数据仓库设计

第1章 数据仓库简介1.1 决策支持系统1.2 数据仓库1.3 数据仓库的体系结构1.3.1 单层体系结构1.3.2 两层体系结构1.3.3 三层体系结构1.3.4 另一种体系结构类别1.4 数据准备和ETL1.4.1 提取1.4.2 清洗1.4.3 转换1.4.4 加载1.5 多维模型1.5.1 限制1.5.2 聚合1.6 元数据1.7 访问数据仓库1.7.1 报表1.7.2 0LAP1.7.3 仪表板1.8 ROLAP、MOLAP和HOLAP1.9 其他问题1.9.1 质量1.9.2 安全1.9.3 进化第2章 数据仓库系统的生命周期2.1 风险因素2.2 自上而下与自下而上2.2.1 商业维度生命周期2.2.2 快递数据仓库方法2.3 数据集市设计阶段2.3.1 数据源的分析和协调2.3.2 需求分析2.3.3 概念设计2.3.4 工作负荷细化和概念模式的验证2.3.5 逻辑设计2.3.6 物理设计2.3.7 数据准备设计2.4 系统方法架构2.4.1 场景1：数据驱动的方法2.4.2 场景2：需求驱动的方法2.4.3 场景3：混合方法2.5 测试数据集市第3章 数据源的分析与协调3.1 检查和规范化模式3.2 集成问题3.2.1 不同视角3.2.2 等效建模构造3.2.3 不兼容的规范3.2.4 共有概念3.2.5 相互关联的概念3.3 集成阶段3.3.1 预集成3.3.2 比较模式3.3.3 对齐模式3.3.4 合并和重构模式3.4 定义映射第4章 用户需求分析4.1 采访4.2 基于词汇表的需求分析4.2.1 事实4.2.2 预备性工作负荷4.3 面向目标的需求分析4.3.1 Tropos简介4.3.2 组织建模4.3.3 决策建模4.4 其他要求第5章 概念建模5.1 维度事实模型：基本概念5.2 高级建模5.2.1 描述性属性5.2.2 跨维度属性5.2.3 聚合5.2.4 共享层次结构5.2.5 多弧线5.2.6 可N选弧线5.2.7 不完整层次结构5.2.8 递归层次结构5.2.9 可加性5.3 事件和聚合5.3.1 聚合可加性度量5.3.2 聚合不可加度量5.3.3 使用聚合和跨维度属性聚合5.3.4 使用可选弧线或者多弧线聚合5.3.5 空事实模式聚合5.3.6 使用维度间的函数依赖进行聚合5.3.7 沿着不完整或者递归层次结构聚合5.4 时间5.4.1 事务模式与快照模式5.4.2 迟更新5.4.3 动态层次结构5.5 重叠事实模式5.6 正式化维度事实模式5.6.1 元模型5.6.2 内涵特性5.6.3 外延特性第6章 概念设计6.1 基于实体-关系模式的设计6.1.1 定义事实6.1.2 构建属性树6.1.3 修剪和移植属性树6.1.4 一对一关系6.1.5 定义维度6.1.6 时间维度6.1.7 定义度量6.1.8 生成事实模式6.2 基于关系模式的设计6.2.1 定义事实6.2.2 构建属性树6.2.3 其他阶段6.3 基于XML模式的设计6.3.1 建立XML关联模型6.3.2 预备阶段6.3.3 选择事实并构建属性树6.4 混合方法设计6.4.1 映射需求6.4.2 构建事实模式6.4.3 细化6.5 需求驱动的方法设计第7章 工作负荷和数据卷7.1 工作负荷7.1.1 维度表达式和对事实模式的查询7.1.2 横向钻取查询7.1.3 复合查询7.1.4 嵌套GPSJ查询7.1.5 验证概念模式中的工作负荷7.1.6 工作负荷和用户7.2 数据卷第8章 逻辑建模8.1 MOLAP和HOLAP系统8.2 ROLAP系统8.2.1 星型模式8.2.2 雪花模式8.3 视图8.4 时间场景8.4.1 动态层次结构：类型18.4.2 动态层次结构：类型28.4.3 动态层次结构：类型38.4.4 动态层次结构：完整数据记录8.4.5 删除元组第9章 逻辑设计9.1 事实模式到星型模式9.1.1 描述性属性9.1.2 跨维度属性9.1.3 共享层次结构9.1.4 多弧线9.1.5 可选选弧线9.1.6 不完整层次结构9.1.7 递归层次结构9.1.8 退化维度9.1.9 可加性问题9.1.10 使用雪花模式9.2 视图实体化9.2.1 使用视图来回答查询9.2.2 问题公式化9.2.3 实体化算法9.3 视图碎片化9.3.1 垂直视图碎片化9.3.2 水平视图碎片化第10章 数据准备设计10.1 填充协调数据库10.1.1 提取数据10.1.2 转换数据10.1.3 加载数据10.2 清洗数据10.2.1 基于字典的技术10.2.2 近似合并10.2.3 即席技术10.3 填充维度表10.3.1 确定要加载的数据10.3.2 替换键10.4 填充事实表10.5 填充实体化视图第11章 数据仓库的索引11.1 B+树索引11.2 位图索引11.2.1 位图索引与B+树11.2.2 高级位图索引11.3 投影索引11.4 联接和星型索引11.5 空间索引11.6 联接算法11.6.1 嵌套循环11.6.2 排序一合并11.6.3 哈希联接第12章 物理设计12.1 优化器12.1.1 基于规则的优化器12.1.2 基于开销的优化器12.1.3 直方图12.2 选择索引12.2.1 索引维度表12.2.2 索引事实表12.3 其他物理设计元素12.3.1 将数据库划分为表空间12.3.2 分配数据文件12.3.3 磁盘块大小第13章 数据仓库项目文档13.1 数据仓库层13.1.1 数据仓库模式13.1.2 部署模式13.2 数据集市层13.2.1 总线矩阵和重叠矩阵13.2.2 操作模式13.2.3 数据准备模式13.2.4 域术语表13.2.5 工作负荷和用户13.2.6 逻辑模式和物理模式13.2.7 测试文档13.3 事实层13.3.1 事实模式13.3.2 属性和度量术语表13.4 系统方法指导原则第14章 案例研究14.1 应用领域14.2 计划TranSport数据仓库14.3 销售数据集市14.3.1 数据源分析和协调14.3.2 用户需求分析14.3.3 概念设计14.3.4 逻辑设计14.3.5 数据准备设计14.3.6 物理设计14.4 营销数据集市第15章 超越数据仓库范畴的商业智能15.1 商业智能简介15.2 数据挖掘15.2.1 关联规则15.2.2 群集化15.2.3 分类器和决策树15.2.4 时间序列15.3 假设分析15.3.1 归纳技术15.3.2 演绎技术15.3.3 系统方法注意事项15.4 商业绩效管理术语表参考文献

《数据仓库设计：现代原理与方法》内容详实，图文并茂，介绍最前沿的数据仓库设计技术，指导您构建安全可靠的决策支持基础结构。它阐述了遵循成熟可靠的软件工程原理的实用设计方法，讨论如何得心应手地构建富有表达力的概念模式、将概念模式转换为关系模式以及设计最新ETL过程，还讲述如何集成异构数据源、实现星型和雪花模式、管理动态和不规则层次结构以及如何通过实体化和拆分视图来优化性能。