数据量|秒懂数仓的前世今生：DBMS、DW、OLTP、OLAP到底是啥？( 二 )

文章插图
多维分析，这就是 OLAP 多维数据集的用武之地以及最大特点。OLAP 多维数据集使用附加层扩展了单个表，每个层都添加了附加维度——通常是维度“概念层次结构”中的下一个级别。例如，立方体的顶层可能按地区销售；附加层可以是国家、省、城市甚至特定商店。
理论上，一个立方体可以包含无数层。（代表三个以上维度的 OLAP 多维数据集有时称为超多维数据集。）层中可以存在更小的多维数据集。例如：每个商店层可以包含按销售人员和产品排列销售情况的多维数据集。在实践中，数据分析师将创建仅包含他们需要的层的 OLAP 多维数据集，以实现最佳分析和性能。
4.3 如何用OLAP：支持的操作OLAP 多维数据集支持四种基本类型的多维数据分析：
下钻操作

文章插图
向下钻取操作通过以下两种方法将粗略的数据转换为更详细的数据：在概念层次结构中向下移动或向多维数据集添加新维度。例如，如果你想查看季度的销售表现，可以以月为单位向下钻取查看每个月的销售额，在“时间”维度的概念层次结构中维度下移。
上卷操作

文章插图
与下钻相反，上卷通过在概念层次结构中向上移动或减少维数来聚合 OLAP 多维数据集上的数据。例如，可以通过查看每个区域的数据，而不是每个城市的数据，在“位置”维度的概念层次结构中向上移动。
切片操作

文章插图
切片是通过从主 OLAP 多维数据集中选择一个维度来创建子多维数据集。例如，你可以通过切片来突出表示某业务线第二季度的销售情况
切快操作

文章插图
切块操作通过在主 OLAP 多维数据集中选择一个小的多维数据集。例如，我只需要分析华南区域男装和妈妈装业务线下半年的销售情况。
旋转操作

文章插图
旋转当前的多维数据集视图。其实OLAP 的这个操作与Excel中的数据透视表功能相当， OLAP 数据透视表相对更易于使用（仅需较少的专业知识），并且具有更快的响应时间和查询性能。
4.4 OLAP有哪些：分类按数据存储方式（建模类型）分类，可分为 MOLAP、ROLAP、HOLAP等。
MOLAP：Multidimensional（多维的）OLAP
将数据存储在优化的多维数组中，而不是关系数据库中。
优点：性能绝佳，MOLAP cubes为了快速数据检索而构建，具有最佳的分块和分片操作。可以执行复杂的计算，速度快。
缺点：可以处理的数据量有限，因为所有的计算都是执行在构建的多维数据集上，多维数据集本身不可能包括大量的数据。需要额外的成本，多维数据集技术往往是有专利或现在并不存在在某个组织中。因此，要想采用MOLAP技术，通常是要付出额外的人力和资源成本。
ROLAP：Relational （关系型） OLAP
将分析用的多维数据存储在关系数据库中。这种方式依赖SQL语言实现传统OLAP的切片和切块功能，本质上，切片和切块等动作都等同于在SQL语句中添加“WHERE”子句。
优点：可以处理大数据量，ROLAP技术的数据量大小就是底层关系数据库存储的大小，ROLAP本身没有对数据量的限制。
且可以利用关系型数据库所固有的功能，关系型数据库已经具备非常多的功能。
劣势：性能可能会很慢，因为每个ROLAP包裹实际上是一个SQL查询（或多个SQL查询）关系数据库，可能会因为底层数据量很大，使得查询的时间很长。