数据仓库多维数据集中应用了哪些数据结构和算法?

有一本好书描述了SSAS实现的许多内部细节,包括存储和查询机制细节:

http://www.amazon.com/Microsoft-Server-Analysis-Services-Unleashed/dp/0672330016

在星型模式数据库中,事实通常是以最好的粒度获取和存储的。

那么让我们以图10中的SalesFact示例为例 http://www.ciobriefings.com/Publications/WhitePapers/DesigningtheStarSchemaDatabase/tabid/101/Default.aspx

现在,谷物是产品,时间(在一天的粒度),存储。

假设您希望按月汇总,预聚合(这个特定示例不太可能需要预聚合,但是如果按客户详细说明了销售情况,则按分钟进行预聚合可能是必要的)。

然后,您每月都会有一个SalesfactMonthly(或者在现有事实表中添加一个谷物歧视,因为维度是相同的-有时在聚合中,您实际上可能会像丢失谷物一样丢失维度,例如,如果您只需要按商店而不是按产品)。

ProductID
TimeID (only linking to DayOfMonth = 1)
StoredID
SalesDollars

你可以这样做:

INSERT INTO SalesFactMonthly (ProductID, TimeID, StoreID, SalesDollars)
SELECT sf.ProductID
    ,(SELECT TimeID FROM TimeDimension WHERE Year = td.Year AND Month = td.Month AND DayOfMonth = 1) -- One way to find the single month dimension row
    ,sf.StoreID
    ,SUM(sf.SalesDollars)
FROM SalesFact AS sf
INNER JOIN TimeDimension AS td
    ON td.TimeID = sf.TimeID
GROUP BY td.Year, td.Month

在立方体中发生的事情基本上是将细粒度星体和预聚集在一起——但每个实现都是专有的——有时甚至可能在立方体中没有最好的粒度数据,因此无法对其进行报告。但是,您可能希望分割数据的每一种方法都需要存储在该粒度上,否则您就无法以这种方式生成分析。

通常,数据仓库使用关系数据库,但这些表不像操作关系数据库那样规范化。

数据仓库是面向主题的。数据仓库主题表通常具有以下特征:

• 许多指标。

• 除了查找表外,没有联接。

• 重复的数据,主题表是 高度非规范化。

• 包含派生和聚合信息。

数据仓库中的数据库表按星型模式排列。星型模式基本上是一个带有查找表数组的主题表。查找表的键是主题表中的外键。如果绘制主题表的实体关系图,则查找表将围绕主题表,如星点。

至于查询,这取决于主题表和行数。通常,查询需要很长时间(几分钟,有时几小时)。

下面是一篇一般性的文章: Developing a Data Warehouse Architecture

以下是星型模式设计的高级概述: Designing the Star Schema Database