数据库中仓库属性包括哪些，典型的数据仓库系统包括哪几部分

来源：整理时间：2024-12-04 22:51:53 编辑：黑码技术手机版

1，典型的数据仓库系统包括哪几部分

典型的数据仓库系统包括以下几个部分：数据源ETL(数据抽取、转换和加载)数据仓库数据集市前端展示（包括报表、多维展示等）

典型的数据仓库系统包括哪几部分

2，设某商业集团公司数据库中有三个实体集一是仓库实体集属性

设仓库与商品间存存储联系每仓库存储若干种商品每种商品存储若干仓库每仓库每存储种商品相应存储期及存储量；商店与商品间存着销售联系每商店销售若干种商品每种商品若干商店销售每商店销售种商品月份月销售量、单价三属性；仓库、商店、商品间存着供应联系月份月供应量两属性！

这个你急着要么，我现在不方便，要到9月份才行，如果可以，留下你的邮箱

设某商业集团公司数据库中有三个实体集一是仓库实体集属性

3，下面列出的条目中哪些是数据仓库的基本特征

特点：（1）数据的存储是面向主题的：在操作型系统中，数据集合是以单独的应用程序为中心专门组织存放的，数据是面向应用程序事务的，而数据仓库中数据的是按商业主题存放的，商业主题会随着企业的不同而不同。（2）数据是集成的：数据仓库的数据是来源于不同的操作型系统，其中文件布局、编码表示方式、命名习惯和度量单位等都有可能不同，还有一些企业除了从操作系统获取内部数据，外部系统数据也是很重要的。（3）数据的时间特性：操作型系统存储的数据一般包含当前值，反映的是当前信息，而数据仓库中是供分析和决策使用的，决策者必须根据数据趋势进行决策，这不但需要当前数据，也需要历史数据。所以，数据仓库的目的决定了它包含当前数据之外，也必须包含历史数据。数据仓库中的数据结构都包含时间特性对于设计阶段和实现阶段都具有重要意义。（4）数据的稳定性：操作型系统的数据是实时更新的，数据仓库中的数据在载入之后几乎不会再更新，只要是查询分析使用。另外，数据仓库中数据粒度与操作型系统中的数据粒度也不一样，在操作型系统中数据存储通常数据非常详细，但是数据仓库中是按不同的粒度层次来存放数据的。

搜一下：下面列出的条目中，哪些是数据仓库的基本特征

下面列出的条目中哪些是数据仓库的基本特征

4，数据仓库在数据库里处于什么层级

简而言之，数据库是面向事务的设计，数据仓库是面向主题设计的。数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计是有意引入冗余，采用反范式的方式来设计。数据库是为捕获数据而设计，数据仓库是为分析数据而设计，它的两个基本的元素是维表和事实表。维是看问题的角度，比如时间，部门，维表放的就是这些东西的定义，事实表里放着要查询的数据，同时有维的ID。单从概念上讲，有些晦涩。任何技术都是为应用服务的，结合应用可以很容易地理解。以银行业务为例。数据库是事务系统的数据平台，客户在银行做的每笔交易都会写入数据库，被记录下来，这里，可以简单地理解为用数据库记帐。数据仓库是分析系统的数据平台，它从事务系统获取数据，并做汇总、加工，为决策者提供决策的依据。比如，某银行某分行一个月发生多少交易，该分行当前存款余额是多少。如果存款又多，消费交易又多，那么该地区就有必要设立ATM了。显然，银行的交易量是巨大的，通常以百万甚至千万次来计算。事务系统是实时的，这就要求时效性，客户存一笔钱需要几十秒是无法忍受的，这就要求数据库只能存储很短一段时间的数据。而分析系统是事后的，它要提供关注时间段内所有的有效数据。这些数据是海量的，汇总计算起来也要慢一些，但是，只要能够提供有效的分析数据就达到目的了。数据仓库，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它决不是所谓的“大型数据库”。那么，数据仓库与传统数据库比较，有哪些不同呢?让我们先看看W.H.Inmon关于数据仓库的定义:面向主题的、集成的、与时间相关且不可修改的数据集合。 “面向主题的”:传统数据库主要是为应用程序进行数据处理，未必按照同一主题存储数据;数据仓库侧重于数据分析工作，是按照主题存储的。这一点，类似于传统农贸市场与超市的区别—市场里面，白菜、萝卜、香菜会在一个摊位上，如果它们是一个小贩卖的;而超市里，白菜、萝卜、香菜则各自一块。也就是说，市场里的菜(数据)是按照小贩(应用程序)归堆(存储)的，超市里面则是按照菜的类型(同主题)归堆的。 “与时间相关”:数据库保存信息的时候，并不强调一定有时间信息。数据仓库则不同，出于决策的需要，数据仓库中的数据都要标明时间属性。决策中，时间属性很重要。同样都是累计购买过九车产品的顾客，一位是最近三个月购买九车，一位是最近一年从未买过，这对于决策者意义是不同的。 “不可修改”:数据仓库中的数据并不是最新的，而是来源于其它数据源。数据仓库反映的是历史信息，并不是很多数据库处理的那种日常事务数据(有的数据库例如电信计费数据库甚至处理实时信息)。因此，数据仓库中的数据是极少或根本不修改的;当然，向数据仓库添加数据是允许的。数据仓库的出现，并不是要取代数据库。目前，大部分数据仓库还是用关系数据库管理系统来管理的。可以说，数据库、数据仓库相辅相成、各有千秋。补充一下，数据仓库的方案建设的目的，是为前端查询和分析作为基础，由于有较大的冗余，所以需要的存储也较大。为了更好地为前端应用服务，数据仓库必须有如下几点优点，否则是失败的数据仓库方案。 1.效率足够高。客户要求的分析数据一般分为日、周、月、季、年等，可以看出，日为周期的数据要求的效率最高，要求24小时甚至12小时内，客户能看到昨天的数据分析。由于有的企业每日的数据量很大，设计不好的数据仓库经常会出问题，延迟1-3日才能给出数据，显然不行的。 2.数据质量。客户要看各种信息，肯定要准确的数据，但由于数据仓库流程至少分为3步，2次ETL，复杂的架构会更多层次，那么由于数据源有脏数据或者代码不严谨，都可以导致数据失真，客户看到错误的信息就可能导致分析出错误的决策，造成损失，而不是效益。 3.扩展性。之所以有的大型数据仓库系统架构设计复杂，是因为考虑到了未来3-5年的扩展性，这样的话，客户不用太快花钱去重建数据仓库系统，就能很稳定运行。主要体现在数据建模的合理性，数据仓库方案中多出一些中间层，使海量数据流有足够的缓冲，不至于数据量大很多，就运行不起来了。

争议数据库对数据的存储是二维的存储逻辑，如果你要定位一个数据，通过几张表联合查询，需要对涉及到的表进行遍历，效率低下。而数据仓库用块状逻辑进行存储，通过几张逻辑表去查询事实表，同时进行定位，直接取数，速度上提高了好几个数量级。而且数据仓库把数据按照维度表和事实表进行划分，更有利于做olap分析，为数据可视化提供了更多的想象空间，也可为决策者和领导者提供决策支持。