Advertisement

数据仓库(第4版)

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
《数据仓库(第4版)》全面介绍了构建和使用企业级数据仓库的关键技术和最佳实践,是数据管理和商业智能领域的经典之作。 推荐一本学习数据仓库的经典书籍,以下是该书的目录: - 译者序 - 审、译者简介 - 前言 第1章 决策支持系统的发展 1.1 演化 1.2 直接存取存储设备的产生 1.3 个人计算机/第四代编程语言技术 1.4 进入抽取程序 1.5 蜘蛛网 1.6 自然演化体系结构的问题 1.6.1 数据缺乏可信性 1.6.2 生产率问题 1.6.3 从数据到信息 1.6.4 方法的变迁 1.7 体系结构设计环境 1.7.1 体系结构设计环境的层次 1.7.2 集成 1.8 用户是谁 1.9 开发生命周期 1.10 硬件利用模式 1.11 建立重建工程的舞台 1.12 监控数据仓库环境 1.13 小结 第2章 数据仓库环境 2.1 数据仓库的结构 2.2 面向主题 2.3 第一天到第n天的现象 2.4 粒度 2.4.1 粒度的一个例子 2.4.2 粒度的双重级别 2.5 分割问题 2.6 样本数据库 2.7 数据分割 2.8 数据仓库中的数据组织 2.9 数据仓库—标准手册 2.10 审计和数据仓库 2.11 成本合理性 2.12 清理仓库数据 2.13 报表和体系结构设计环境 2.14 机遇性的操作型窗口 2.15 小结 第3章 设计数据仓库 3.1 从操作型数据开始 3.2 数据/过程模型和体系结构设计环境 3.3 数据仓库和数据模型 3.3.1 数据模型 3.3.2 中间层数据模型 3.3.3 物理数据模型 3.4 数据模型和反复开发 3.5 规范化/反规范化 3.6 数据仓库中的快照 3.7 元数据 3.8 数据仓库中的管理参照表 3.9 数据周期 3.10 转换和集成的复杂性 3.11 触发数据仓库记录 3.11.1 事件 3.11.2 快照的构成 3.11.3 一些例子 3.12 简要记录 3.13 管理大量数据 3.14 创建多个简要记录 3.15 从数据仓库环境到操作型环境 3.16 正常处理 3.17 数据仓库数据的直接访问 3.18 数据仓库数据的间接访问 3.18.1 航空公司的佣金计算系统 3.18.2 零售个性化系统 3.18.3 信用审核 3.19 数据仓库数据的间接利用 3.20 星型连接 3.21 小结 第4章 数据仓库中的粒度 4.1 粗略估算 4.2 粒度划分过程的输入 4.3 双重或单一的粒度? 4.4 确定粒度级别 4.5 一些反馈循环技巧 4.6 粒度级别的例子:银行环境 4.7 小结 第5章 数据仓库和技术 5.1 管理大量数据 5.2 管理多介质 5.3 索引/监视数据 5.4 多种技术的接口 5.5 程序员/设计者对数据存放位置的控制 5.6 数据并行存储/管理 5.7 元数据管理 5.8 语言接口 5.9 数据高效装入 5.10 高效索引利用 5.11 数据压缩 5.12 复合键码 5.13 变长数据 5.14 加锁管理 5.15 单独索引处理 5.16 快速恢复 5.17 其他技术特征 5.18 DBMS类型和数据仓库

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 4
    优质
    《数据仓库(第4版)》全面介绍了构建和使用企业级数据仓库的关键技术和最佳实践,是数据管理和商业智能领域的经典之作。 推荐一本学习数据仓库的经典书籍,以下是该书的目录: - 译者序 - 审、译者简介 - 前言 第1章 决策支持系统的发展 1.1 演化 1.2 直接存取存储设备的产生 1.3 个人计算机/第四代编程语言技术 1.4 进入抽取程序 1.5 蜘蛛网 1.6 自然演化体系结构的问题 1.6.1 数据缺乏可信性 1.6.2 生产率问题 1.6.3 从数据到信息 1.6.4 方法的变迁 1.7 体系结构设计环境 1.7.1 体系结构设计环境的层次 1.7.2 集成 1.8 用户是谁 1.9 开发生命周期 1.10 硬件利用模式 1.11 建立重建工程的舞台 1.12 监控数据仓库环境 1.13 小结 第2章 数据仓库环境 2.1 