数据仓库与OLAP实践教程PDF电子书下载

第1章 数据仓库与OLAP概述 1

1.1　数据仓库 1

1.1.1　数据仓库的概念和特点 2

1.1.2　数据仓库与传统数据库的比较 3

1.1.3　数据仓库带来的好处 4

1.2　多维数据分析——OLAP 5

1.2.1　OLAP的概念和特点 5

1.2.2 OLAP与OLTP的区别 6

1.2.3　OLAP带来的好处 6

1.3 数据仓库与OLAP 7

1.4　小结 8

第2章　数据仓库的构建理论 9

2.1　数据仓库的体系结构 9

2.2　数据仓库的构建步骤 10

2.2.1　概念模型设计 11

2.2.2　技术准备工作 12

2.2.3　逻辑模型设计 13

2.2.4　物理模型设计 14

2.2.5　数据仓库的生成 14

2.2.6　数据仓库的使用和维护 15

2.3　实施数据仓库的注意事项 16

2.4　小结 17

第3章 多维数据分析基础与方法 18

3.1　多维数据分析基础 18

3.2　多维数据分析方法 20

3.3　维度表与事实表的连接 23

3.4　多维数据的存储方式 25

3.4.1　三种存储方式 25

3.4.2　三种存储方式的比较 26

3.5　小结 26

第4章　OLAP工具及安装 27

4.1　常用的服务器端分析工具 27

4.1.1 Microsoft SQL Server Analysis Services 27

4.1.2 IBM DB2 OLAP Server 31

4.2　常用的客户端分析工具 33

4.2.1 Excel和Access 33

4.2.2　Crystal Analysis 34

4.3　各种工具的准备和安装 36

4.3.1　各工具需要的软硬件环境 36

4.3.2　工具的安装 38

4.4　小结 44

第5章　OLAP的一个应用示例 45

5.1　案例背景 45

5.2 分析需求 46

5.3　数据准备 47

5.4　构建数据仓库和多维数据集 50

5.4.1　建立数据仓库 51

5.4.2　连接数据源 51

5.4.3　建立多维数据集 53

5.5　浏览分析数据 63

5.5.1　使用多维数据集浏览器查看数据 63

5.5.2　运用多维分析方法分析数据 65

5.6　小结 69

第6章　构建一个示例数据仓库 70

6.1　数据仓库的分类 70

6.2　数据仓库的开发模式 71

6.2.1 自顶向下的模式 71

6.2.2 自底向上的模式 72

6.2.3　联合模式 73

6.3　两个重要的设计因素 74

6.3.1　数据仓库的粒度 74

6.3.2　数据的分割 75

6.4　pubs数据仓库设计 75

6.4.1　根据需求分析筛选数据 75

6.4.2　识别事实数据与维度数据 79

6.4.3　设计事实数据表 80

6.4.4　设计维度数据表 81

6.4.5　设计销售数据集市的架构 82

6.4.6　设计中需要注意的问题 83

6.5　小结 84

第7章　数据准备 85

7.1　数据验证 85

7.2　数据清理 87

7.2.1　冗余数据的处理 87

7.2.2　空值的处理 91

7.2.3　不规范数据的处理 91

7.3　数据转换 94

7.3.1　数据类型的转换 95

7.3.2　对象名的转换 99

7.3.3　数据编码的转换 99

7.3.4　表结构的转换 100

7.4　小结 102

第8章　数据转换服务——DTS 103

8.1　DTS概述 103

8.1.1　DTS的作用 103

8.1.2　DTS包 106

8.2 创建和管理DTS包 110

8.2.1　DTS包的创建方式 110

8.2.2　保存DTS包 119

8.2.3　删除DTS包 122

8.3　DTS在数据仓库实现中的应用 123

8.3.1　创建数据准备区 123

8.3.2　抽取和转换数据 124

8.3.3　建立目的数据库中的表间关系 133

8.3.4　创建数据仓库数据库 133

8.4　DTS的高级话题 134

8.4.1 Analysis Services处理任务 134

8.4.2　DTS的性能 137

8.5　小结 138

第9章　维度的构建和管理 139

9.1　建立合适的维度 139

9.1.1　常规维度 140

9.1.2　父子维度 148

9.1.3 虚拟维度 154

9.2　维度的添加 161

9.2.1 通过Analysis Manager添加维度 161

9.2.2　通过多维数据集编辑器添加维度 163

9.3　维度的层次结构 165

