`
king_tt
  • 浏览: 2116804 次
  • 性别: Icon_minigender_1
  • 来自: 深圳
社区版块
存档分类
最新评论
文章列表
DW: Data Warehouse 数据仓库 OLAP: On-Line Analytical Processing 联机分析处理 DM: Data Mining 数据挖掘 DSS: Decision Support Systems 决策支持系统 技术的进步,不懈的努力使人们终于找到了基于数据库技术的DSS的解决方案,这就是:DW + OLAP + DM ————> DSS 的可行方案。数据仓库、OLAP和数据挖掘是作为三种独立的信息处理技术出现的。数据仓库用于数据的存储和组织,OLAP集中于数据的分析,数据挖掘则致力于知识的自动发现。它们都可以分别应用到信息系统的设计和实现中,以 ...
1.LOAD DATAINFILE *INTO TABLE testFIELDS TERMINATED BY X'9'TRAILING NULLCOLS( c2 "upper(:c2)", c3 date "yyyymmdd", c1 "SEQ_test_c1.nextval")BEGINDATAAAAAAAAAAA 20051201BBBBBBBBBB 20050112 CREATETABLETEST(C1VARCHAR2(10BYTE),C2VARCHAR2(20BYTE),C3DATE
Oracle的安全措施主要有三个方面,一是用户标识和鉴定;二是授权和检查机制;三是审计技术(是否使用审计技术可由用户灵活选择);除此之外,Oracle还允许用户通过触发器灵活定义自己的安全性措施。一、用户标识和鉴定在 ...
1.用触发器和序列实现 CREATESEQUENCEu.seq_questionnoSTARTWITH0MAXVALUE999999999999999999999999999MINVALUE0NOCYCLENOCACHENOORDER;
使用拼音排序select * from t1 order by nlssort(c1,'NLS_SORT=SCHINESE_PINYIN_M'); 使用笔画排序select * from t1 order by nlssort(c1,'NLS_SORT=SCHINESE_STROKE_M'); 使用偏旁部首排序select * from t1 order by nlssort(c1,'NLS_SORT=SCHINESE_RADICAL_M'); 第一种用的最多,后两种搞不清排序的规则是什么。总之不得不佩服Oracle的NLS支持确实挺强的。
以下是我实际使用的方法,在MySQL中还不知道如何用SQL来查询。 Oracle: select * from t1 where length(c1) != lengthb(c1); SQL Server: select * from t1 where len(unicode(c1)) < 5; 这个问题深究起来涉及到多字节字符集的问题。Oracle字符集的问题在ITPUB出版的《Oracle数据库DBA专题技术精粹》一书中专门有一章,讲述得很深入。SQL Server一般都是使用却省的简体中文字符集,我还没碰到过SQL Server有中文问题。至于MySQL的字符集问题也比较复杂,可以单 ...
这是一个真实数据仓库项目中的案例。某公司要建立一个员工数据仓库,需要从多个业务系统集成员工相关的信息。由于历史的原因,该公司现存的四个业务系统中都包含员工数据,这四个业务系统是HR、OA、考勤和绩效考核 ...
有两个意义上的重复记录,一是完全重复的记录,也即所有字段均都重复,二是部分字段重复的记录。对于第一种重复,比较容易解决,只需在查询语句中使用distinct关键字去重,几乎所有数据库系统都支持distinct操作。发生这种重复的原因主要是表设计不周,通过给表增加主键或唯一索引列即可避免。 select distinct * from t; 对于第二类重复问题,通常要求查询出重复记录中的任一条记录。假设表t有id,name,address三个字段,id是主键,有重复的字段为name,address,要求得到这两个字段唯一的结果集。 -- Oracle、MySQL,使用相关子查询 select * ...
1. 商业智能是什么?很难给商业智能做一个完整的定义,但是概括来说:商业智能是用来实现“数据->信息->知识->实际行动”之间转化的过程、技术和工具,它包括了数据仓库、数据分析工具和行为管理三个方面。 2. 商业 ...
数据仓库应用系统的数据建模和一般的数据库建模有很大的不同,这是由于两者的技术目标完全不同。业务系统的目标是事务级的处理,基本操作是增加、删除、修改等记录级的操作,特点是事务量大,但是每一个事务所涉及的数据量小;而数据仓库需要从历史堆积下来的数据中获得有价值的信息,因此涉及的查询数据量大,而查询处理要求的数据量相对于业务数据库来说是小的。两者建模的关系比较如下表所示。 业务系统 数据仓库应用系统 规范化的物理数据结构 非规范化的物理数据结构 无派生数据 有派生数据 使用许多代码标识事务 有完整的数据描述 记录中不一定有时间字段 记录中一定要有以时间字段为主键的字段 秒以下 ...
数据仓库是面向主题的、集成的、随时间变化的、非易失的、用于进行战略型决策的数据集合。 ODS是一个面向主题的、集成的、可变的、当前的细节数据集合,用于支持企业对于即时性的、操作性的、集成的全体信息的需求。常常被作为数据仓库的过渡,也是数据仓库项目的可选项之一。 操作型数据存储(Operational Data Store,ODS)用于战术型决策,而数据仓库支持战略型决策。操作型数据存储在某些方面具有类似于数据仓库的特点,但在另一些方面又显著不同于数据仓库: l像数据仓库那样,是面向主题的。 l像数据仓库那样,其数据是完全集成的。 l数据是当前的——或其数据处理技术允许这样,这与数据仓库存 ...
数据仓库—报表工具—Hyperion Enterprise 数据仓库—报表工具—BO Crystal Reports 数据仓库—报表工具—Brio Performance Suite 数据仓库—报表工具—MicroStrategy 数据仓库—报表工具—Congos 数据仓库—报表工具—Microsoft SQLServer Reporting Services ...
准确性:哪些数据不能正确的描述对象的属性或已经过期? 合规性:哪些数据是以非标准格式存储的? 一致性:哪些数据值提供了冲突信息? 重复性:哪些数据记录是重复的记录? 及时性:关键数据是否及时传送到目标应用? 完备性:哪些数据根本就不存在?
开发数据仓库模型的方法学包含两组八个步骤,前四个步骤着眼于确保数据仓库模型满足业务需求,后四个步骤则集中考虑了影响数据仓库性能的折中因素。 步骤 动作 目标 描述 1 选择感兴趣的数据 决定包含范围,减少载入时间,减少存储需求 决定在模型中要包含的数据元素和考虑存档其他将来可能使用的数据 2 在键中增加时间 提供历史数据 在键中增加时间成分,并解决因模型从“时间点”变换到“时间段”引起的关系中的结果变化 3 增加派生数据 保证业务一致性和改善数据交付性能
比较内容 数据仓库的特征 常规事务处理数据库 目标 OLAP联机分析处理 OLTP联机事务处理 作用 面向主题 面向过程 活动特征 分析式 事务处理 构成 集成 不同的、分散的 内容 不更改性 更改的 时间性 时序性、历史性 当前的 基础结构 多维型 关系型
Global site tag (gtag.js) - Google Analytics