数据仓库（三）
想了解数据仓库是什么，请跟着看吧，以下是我个人在项目开发中，学习到的内容，提出与大家分享。
很抱歉，我有点懒，并没有把图片上传上来，所以，如果有人想要我总结的这份文档，可以给我发Email：jiajibin0618@126.com，我会给你发一份：P
[@more@]1 联机分析处理
1.1 从OLTP到OLAP的发展
联机事物处理（on line transaction processing, OLTP）,在网络环境下的事务工作，利用计算机网络技术，以快速的事务响应频繁的数据修改为特征，使用户利用数据库能够快速地处理具体的业务。OLTP是事务处理从单机到网络环境发展的新阶段。OLTP应用要求多个查询并行，以便将每个查询分布到一个处理器上。其特点大于事务处理量大，但事务内容较简单且重复率高。OLTP的数据组织的数据模型采用E-R模型。它面对的是事务处理操作人员和低层管理人员。虽然大型的系统每秒能达到处理1000个以上的事务，当数据库的存储量很大，经常每天要处理成千上万的事务，OLTP在查询业务数据上是非常有效的。但是为高层领导者提供决策分析时，则显得力不从心。
联机分析处理（on line analytical processing, OLAP）,OLAP的基本思想是决策者从多方面和多角度以多维的形式来观察企业的状态和了解企业的变化。
OLTP与OLAP对比
OLTP | OLAP |
数据库数据 | 数据误置或数据仓库数据 |
细节性数据 | 综合性数据 |
当前数据 | 历史数据 |
经常数据 | 不更新，但周期性刷新 |
一次性处理的数据量小 | 一次性处理的数据量大 |
对响应时间要求高 | 响应时间合理 |
用户数量大 | 用户数量少 |
面向操作人员，支持日常操作 | 面向决策人员，支持决策需要 |
面向应用，事务驱动 | 面向分析，分析驱动 |
1.2 OLAP与数据挖掘的比较
l OLAP的多维分析
OLAP是在多维数据结构上进行数据分析的。一般从多维数据取出二维或三维数据进行分析（切片、切块），或对层次的“维”进行钻取操作，向下钻取以获得更详细的数据，向上钻取获得更综合的数据。OLAP平时需要查询大量的日常商业活动的信息，以及变化情况，这些变化值对制定决策更重要，OLAP典型的用，通过商业活动变化的查询发现问题，经过追踪查询找出问题出现的原因，达到辅助决策的作用。
l 数据挖掘
OLAP是在带层次的维度和“跨维度”进行多维数据分析的。数据挖掘则不同，是以变量和记录为基础进行分析。它的任务在于聚类（如神经网络聚类）、分类（如决策树分类）、预测等。这些是带有探索性的建模功能。数据挖掘在于寻找不平常的且有用的商业运作模型。考察不同类型或者找出变量之间的关系。数据挖掘需要查看海量数据，主要是详细数据和历史数据。为此经常将数据仓库中的数据复制到一个专门的存储器上，对数据的挖掘分析可能需要大量的时间。数据挖掘人员有时并不能精确知道什么是必须分析的，有时数据挖掘一无所获。但是，有时通过它发现意外的、无价的信息“金块”。如，如果能够精确定一个高价值的客户或可能离开的客户特征，就可以要求公司采取措施保留这些客户，这比从竞争对手那儿重新争取曾经失的客户费用少得多。来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/10028836/viewspace-917390/ ，如需转载，请注明出处，否则将追究法律责任。
