SQL Server數據庫涉及到的數據倉庫概念
SQL Server數據庫涉及到的數據倉庫概念：
1．多維數據集：
多維數據集是聯機分析處理 (OLAP) 中的主要對象，是一項可對數據倉庫中的數據進行快速訪問的技術。多維數據集是一個數據集合，通常從數據倉庫的子集構造，并組織和匯總成一個由一組維度和度量值定義的多維結構。
2．維度：
是多維數據集的結構性特性。它們是事實數據表中用來描述數據的分類的有組織層次結構（級別）。這些分類和級別描述了一些相似的成員集合，用戶將基于這些成員集合進行分析。
3.度量值：
在多維數據集中，度量值是一組值，這些值基于多維數據集的事實數據表中的一列，而且通常為數字。此外，度量值是所分析的多維數據集的中心值。即，度量值是最終用戶瀏覽多維數據集時重點查看的數字數據。您所選擇的度量值取決于最終用戶所請求的信息類型。一些常見的度量值有 sales、cost、expenditures 和 production count 等。
4.元數據：
不同 OLAP 組件中的數據和應用程序的結構模型。元數據描述 OLTP 數據庫中的表、數據倉庫和數據集市中的多維數據集這類對象，還記錄哪些應用程序引用不同的記錄塊。
5．級別：
級別是維度層次結構的一個元素。級別描述了數據的層次結構，從數據的***（匯總程度***）級別直到***（最詳細）級別。
6．數據挖掘：
數據挖掘使您得以定義包含分組和預測規則的模型，以便應用于關系數據庫或多維 OLAP 數據集中的數據。之后，這些預測模型便可用于自動執行復雜的數據分析，以找出幫助識別新機會并選擇有獲勝把握的機會的趨勢。
7．多維 OLAP (MOLAP)：
MOLAP 存儲模式使得分區的聚合和其源數據的復本以多維結構存儲在分析服務器計算機上。根據分區聚合的百分比和設計，MOLAP 存儲模式為達到最快查詢響應時間提供了潛在可能性。總而言之，MOLAP 更加適合于頻繁使用的多維數據集中的分區和對快速查詢響應的需要。
8．關系 OLAP (ROLAP)：
ROLAP 存儲模式使得分區的聚合存儲在關系數據庫的表（在分區數據源中指定）中。但是，可為分區數據使用 ROLAP 存儲模式，而不在關系數據庫中創建聚合。
9．混合 OLAP (HOLAP)：HOLAP 存儲模式結合了 MOLAP 和 ROLAP 二者的特性。
10．粒度：
數據匯總的層次或深度。
11．聚合|聚集：
聚合是預先計算好的數據匯總，由于在問題提出之前已經準備了答案，聚合可以改進查詢響應時間。
12．切塊：
由多個維的多個成員限定的分區數據，稱為一個切塊。
13．切片：
由一個維的一個成員限定的分區數據，稱為一個切片。
14．數據鉆取：
最終用戶從常規多維數據集、虛擬多維數據集或鏈接多維數據集中選擇單個單元，并從該單元的源數據中檢索結果集以獲得更詳細的信息，這個操作過程就是數據鉆取。
15．數據挖掘模型：
數據挖掘可以使你得以定義包含分組和預測規則的模型，以便應用于關系數據庫或多維 OLAP 數據集中的數據。之后，這些預測模型便可用于自動執行復雜的數據分析，以找出幫助識別新機會并選擇有獲勝把握的機會的趨勢。
上文的內容比較適合剛剛入門的初學者學習，這些基本的概念是入門的基礎，希望對大家能夠有所幫助。
【編輯推薦】
