數據倉庫工具箱3

❶ 怎麼理解數據倉庫中的面向主題

1、面向主題，是讓你面向主題去分析問題，架構模型，而不是非要物理上回分開，就像答面向對象編程一樣
2、「很多資料中都寫數據倉庫的數據模型是使用「第三範式」，數據集市才使用多維的星型模型」這個是不對的，因為在Inmon 和 Kimball 的書中都沒有表示這種說法
Inmon 表是建數倉需要有個企業級的一致數據模型，並沒有表示非要第三範式，這個第三範式是 Kimball 在自己的書里說 Inmon 的方式用第三範式不好啦啥的，具體自己看書《數據倉庫工具箱-維度建模權威指南》第一種1.5節
數據集市使用維度建模，這個說法Kimball 也沒有說過，而是 Inmon 在自己的書里說維度建模只適合數據集市，具體看《數據倉庫》第5張5.19節（應該是這一節）

PS：其實感覺他倆的觀點差不多，只是根據他們必須得給自己的觀點加油吶喊而已，兩個人互撕很多年了

❷ 數據倉庫怎麼上手

額 我是做DW的 先說你第一個問題哈 ETL 表面意思是清洗轉換載入 這個不說了 網上自己內搜就行，我要說的容是，這個過程其實實施起來沒網上說的那麼復雜，ETL是為你的數據從業務資料庫流入到DW服務的 第二個問題 你現在有前台界面和資料庫建DW有這些東西足夠你用了，如果說還缺點什麼，最好把你們統計系統的資料庫數據字典搞一份 總結一下 你現在其實最缺的不是技術 是例子 因為我猜你還不知道DW應該長什麼樣 推薦你本書，拉爾夫的《數據倉庫工具箱》 另外補充樓上說的 數據量大小和用不用工具是沒有半毛錢關系的 新手推薦手寫

❸ 數據倉庫系統有哪三個工具層 典型的數據倉庫系統包括哪幾部分

典型的數據倉庫系統包括以下幾個部分：
數據源
ETL(數據抽取、轉換和載入)
數據倉庫
數據集市
前端展示（包括報表、多維展示等）

❹ 維度什麼意思

維度（Dimension），又稱為維數，是數學中獨立參數的數目。在物理學和哲學的領域內，指獨立的時空坐標的數目。0維是一個無限小的點，沒有長度。1維是一條無限長的線，只有長度。2維是一個平面，是由長度和寬度(或部分曲線)組成面積。3維是2維加上高度組成體積。

4維分為時間上和空間上的4維，人們說的4維通常是指關於物體在時間線上的轉移。（4維准確來說有兩種：四維時空，是指三維空間加一維時間；四維空間，只指四個維度的空間。）四維運動產生了五維。

(4)數據倉庫工具箱3擴展閱讀：

維度的特性

在點上描述（定位）一個點就是點本身，不需要參數；在直線上描述（定位）一個點，需要1個參數（坐標值）；在平面上描述（定位）一個點，需要2個參數（坐標值）；在體上描述（定位）一個點，需要3個參數（坐標值）。

如果我們改變「對象」就會得到不同的結論，如：「直線基於平面是4維、直線基於體是6維、平面基於體是9維」。

兩點可確定一條直線，所以描述（定位）一條直線在平面上需要2×2個參數（坐標值）、在體上需要2×3個參數（坐標值）；不共線的三點可確定一個平面，所以在體上描述（定位）一個平面需要3×3個參數（坐標值）。

❺ 數據倉庫模型設計 用什麼工具箱

datastage,di,informatic等等是用來做ETL的,saybase
powerdesinger數據倉庫建模的
也可以不用工具
直接寫存儲過程的
給分吧樓主
沒看明白也可以追問

❻ 維度是什麼意思

維度又稱維數，是數學中獨立參數的數目。在物理學和哲學的領域內，指獨立的時空坐標的數目。

從廣義上講：維度是事物「有聯系」的抽象概念的數量，「有聯系」的抽象概念指的是由多個抽象概念聯系而成的抽象概念，和任何一個組成它的抽象概念都有聯系，組成它的抽象概念的個數就是它變化的維度，如面積。此概念成立的基礎是一切事物都有相對聯系。

從哲學角度看，人們觀察、思考與表述某事物的「思維角度」，簡稱「維度」。例如，人們觀察與思考「月亮」這個事物，可以從月亮的「內容、時間、空間」三個思維角度去描述；也可以從月亮的「載體、能量、信息」三個思維角度去描述。

(6)數據倉庫工具箱3擴展閱讀

數學維度

通常的理解是「點是0維、直線是1維、平面是2維、體是3維」。實際上這種說法中提到的概念是「前提」而不是「被描述對象」，被描述對象均是「點」。故其完整表述應為「點基於點是0維、點基於直線是1維、點基於平面是2維、點基於體是3維」。再進一步解釋，在點上描述（定位）一個點就是點本身，不需要參數；在直線上描述（定位）一個點，需要1個參數（坐標值）；在平面上描述（定位）一個點，需要2個參數（坐標值）；在體上描述（定位）一個點，需要3個參數（坐標值）。

