數據倉庫與數據挖掘教程(第2版) 陳文偉版課后習題答案(非常全)

1、第一章作業(yè)1 數據庫與數據倉庫的本質差別是什么？書P2（1）數據庫用于事務處理，數據倉庫用于決策分析。（2）數據庫保持事物處理的當前狀態(tài)，數據倉庫即保存過去的數據又保存當前的數據。（3）數據倉庫的數據是大量數據庫的集成。（4）對數據庫的操作比較明確，操作數量較小。對數據倉庫操作不明確，操作數據量大。2從數據庫發(fā)展到數據倉庫的原因是什么？書P1（1）數據庫數據太多，信息貧乏。如何將大量的數據轉化為輔助決策信息成為了研究熱點。（2）異構環(huán)境數據的轉換和共享。隨著各類數據庫產品的增加，異構環(huán)境的數據也逐漸增加，如何實現這些異構環(huán)境數據的轉換的共享也成了研究熱點。（3）利用數據進行事物處理轉變?yōu)槔脭?/p>

2、據支持決策。3舉例說明數據庫與數據倉庫的不同。比如，銀行中儲蓄業(yè)務要建立儲蓄數據庫，信用卡要建立信用卡數據庫，貸款業(yè)務要建立貸款數據庫，這些數據庫方便了銀行的事務處理。但是要對這些獨立數據庫進行決策分析就很復雜了。因此可以把這些數據庫中的數據存儲轉化到數據倉庫中，方便進行決策。4.OLTP(On Line Transaction Processing,聯機事物處理)是在網絡環(huán)境下的事務處理工作，以快速的響應和頻繁的數據修改為特征，使用戶利用數據庫能夠快速地處理具體的業(yè)務。OLAP（On Line Analytical Processing，聯機分析處理）是使用多維數據庫和多維分析的方法，對多個

3、關系數據庫共同進行大量的綜合計算來得到結果的方法。5.OLTP是用戶的數據可以立即傳送到計算中心進行處理，并在很短的時間內給出處理結果。6.OLTPOLAP細節(jié)性數據綜合性數據當前數據歷史數據經常更新不更新，但周期性刷新一次性處理的數據量小一次處理的數據量大對響應時間要求高響應時間合理面向應用，事務驅動面向分析，分析驅動7包括數據項、數據結構、數據流、數據存儲和處理過程五個部分。8 定義為關于數據的數據，描述數據倉庫中數據及其環(huán)境的數據。9 元數據不僅僅是數據倉庫的字典，而且還是數據倉庫本身功能的說明數據，是整個數據倉庫的核心。數據字典是關于數據庫中數據的描述，而不是數據本身，數據字典是數據庫

4、的元數據。10 .數據倉庫的定義是什么？ 答：（1）W.H.Inmon對數據倉庫的定義：數據倉庫是面向主題的，集成的、穩(wěn)定的、不同時間的數據集合，用于支持經營管理中決策制定過程。 （2）SAS軟件研究所的觀點：數據倉庫是一種管理技術，旨在通過通暢、合理、全面的信息管理，達到有限的決策支持。 從數據倉庫定義可以看出，數據倉庫是明確為決策支持服務的，而數據庫是為事務處理服務的。11.數據倉庫的特點有哪些？ 答：數據倉庫的特點有一下幾個：（1） 數據倉庫是面向主題的（2） 數據倉庫是集成的（3） 數據倉庫是穩(wěn)定的（4） 數據倉庫是隨時間變化的（5） 數據倉庫中的數據量很大（6） 數據倉庫的軟硬件要求

5、較高12、說明機器學習如何形成人工智能的學科方向。答：機器學習是研究使計算機模擬或實現人類的學習行為，即讓計算機自動獲取知識。20世紀80年代，機器學習取得了較大成果，如AQ11系統(tǒng)、ID3決策樹方法等，讓機器學習上了一個新的臺階，機器學習便成為人工智能的一個主要學科方向。13、說明數據挖掘的含義。答：數據挖掘就是從數據庫中的所有數據記錄中歸納總結出知識，讓人們從抽象復雜的數據中看到客觀規(guī)律，以便做出決策。14、OLAP多維分析如何輔助決策？舉例說明。答：OLAP是在多維數據結構上進行數據分析的，一般在多維數據上切片、切塊成簡單數據來進行分析，或是上鉆、下鉆來分析。OLAP要查詢大量的日常商業(yè)

6、信息，以及大量的商業(yè)活動變化情況，如每周購買量的變化值，經理通過查詢變化值來做決策。例如經理看到利潤小于預計值是，就會去深入到各地區(qū)去查看產品利潤情況，這樣他會發(fā)現一些比較異常的數據。經過進一步的分析和追蹤查詢可以發(fā)現問題并解決。15 OLAP是在帶層次的維度和跨維度進行多維數據分析的。數據挖掘則不同，它是以變量和記錄為基礎進行分析的。16比如對超市的所有的購物賬單中成對出現的商品的統(tǒng)計，可以有助于超市商品的合理擺放。17（1）常用統(tǒng)計（2）相關分析（3）回歸分析（4）假設檢驗（5）聚類分析（6）判別分析（7）主成分分析18、統(tǒng)計學與數據挖掘的不同。統(tǒng)計學主要是對數量數據或連續(xù)值數據進行數值計

7、算的定量分析，得到數量信息。數據挖掘主要對離散數據進行定性分析，得到規(guī)則知識。在統(tǒng)計學中有聚類分析和判別分析，它們與數據挖掘中的聚類和分類相似。但是，采用的標準不一樣，統(tǒng)計學的聚類采用的“距離”是歐式距離，即兩點間的坐標(數值)距離。而數據挖掘的聚類采用的“距離”是海明距離，即屬性取值是否相同，相同者距離為0，不相同者距離為1?？傊y(tǒng)計學與數據挖掘是有區(qū)別的，但是，它們之間是相互補充的。不少數據挖掘的著作中均把統(tǒng)計學的不少方法引入到數據挖掘中，與將機器學習中不少方法引入到數據挖掘中一樣，作為從數據獲取知識的一大類方法。19、說明數據倉庫與數據挖掘的不同。數據倉庫是在數據庫的基礎上發(fā)展起來的。

