rolap与molap在推动模式方面有何不同

展开全部

OLAP(on-Line Analysis Processing)是让分析员工、管理人员或执行人员无法从多角度对信息进行迅速、一致、交互地存取,从而赢得对数据的最深入认识的一类软件科技。 OLAP的目标是满足决策支持以及满足在多维环境下特定的查询跟报表需求,它的科技核心是"维"这个概念。

“维”(dimension)是他们观察客观世界的视角,是一种高层次的类别界定。“维”一般包括着层次关系,这种层次关系有时会比较复杂。通过把一个实体的多项重要的属性定义为多个维(dimension)，使用户可对不同维上的数据进行非常。因此OLAP也可以说是多维数据预测工具的集合。

OLAP的基本多维分析操作有钻取（roll up和drill down）、切片（slice）和切碎（dice）、以及旋转（pivot）、drill across、drill through等。

·钻取是颠覆维的层次，变换分析的粒度。它包含向上钻取（roll up）和向下钻取（drill down）。roll up是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者降低维数；而drill down则相反，它从汇总数据深入至细节数据进行观察或降低新维。

·切片和切块是在一部分维上选取值后rolap和molap的概念和差别，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片；如果有三个，则是切块。

·旋转是变换维的方向，即在表格中再次安排维的放置（例如行列互换）。

OLAP有多种实现方式，根据传输数据的方法不同可以分为ROLAP、MOLAP、HOLAP。

ROLAP表示基于关系的OLAP实现（Relational OLAP）。以关系为核心,以关系型结构进行多维数据的表示跟传输。ROLAP将多维的多维结构划分为两类表:一类是事实表,用来存储数据和维关键字;另一类是维表,即对每位维至少使用一个表来放置维的层次、成员类型等维的表述信息。维表和事实表通过主关键字和外关键字联系在一起,形成了"星型模式"。对于层次复杂的维,为防止冗余数据占用过大的储存空间,可以使用多个表来表述,这种星型模式的扩展称为"雪花模式"。特点是将细节数据保留在关系型的事实表中，聚合后的数据也保存在关系型的中。这种方法查询效率最低，不推荐使用。

MOLAP表示基于多维数据组织的OLAP实现（Multidimensional OLAP）。以多维数据组织形式为核心,也就是说,MOLAP使用多维函数存储数据。多维数据在存储中将产生"立方块（Cube）"的结构,在MOLAP 中对"立方块"的"旋转"、"切块"、"切片"是造成多维数据报表的主要科技。特点是将细节数据和聚合后的数据均保存在cube中rolap和molap的概念和差别，所以以空间换效率，查询时强度高，但生成cube时必须长期的时间跟空间。

HOLAP表示基于混合数据组织的OLAP实现（Hybrid OLAP）。如低层是关系型的，高层是多维矩阵型的。这种方法带有更好的灵活性。特点是将细节数据保留在关系型的事实表中，但是聚合后的数据保存在cube中,聚合时必须比ROLAP更多的时间,查询效率比ROLAP高，但高于MOLAP。

还有其它的一些实现OLAP的方式，如提供一个专用的SQL Server，对这些存储方式（如星型、雪片型）提供对SQL查询的特殊支持。

OLAP工具是对于特定问题的联机数据访问与预测。它借助多维的方法对数据进行预测、查询跟报表。维是他们观察数据的特定视角。例如，一个企业在考量产品的销售状况时，通常从时间、地区跟产品的不同角度来深入观察产品的销售状况。这里的时间、地区跟产品就是维。而这种维的不同组合跟所考察的度量指标组成的多维函数则是OLAP分析的基础，可形式化表示为（维1，维2，……，维n，度量指标），如（地区、时间、产品、销售额）。多维分析是指对以多维方式组织出来的数据采用去皮（Slice）、切块（Dice）、钻取（Drill-down和Roll-up）、旋转（Pivot）等诸多探讨动作，以求剖析数据，使用户能从多个角度、

多侧面地观察中的数据，从而深入理解包含在数据中的信息。

根据综合性数据的组织形式的不同，目前常用的OLAP主要有基于多维的MOLAP及基于关系的ROLAP两种。MOLAP是以多维的形式组织跟传输数据，ROLAP则运用现有的关系技术来模拟多维数据。在数据仓库应用中，OLAP应用通常是数据仓库应用的后端软件，同时OLAP工具还可以同数据挖掘软件、统计预测工具配合使用，增强决策分析功能

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-144587-1.html