數據倉庫模型的設計.doc

《數據倉庫模型的設計.doc》由會員分享，可在線閱讀，更多相關《數據倉庫模型的設計.doc（7頁珍藏版）》請在裝配圖網上搜索。

2.5數據倉庫模型的設計 數據倉庫模型的設計大體上可以分為以下三個層面的設計151: .概念模型設計; .邏輯模型設計; .物理模型設計; 下面就從這三個層面分別介紹數據倉庫模型的設計。 2.5.1概念模型設計 進行概念模型設計所要完成的工作是: <1>界定系統(tǒng)邊界 <2>確定主要的主題域及其內容 概念模型設計的成果是，在原有的數據庫的基礎上建立了一個較為穩(wěn)固的概念模型。因為數據倉庫是對原有數據庫系統(tǒng)中的數據進行集成和重組而形成的數據集合，所以數據倉庫的概念模型設計，首先要對原有數據庫系統(tǒng)加以分析理解，看在原有的數據庫系統(tǒng)中“有什么”、“怎樣組織的”和“如何分布的”等，然后再來考慮應當如何建立數據倉庫系統(tǒng)的概念模型。一方面，通過原有的數據庫的設計文檔以及在數據字典中的數據庫關系模式，可以對企業(yè)現有的數據庫中的內容有一個完整而清晰的認識;另一方面，數據倉庫的概念模型是面向企業(yè)全局建立的，它為集成來自各個面向應用的數據庫的數據提供了統(tǒng)一的概念視圖。 概念模型的設計是在較高的抽象層次上的設計，因此建立概念模型時不用考慮具體技術條件的限制。 1.界定系統(tǒng)的邊界 數據倉庫是面向決策分析的數據庫，我們無法在數據倉庫設計的最初就得到詳細而明確的需求，但是一些基本的方向性的需求還是擺在了設計人員的面前: . 要做的決策類型有哪些? . 決策者感興趣的是什么問題? . 這些問題需要什么樣的信息? . 要得到這些信息需要包含原有數據庫系統(tǒng)的哪些部分的數據? 這樣，我們可以劃定一個當前的大致的系統(tǒng)邊界，集中精力進行最需要的部分的開發(fā)。因而，從某種意義上講，界定系統(tǒng)邊界的工作也可以看作是數據倉庫系統(tǒng)設計的需求分析，因為它將決策者的數據分析的需求用系統(tǒng)邊界的定義形式反映出來。 2，確定主要的主題域 在這一步中，要確定系統(tǒng)所包含的主題域，然后對每個主題域的內容進行較明確數據倉庫建模技術在電信行業(yè)中的應用的描述，描述的內容包括: . 主題域的公共碼鍵; . 主題域之間的聯系: . 充分代表主題的屬性組。 2.5.2邏輯模型設計 邏輯建模是數據倉庫實施中的重要一環(huán)，因為它能直接反映出業(yè)務部門的需求，同時對系統(tǒng)的物理實施有著重要的指導作用。在這一步里進行的工作主要有: . 分析主題域，確定當前要裝載的主題; . 確定粒度層次劃分; . 確定數據分割策略; . 關系模式定義; . 記錄系統(tǒng)定義 邏輯模型設計的成果是，對每個當前要裝載的主題的邏輯實現進行定義，并將相關內容記錄在數據倉庫的元數據中，包括: . 適當的粒度劃分; . 合理的數據分割策略; . 適當的表劃分; . 定義合適的數據來源等。 I.分析主題域 在概念模型設計中，我們確定了幾個基本的主題域，但是，數據倉庫的設計方法是一個逐步求精的過程，在進行設計時，一般是一次一個主題或一次若干個主題地逐步完成的。所以，我們必須對概念模型設計步驟中確定的幾個基本主題域進行分析，一并選擇首先要實施的主題域。選擇第一個主題域所要考慮的是它要足夠大，以便使得該主題域能建設成為一個可應用的系統(tǒng);它還要足夠小，以便于開發(fā)和較快地實施。如果所選擇的主題域很大并且很復雜，我們甚至可以針對它的一個有意義的子集來進行開發(fā)。