8、它將大量的數據庫的數據按決策需求進行重新組織，以數據倉庫的形式進行存儲，將為用戶提供輔助決策的隨機查詢、綜合信息以及隨時間變化的趨勢分析信息等。數據倉庫是一種存儲技術，其數據存儲量是一般數據庫的100倍，包含大量的歷史數據、當前的詳細數據以及綜合數據。它能適應不同用戶對不同決策需要提供所需的數據和信息。數據挖掘是從人工智能機器學習中發(fā)展起來的。它研究各種方法和技術，從大量的數據中挖掘出有用的信息和知識。最常用的數據挖掘方法是統(tǒng)計分析方法、神經網絡方法和機器學習中研究的方法。數據挖掘中采用機器學習的方法有歸納學習方法(如覆蓋正例排斥反例方法，如AQ系列算法、決策樹方法等)、遺傳算法、發(fā)現學習算法

9、(如公式發(fā)現系統(tǒng)BACON)等。利用數據挖掘的方法和技術從數據倉庫中挖掘的信息和知識，反映了數據倉庫中數據的規(guī)律性。用戶利用這些信息和知識來指導和幫助決策。例如，利用分類規(guī)則來預測未知實體的類別。20、數據挖掘應用于數據庫與數據挖掘應用與數據倉庫有什么不同。數據挖掘興起是針對數據庫的，隨著數據倉庫的興起和發(fā)展，由于數據倉庫不同于數據庫，數據挖掘也隨之發(fā)生變化。 (1)數據存儲方式的不同數據庫的數據存儲是按照管理業(yè)務中事物處理項目的要求而存放的。 數據倉庫的數據存儲是按決策分析需求而存放的。這種需求是以決策主題為對象的，典型的主題是客戶。這樣，在數據倉庫中客戶數據需要從多個數據庫集成而來，如銀行

10、數據倉庫需要從儲蓄、信用卡、貸款等不同數據庫中，對同一客戶的數據抽取并集成在一起，以便完成對該客戶的分析。 (2)數據存儲的數據量的不同數據庫的數據存儲量相對數據倉庫的數據存儲量小得多。從上面的例子可以看出，以客戶主題建立數據倉庫的數據量是儲蓄、信用卡、貸款3個數據庫的數據量的總和。按一般的統(tǒng)計，數據倉庫的數據量是數據庫數據量的100倍。數據倉庫的數據量比數據庫的數據量大這么多在于：數據倉庫中的數據(近期基本數據)是數據庫中數據按決策主題重新組織并集成而來；數據倉庫中數據還需要保留大量的歷史數據，用于預測分析；數據倉庫為了給不同級別管理者提供各種決策分析的數據，需要對近期基本數據進行輕度綜合和

11、高度綜合，這些綜合數據在數據倉庫中占據了不小的比重。近期基本數據、歷史數據、綜合數據三者的數據相加，使數據倉庫的數據量遠遠大于數據庫中的數據量。(3)數據存儲的結構不同由于數據倉庫的數據量遠大于數據庫的存儲量，數據庫的關系型二維(平面)存儲格式不能適應數據倉庫。數據倉庫的數據存儲結構采用多維的超立方體結構形式。數據倉庫的數據存儲結構采用星型模型或者多維立體數據庫形式。21：答：數據倉庫實在數據庫的基礎上發(fā)展起來的，它將大量的數據庫的數據按決策需求進行重新組織，以數據倉庫的形式進行存儲。數據挖掘是從人工智能機器學習中發(fā)展起來的，它研究各種方法和技術，從大量的數據挖掘出有用的信息和知識。數據挖掘應

12、用于數據倉庫后，能挖掘更深層次上的信息，如：哪些商品一起銷售更好？高價值客戶的共同點是什么？等。22：答：數據倉庫為數據挖掘提出的新要求為：1，數據挖掘需要可擴展性。2，數據挖掘方法需要能挖掘多維知識。23：答：數據倉庫視為輔助決策而建立的，單依靠數據倉庫達到輔助決策的能力是有限的，綜合信息和預測信息是數據倉庫所獲得的輔助決策信息。數據倉庫中增加聯機分析處理和數據挖掘等分析工具，能較大的提高輔助決策能力。數據倉庫和聯機分析處理幾數據挖掘結合的決策支持系統(tǒng)，是以數據倉庫為基礎的，稱為基于數據倉庫的決策支持系統(tǒng)。概括地說：基于數據倉庫的決策支持系統(tǒng)是從數據倉庫的數據中獲取輔助決策信息和知識，為決策

13、提供支持。24基于數據倉庫的決策支持系統(tǒng)的組成是什么？答：基于數據倉庫的決策支持系統(tǒng)由三個部件組成：數據倉庫技術，聯機分析處理技術和數據挖掘技術，其中數據倉庫技術是系統(tǒng)的核心。25畫出基于數據倉庫的決策支持系統(tǒng)結構圖。如圖：26說明基于數據倉庫的決策支持系統(tǒng)與傳統(tǒng)決策支持系統(tǒng)有什么區(qū)別。答：數據倉庫技術將傳統(tǒng)數據庫中的數據及其他源數據進行了抽取、轉換、裝載等工作，使之成為統(tǒng)一、集中、穩(wěn)定的數據，并在元數據庫中保存了數據轉換、映射等過程，就能為決策過程提供良好的數據基礎。而傳統(tǒng)的決策支持系統(tǒng)主要以關系數據庫為基礎，主要關注于對數據的操作，很難有效率地獲取決策需要的信息。27. 商業(yè)智能描述了一系

