数据仓库基本概念
一、数据仓库基本概念：
1.面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策，数据挖掘。
2.背景：急需数据整合，避免信息孤岛，进行批量数据分析，引入数据仓库的思想。
3.OLTP与数据仓库：
OLTP（操作型）：面向应用的、事务驱动、实时性高、数据减检索量小、只存当前数据
数仓（分析型）：面向主题、分析和决策、实时性要求不高、数据检索量大、存储大量历史数据和当前数据
4.ods与edw:
ods:操作型数据库：当前数据的、易变的
edw:企业级数据仓库
5.数据集市：依赖于数据仓库
二、数据库模型：
1.网状模型：结构复杂、语言复杂
2.关系模型：（二维表）
3.多维模型
三、模型设计：
1.规范化
2.范式：1NF--每列都是不可分割的数据项
2NF--费非主属性完全依赖主键
3NF--不能存在非主属性到码的传递依赖
3.概念模型：主体域（10大主题）、定义
逻辑模型：明确业务需求、解决业务问题（ER）--实体、关系、属性、键值、业务规则
物理模型：表、字段、关系
4.逻辑模型常见三种实体：父子类
关联实体：1-N N-N N-1
历史表
数据库范式：
一、数据库模型：
1.关系模型：简单
非过程化
数据独立性
坚实的理论
2.数据依赖对数据库的影响：
不规范：数据冗余、更新异常、插入异常、删除异常
3.函数依赖
二、规范化理论：
1.不同级别的范式要求各不相同
2.范式可以作为衡量一个关系模式好坏的标准
3.若关系模式R满足xNF
数据仓库架构
一、架构
1.技术缓冲层
用于数据加载和转换，不需要对外踢狗数据服务
2.近源模型层
保持原系统数据原貌
3.整合模型层
（1）长期、细节、整合的数据存储，为各业务需求提供支持
（2）特点：面向主题，提供规范和共享，细节信息保存长久历史
（3）
4.共性加工层
（1）相对中性，具有业务意义的初级加工数据
（2）特点：全局考虑，提炼需求共性，多层次设计，侧重业务理解
（3）技术层面：避免相同数据的重复计算，实现共享，降低应用开发和数据查询的复杂度，避免数据加工口径不一致
（4）业务层面：对常用统计口径的统一定义和维护
便于业务人员理解，直接进行数据分析
（5）设计理念：需求驱动、提炼共性、架构分明、迭代开发
（6）架构：中间层包括明细层（协议主题的扩展）和汇总层（业务的呈现）
（7）应用筛选和提炼
5.应用集市层：
（1）提供特定应用，面向应用，按需定制，满足特定业务需求
数据库与SQL基础
一、基本概念：
1.数据：承载信息的物理符号
数据库：长期存储在计算机内有组织的、可共享的集合。
数据库系统：由计算机硬件、数据库、数据库管理系统、、应用系统、数据库管理员和用户构成
数据库应用系统是实现某种具体信息管理功能的计算机应用软件
2.数据模型与概念模型
模型：描述事物认识事物的一种方法
概念模型：信息模型，按用户观点来对数据和信息建模。是对现实世界真实全面的反映
矩形表示实体
椭圆表示实体的属性
菱形表示实体间的联系
实体与联系用线段连接并注明类型
数据模型：按计算机的观点对数据建模。数据模型是DBMS的核心和基础
非关系模型：两个记录以及他们之间的一对多的联系
关系模型：二维表
元组：行
属性：列
主码：唯一确定的一个属性值
域：属性的取值范围
分量：元组中的一个属性值
关系模式：对关系的描述
3.关系代数
（1） 笛卡尔积
（2）关系代数三个要素：关系
符号：
（3）选择：限制
（4）投影：
（5）连接：两个关系的笛卡尔积中选取属性见满足一定条件的元组
等值连接：=
自然连接：特殊的等值连接，两个关系中进行连接的分量必须是相同属性组，并且在结果中把重复的属性列去掉
除运算
五种基本的关系运算：并、差、笛卡尔积、连接和投影
4.关系数据库：
（1）事务：用户定义的数据库操作序列，是个不可分割的工作单位。多个事务可以并行执行
原子性、一致性、隔离性、持久性
控制命令：commit（提交）、rollback（回滚）、savepoint（设置保留点）
二、SQL基础：
1.DCL（数据控制语言）：grant--授权
revoke--废除、撤销
set role--设置角色状态
2. DDL（数据定义语言）：create--创建用户、表、视图、索引
索引--一种提高查找速度的机制
索引文件：索引关键字、记录号--改变的是对索引文件的显示顺序
alter--修改表、视图、存储过程
drop--删除数据库、表、索引、主键
truncate--截断
3. DML（数据操作语言）：select--查询：
多表查询：连接：内连接 inner join
左外连接：left join
右外连接： right join
全外连接：full join
组合查询:集合并：union
union all--不去重，效率高
集合交：intersect
intersect all--不去重
集合差：except
except all--不去重
注意事项：字段个数个字段类型必须一样
可以用于子查询
结果的列名是第一个查询中出现的列名
子查询:嵌套在其他查询中的查询
相关子查询：依赖于外部查询结果
非相关子查询：独立于外部子查询--效率更高
in:子查询结果集小优先用in
exists：优先查询外层查询--效率更高
not in：
not exists:不能完全替代not in
distinct：去重
统计函数：count、sum、max、avg
分组函数：group by --分组伴随聚集操作使用才有价值
having:限定分组统计函数的查询结果
order by：排序 desc--降序
asc--升序
update--修改：update tab_name set col_name=new where;
insert into tab_name values();
delete--删除：delete from tab_name where ;
注释：--注释内容
/*注释内容*/
逻辑数据模型概述
一、数据模型
二、EDW LDM概述
1.为复杂数据仓库系统实施提供了规范和基础结构--数据蓝图
促进业务部分用户和IT分析人员之间的有效沟通--明确业务需求、解决业务问题
形成对重要业务定义和术语的统一认识
具备跨部门、中性的特征，能够表达所有的业务
可以随着业务扩展而扩展
2.
三、数据仓库建模流程和方法
1.IBM IFW--FSDM(A层：相关方
位置
产品
合约
分类：一个或多个数据概念
资源项
事件
条件
业务方针
、B层)
2.TERADATA FS-LDM --十大主题
金融领域数据模型
一、金融行业高级模型
1.十大主题：当事人：金融机构所服务的对象和感兴趣进行分析的个人或者组织（个人、团体客户、雇员）
事件：经营活动相关的活动（）
协议：客户与金融机构之间达成的关于特定产品的协议
渠道：
产品：金融机构销售或提供客市场化的产品、产品包和服务。通过产品特征加以描述
资产：具有价值的产品
内部机构：金融机构内部业务单元
营销活动：为了获取、挽留客户或提高用户的使用率而采取的战略、计划或者促销活动
财务管理：公司内部财务管理原则及总账分账户
区域位置：地理区域
2.设计原则：对商业模式的抽象
以商业模式中关注的对象作为划分依据
内容完整且相对稳定
每个主题域下一般都有一个与之同名的主实体
二、ERwin工具使用
三、实战练习