数据仓库系统中渐变维度更新策略的研究

数据仓库通常按多维模型组织数据,随时间的推移,维度不可避免地会发生变化,此时,需要及时对维度进行更新,以免影响数据仓库中数据的准确性。首先从理论上总结了数据仓库系统中维度更新的经典策略。针对复杂需求,需要混合使用基本渐变维度来实现更新,同时提出了一种将清除旧数据和保存历史相结合的方法,可进一步提高决策分析的高效性。

渐变维度转换及其实现

在SQL Server 2005中，BI（Business Intelligence，商业智能）模块功能得以大大的增强。其中有一个重要的模块，被称为SQL Server Integrated Services（SSIS），即SQL Server数据库集成服务，其主要作用是对业务数据库或OLTP数据库中的数据进行抽取、转换和加载（Extract—Transform—Load，ETL）到数据仓库（Data Warehouse），以便针对需求对业务数据进行下一步的数据仓库建模和数据分析等工作。渐变维度转换（Slowly Changing Dimension）是SSIS集成服务中的一个重要组件，本文主要探讨实际项目的实施过程中遇到的渐变维度转换组件效率低下的问题并提出一种解决方法。

数据仓库驱动的多维度值勤数据统计分析方法

值勤是各类小区、校园等大型场所安保任务中最重要的组成部分。对执勤数据的有效分析对于了解工作动态、辅助领导决策方面具有重要意义。针对该业务数据的多源、有序、多维度、非静态等特点,本文基于数据仓库技术提出了一种面向多源、多维度的业务数据统计分析方法。通过综合运用渐变维度、配置化物化视图生成、物化视图的增量变更以及物化视图动态选择技术,实现统计数据的高效查询。对某单位历史勤务数据的分析验证结果表明,该方法在该类业务数据统计分析的准确性、高效性、可扩展性等方面均取得了良好效果,在掌握整体工作态势、进行业务管理决策上提供了良好的技术支撑。

数据仓库维度建模技术及其应用研究

数据仓库现今已被各种规模的机构广泛使用,维度建模技术作为展示数据仓库的主导技术,在数据仓库的应用中起着关键作用.研究数据仓库的维度建模技术,提出了对于变化维度的处理方法,根据维度属性与时间的关系,将维度属性划分成稳定维度、渐变维度与快变维度.阐述了跟踪事实表中历史数据的方法,在渐变维度的处理方法中,讨论了自然关键字与代理关键字的不同作用与具体用法,在快变维度的处理方法中讨论了“微型维度”与“预设波段”概念与作用.并结合基于数据仓库技术的公共课程评估系统,给出了系统数据仓库维度模型的设计方案,对渐度维度与快变维度的处理策略,以及应用相关维度属性进行联机分析处理的结果.