数据仓库的结构 2.2 面向主题 2.3 第一天到第n天的现象 2.4 粒度 2.4.1 粒度的一个例子 2.4.2 粒度的双重级别 2.5 分割问题 2.6 样本数据库 2.7 数据分割 2.8 数据仓库中的数据组织 2.9 数据仓库—标准手册 2.10 审计和数据仓库 2.11 成本合理性 2.12 清理仓库数据 2.13 报表和体系结构设计环境 2.14 机遇性的操作型窗口 2.15 小结 第3章 设计数据仓库 3.1 从操作型数据开始 3.2 数据/过程模型和体系结构设计环境 3.3 数据仓库和数据模型 3.3.1 数据模型 3.3.2 中间层数据模型 3.3.3 物理数据模型 3.4 数据模型和反复开发 3.5 规范化/反规范化 3.6 数据仓库中的快照 3.7 元数据 3.8 数据仓库中的管理参照表 3.9 数据周期 3.10 转换和集成的复杂性 3.11 触发数据仓库记录 3.11.1 事件 3.11.2 快照的构成 3.11.3 一些例子 3.12 简要记录 3.13 管理大量数据 3.14 创建多个简要记录 3.15 从数据仓库环境到操作型环境 3.16 正常处理 3.17 数据仓库数据的直接访问 3.18 数据仓库数据的间接访问 3.18.1 航空公司的佣金计算系统 3.18.2 零售个性化系统 3.18.3 信用审核 3.19 数据仓库数据的间接利用 3.20 星型连接 3.21 小结 第4章 数据仓库中的粒度 4.1 粗略估算 4.2 粒度划分过程的输入 4.3 双重或单一的粒度? 4.4 确定粒度级别 4.5 一些反馈循环技巧 4.6 粒度级别的例子:银行环境 4.7 小结 第5章 数据仓库和技术 5.1 管理大量数据 5.2 管理多介质 5.3 索引/监视数据 5.4 多种技术的接口 5.5 程序员/设计者对数据存放位置的控制 5.6 数据并行存储/管理 5.7 元数据管理 5.8 语言接口 5.9 数据高效装入 5.10 高效索引利用 5.11 数据压缩 5.12 复合键码 5.13 变长数据 5.14 加锁管理 5.15 单独索引处理 5.16 快速恢复 5.17 其他技术特征 5.18 DBMS类型和数据仓库
  • 项目中的电商4部分:即席查询).docx
    优质
    本文档探讨了在大数据项目中构建电商平台的数据仓库,并专注于第四部分的内容——如何设计和优化用于即席查询的数据仓库,以提高分析效率。 本段落档详细介绍了大数据项目中的电商数仓设计与实现,并特别关注了Presto即席查询数据仓库的部分。 **Presto 概念** Presto是一种开源的分布式SQL引擎,能够高效处理大量数据,并支持多种数据源,包括Hive、图数据库和传统关系型数据库等。它的优势在于高性能、灵活性以及可扩展性。 **Presto 架构** Presto架构由Coordinator节点与Worker节点组成。其中,Coordinator管理查询请求及任务分配;而Worker则负责执行具体的查询操作。这种设计使得Presto能够处理大规模数据和高并发的查询需求。 **安装步骤** 在安装过程中需要下载并解压缩Presto Server软件包,并进行必要的配置工作,包括创建用于存储文件的数据目录以及修改相应的配置文件如jvm.config及node.properties等。 **配置指南** 对于Presto来说,其配置涉及到JVM参数、数据源和Catalog的设置。其中Catalog是管理多个数据源的一个重要概念,在本段落档中我们对一个Hive数据源进行了具体配置,并通过hive.properties来设定连接信息。 **性能特性** 测试表明,尽管在某些方面略逊于Impala,Presto仍表现出色地处理大规模的数据和高并发查询请求。其优势在于支持多种类型的数据源。 **应用场景** Presto因其能够快速处理大量数据并提供实时的查询结果,在大数据项目特别是电商数仓领域得到了广泛应用,满足了电商平台对于数据分析的需求。
  • 系统概论(4)PPT
    优质
    《数据库系统概论》(第4版) PPT是基于高等教育出版社出版的经典教材编写的辅助教学材料,涵盖关系数据库理论与应用、SQL语言及数据库设计等内容。 权威的数据库PPT资源对于本科及专升本的同学来说是一门必修课程!