14、列的概念和方法，通過應用基于事實的支持系統(tǒng)來輔助商業(yè)決策的制定。商業(yè)智能技術提供使企業(yè)迅速分析數據的技術和方法，包括收集、管理和分析數據，將這些數據轉化為有用的信息，然后分發(fā)到企業(yè)各處。28 可以認為，商業(yè)智能是對商業(yè)信息的搜集、管理和分析過程，目的是使企業(yè)的各級決策者獲得知識或洞察力（insight），促使他們做出對企業(yè)更有利的決策。商業(yè)智能一般由數據倉庫、聯機分析處理、數據挖掘、數據備份和恢復等部分組成。商業(yè)智能的實現涉及到軟件、硬件、咨詢服務及應用，其基本體系結構包括數據倉庫、聯機分析處理和數據挖掘三個部分。29 信息共享， 實時反饋系統(tǒng) ，鼓勵用戶找出問題的根本原因，使用主動智能，實時

15、智能等方面第二章作業(yè)周劼人1-3 郭朋4-6 王國梁7-9 旦增群培10-11 劉洋12-14 許赟昊15-17 杜海洋18-20 徐文松21-23 何金海24-25 陶漢26-271. 畫出數據倉庫的結構圖，說明各部分內容。P18當前基本數據是最近時期的業(yè)務數據，是數據倉庫用戶最感興趣的部分數據量大。隨著時間的推移，有數據倉庫的時間控制機制轉為歷史數據，輕度綜合數據是從當前基本數據中提取出來的，最高一層是高度綜合數據層，這一層的數據十分精煉，是一種準決策數據。2. 說明數據倉庫結構圖中包含輕度綜合層與高度綜合數據層的作用。這些數據為什么不是臨時計算出來的。P18-19數據倉庫除了存儲按主題組

16、織起來的當前詳細數據外，還需要存儲綜合數據，這是為了適應決策需求而增加的。在數據庫中需要得到綜合數據時，采用數據立方體的方法對詳細數據進行綜合。在數據倉庫中并不采取臨時計算的方式得到綜合數據，而在用戶提出需要綜合數據之前，就預先將可能的綜合數據利用數據立方體計算好，存入綜合數據層中，這種綜合數據層在用戶查詢時，能迅速提供給用戶。3. 說明數據集市與數據倉庫的區(qū)別和聯系。P20聯系：數據集市是一種更小，更集中的數據倉庫，為公司提供了一條分析商業(yè)數據的廉價途徑。數據集市是指具有特定應用的數據倉庫，主要針對某個具有戰(zhàn)略意義的應用或者具體部門級的應用，支持用戶利用已有的數據獲得重要的競爭優(yōu)勢或者找到進

17、入新市場的具體解決方案。區(qū)別：（1）數據倉庫是基于整個企業(yè)的數據模型建立的， 它面向企業(yè)范圍內的主題。而數據集市是按照某一 特定部門的數據模型建立的。（2）部門的主題與企業(yè)的主題之間可能存在關聯， 也可能不存在關聯。（3）數據集市的數據組織一般采用星型模型。4.1、規(guī)模是小的2、特定的應用3、面向部門4、由業(yè)務部門定義，設計和開發(fā)5、由業(yè)務部門管理和維護6、快速實現7、購買較便宜8、投資快速回收9、更詳細的、預先存在的數據倉庫的摘要子集10、可升級到完整的數據倉庫5. 獨立型數據集市直接從操作型環(huán)境獲取數據，從屬型數據集市從企業(yè)級數據倉庫獲取數據，帶有從屬型數據集市的體系結構。6.原因：倉庫管

18、理：安全和特權管理；跟蹤數據的更新；數據質量檢查；管理和更新元數據；審計和報告數據倉庫的使用和狀態(tài)；刪除數據；復制、分割和分發(fā)數據；備份和恢復；存儲管理。訪問工具：為用戶訪問數據倉庫提供手段7 倉庫管理包括數據建模；數據抽取、轉換、裝載；元數據；系統(tǒng)管理四部分。8 分析工具包含的內容：查詢工具、多維數據分析工具、數據挖掘工具、客戶/服務器。數據倉庫服務器客戶端9 二層C/S結構數據倉庫服務器三層C/S結構客戶端OLAP服務器OLAP服務器將加強和規(guī)范化決策支持的服務工作，集中和簡化了數據倉庫服務器的部分工作，即OLAP服務器從數據倉庫服務器中抽取數據，在OLAP服務器中轉換成客戶端要求的多維視

19、圖，并進行多維數據分析，將分析結果傳送給客戶端，這種結構形式工作效率更高。10.數據倉庫的邏輯模型有哪些？ 答：星型模型、雪花模型、星網模型、第三范式。11.數據模型與數學模型有什么區(qū)別？ 答：數據模型是數據特征的抽象，數據管理教學的形式框架，數據庫系統(tǒng)中用以提高信息表示和操作手段的形勢構架。數據模型包括數據庫的數據的結構部分、數據庫數據的操作部分和數據庫數據的約束條件。數學模型是根據對研究對象所觀察到的現象及實踐經驗，歸結成的一套反映其內部因素數量關系的數學公式、邏輯準則和具體算法。用以描述和研究客觀現象的運動規(guī)律。12、說明星型模型有什么好處。答：星型模型使非規(guī)范化的，用增加存儲空間的代價

20、來提高數據查詢速度，且數據的冗余保持在最少，并減少當數據改變時系統(tǒng)必須執(zhí)行的動作。13、說明數據倉庫的數據模型為什么含時間維數據。答：因為數據倉庫不僅存儲當前的最新數據，它還存儲過去的所有數據，即隨著時間的推移，所有的當前數據都會變成歷史數據。有時間維數據不僅方便查詢某一時間的數據，還有助于得到一時期的數據變化規(guī)律。14、說明雪花模型與星網模型的不同點。答：雪花模型使對星型模型的擴展，是對星型模型的維表進一步層次化，原來的維表被擴展為小的事實表。星網模型是多個相關的星型模型通過相同的維表連接起來形成的網狀結構，即事實表之間有共享的維表。15第三范式不同于星型模型之處在于，把事實表和維表的屬性作

