数据仓库工具箱系列数据

㈠ 麻烦哪位高人推荐几本数据挖掘的书

楼上来在误人子弟了，数据库自和数据仓库还是区别一大把的，可能数据仓库的很多实现上还是借助于数据库，但是要记住，现在已经很多成熟的东西是不基于数据库了，或者精确一点说是不借助于传统的关系型数据库了，比如Hyperion的数据仓库产品的话，就是搭建在ESSBASE上的，这就是一种多维数据库。
另外传统数据库的设计和现在OLAP数据仓库的设计完全是不一样的，传统一般采用的雪花模型在OLAP中基本上不会采用的。所以还是很多不同的，不能等同对待
如果要学数据仓库的话，我建议你看两本书：构建数据仓库、数据仓库工具箱：维度建模的完全指南
把这两本书看看就基本上具备理论基础了。

㈡ 维度是什么意思

维度，又称维数，是数学中独立参数的数目。在物理学和哲学的领域内，指独立的时空坐标的数目。0维是一个无限小的点，没有长度。

1维是一条无限长的线，只有长度。2维是一个平面，是由长度和宽度(或部分曲线)组成面积。3维是2维加上高度组成体积。4维分为时间上和空间上的4维，人们说的4维经常是指关于物体在时间线上的转移。

4维准确来说有：四维时空，是指三维空间加一维时间。四维空间，只指四个维度的空间。四维运动产生了五维。

从哲学角度看，人们观察、思考与表述某事物的“思维角度”，简称“维度”。例如，人们观察与思考“月亮”这个事物，可以从月亮的“内容、时间、空间”三个思维角度去描述；也可以从月亮的“载体、能量、信息”三个思维角度去描述。

(2)数据仓库工具箱系列数据扩展阅读：

两条平行线可以看作是两个相对独立的一维，要想从一条线到另一条线就需要建立一条新的直线连接二者，此直线即是维度。0维是一点（说是一点是不严谨的，如果是点，就算有多小，都一定至少有长度、宽度，所以0维不是点，0维实际上是可以忽略的，0维就是什么都没有），没有长度。

1维是线（弦），只有长度。2维是一个平面，是由长度和宽度(或曲线)形成可以容纳n条线或由n条线组成的面。3维是2维加上高度形成立体。

一维、二维、三维均只存在思维里作为变动量使用。

宇宙一切物质均基于四维时空。

四维、五维、六维主要运用于物体定义与历史变化。

七维、八维、九维、十维主要运用于空间定义与历史变化。

㈢ 请问历史维度是什么意思

就好像会计需要有会计主体、会计期间（有时间段）、持续经营（假定主体持续的经营）、货币计量（必须能以货币来计算）这四个预设。历史也需要预设：

1.历史的主体必须要的确认性原则
历史的主体应该是有明晰的确认的，所以，像共同民族、共同语言等这种无法切确的明晰边界的，不应该成为历史的主体，历史的主体一般为“国家”，国家的边界即为边境，也是主体空间的边界。

2.当下视角
历史的主体的世界观中的时间维度是指当下。也就是说，主体的边界是指当下的国境。我们应当下的国境来作为过去的一切时间这个主体的边界，我们用“国家”来替代“历史的主体”，因为这样说大家更熟悉点。也就是说，过去的，发生在当下国境内的，就属于国家历史，而发生在当下国境外的，则不是国家历史。

