAP存储数据,则大量的细粒度数据将会影响查询的效率。本文介绍了一种基于时间维层次查询频率的粒度调整模型,它能根据用户在时间维层次的查询频率实现对数据粒度的调整。     

商空间粒度计算理论在数据库和数据仓库中应用

商空间理论是研究不同粒度世界的一种新的数学工具。它用三元组(X,f,Т)描述一个问题,其中X表示问题的论域,f(·)是论域属性,Т是论域的结构。通过分析求解问题(X,f,Т),对论域X及其有关的结构、属性进行深入分析和研究,从而完成不同粒度世界的描述,并有着完整的理论基础。该文首次将商空间粒度理论应用于对数据仓库中数据进行了粒度分析,取得了很好的确定结果。     

数据分类中的粒度计算

粒度计算理论为知识发现的研究提供了新的理论工具,通过引入全粒度空间的概念,对信息系统的论域空间进行等价划分,给出了论域子空间可精确粒度表示的充分条件,建立了目标概念的外延和内涵的粒度计算关系,揭示了目标概念学习中的粒度计算过程,提出了一种新的数据分类模型。     

数据仓库技术在教育领域中的应用

数据仓库是数据挖掘过程中一个非常重要的环节,它涉及到数据的清理、整合等内容,而且,为交互式数据分析提供了OLAP工具。作为数据库技术最新发展的数据仓库已被广泛应用。探讨了什么是数据仓库及其性质、特点,并举出了在教育中的应用。     

数据仓库设计中低粒度数据的分割策略研究

数据仓库中存在着巨大容量的低粒度数据，其存储策略的好坏直接影响到联机分析处理和数据挖掘的性能及效率。该文分析了数据仓库系统中数据分割的一般原则，详细论述了静态数据分割的各种策略，并对结构和内容两个方面的变化所引起的动态数据分割策略进行了详细研究，提出了基于属性相容和属性语义等价的动态数据分割技术。     

数据仓库的填充与访问

数据仓库是连接底层数据源与上层应用的枢纽。该文介绍了数据仓库的填充(与数据源的连接)和数据仓库的访问(与应用界面的连接)技术,包括与数据库数据源和非数据库数据源的连接以及采用组件工具访问数据仓库的方式和实现方法。     

层级数据仓库结构模型设计

当前数据仓库大多是为了在具体竞争环境中获益而建立起来的。如何进一步拓展数据仓库，以及从单纯的局部利益获取向更高更广的获益出发，层级数据仓库结构模型应运而生。在层级数据仓库结构模型上除了可以获取用户感兴趣的规则模式外，更利于广泛性规则模式知识的发现。     

基于数据仓库和OLAP技术的证券交易系统的实现方案研究

数据仓库和联机分析处理(OLAP)技术是信息技术领域的新兴技术,而如何应用到证券交易中是证券业面临的问题。建立证券交易数据仓库并使用OLAP技术,可以将大量源数据有效地转化为有用的知识信息,并服务于决策过程。基于数据仓库的证券交易系统就是在面向信息处理的联机事务处理(OLTP)系统的基础上并引入数据仓库和OLAP技术而发展起来的。论文结合证券交易业务提出了系统实现的解决方案,并给出了基于证券交易业务的数据仓库的体系结构、逻辑模型、粒度模型,以及基于证券交易业务的联机分析处理(OLAP)系统的实现方法。     

数据仓库在气象上的应用研究

介绍了将数据仓库技术应用于海量气象数据的管理。气象数据仓库不仅可使气象业务人员迅速准确地获取有用的气象信息,同时还给气象科研工作者提供了气象数据挖掘和知识发现的环境,为气象服务质量的提高提供有力的支持。