21、為一個實體都集中在同一數據庫表中，或分成多個實體用多個表來表示，每個表按第三范式組織數據。它減少了為表中的鍵和不必要的屬性。16星型模型優(yōu)點：星型模型是非規(guī)范化的，以增加存儲空間代價，提高了多維數據的查詢速度。星型模型缺點：當業(yè)務問題發(fā)生變化時，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的維表的主鍵組成，因此這種維的變化帶來數據變化將是非常復雜、非常耗時的。第三范式優(yōu)點：解決數據冗余，善于處理海量數據且需要處理大量的動態(tài)業(yè)務。第三范式缺點：使用第三范式會形成比較復雜的關系表。17ETL過程的主要步驟概括為：（1）決定數據倉庫中需要的所有的目標數據（2）決定所有的數據源，包括

22、內部和外部的數據源（3）準備從源數據到目標數據的數據映射關系（4）建立全面的數據抽取規(guī)則（5）決定數據轉換和清洗規(guī)則（6）為綜合表制定計劃（7）組織數據緩沖區(qū)域和檢測工具（8）為所有的數據裝載編寫規(guī)程（9）維度表的抽取、轉換和裝載（10）事實表的抽取、轉換和裝載18、說明數據抽取工作的內容。數據抽取工作包括以下兩點。1確認數據源對數據源的確認不僅是對數據源的簡單確認，還包括檢查和確定數據源是否可以提供數據倉庫需要的數據。該項工作包括：(1)列出對事實表的每一個數據項和事實；(2)列出每一個維度屬性；(3)對于每個目標數據項，找出源數據項；(4)數據倉庫中一個數據元素有多個來源，學則最好的來源；

23、(5)確認一個目標字段的多個源字段，建立合并規(guī)則；(6)確認多個目標字段的一個源字段，建立分離規(guī)則；(7)確定默認值；(8)檢查缺失值的源數據。2數據抽取技術數據抽取時要考慮兩種情況： (1)當前值。源系統(tǒng)中存儲的數據都代表了當前時刻的值，當商業(yè)交易時，這些數據是會發(fā)生變化的。(2)周期性的狀態(tài)。這類數據存儲的是每次發(fā)生變化時的狀態(tài)。例如，對于每一保險索賠，都經過索賠開始、確認、評估和解決等步驟，都要考慮時間說明。在建立數據倉庫時，從某一特定時間開始的最初數據必須遷移到數據倉庫中，以使數據倉庫開始運轉，這是初始裝載。在初始裝載之后，數據倉庫必須保持更新，使變化的歷史和狀態(tài)可以在數據倉庫中反映出

24、來。數據抽取完成兩類數據的抽?。?1)靜態(tài)數據的抽取。一般在數據倉庫的初始裝載時抽取的是靜態(tài)數據，它代表了某個時刻的快照。(2)修正數據的抽取。它也稱為追加的數據抽取。修正數據的抽取過程包括特定時刻抽取的數據值，分為立即型數據抽取(實時的數據抽取)和延緩型的數據抽取。立即型數據抽取的典型方法是通過讀取交易日志抽取所有相關交易記錄。一般利用復制技術從交易日志中捕獲交易日志中的變化數據，從日志傳輸到目標文件中，并檢驗數據變化的傳輸情況，確保復制的成功。延緩型數據抽取的典型方法是，通過讀取源記錄中包括日期和時間的標記，抽取更新源記錄的數據。如果沒有時間標記的舊數據源，就要通過“快照對比技術”，即通過

25、比較源數據的兩個快照來抽取變化的數據。19、說明數據轉換的基本功能。數據轉換的基本功能：(1)選擇。從源系統(tǒng)中選擇整個記錄或者部分記錄。 (2)分離合并。對源系統(tǒng)中記錄中的數據進行分離操作或者對很多源系統(tǒng)中選擇的部分數據進行合并操作。(3)轉化。對字段的轉化包括對源系統(tǒng)進行標準化和使字段對用戶來說是可用和可理解的。(4)匯總。數據倉庫中需要保存很多匯總數據。這需要將最低粒度數據進行匯總。(5)清晰化。對單個字段數據進行重新分配和化簡的過程，使數據倉庫更便利使用。20、數據轉換有哪些類型。(1)格式修正。包括數據類型和單個字段長度的變化，例如在源系統(tǒng)中，產品類型通過代碼和名稱在數值型和文本類型中

26、表示，不同的源系統(tǒng)將會有所不同，對這些數據類型進行標準化，改變成更有意義的文本值。(2)字段的解碼。對所有晦澀的編碼進行解碼，將它們變成用戶可以理解的值。 (3)計算值和導出值。在數據倉庫中，有時需要用銷售和成本一起計算出利潤值。導出字段包括平均每天的收支差額和相關比率。(4)單個字段的分離。在舊系統(tǒng)中將客戶名稱、地址存放在大型文本字段中；姓和名存放在一個字段中；城市、地區(qū)和郵政編碼存放在一個字段中。在數據倉庫中卻需要將姓名和地址存放在不同的字段中，便利不同要求的分析工作。(5)信息的合并。例如，一個產品的信息可能從不同的數據源中獲得：產品編碼和產品名從一個數據源得到；相關包裝類型從另一個數據

27、源中得到；成本數據從第三個數據源中得到。信息合并是將產品編碼、產品名、包裝類型和成本的有機組合，成為一個新的實體。(6)特征集合轉化。例如，在源系統(tǒng)中數據采用EBCDIC碼，而數據倉庫數據采用ASCII碼這將要進行代碼集合的轉化。 (7)度量單位的轉化。使數據具有相同的標準度量單位。不少國家有自己的度量單位，需要在數據倉庫中采用標準度量單位。(8)日期時間轉化。日期和時間的表示應該轉化成國際標準格式。如2005年lo月15日在美國表示成Io152005，而在英國表示為15102005。標準格式為15 OCT 2005。(9)匯總。這種類型的轉換是創(chuàng)建數據倉庫的匯總數據。匯總數據適合于客觀戰(zhàn)略性