  • 系统的概念(4
    优质
    《数据库系统的概念》(第4版)全面介绍了数据库系统的核心理论与实践技术,适用于计算机科学专业学生及技术人员阅读参考。 推荐几本数据库领域的经典书籍。这些书涵盖了关系型数据库的基本概念以及高级主题,并且介绍了非关系型数据库的使用方法和应用场景。通过阅读这些书籍,读者可以深入理解数据库的设计、实现及优化技巧。希望对从事或有兴趣进入这一领域的人士有所帮助。
  • 实用教程》4答案
    优质
    《数据库实用教程》第4版答案提供了该教材各章节习题与实验的详细解答,帮助学生巩固理论知识,提高实践操作能力。 《数据库实用教程》第四版答案是数据库领域的经典教材,旨在帮助读者掌握数据库的基本概念、原理和技术。本书涵盖了数据库的发展历程、数据库管理系统、数据模型、数据库设计、数据库查询语言以及数据库安全性等方面的知识。 在人工管理阶段中,主要特点包括:数据不保存于计算机内;没有专用软件对数据进行管理;只有程序的概念而无文件的概念,并且数据面向特定的程序。 进入文件系统阶段后,有五个重要特征显现出来:以“文件”形式长期存储数据;逻辑结构与物理结构开始分离;出现了多样化的文件组织方式;数据直接服务于具体的应用场景;操作单位为记录而非其他更小的数据单元。20世纪60年代末发生的三件关键事件标志着数据库阶段的到来,分别是IBM公司研发的IMS系统、美国CODASYL组织提出的DBTG报告以及E.F.Codd发表的关系模型论文。 在数据库发展阶段中,数据管理有五个显著特点:采用数据模型来描述复杂的数据结构;保持较高的独立性(物理和逻辑)以减少对应用程序的影响;提供了用户友好的接口并实现了四个方面的控制功能;操作单位细化为数据项从而增强了系统的灵活性。其中,“独立性”指的是程序与数据库中的数据结构之间的相互隔离,确保在物理或逻辑层面的改变不会影响到应用程序。 此外,《数据库实用教程》第四版还介绍了DB(数据库)、DBMS(数据库管理系统)和DBS(数据库系统)等核心概念,并解释了分布式数据库系统以及面向对象技术的特点。书中涵盖的数据模型、外模式、内模式及其它相关术语和技术,都是学习与理解现代数据库管理系统的基石。
  • 系统概论(4)》讲义
    优质
    《数据库系统概论(第4版)》讲义是针对该经典教材编写的辅助学习材料,涵盖了关系数据库设计、SQL语言、数据存储与查询优化等内容,帮助读者深入理解和掌握数据库系统的原理和应用。 《数据库系统概论》(第四版)由王珊、萨师煊编写,并被列为普通高等教育“十五”国家级规划教材及国家精品课程主讲教材。该书全面介绍了数据库系统的理论基础、技术和方法,分为四篇共十七章。 第一部分为基础知识介绍,包括关系数据库及其标准语言SQL的讲解;第二部分是设计与开发应用章节,涵盖了数据理论和编程技巧;第三部分则深入探讨了查询处理、恢复技术以及并发控制等系统层面的内容;最后一部分内容介绍了最新的发展动态如分布式数据库系统及XML数据库。 本书适用于计算机专业及相关专业的学生作为教材使用,并且对于从事相关研究或工程的技术人员也具有很高的参考价值。作者王珊教授是中国人民大学信息学院的博士生导师,长期致力于数据库领域的教学与科研工作,在国内外享有盛誉,曾主持和参与了多项国家及省部级项目的研究开发任务,出版多本专著,并获得过多个国家级奖项和个人荣誉。 本书自第一版以来已历经多次修订更新(分别在1983年、1991年以及2000年发行),始终紧跟技术前沿并保持高度的学术性和实用性。
  • 基础:
    优质
    《数据仓库基础:数据库和数据仓库》一书深入浅出地介绍了数据仓库的基本概念、设计原理以及如何利用现有数据库技术构建高效的数据仓库系统。适合初学者及专业人士阅读。 《数据仓库原理》系列文章是笔者在学习数据仓库与商业智能过程中所做的读书笔记,现重新整理思路并分享出来,希望能得到读者的批评指正。 本系列主要包括以下几个部分: 1. 数据库与数据仓库 为什么有了数据库还需要构建数据仓库?什么是数据仓库? 2. 数据仓库系统的体系结构 介绍组成数据仓库系统的主要元素及其各自的作用是什么? 3. 数据仓库与ODS 解释什么是ODS,为什么要使用它。DB、ODS和DW三层架构的概念又是什么? 4. 联机分析处理(OLAP) 介绍OLAP的定义以及它与联机事务处理(OLTP)的区别。多维数据模型包括哪些类型?