在每一次的反饋過程中，都要進行主題域的分析。 z.粒度層次劃分 數據倉庫邏輯設計中要解決的一個重要問題是決定數據倉庫的粒度劃分層次，粒度層次劃分適當與否直接影響到數據倉庫中的數據量和所適合的查詢類型。確定數據倉庫的粒度劃分，可以使用在粒度劃分一節(jié)中介紹的方法，通過估算數據行數和所需的DASD數，來確定是采用單一粒度還是多重粒度，以及粒度劃分的層次。 3.確定數據分割策略 在這一步里，要選擇適當的數據分割的標準，一般要考慮以下幾方面因素:數據量〔而非記錄行數)、數據分析處理的實際情況、簡單易行以及粒度劃分策略等。數據量的大小是決定是否進行數據分割和如何分割的主要因素;數據分析處理的要求是選擇數據分割標準的一個主要依據，因為數據分割是跟數據分析處理的對象緊密聯系的;我們還要考慮到所選擇的數據分割標準應是自然的、易于實施的:同時也要考慮數據分割的標準與粒度劃分層次是適應的。 4.關系模式定義 數據倉庫的每個主題都是由多個表來實現的，這些表之間依靠主題的公共碼鍵聯系在一起，形成一個完整的主題。在概念模型設計時，我們就確定了數據倉庫的基本主題，并對每個主題的公共碼鍵、基本內容等做了描述在這一步里，我們將要對選定_的當前實施的主題進行模式劃分，形成多個表，并確定各個表的關系模式。 用關系型數據庫來實現數據倉庫信息模型時，目前較常用的兩種建模方法是所謂的第三范式(3NF,即Third Normal Form)和星型模式Star-Schem司，我們將重點討論兩種方法的特點和它們在數據倉庫系統(tǒng)中的適用場合。 4.1什么是第三范式 范式是數據庫邏輯模型設計的基本理論，一個關系模型可以從第一范式到第五范式進行無損分解，這個過程也稱為規(guī)范化(Normalize)。在數據倉庫的模型設計中目前一般采用第三范式，它有非常嚴格的數學定義。如果從其表達的含義來看，一個符合第三范式的關系必須具有以下三個條件: 1.每個屬性的值唯一，不具有多義性; 2.每個非主屬性必須完全依賴于整個主鍵，而非主鍵的一部分; 3.每個非主屬性不能依賴于其他關系中的屬性，團為這樣的話，這種屬性應該歸到其他關系中去。 我們可以看到，第三范式的定義基本上是圍繞主鍵與非主屬性之間的關系而作出的。如果只滿足第一個條件，則稱為第一范式;如果滿足前面兩個條件，則稱為第二范式，依此類推。因此，各級范式是向下兼容的。 4.2什么是星型模式 星型模式是一種多維的數據關系，它由一個事實表(Fact Table)和一組維表(Dimension Table)組成。每個維表都有一個維作為主鍵，所有這些維則組合成事實表的主鍵，換言之，事實表主鍵的每個元素都是維表的外鍵。事實表的非主屬性稱為事實(Fact)，它們一般都是數值或其他可以進行計算的數據;而維大都是文字、時間等類型的數據。 與星型模式類似還有一種業(yè)界提的比較多的設計方式是雪花模式，它也是一種在關系數據庫中實現多維數據關系的方式，與星型模式相區(qū)別的是它的維表結構與星型模式不同。星型模式中同一維度的不同層次位于一張維表中，維表由唯一主鍵和事實表關連;雪花模式中同一維度中的不同層次位于不同的層次表中，最低層次表與事實表關連，各個層次再分別和比自己高一級的層次表關連。 因為星型模式查詢效率要比雪花模式高的多，所以比較多的是采用星型模式設計多維數據關系。 4. 3第三范式和星型模式在數據倉庫中的應用 大多數人在設計中央數據倉庫的邏輯模型時，都按照第三范式來設計;而在進行物理實施時，則由于數據庫引擎的限制，不得不對邏輯模型進行不規(guī)范處理(De-Normalize)，以提高系統(tǒng)的響應速度，這當然是以增加系統(tǒng)的復雜度、維護工作量、磁盤使用比率(指原始數據與磁盤大小的比率)并降低系統(tǒng)執(zhí)行動態(tài)查詢能力為代價的。