28、的查詢。(10)關鍵字重新構造。在源系統(tǒng)中關鍵字可能包含很多項的內容。如產品編碼包括倉庫代碼、銷售區(qū)域、產品編碼等多項內容。在數據倉庫中，關鍵字要發(fā)生變化，轉換成適合于事實表和維表的普通鍵值。21答：數據倉庫中最基本的元數據相當于數據庫系統(tǒng)中的數據字典。由于數據倉庫和數據庫有很大的不同，因此元數據的作用遠不是數據字典所能相比的。元數據在數據倉庫中有著舉足輕重的作用，它不僅僅定義了數據倉庫有什么，指明了數據倉庫中數據的內容和位置，刻畫了數據的抽取和轉換規(guī)則，存儲了與數據倉庫有關的各種商業(yè)信息，而且整個數據倉庫的運行都是基于元數據的，如數據的修改，跟蹤，抽取，裝入，綜合等。22答：關于數據源的元數

29、據是現有業(yè)務系統(tǒng)的數據源的描述信息，是對不同平臺上的數據源的物理結構和含義的描述，具體為：1，數據源中所有物理數據結構，包括所有的數據項及數據類型。2，所有數據項的業(yè)務定義。3，每個數據項更新的頻率，以及由誰或哪個過程更改過。4，每個數據項的有效值。5，其他系統(tǒng)中具有相同業(yè)務含義的數據項的清單。23答：關于數據模型的元數據描述了數據倉庫中有什么數據以及數據之間的關系，是用戶管理數據倉庫的基礎。這種元數據可以支持從數據倉庫中獲取數據。用戶可以提出需要哪些表，系統(tǒng)從中選一個表，并得到表之間的關系。重復該過程，用戶希望能夠得到希望的數據。24什么是關于數據模型的元數據？ 答：關于數據模型的元數據描述

30、了數據倉庫中有什么數據以及數據間的關系，支持用戶從數據倉庫中獲取數據。25什么是關于數據倉庫映射的元數據？答：關于數據倉庫映射的元數據，反映了數據源與數據倉庫數據之間的映射，以及數據項是從哪個特定的數據源抽取的，經過了哪些轉換、變換和裝載。26用于描述要素、數據集或數據集系列的內容、覆蓋范圍、質量、管理方式、數據的所有者、數據的提供方式等有關的信息。27元數據告訴數據倉庫如何按照主題查看數據倉庫的內容。 元數據提供已有的可以重復利用的 語言的信息。第三章作業(yè)周劼人1-3 郭朋4-6 王國梁7-8 旦增群培9-10 劉洋11-12 許赟昊13-14 杜海洋15-16 徐文松17-18 何金海19

31、-20 陶漢21-221. 聯機分析處理（OLAP）的簡單定義是什么？它體現的特征是什么。P40聯機分析處理是共享多維信息的快速分析。它體現在四個特征：（1）快速性（2）可分析性（3）多維性（4）信息性2. OLAP準則中的主要準則有哪些？P41（1） 多維概念視圖（2）透明性（3）可訪問性（4）一直穩(wěn)定的報表性能（5）客戶/服務器體系結構（6）維的等同性（7）動態(tài)的系數矩陣處理（8）多用戶支持能力（9）非限定的跨維操作（10）直觀的數據操作（11）靈活的報表生成（12）不受限制的維和聚集層次3.什么是維？關系數據庫是二維數據嗎？如何理解多維數據？P43維是人們觀察數據的特定角度。關系數據庫不

32、是二維數據，只是通過二維關系表示了數據的多維概念。多維數據就是從多個特定角度來觀察特定的變量。4.MDDB（Multi Dimensional Database, 多維數據庫）是以多維的方式組織數據，即以維作為坐標系，采用類似于數組的形式存儲數據。RDBMS（relational database management system，關系型數據庫管理系統(tǒng)）通過數據、關系和對數據的約束三者組成的數據模型來存放和管理數據MDDB特點：1. 數據庫中的元素具有相同的數值2. 多維數據庫表達清晰，3. 占用存儲少RDBMS的特點：1.數據以表格的形式出現2.每行為各種記錄名稱3.每列為記錄名稱所對應的

33、數據域4.許多的行和列組成一張表單5.若干的表單組成database5.1.數據存取速度ROLAP服務器需要將SQL語句轉化為多維存儲語句，臨時“拼合”出多維數據立方體。因此，ROLAP的響應時間較長。MOLAP在數據存儲速度上性能好，響應速度快。 2.數據存儲的容量ROLAP使用的傳統(tǒng)關系數據庫的存儲方法，在存儲容量上基本沒有限制。MOLAP通常采用多平面疊加成立體的方式存放數據。當數據量超過操作系統(tǒng)最大文件長度時，需要進行數據分割。多維數據庫的數據量級難以達到太大的字節(jié)級。 3.多維計算的能力MOLAP能夠支持高性能的決策支持計算。ROLAP無法完成多行的計算和維之間的計算。4.維度變化的

34、適應性MOLAP增加新的維度，則多維數據庫通常需要重新建立。ROLAP對于維表的變更有很好的適應性。5.數據變化的適應性當數據頻繁的變化時，MOLAP需要進行大量的重新計算，甚至重新建立索引乃至重構多維數據庫。在ROLAP中靈活性較好，對于數據變化的適應性高。6.軟硬件平臺的適應性ROLAP對軟硬件平臺的適應性很好，而MOLAP相對較差。7.元數據管理目前在元數據的管理，MOLAP和ROLAP都沒有成形的標準。 6.在HOLAP中，對最常用的維度和維層次，使用多維數據表來存儲，對于用戶不常用的維度和數據，采用ROLAP星型結構來存儲。7多維數據顯示的兩種方法：關系數據庫方式和多維數據庫方式。關

35、系數據庫可以顯示更多維的數據，但用事實表顯示多維數據時，重復數據很多，也很繁瑣；多維數據庫雖然不能同時顯示三維以上數據，但顯示的數據很精煉。8多維類型結構：每一個維度用一條線段來表示，維度上的每個成員都用線段上一個單位區(qū)間來表示。例如，用三個線段分別表示時間、產品和指標三個維的多維類型結構：9.舉例說明四維數據顯示？ 答·10.舉例說明六位數據顯示？答：11、多維數據顯示的經驗規(guī)則是什么？答：多維數據的顯示只能在平面上展現出來，用多維數據庫顯示時，不能同時顯示三維以上數據，但可以固定一些維成員，重點顯示兩維維數據。最有效表示多維數據使用多維類型結構（MTS），即每一維用一條線段表示，

