文章目录
一、数据方体
二、数据方体 格结构 ( 参考 )
三、数据单元
一、数据方体
数据方体 简介 :
"数据方体" 概念 : 多维数据模型 构成的 多维数据空间 称为 “数据方体” ( Data Cube ) , 又称 数据立方体 , 超级立方体 , 多维超方体 ;
"数据方体" 组成 : 数据方体 由 多个 维 和 度量 组成 ;
"数据方体" 维数 : 二维 , 三维 的数据方体可以绘制出来 , 超过 3 33 维的数据方体无法绘制 , 但是实际上的数据方体可以是 4 44 维 , 5 55 维 , 甚至更多维 ;
"数据方体" 存储 : 数据方体可以 使用多维方式表示 , 也可以 使用任意方式存储 , 如传统的关系表 ;
数据从 二维表 转为 数据方体 , 也就是从 传统数据库 ( DB ) 转为 数据仓库 ( DW ) ;
二、数据方体 格结构 ( 参考 )
数据方体中存在两种表 : ① 维表 , ② 事实表 ;
数据方体 的 格结构 :
格结构概念 : 格结构是特殊的图 , 格结构中满足半序关系 ;
数据方体 : 数据方体可以表示成一种格结构 , 数据方体的存储 , 计算 , 查询 , 都要涉及到格结构 ;
表的转换 : 由 4 44 维表 , 可以计算各种 3 33 维表 , 由 3 33 维表 , 可以计算各种 2 22维表 , 由 2 22 维表可以计算 1 11 维表 ;
数据方体 格结构 示例 :
4 44 维表 : 以 4 44 维表为例 , 该表描述 商品 信息 , 表中有 4 44 个字段 , 如 时间 , 产品 , 位置 , 供应商 ;
3 33 维表 : 去掉上述 4 44 维表 中的某一维 , 得到 3 33 维视图 , 如 将 供应商 维度删除 , 得到 时间 , 产品 , 位置 三维表 ;
2 22 维表 : 从上述 3 33 维表中再去掉一维 , 得到 2 22 维表 , 如 将 位置 维度删除 , 得到 时间 , 产品 二维表 ;
1 11 维表 : 4 44 维表去掉 3 33 维 , 只留下 一维 , 如只留下 时间维度表 ;
格结构 上的操作 : ( 仅做参考 , 不严谨 )
实体化视图选择 : 给定一个 4 44 维表 , 将其中的某些视图 3 33 维表计算出来 , 选择 哪些维度节点 将其计算出来 , 称为实体化视图选择 ; 实体化是计算出来之后 , 将计算结果存储下来 ;
实体化视图计算 : 给定一个 4 44 维表 , 计算出 3 33 维表的过程 , 称为 实体化视图计算 ;
实体化视图更新 : 数据更新后 , 对应的实体化视图 , 也需要跟着更新 ;
数据方体计算 : 如果存储空间足够大 , 可以将所有的格结构都计算出来 , 这种计算称为 数据方体计算 ;
三、数据单元
数据单元 简介 :
数轴 : 数据方体 中 以 “维” 作为 数轴 ;
数据单元 概念 : 数据方体中 , 每个 “维” 上 都确定一个 “维成员” 时 , 就会唯一确定一个点 , 这个点成为 “数据单元” ( Cell ) ;
