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
rylshe131437 分钟前
spark sql基本操作
sql·spark
zeroporn39 分钟前
在Mac M1/M2上使用Hugging Face Transformers进行中文文本分类(完整指南)
macos·分类·数据挖掘·nlp·transformer·预训练模型·文本分类
富能量爆棚1 小时前
Spark缓存-cache
大数据·spark
猪猪果泡酒2 小时前
Spark,RDD中的转换算子
大数据·分布式·spark
TDengine (老段)2 小时前
TDengine 做为 Spark 数据源
大数据·数据库·物联网·ajax·spark·时序数据库·tdengine
lilye6611 小时前
精益数据分析(53/126):双边市场模式指标全解析与运营策略深度探讨
数据挖掘·数据分析
CONTONUE12 小时前
运行Spark程序-在Idea中(二)
大数据·spark·intellij-idea
计算机人哪有不疯的12 小时前
图文展示HDFS、YARN、MapReduce三者关系
大数据·spark
BioRunYiXue12 小时前
一文了解氨基酸的分类、代谢和应用
人工智能·深度学习·算法·机器学习·分类·数据挖掘·代谢组学
Blossom.11815 小时前
低代码开发:开启软件开发的新篇章
人工智能·深度学习·安全·低代码·机器学习·计算机视觉·数据挖掘