數據倉庫與數據分析教程（簡體書）

數據倉庫技術和數據分析技術是信息領域的核心技術之一，是基於海量數據的決策支持系統體系化環境的核心。
《普通高等教育“十一五”國家級規劃教材：數據倉庫與數據分析教程》詳盡地介紹了數據倉庫和數據分析技術的基本概念和基本原理，建立數據倉庫和進行數據分析的方法和過程。全書分為數據倉庫技術篇、連線分析處理技術篇、數據挖掘技術篇三部分，共10章。附錄中介紹了一些典型的數據倉庫產品和工具。
《普通高等教育“十一五”國家級規劃教材：數據倉庫與數據分析教程》可以作為高等學校計算機專業、信息管理專業以及其他相關專業本科生和研究生的教材和參考書，也可以作為企事業單位信息管理部門及相關行業從事數據庫和數據倉庫的研究與開發人員、數據分析人員和管理人員的參考資料。．

《普通高等教育"十一五"國家級規劃教材:數據倉庫與數據分析教程》可以作為高等學校計算機專業、信息管理專業以及其他相關專業本科生和研究生的教材和參考書，也可以作為企事業單位信息管理部門及相關行業從事數據庫和數據倉庫的研究與開發人員、數據分析人員和管理人員的參考資料。

第一篇數據倉庫技術
第一章從數據庫到數據倉庫
1.1數據倉庫產生的原因
1.1.1操作型數據處理
1.1.2分析型數據處理
1.1.3兩種數據處理模式的差別
1.1.4數據庫系統的局限性
1.2數據倉庫的基本概念
1.2.1主題與面向主題
1.2.2數據倉庫的其他三個特徵
1.2.3數據倉庫的功能
1.3數據倉庫的體系結構
1.3.1體系結構
1.3.2數據集市
小結
習題
第二章操作數據存儲
2.1什麼是ODS
2.1.1ODS的定義及特點
2.1.2ODS的功能和實現機制
2.2DB～ODS～DW體系結構
2.2.1ODS與DW
2.2.2DB～ODS～DW三層體系結構
小結
習題
第三章數據倉庫中的數據及組織
3.1數據倉庫中的數據組織
3.2數據倉庫中數據的追加
3.3數據倉庫中的元數據
3.3.1元數據的定義
3.3.2元數據的分類
3.3.3元數據管理的標準化
小結
習題

第二篇連線分析處理技術
第四章概述及模型
4.1OLAP技術概述
4.1.1OLAP的起源
4.1.2OLAP的定義
4.1.3OLAP與OLTP的區別
4.1.4OLAP核心技術
4.2多維數據模型
4.2.1基本概念
4.2.2星形、雪片和事實群模型
4.3多維分析操作
4.3.1多維分析基礎：聚集
4.3.2常用多維分析操作
4.3.3其他多維分析操作
4.3.4聚集的一些限制
4.3.5水平層次結構和非水平層次結構
4.4多維查詢語言
4.4.1MDX簡介
4.4.2MDX對象模型
4.5多維數據展示
4.5.1三維數據展示
4.5.2高維數據展示
小結
習題
第五章數據方體的存儲、預計算和縮減
5.1數據方體的存儲
5.1.1MOLAP
5.1.2ROLAP
5.1.3MOLAP和ROLAP實現機制的比較
5.2數據方體的預計算
5.2.1預計算的相關概念
5.2.2數據方體格結構
5.2.3數據方體格存儲方法
5.3完整數據方體的預計算方法
5.3.1流水線算法
5.3.2BUC算法
5.4部分數據方體的預計算方法
5.4.1BPUS算法
5.4.2PBS算法
5.5數據方體的縮減技術
5.5.1Drawf數據方體
5.5.2Condensed數據方體
5.5.3Quotient數據方體
小結
習題
第六章數據方體的索引、查詢和維護
6.1數據方體的索引技術
6.1.1樹索引
6.1.2位圖索引
6.2數據方體的查詢處理和優化技術
6.2.1子查詢劃分技術
6.2.2子查詢處理及優化技術
6.3數據方體的維護技術
小結
習題

第三篇數據挖掘技術
第七章數據挖掘概述
7.1數據挖掘簡介
7.1.1數據挖掘的特點
7.1.2數據挖掘與KDD
7.1.3數據挖掘與OLAP
7.1.4數據挖掘與數據倉庫
7.1.5數據挖掘的分類
7.1.6數據挖掘的應用
7.2數據挖掘算法的組件化思想
7.2.1模型或模式結構
7.2.2數據挖掘的任務
7.2.3評分函數
7.2.4搜索和優化方法
7.2.5數據管理策略
7.2.6組件化思想的應用
小結
習題
第八章頻繁模式挖掘
8.1頻繁項集和關聯規則
8.1.1問題描述
……
第九章預測建模：分類和回歸
第十章描述建模：聚類
附錄產品與工具
參考文獻．

2.數據存儲
如前所述，MOLAP以多維數組為主要存儲結構，聚集計算通過數組下標的直接偏移進行。ROLAP以傳統的關系數據庫系統為基礎，以關系表為主要存儲結構。
在數據的存儲容量上，由于關系數據庫的技術較為成熟，因此ROLAP占優勢，并且可以支持的維數也較MOLAP多。但值得注意的是，限制MOLAP數據量的不是維數，而是數據單元數。如果MOLAP能在數據單元的存儲管理上有進一步的提高，再輔之以高效的稀疏處理能力，其數據量也可以達到很大。另一點需要注意的是，盡管ROLAP的數據容量大，但為了提高分析響應速度，須構造大量的中間表（即預綜合，以避免重復連接），因此數據冗余度也大。
3.數據存取
在前面已經提到，由于ROLAP是用關系表來模擬多維數據，因此其存取較MOLAP復雜。首先用戶的分析請求由ROLAP服務器轉為SQL請求，然后交由RDBMS處理，處理結果經多維處理后返回給用戶，而且SQL并非可以處理所有的多維分析和計算工作，有些時候只能依賴附加的應用程序來完成。而MOLAP可以利用多維查詢語言（如MDX）或其他方式直接將用戶查詢轉為MOLAP可以處理的形式，基本不借助附加程序。
4.適應性
可以從以下幾個不同方面對MOLAP和ROLAP的適應性進行比較。
（1）適應分析維數動態變化
由于MOLAP的預綜合度相當高（85％以上），因而增加一維則數據方體的規模會迅猛增長。而ROLAP的預綜合度相當靈活，大多根據用戶需要進行，一般在85％以下，增加一維意味著增加一些維表及與用戶分析相關的綜合表，還有事實表中的相應內容，相對來說比較容易。
（2）適應數據變化
同樣，因為MOLAP的預綜合度高，因此當數據或計算頻繁變化時，其重新計算量相當大，甚至需要重新構建多維數據庫。相比而言，ROLAP的預綜合度低，適應數據變化的范圍大。
（3）適應海量數據
由于RDBMS已有20多年的歷史，其技術上比較成熟，加之近年來并行處理技術的發展和應用，ROLAP在適應海量數據上的能力強于MOLAP。
（4）適應軟硬件的能力
理由同上，ROLAP在軟硬件上的適應力明顯強于MOLAP。
盡管ROLAP在適應性方面明顯強于MOLAP，但這種差距是歷史造成的。可以預見，隨著時間的推移，MOLAP的技術會不斷成熟，像并行處理等RDBMS上用到的技術也會逐漸用到MOLAP上來。