数据挖掘--数据仓库与联机分析处理

数据挖掘--引论

数据挖掘--认识数据

数据挖掘--数据预处理

数据挖掘--数据仓库与联机分析处理

数据挖掘--挖掘频繁模式、关联和相关性:基本概念和方法

数据挖掘--分类

数据挖掘--聚类分析:基本概念和方法


什么是数据仓库

(面集时非)

  • 面向主题的:围绕某一主题来构建
  • 集成的:图片文字杂糅在一起
  • 时变的:随时间变化的数据
  • 非易失的:硬盘存放,不易丢失

操作数据库系统(OLTP)与数据仓库(OLAP)区别

(用户、设计、访问、视图、内容)

  • 用户和系统的面向性:OLTP是面向顾客,OLAP是面向市场进行数据分析
  • 数据内容:OLTP提供当前数据,OLAP提供历史数据
  • 数据库设计:OLTP采用实体-联系(ER),OLAP采用星形或雪花
  • 视图:OLTP一个具体部门,OLAP全部统计
  • 访问模式:OLTP某条,OLAP全部

为什么需要分离的数据仓库

  • 有助于提高两个系统的性能
  • 两种系统中数据的结构、内容和用法都不相同

星形、雪花形和事实星座

星形(一对多)、雪花(有二级)、事实星座(交叉)

1.星型模式的核心是一个大的中心表(事实表),一组小的附属表(维表)。星型模式示例如下所示:

2.雪花模式是星型模式的扩展,其中某些维表被规范化,进一步分解到附加表(维表)中。雪花模式示例如下图所示:

从图中我们可以看到地址表被进一步细分出了城市(city)维。supplier_type表被进一步细分出来supplier维。

3.事实星座模式(Fact Constellation)或星系模式(galaxy schema)

数据仓库由多个主题构成,包含多个事实表,而维表是公共的,可以共享,这种模式可以看做星型模式的汇集,因而称作星系模式或者事实星座模式。本模式示例如下图所示。

度量的分类和计算

  • 分布的:划分与不划分的数据集的结果一样
  • 代数的:由几次的分布式函数通过加减乘除的计算得到
  • 整体的:对整个数据集进行操作的(如rank)

索引OLAP数据

位图索引

有n的属性改成n列,有这个属性就是1,没有就是0

连接索引

通过一列相同的字段连接

相关推荐
元媛媛6 小时前
数据仓库概要
数据仓库
cg.family6 小时前
Doris 数据仓库例子
数据仓库·doris
TDengine (老段)6 小时前
从 ETL 到 Agentic AI:工业数据管理变革与 TDengine IDMP 的治理之道
数据库·数据仓库·人工智能·物联网·时序数据库·etl·tdengine
云天徽上9 小时前
【数据可视化-107】2025年1-7月全国出口总额Top 10省市数据分析:用Python和Pyecharts打造炫酷可视化大屏
开发语言·python·信息可视化·数据挖掘·数据分析·pyecharts
THMAIL9 小时前
机器学习从入门到精通 - 数据预处理实战秘籍:清洗、转换与特征工程入门
人工智能·python·算法·机器学习·数据挖掘·逻辑回归
Daisy_JuJuJu10 小时前
【科研成果速递-IJGIS】如何描述与分类移动对象的时空模式?一个新的分类框架与体系!
分类·数据挖掘·科研·运动模式·移动对象
BYSJMG11 小时前
计算机毕设大数据方向:基于Spark+Hadoop的餐饮外卖平台数据分析系统【源码+文档+调试】
大数据·hadoop·分布式·python·spark·django·课程设计
zzywxc78715 小时前
AI在金融、医疗、教育、制造业等领域的落地案例(含代码、流程图、Prompt示例与图表)
人工智能·spring·机器学习·金融·数据挖掘·prompt·流程图
IT研究室19 小时前
大数据毕业设计选题推荐-基于大数据的宫颈癌风险因素分析与可视化系统-Spark-Hadoop-Bigdata
大数据·hadoop·spark·毕业设计·源码·数据可视化·bigdata
闯闯桑19 小时前
toDF(columns: _*) 语法
开发语言·前端·spark·scala·apache