36、維度中每一個成員都用線段上的一個區(qū)間表示。還可以使用行、列和頁表三個顯示組來表示。 經驗規(guī)則：1. 將維度盡量放在頁中，除非確定需要同時看到一個維度的多個成員；2. 當維度嵌套在行貨列中時，考慮到垂直空間比水平空間更有用，所以講維度嵌套在列中比嵌套在行中要好；3. 在決定數據的屏幕顯示方式前，應首先弄清楚需要查找和分析比較的內容；12、舉例說明OLAP的多維數據分析的切片操作。答：切片就是在某兩個維上取一定區(qū)間的維成員或全部維成員。如用三維數組表示為（地區(qū)，時間，產品，銷售額），如果在地區(qū)維度上選定一個維成員，就可以得到在該地區(qū)的一個切片（關于時間和產品的切片）。13比如部門銷售數據表中部門1

37、的銷售額為900元，對時間維進行下鉆操作，可以得到各個季度分別的銷售額為多少。14（1） 切片：切片就是在某兩個維上取一定區(qū)間的為成員或全部維成員，而在其余的維上選定一個維成員的操作。切片的作用就是舍棄一些觀察角度，使人們能在兩個維上集中觀察數據。（2） 切塊：切塊分兩種情況：（1）在多維數據的某一個維上選定某一區(qū)間的維成員的操作。（2）選定多維數組的一個三維子集的操作。切塊可以看成是在切片的基礎上確定某一個維成員的區(qū)間得到的片段，也即由多個切片疊合起來的。（3） 鉆?。合蛳裸@取是使用戶在多層數據中能通過導航信息而獲得更多的細節(jié)性數據，向上鉆取獲取概括性信息。（4） 旋轉：通過旋轉可以得到不同

38、視角的數據，旋轉操作相當于平面數據將坐標軸旋轉。15、廣義OLAP功能如何提高多維數據分析能力。廣義OLAP功能主要是通過四個模型逐層深入從而提高多維數據分析能力。這四個模型分別是：(1)絕對模型它屬于靜態(tài)數據分析，通過比較歷史數據值或行為來描述過去發(fā)生的事實。該模型查詢比較簡單，綜合路徑是預先定義好的，用戶交互少。(2)解釋模型它也屬于靜態(tài)數據分析，分析人員利用系統(tǒng)已有的多層次的綜合路徑層層細化，找出事實發(fā)生的原因。(3)思考模型它屬于動態(tài)數據分析，旨在說明在一維或多維上引入一組具體變量或參數后將會發(fā)生什么。分析人員在引入確定的變量或公式關系時，必須創(chuàng)建大量的綜合路徑。(4)公式模型它的動態(tài)

39、數據分析能力更高，該模型表示在多個維上，需要引入哪些變量或參數，以及引入后所產生的結果。16、說明數據立方體的概念數據立方體的概念是1996年，Jim Gray等首次提出的。數據立方體是實現多維數據查詢與分析的一種重要手段。實質上，數據立方體就是數據倉庫結構圖中的綜合數據層。從此，基于數據立方體的生成方法一直是OLAP和數據倉庫領域研究者所關注的熱點問題。多數據集的屬性分為維屬性和度量屬性。維數性是觀察數據對象的角度，而度量屬相則反映數據對象的特征。對于多維數據分析而言，本質上是沿著不同的維度進行數據獲取的過程。在數據立方體中，不同維度組合構成了不同的子立方體，不同維值的組合機器對應的度量值構

40、成相應的對于不同的查詢和分析。因此，數據立方體的構建和維護等計算方法成為了多維數據分析研究的關鍵問題。17答：OLAP的邏輯結構由OLAP視圖和數據存儲兩部分組成。OLAP視圖：對于用戶來說它是數據倉庫或數據集市中數據的多維邏輯表示，不管數據怎么存儲和存儲在何處。數據存儲：要求選擇數據實際存儲方式和實際存儲位置，兩種常用的選擇是多維數據存儲和關系數據存儲。18答：OLAP的物理結構包括基于數據存儲的兩種方式：多維數據存儲和關系數據存儲。多維數據存儲主要有兩種選擇：多維數據存儲于客戶端或OLAP服務器。在第一種情況，多維數據存儲于客戶端，數據分析也在客戶端，這樣形成了“胖”客戶端，這是一種兩層客

41、戶/服務器的物理結構。在第二種情況，多維數據存儲放在OLAP服務器中，抽取數據倉庫中的數據，然后將其轉換成多維數據結構，并把OLAP服務器傳給客戶端，這時客戶端就變成了“瘦”客戶端，這是一種經典的三層客戶/服務器物理結構。19說明濃縮立方體的壓縮方法和效果。答：濃縮立方體計算方法的基本原理是，在某些屬性或組合下的一個元組相對于其他元組具有唯一性，則稱為基本單一組(BST)，當它的超集也是BST，且都是取同一度量值，在聚集運算時，可以把這些屬性的度量值對應的元組壓縮成一條元組存儲。一般來說，濃縮立方體的壓縮率可以達到30%-70%。20.多維數據分析的MDX語言與數據庫的SQL語言有什么不同？答

42、：MDX語言結合了多維數據集，指定“維度”(ON子句)和“創(chuàng)建表達式計算的新成員”(MEMBER子句)，這樣就可以來從多維數據集中挖掘出指定的數據。21MDX提供的函數children來完成這個操作。Children 函數返回一個自然排序的集，該集包含指定成員的子成員。 如果指定的成員沒有子成員，則此函數返回一個空集。示例下例將返回 Geography 維度中 Geography 層次結構的 United States 成員的子成員。SELECT Geography.Geography.Country.&United States.Children ON 0FROM