根據數據倉庫的測試標準TPC-D規(guī)范，在數據倉庫系統(tǒng)中，對數據庫引擎最大的挑戰(zhàn)主要是這樣幾種操作:多表連接、表的累計、數據排序、大量數據的掃描。下面列出了一些DBMS在實際系統(tǒng)中針對這些困難所采用的折衷處理辦法: 1、如何避免多表連接:在設計模型時對表進行合并，即所謂的預連接(Pre-Join)。當數據規(guī)模小時，也可以采用星型模式，這樣能提高系統(tǒng)速度，但增加了數據冗余量。 2、如何避免表的累計:在模型中增加有關小計數據(Summarized Data)的項。這樣也增加了數據冗余，而且如果某項問題不在預建的累計項內，需臨時調整。 3、如何避免數據排序:對數據事先排序。但隨著數據倉庫系統(tǒng)的運行，不斷有新的數據加入，數據庫管理員的工作將大大增加。大量的時間將用于對系統(tǒng)的整理，系統(tǒng)的可用性隨之降低。 4、如何避免大表掃描:通過使用大量的索引，可以避免對大量數據進行掃描。但這也將增加系統(tǒng)的復雜程度，降低系統(tǒng)進行動態(tài)查詢的能力。 這些措施大都屬于不規(guī)范處理。根據上面的討論，當把規(guī)范的系統(tǒng)邏輯模型進行物理實施時，由于數據庫引擎的限制，常常需要進行不規(guī)范處理。舉例來說，當系統(tǒng)數據量很小，比如只有幾個GB時，進行多表連接之類復雜查詢的響應時間是可以忍受的。但是設想一下加果數據量擴展到很大，到幾百GB，甚至上TB,一個表中的記錄往往有幾百萬、幾千萬，甚至更多，這時進行多表連接這樣的復雜查詢，響應時間長得不可忍受。這時就有必要把幾個表合并，盡量減少表的連接操作。當然，不規(guī)范處理的程度取決于數據庫引擎的并行處理能力。數據倉庫建設者在選擇數據庫引擎時，除了參考一些相關的基準測試結果外，最好是能根據自己的實際情況設計測試方案，從幾個數據庫系統(tǒng)中選擇最適合自己企業(yè)決策要求的一種。 不規(guī)范化處理雖然是提高系統(tǒng)性能的一種有效手段，但是由于中央數據倉庫的數據模型反映了整個企業(yè)的業(yè)務運行規(guī)律，在這里進行不規(guī)范處理容易影響整個系統(tǒng)，不利于今后的擴展。而且不規(guī)范處理產生的數據冗余將使整個系統(tǒng)的數據量迅速增加，這將增加DBA的工作量和系統(tǒng)投資。因此，當系統(tǒng)性能下降而進行不規(guī)范處理時，比較好的辦法是選擇問題較集中的部門數據集市實施這種措施。這樣既能有效地改善系統(tǒng) 性能漢不至于影響整個系統(tǒng)。在國外一些成功的大型企業(yè)級數據倉庫案例中，基本上都是采用這種方法。 那么，在中央數據倉庫中是否可以采用星型模式來進行模型設計呢?我們知道，星型模式中有一個事實表和一組維表，我們可以把事實看成是各個維交叉點上的值。例如，一個汽車廠在研究其銷售情況時可以考察汽車的型號、顏色、代理商等多種因素，這些因素就是維，而銷售量就是事實。這種多維模型能迅速給出基于各個維的報表，這些維必須事先確定。 星型模式之所以速度快，在于針對各個維作了大量的預處理，如按照維進行預先的統(tǒng)計、分類、排序等。在上面的例子中，就是按照汽車的型號、顏色、代理商進行預先的銷售量統(tǒng)計。因此，在星型模式設計的數據倉庫中，作報表的速度雖然很快，但由于存在大量的預處理，其建模過程相對來說就比較慢。