如果我們改變「對象」就會得到不同的結論，如：「直線基於平面是4維、直線基於體是6維、平面基於體是9維」。進一步解釋，兩點可確定一條直線，所以描述（定位）一條直線在平面上需要2×2個參數（坐標值）、在體上需要2×3個參數（坐標值）；不共線的三點可確定一個平面，所以在體上描述（定位）一個平面需要3×3個參數（坐標值）。

參考資料: 網路-維度

❼ 麻煩哪位高人推薦幾本數據挖掘的書

樓上來在誤人子弟了，資料庫自和數據倉庫還是區別一大把的，可能數據倉庫的很多實現上還是藉助於資料庫，但是要記住，現在已經很多成熟的東西是不基於資料庫了，或者精確一點說是不藉助於傳統的關系型資料庫了，比如Hyperion的數據倉庫產品的話，就是搭建在ESSBASE上的，這就是一種多維資料庫。
另外傳統資料庫的設計和現在OLAP數據倉庫的設計完全是不一樣的，傳統一般採用的雪花模型在OLAP中基本上不會採用的。所以還是很多不同的，不能等同對待
如果要學數據倉庫的話，我建議你看兩本書：構建數據倉庫、數據倉庫工具箱：維度建模的完全指南
把這兩本書看看就基本上具備理論基礎了。

❽ 大數據都需要學什麼

這要看你學到什麼程度了，初級的大數據工程師，大數據開發工程師，大數據維護工程師啊，再往後發展大數據研發工程師，大數據架構師，數據分析師，大數據高級工程師，大數據分析師專家，大數據挖掘師，大數據演算法師等；不管的研發，還是數據分析，還是運維，都要看以後的工作需要和發展，還有自我提升等，不同的方向分工又不太相同，大數據作為一門基礎科學，無論在數據開發及分析、物聯網和人工智慧演算法訓練領域，都有著核心技術和職位訴求。具體學習大數據一般分為以下幾個階段：
第一階段：大數據基礎
Java基礎——Java語法基礎。掌握JAVA的開發環境搭建以及基礎知識等.能夠熟練使用邏輯語法進行代碼編寫
數據結構——數組、鏈表、棧、隊列、排序、二分查找、散列表、哈希表、二叉樹，紅黑樹、遞歸樹，堆和棧。繼續提升大家的計算機素養，掌握演算法初步。
MySQL基礎——mysql安裝、基本SQL語句、SQL優化。掌握資料庫的基本應用。
Javaweb——tomacat、servlet、JSP 、MVC。掌握web開發的相關內容，理解數據來源
高級java——面向對象、網路編程、反射、多線程。理解分布式程序運行原理，為以後閱讀大數據框架打下基礎。
linux基礎——虛擬機安裝、常用linux命令、shell腳本。學會使用linux操作系統，為部署大數據集群做准備。
第二階段：大數據框架
Hadoop——分布式存儲、分布式計算、公共通用介面。掌握部署大數據集群，熟練編寫map-rece程序。
Zookeeper——Zookeeper協調機制、選舉機制。搭建高可用集群。
Hive——數據倉庫搭建、數據導入和分析。初步掌握數據倉庫的概念，為後續企業級數倉做准備。
Hbase——Hbase集群搭建、大數據資料庫工作原理、列式存儲、高吞吐量應用開發。掌握大數據資料庫Hbase的應用，科學的行鍵設計，熱點數據處理。
Kafka——理解消息隊列、Kafka集群部署、高並發高可用數據採集框架搭建。掌握高可以高並發數據隊列系統設計、能處理峰值問題。
Scala——Scala語法基礎、常用運算元、非同步通信。掌握優秀的數據處理語言Scala
Spark——Spark集群搭建、離線數據處理、實時數據處理、機器學習、圖計算。掌握一棧式解決方案Spark，它是大數據的核心模塊。
常用輔助框架——Sqoop、Flume、Presto、impala、Phoenix、oozie、ElasticSearch、kylin、MongoDB、Redi、Druid。掌握常用工具和與大數據緊密相關的框架，提高工作效率，拓展框架功能。
第三階段：機器學習
python基礎——python基礎語法、面向對象、Numpy。掌握python基礎語法和機器學習相關的基礎框架。
數學基礎——線性代數、微積分、概率、凸優化。本部分內容理解即可，對優化模型很重要。
常用演算法——回歸、KNN、決策樹、聚類、集成學習、SVM、多分類、貝葉斯、EM、隱馬模型、深度學習。掌握常用計算器學習演算法的原理，能夠根據數據特性選擇合適的模型，訓練泛化能力強的模型。
第四階段：項目實操
雲和數據有大數據專業，可以詳細了解一下，看看這個專業的職業發展。

❾ 誰有這本書 《Microsoft數據倉庫工具箱的相關推薦

你要的郵件已經發出，請查收，有可能在垃圾箱里，如果10分鍾後沒收到，請在本問題里追問，我會再次發送，如果還有需要的朋友~
請點「贊」此條回答以後，在下面的評論里留下您的聯系方式即可！