43、 Adventure Works22用相應的表達式函數來計算。第四章作業(yè)周劼人1-3 郭朋4-6 王國梁7-9 旦增群培10-12 劉洋13-15 許赟昊16-18 杜海洋19-21 徐文松22-24 何金海25-27 陶漢28-301. 數據倉庫的需求分析的任務是什么？P67需求分析的任務是通過詳細調查現實世界要處理的對象（企業(yè)、部門用戶等），充分了解源系統(tǒng)工作概況，明確用戶的各種需求，為設計數據倉庫服務。概括地說，需求分析要明確用那些數據經過分析來實現用戶的決策支持需求。2. 數據倉庫系統(tǒng)需要確定的問題有哪些？P67、（1） 確定主題域a) 明確對于決策分析最有價值的主題領域有哪些b) 每

44、個主題域的商業(yè)維度是那些？每個維度的粒度層次有哪些？c) 制定決策的商業(yè)分區(qū)是什么？d) 不同地區(qū)需要哪些信息來制定決策？e) 對那個區(qū)域提供特定的商品和服務？（2） 支持決策的數據來源a) 那些源數據與商品的主題有關？b) 在已有的報表和在線查詢（OLTP）中得到什么樣的信息？c) 提供決策支持的細節(jié)程度是怎么樣的？（3） 數據倉庫的成功標準和關鍵性指標a) 衡量數據倉庫成功的標準是什么？b) 有哪些關鍵的性能指標？如何監(jiān)控？c) 對數據倉庫的期望是什么？d) 對數據倉庫的預期用途有哪些？e) 對計劃中的數據倉庫的考慮要點是什么？（4） 數據量與更新頻率a) 數據倉庫的總數據量有多少？b)

45、決策支持所需的數據更新頻率是多少？時間間隔是多長？c) 每種決策分析與不同時間的標準對比如何？d) 數據倉庫中的信息需求的時間界限是什么？3. 實現決策支持所需要的數據包括哪些內容？P68（1）源數據（2）數據轉換（3）數據存儲（4）決策分析4概念：將需求分析過程中得到的用戶需求抽象為計算機表示的信息結構，叫做概念模型。特點：（1）能真實反映現實世界，能滿足用戶對數據的分析，達到決策支持的要求，它是現實世界的一個真實模型。（2）易于理解，便利和用戶交換意見，在用戶的參與下，能有效地完成對數據倉庫的成功設計。（3）易于更改，當用戶需求發(fā)生變化時，容易對概念模型修改和擴充。（4）易于向數據倉庫的數

46、據模型（星型模型）轉換。5用長方形表示實體，在數據倉庫中就表示主題，橢圓形表示主題的屬性，并用無向邊把主題與其屬性連接起來；用菱形表示主題之間的聯系，用無向邊把菱形分別與有關的主題連接；若主題之間的聯系也具有屬性，則把屬性和菱形也用無向邊連接上。6數據庫的概念模型設計主要采用E-R概念模型的設計方法。數據倉庫的概念模型設計主要采用E-R概念模型和面向對象的分析方法。7 .圖4.1所示的概念模型：商品和客戶是兩個主題，商品的銷售信息等同于客戶的購物信息，而每個商品具有本身的商品固有信息和商品號，還有就是商品的庫存信息；客戶具有自己的固有信息，還有就是客戶號。8.邏輯模型：計算機所支持的有E-R圖

47、轉換成的數據模型，數據的邏輯結構 數據倉庫的邏輯模型：星型模型9.數據倉庫的邏輯模型：用來構建數據倉庫的數據庫邏輯模型。在數據庫中，邏輯模型有關系、網狀、層次，可以清晰的表示各個關系。10.舉例說明從數據倉庫的概念模型到邏輯模型的轉換?答：概念模型是對每個決策與屬性及主體之間的關系用E-R圖來表示的，E-R圖能有效的將現實的世界表示成信息世界，他利于向計算機的表示形式進行轉化。而邏輯模型設計是需求分析主題域，將概念模型E-R圖轉化為邏輯模型，即計算機表示的數據模型，數據倉庫的數據模型一般采用星型模型。例如 概念模型設計時，確定了商品和客戶兩個主題。其中商品對于商場來說是更基本的業(yè)務對象，商品的

48、業(yè)務有銷售、采購、庫存。其中商品銷售時最重要的業(yè)務。它是進行決策分析的重要方面。星型模型的設計如下：確定決策分析需求，數據倉庫是面向決策分析的，決策需求是建立多維數據模型的依據。例如分析銷售額趨勢，對商品的銷售量，促銷手段對銷售的影響。從需求中識別出事實，從決策主題確定的情況下，選擇或設計反映決策主體業(yè)務表。例如在商品主題中，以銷售數據為事實表。確定維，確定影響事實的各種因素，對銷售業(yè)務的維一般的包括商店，地區(qū)，部門，城市，時間，商品等。確定數據匯總的水平，存在于數據倉庫中的數據包括匯總的數據。數據倉庫中對數據不同粒度的綜合形成了多層次的數據結構。例如 對于時間維，可以用年 月 日 不同水平進

49、行匯總。設計事實表和維表，設計事實表和維表的屬性，再事實表中應該記錄哪些屬性是有維表的數量來決定的，一般來說，與事實表相關的維表的數量應該適中，太少的維表會影響查詢的質量，用戶得不到需要的數據，太多的數據會影響查詢的速度。11. 在數據倉庫中為什么考慮數據的粒度層次劃分？答： 所謂的粒度是指數據倉庫宗數據單元的詳細程度和級別，數據越詳細，粒度越小，層次級別九月低；數據綜合度越高，粒度越大，層次級別就越高。在傳統(tǒng)事務處理系統(tǒng)中，對數據的處理，操作都是再詳細數據級別上的，即最低的粒度。但是數據倉庫環(huán)境中主要是分析處理，粒度的劃分鍵直接影響數據倉庫中數據量以及所適合的查詢類型。一般需要將數據劃分為詳