3.主体边界的更精确确认
如果过去某个国家在当下国境内建立，而这个国家的首都在当下国境内，那么其历史就当归入国家历史；反之如果其首都不在当下国境内，则不应属于国家历史。当然，如果过去某个国家建立在当下国境之外，而完全侵占了当下国家的国土，那么国家历史就应该写上“被灭”。但是，被灭了也有被灭的历史，所以接下来一段时间的历史就是当下国境内被侵占的历史。被灭了也会有历史？那当然，因为你书写历史了，就说明后面你又活过来了。如果你没活过来，那么就不会有“被灭史”，而只有侵略者写的历史，因为侵略者的国境已经把这块领土给包含了，这个国家的历史就变成了他的历史。活过来就是，在被灭不久后，当下国境之内，又建立了一个新的国家，而把原来的侵略者赶了出去，那么这个新的国家就属于国家历史，“活着”的国家历史。这时国家的历史总分为两部分：活着的，被侵占的。但可以放心，在国家书写历史时，被侵占的已经收缩为无了。另外，活着的也可以细分为多个，A1, A2, A3,因为可能被外国侵略后，在当下国境内萌生了多个国家，但是你放心，在国家书写历史时，所有的细分都会归一,,A1,A2,A3都归为A。那没归一的呢？例如我们的问题。没归一的，是A1写A1的历史，A2写A2的历史，其实两者是不相干的。

㈣ 谁知道维度表是什么

维度表可以看作是用户来分析数据的窗口，纬度表中包含事实数据表中事实记录的特性，有些特性提供描述性信息，有些特性指定如何汇总事实数据表数据，以便为分析者提供有用的信息，维度表包含帮助汇总数据的特性的层次结构。例如，包含产品信息的维度表通常包含将产品分为食品、饮料、非消费品等若干类的层次结构，这些产品中的每一类进一步多次细分，直到各产品达到最低级别。 在维度表中，每个表都包含独立于其他维度表的事实特性，例如，客户维度表包含有关客户的数据。维度表中的列字段可以将信息分为不同层次的结构级。

㈤ 谁有这本书 《Microsoft数据仓库工具箱的相关推荐

你要的邮件已经发出，请查收，有可能在垃圾箱里，如果10分钟后没收到，请在本问题里追问，我会再次发送，如果还有需要的朋友~
请点“赞”此条回答以后，在下面的评论里留下您的联系方式即可！

㈥ “维度”是什么意思……

一：零维，一维，二维，三维。

零维度空间是一个点，无限小的点，不占任何空间，点就是零维空间。当无数点集合排列之后，形成了线，直线就是一维空间，无数的线构成了一个平面，平面就是二维空间。无数的平面并列构成了三维空间，也就是立体的空间

二：第四维：时间

三维的世界是静止的，当三维世界以时间为基准发生变化时，四维空间就产生了，如果把时间看作一根轴线，则这个轴线上的任意一个点，都是一个三维空间，也就是说无数个三维空间依据时间轴线集合，构成了四维空间。

在四维空间中，时间呈线性进行，虽然未来不可预测，但源头只有一个，将来也只有一个，不管下一秒将发生什么，即将发生的未来只有一个。

同样，忽略了三维属性后，我们将会发现，任意一个四维物体在时间轴上都表现为一条线段。

三：时间平面

假设无数的时间轴线集合起来，会构成什么呢？
一个时间平面。这个时间平面就是五维空间，它是由无数个四维空间根据某一轴线集合而成的。
但是，请不要问我这条轴线的标准是什么，因为我是一个四维的生命体，我无法为一个我根本观察不到的现象制订标准。
但是我们可以想象，一个五维空间的物体，应该是跨越不同时间轴线的。在任意一个时间轴线上，你只能观察到它的一部分。

四：时间轴线间的跳跃。
假设说一个四维生命体想要跳跃到其他时间轴线上，那么它就必须先成为一个五维的生命体，很显然，在跳跃的过程中，它会同时出现在两条时间轴线上，这时它已符合了五维生命体的要求。
这个事实用另一句话来表述就是：在四维空间中，时间是线性的，方向和进程不可改变。只有在五维空间中，你可以改变时间的方向和进程。
所以：与其说你改变了历史，不如说你改变了自己当前所处的时间轴线。

五：无限与永恒

虽然人类可以想象出无限的概念，但是我们却无法看到五维世界是什么样子。

虽然人类可以明白永恒的概念，可我们却无法创造出一个永恒的事物。

虽然我可以构想出整个五维空间的模型，可我却不了解你，我的爱人，你现在在想些什么。

虽然我无法创造的永恒的事物，可是此刻，我对你的思念却成为了永恒。
一：零维，一维，二维，三维。

零维度空间是一个点，无限小的点，不占任何空间，点就是零维空间。当无数点集合排列之后，形成了线，直线就是一维空间，无数的线构成了一个平面，平面就是二维空间。无数的平面并列构成了三维空间，也就是立体的空间