  • 系统概论(4)实验报告
    优质
    《数据库系统概论(第4版)实验报告》是与教材配套的学习资料,包含多个实践项目,旨在帮助学生通过动手操作巩固理论知识,加深对数据库原理的理解和应用。 数据库系统概论第四版实验报告包含了书上所有实验的内容。
  • 工具箱(3)The Data Warehouse Toolkit 3rd
    优质
    《数据仓库工具箱》第三版是一本全面介绍数据仓库设计与实施的专业书籍,由业界权威Ralph Kimball撰写。书中不仅提供了构建高效数据仓库的具体指导和技术细节,还涵盖了最新的行业趋势和最佳实践,帮助读者掌握先进的数据分析技术,适用于数据库设计师、分析师及IT专业人员阅读参考。 《数据仓库工具箱》的最新版本是数据仓库领域的权威之作,于2013年出版。目前该书尚未有中文版发行。
  • 十七课——集市.ppt
    优质
    本课程介绍数据仓库和数据集市的基本概念、架构设计及实施方法,涵盖二者在企业数据分析中的应用价值。 数据仓库与数据集市是信息化管理中的重要组成部分,主要用于支持决策制定及信息共享。数据仓库是一个设计成面向特定主题、集成化且具有时间变化特性的稳定数据集合。它不同于操作数据库,后者主要处理日常业务交易,而数据仓库则专注于数据分析。 面向主题意味着数据仓库围绕企业的关键业务领域组织,例如销售、财务或人力资源等。这些主题域的数据是从分散的运营系统中抽取、整合和清理而来,确保数据的一致性。 集成性体现在数据仓库将来自不同系统的数据统一处理,消除源数据中的不一致,提供全局视角。稳定性则在于其主要供查询使用,更新较少,通过定期加载和刷新来保持最新状态。同时反映历史变化的数据仓库包含大量历史数据,以便分析企业的发展趋势。 数据仓库的体系结构包括:数据源、数据存储及管理、OLAP(在线分析处理)引擎以及前端工具。其中,数据源是各种业务系统的原始数据;而数据存储和管理则负责整合与处理这些来源的数据。OLAP引擎支持复杂数据分析;前端工具为用户提供交互式查询及报告生成的能力。 操作数据库专注于在线事务处理(OLTP),强调高并发的事务执行效率;相比之下,数据仓库服务于分析决策(即OLAP),关注于深度数据挖掘和趋势预测。星型模型与雪花模型是维度建模中常用的两种模式:前者直观简单,后者通过规范化提升数据质量但可能增加查询复杂性。 多维数据模型构成了数据仓库及OLAP的基础,并以“立方体”的形式展示信息;该结构允许从多个角度查看并分析数据。“立方体”由不同维度、事实和其自身构成。星型模式包含一个较大的事实表与若干个维表,而雪花模式则是对星型模式的规范化处理。 事实表是数据仓库的核心组成部分之一,它记录了一系列可量化的业务事件(如销售额),并且这些度量值通常为数值类型以便进行聚合计算;同时,它们还包括了连接到多个维度的外键以表示不同维度之间的关系。维表可以进一步层次化来优化查询性能,但同时也可能增加查询复杂性。 总之,数据仓库与数据集市为企业决策提供了强有力的支持工具:通过整合和清理来自各个业务领域的数据,并构建面向主题、稳定的分析环境;同时利用维度建模及多维数据模型有效组织并分析这些信息以揭示潜在的商业洞察。掌握相关概念和技术对于打造高效的数据驱动型企业至关重要。