50、細數據，輕度綜合，高度綜合三級或更多及粒度。不同粒度級別的數據用于不同類型的分析處理。力度的劃分是數據倉庫設計工作的一項重要內容，粒度劃分是否適當影響數據倉庫性能的一個重要方面。12.數據倉庫的記錄系統(tǒng)包括什么內容，舉例說明？答：數據倉庫中的數據來源與多個已經存在的事務處理系統(tǒng)外部系統(tǒng)，由于各個原系統(tǒng)的數據是面向應用的，不能完整地描述企業(yè)中的主題域，并且多個數據源的數據存在者許多不一致，因此要從數據倉庫的概念模型出發(fā)，結合主題的多個表的關系模式，需要確定現有系統(tǒng)的哪些數據能較好地適應數據的需求。這就要求選擇最完整的、最及時的、最準確的、最接近外部實體源的數據作為記錄系統(tǒng)，同時這些數據所在的表的

51、關系模式接近于構成主體的多個標的關系模式。記錄系統(tǒng)的定義要記入數據倉庫的元數據。13、什么是物理模型？數據倉庫的物理模型設計包括哪些工作？答：物理模型就是邏輯模型在計算機中的物理結構，其中包括存儲結構和存取方法；數據倉庫的物理模型設計的工作包括：估計存儲容量、確定數據的存儲計劃、確定索引策略、確定數據存放位置和確定存儲分配。14、為什么數據倉庫物理模型設計中要建立匯總計劃和確定數據分區(qū)方案？答：如果數據倉庫只存儲最小粒度的數據，每次查詢遍歷所有的明細記錄，然后生成匯總信息，這會造成很大的開銷，因此要建立匯總計劃； 分區(qū)可以將表分解成易于管理的小表，對事實表的分區(qū)醫(yī)保采用垂直分區(qū)或水平分區(qū)，這樣

52、使得大表被分成小表，因此要建立分區(qū)方案。15、說明圖4.8中邏輯模型與物理模型的區(qū)別。答：邏輯模型表現出各數據元素間直接或間接的關系，并體現主題域的結構，而且說明各個表所包含的元素。而物理模型要體現在計算機中的物理結構，所以有各個表元素的類型和長度。在圖4.8中，產品維表的主鍵為產品鍵，我們只能在邏輯模型中得到這個信息，而在物理模型中，產品鍵為integer類型，長度為10，這是在計算機中的存儲結構。16.概念模型：E-R圖邏輯模型：星型模型物理模型：存儲結構、索引、數據存放位置、存儲分配。17.（1）位索引技術Bit-Wise索引技術B-Tree索引技術（2）表示技術（3）廣義索引18.因為

53、B-Tree索引增加了在數據倉庫中構造和維護索引的代價；B-Tree不適合復雜查詢19、數據倉庫中采用標識技術有什么好處。答：使用標準的數據庫技術來儲存數據倉庫是非常昂貴的。較好的替代方法是用基于標識的技術來儲存數據倉庫。一旦將基于標識的數據庫存放在內存中，處理速度會得到很大的提高。數據越多，標識數據比標準的、基于記錄的數據更有利。因為數據被大量壓縮，所以整個數據庫可以存放在內存中?？梢运饕械男泻退械牧?。20、數據倉庫的廣義索引時什么時候建立的？簡單說明原因。答：在從操作型環(huán)境抽取數據并向數據倉庫中裝載的同時，就可以根據用戶的需要建立許多“廣義索引”。每次數據倉庫裝載時，就重新生成這些“

54、廣義索引”的內容。這樣并不需要為了建立“廣義索引”而去掃描數據倉庫。而且這些索引都非常小，開銷也是相當小，但它給應用所帶來的便利卻是顯而易見的。對于一些經常性的查詢，利用一個規(guī)模小得多的“廣義索引”總比去搜索一個大得多的關系表方便得多。21、說明數據倉庫開發(fā)的四個階段和12個步驟答：如下圖所示發(fā)：分為分析設計階段；數據獲取階段；決策支持階段；維護與評估階段。22. 數據獲取階段包括數據抽取，數據轉換，數據裝載3個步驟。數據抽?。簲祿槿≈饕M行數據源的確認，確定數據抽取技術，確認數據抽取頻率，按照時間要求抽取數據。數據轉換：數據抽取得到的數據不能直接存入數據倉庫的。數據轉換工作包括：數據格式的

55、修改，字段的解碼，單個字段的分離，信息的合并，變量單位的轉化，時間的轉化，數據匯總等。數據裝載：數據裝載包括初始裝載，增量裝載，完全刷新。23. 數據倉庫的簡歷就是要達到決策支持的目的。決策支持階段包括信息查詢和知識探索兩個步驟。信息查詢：信息查詢者使用數據倉庫發(fā)現目前存在的問題。為適應信息查詢者的要求，數據倉庫一般采用如下的方法提高信息查詢效率：創(chuàng)建數據陳列，預連接表格，預聚集數據，聚類數據。知識探索：只是探索者使用數據倉庫能對發(fā)現的問題找出原因。24. 維護與評估階段包括數據倉庫增長，數據倉庫維護，數據倉庫評價。數據倉庫增長：數據倉庫建立以后，隨著數據用戶的不斷增加，時間的曾增長，用戶查詢

56、需求更多，數據會迅速增長。數據倉庫維護：數據倉庫維護包括適應數據倉庫增長的維護和正常系統(tǒng)維護兩類。數據倉庫評估：數據倉庫評估包括系統(tǒng)性能評定，投資回報分析，數據質量評估。25.概括說明“概念模型、邏輯模型、物理模型”分別是什么樣的數據模型？答：將需求分析過程中得到的用戶需求抽象為計算機表示的信息結構，即概念模型。邏輯模型是由概念模型進一步轉化成計算機支持的數據模型。物理模型是邏輯模型設計的數據模型適應應用要求在計算機中的存儲結構和存取方法。26.數據倉庫索引技術包括哪些內容？答：位索引技術、標識技術、廣義索引。27.為什么B-Tree索引不適合數據倉庫？答：1、B-Tree只適合于高基數字段，但對于低基數字段毫無價值。2、B-Tree索引需占一定的空間和時間，增加了在數據倉庫中構造和維護索引的代價。3、數據倉庫應用中常常是復雜的查詢，并經常帶有分組及聚合條件，此時B-Tree索引往往無能為力。28. 當有一個或多個維表沒有直接連接到事實表上，而是通過其他維表連接到事實表上時，其圖解就像多個雪花連接在一起，故稱