9.3.1　创建具有多重层次结构的维度 166

9.3.2　在现有维度中添加层次结构 170

9.4　维度的更改 171

9.4.1　增量更新 171

9.4.2　重建维度结构 175

9.5　维度的删除 176

9.5.1 通过Analysis Manager删除维度 176

9.5.2　通过多维数据集编辑器删除维度 176

9.6　小结 177

第10章 多维数据分析的高级话题 178

10.1　计算成员 178

10.1.1　创建计算成员的必要性 179

10.1.2　创建计算成员的方法 180

10.2　计算单元 185

10.2.1　计算单元的构造元素 185

10.2.2　创建计算单元的必要性 186

10.2.3　创建计算单元的方法 189

10.3 对策 195

10.4　数据钻取 198

10.4.1　启用多维数据集的钻取功能 199

10.4.2　通过钻取查看底层数据 200

10.5　虚拟多维数据集 202

10.6　多维数据集的分区管理 206

10.6.1　建立多维数据集分区 208

10.6.2　编辑分区与设置筛选条件 213

10.6.3　多维数据集的合并 215

10.7　维度编辑器中的属性管理 218

10.8　多维数据集编辑器中的属性管理 218

10.9　小结 218

第11章　OLAP的前端分析策略 220

11.1　使用多维数据集浏览器分析数据 220

11.2　Excel的数据透视表和数据透视图 222

11.3　使用Crystal Analysis分析数据 231

11.4　小结 237

第12章　多维表达式——MDX 238

12.1　MDX基础 238

12.1.1　MDX中的重要概念 238

12.1.2 MDX的基本语法 240

12.1.3 MDX与SQL的区别 241

12.2 OLAP架构的MDX表示 242

12.3　MDX的高级话题 243

12.3.1 构造MDX集合 243

12.3.2　MDX计算成员的定义 247

12.3.3 MDX的命名集 248

12.3.4　MDX示例应用程序 249

12.4　成员属性和单元属性的使用 252

12.4.1　成员属性 252

12.4.2　单元属性 254

12.4.3　格式化串 255

12.5　小结 259

第13章 多维数据集的管理和优化 260

13.1　多维数据集的安全管理 260

13.1.1　数据库的安全性 261

13.1.2　多维数据集的安全性 264

13.1.3　维的安全性 269

13.2　存档和还原数据库 273

13.2.1　数据库的存档 273

13.2.2　数据库的还原 275

13.3　性能优化 276

13.3.1　使用分析 277

13.3.2　基于使用的优化 281

13.4　整体工作环境的设置 284

13.4.1　常规性设置 284

13.4.2　环境设置 286

13.4.3　处理设置 287

13.4.4　日志记录设置 288

13.5　小结 289

第14章　数据仓库的维护和解决方案 290

14.1　更新数据仓库 290

14.1.1　调度数据更新 290

14.1.2　更新数据集市 291

14.2 维护OLAP数据 292

14.2.1　数据仓库中的修改 292

14.2.2 同步OLAP和数据仓库数据 293

14.2.3　刷新客户端应用程序 294

14.3　优化数据仓库性能 294

14.4　数据仓库解决方案 295

14.5　小结 301

第15章　数据仓库和商业智能 302

15.1　商业智能概述 302

15.1.1　BI的研究内容 304

15.1.2　BI的发展趋势 305

15.1.3　影响BI性能的因素 306

15.2　商业智能的三个层次 306

15.2.1　数据报表 306

15.2.2　数据分析 307

15.2.3　数据挖掘 307

15.3　数据挖掘概述 308

15.3.1　数据挖掘的定义 308

15.3.2　数据挖掘内容和本质 309

15.3.3　数据挖掘的常用技术 311

15.3.4　数据挖掘工具 311

15.4　数据挖掘流程 312

15.4.1　数据挖掘过程简介 312

15.4.2　实施数据挖掘时需要考虑的问题 313

15.5　数据挖掘的前景 313

15.6　小结 315

附录A　常用MDX函数列表 317

附录B　维度编辑器和多维数据集编辑器中的属性管理 337

B.1　维度编辑器的属性管理 337

B.2　多维数据集编辑器的属性管理 339