二：第四维：时间

三维的世界是静止的，当三维世界以时间为基准发生变化时，四维空间就产生了，如果把时间看作一根轴线，则这个轴线上的任意一个点，都是一个三维空间，也就是说无数个三维空间依据时间轴线集合，构成了四维空间。

在四维空间中，时间呈线性进行，虽然未来不可预测，但源头只有一个，将来也只有一个，不管下一秒将发生什么，即将发生的未来只有一个。

同样，忽略了三维属性后，我们将会发现，任意一个四维物体在时间轴上都表现为一条线段。

三：时间平面

假设无数的时间轴线集合起来，会构成什么呢？
一个时间平面。这个时间平面就是五维空间，它是由无数个四维空间根据某一轴线集合而成的。
但是，请不要问我这条轴线的标准是什么，因为我是一个四维的生命体，我无法为一个我根本观察不到的现象制订标准。
但是我们可以想象，一个五维空间的物体，应该是跨越不同时间轴线的。在任意一个时间轴线上，你只能观察到它的一部分。

四：时间轴线间的跳跃。
假设说一个四维生命体想要跳跃到其他时间轴线上，那么它就必须先成为一个五维的生命体，很显然，在跳跃的过程中，它会同时出现在两条时间轴线上，这时它已符合了五维生命体的要求。
这个事实用另一句话来表述就是：在四维空间中，时间是线性的，方向和进程不可改变。只有在五维空间中，你可以改变时间的方向和进程。
所以：与其说你改变了历史，不如说你改变了自己当前所处的时间轴线。

五：无限与永恒

虽然人类可以想象出无限的概念，但是我们却无法看到五维世界是什么样子。

虽然人类可以明白永恒的概念，可我们却无法创造出一个永恒的事物。

虽然我可以构想出整个五维空间的模型，可我却不了解你，我的爱人，你现在在想些什么。

虽然我无法创造的永恒的事物，可是此刻，我对你的思念却成为了永恒。

㈦ 数据仓库怎么上手

额 我是做DW的 先说你第一个问题哈 ETL 表面意思是清洗转换加载 这个不说了 网上自己内搜就行，我要说的容是，这个过程其实实施起来没网上说的那么复杂，ETL是为你的数据从业务数据库流入到DW服务的 第二个问题 你现在有前台界面和数据库建DW有这些东西足够你用了，如果说还缺点什么，最好把你们统计系统的数据库数据字典搞一份 总结一下 你现在其实最缺的不是技术 是例子 因为我猜你还不知道DW应该长什么样 推荐你本书，拉尔夫的《数据仓库工具箱》 另外补充楼上说的 数据量大小和用不用工具是没有半毛钱关系的 新手推荐手写

㈧ 怎么理解数据仓库中的面向主题

1、面向主题，是让你面向主题去分析问题，架构模型，而不是非要物理上回分开，就像答面向对象编程一样
2、“很多资料中都写数据仓库的数据模型是使用“第三范式”，数据集市才使用多维的星型模型”这个是不对的，因为在Inmon 和 Kimball 的书中都没有表示这种说法
Inmon 表是建数仓需要有个企业级的一致数据模型，并没有表示非要第三范式，这个第三范式是 Kimball 在自己的书里说 Inmon 的方式用第三范式不好啦啥的，具体自己看书《数据仓库工具箱-维度建模权威指南》第一种1.5节
数据集市使用维度建模，这个说法Kimball 也没有说过，而是 Inmon 在自己的书里说维度建模只适合数据集市，具体看《数据仓库》第5张5.19节（应该是这一节）

PS：其实感觉他俩的观点差不多，只是根据他们必须得给自己的观点加油呐喊而已，两个人互撕很多年了