當業(yè)務問題發(fā)生變化，原來的維不能滿足要求時，需要增加新的維。由于事實表的主鍵由所有維表的主鍵組成，這種維的變動將是非常復雜、非常耗時的。星型模式另一個顯著的缺點是數據的冗余量很大。綜合這些討論，不難得出結論，星型模式比較適合于預先定義好的問題加需要產生大量報表的場合;而不適合于動態(tài)查詢多、系統(tǒng)可擴展能力要求高或者數據量很大的場合。因此，星型模式在一些要求大量報表的部門數據集市中有較多的應用。 4. 4兩種模式的比較 上面討論了數據倉庫邏輯模型設計中常用的兩種方法.在數據倉庫的應用環(huán)境中，主要有兩種負載:一種是回答重復性的問題;另一種是回答交互性的問題。動態(tài)查詢具有較明顯的交互性特征，即在一個問題答案的基礎上進行進一步的探索，這種交互過程常稱為數據挖掘(Data Mining)或者知識探索(Knowledge Discovery)。對于以第一種負載為主的部門數據集市，當數據量不大、報表較固定時可以采用星型模式;對于中央數據倉庫，考慮到系統(tǒng)的可擴展能力、投資成本和易于管理等多種因素，最好采用第三范式。或者說對于數據倉庫中當前詳細級別的數據和輕度綜合的數據可以采用第三范式的方式設計，對于高度綜合的數據可以采用星型模式設計。 2.5.3物理模型設計 這一步所做的工作是確定數據的存儲結構，確定索引策略，確定數據存放位置，確定存儲分配。 確定數據倉庫實現的物理模型，要求設計人員必須做到以下幾方面: 要全面了解所選用的數據庫管理系統(tǒng)，特別是存儲結構和存取方法。 了解數據環(huán)境、數據的使用頻度、使用方式、數據規(guī)模以及響應時間要求等，這些是對時間和空間效率進行平衡和優(yōu)化的重要依據。 . 了解外部存儲設備的特性，如分塊原則，塊大小的規(guī)定，設備的I/o特性等。 1.確定數據的存儲結構 一個數據庫管理系統(tǒng)往往都提供多種存儲結構供設計人員選用，不同的存儲結構有不同的實現方式，各有各的適用范圍和優(yōu)缺點，設計人員在選擇合適的存儲結構時應該權衡三個方面的主要因素:存取時間、存儲空間利用率和維護代價。 2.確定索引策略 數據倉庫的數據量很大，因而需要對數據的存取路徑進行仔細的設計和選擇。由于數據倉庫的數據都是不常更新的，因而可以設計多種多樣的索引結構來提高數據存取效率。 在數據倉庫中，設計人員可以考慮對各個數據存儲建立專用的、復雜的索引，以獲得最高的存取效率，因為在數據倉庫中的數據是不常更新的，也就是說每個數據存儲是穩(wěn)定的，因而雖然建立專用的、復雜的索引有一定的代價，但一旦建立就幾乎不需維護索引的代價。 3.確定數據存放位置 我們說過，同一個主題的數據并不要求存放在相同的介質上。在物理設計時，我們常常要按數據的重要程度、使用頻率以及對響應時間的要求進行分類，并將不同類的數據分別存儲在不同的存儲設備中。重要程度高、經常存取并對響應時間要求高的數據就存放在高速存儲設備上，如硬盤;存取頻率低或對存取響應時間要求低的數據則可以放在低速存儲設備上，如磁盤或磁帶。 數據存放位置的確定還要考慮到其它一些方法，如:決定是否進行合并表;是否對一些經常性的應用建立數據序列;對常用的、不常修改的表或屬性是否冗余存儲。如果采用了這些技術，就要記入元數據。 4.確定存儲分配 許多數據庫管理系統(tǒng)提供了一些存儲分配的參數供設計者進行物理優(yōu)化處理，如:塊的尺寸、緩沖區(qū)的大小和個數等等，它們都要在物理設計時確定。這同創(chuàng)建數據庫系統(tǒng)時的考慮是一樣的。