数据仓库设计

出版者:清华大学出版社

作者:Matteo Golfarelli

页数:393

出版时间:2010-8

价格:49.80元

isbn号码:9787302230748

具体描述

《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。

作者简介

Matteo Golfarelli是意大利博洛尼亚大学计算机科学与技术学院副教授，讲授信息系统、数据库和数据挖掘课程。Matteo从2008年开始担任Buslrless Intelligence Systems会议的联合主席，并仟国际杂志Data Mining and Management的编委。

Stefano Rizzi是意大利博洛尼亚大学计算机科学与技术学院教授，讲授高级信息系统和软件工程课棒。他已在国际期刊和会议文献上发表了近1 00篇关于信息系统、移动机器人系统和模式识别的论文。Stefano是Encyclopedia of Database Systems杂志的数据仓库设计编辑。

目录信息

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ETL
1.4.1 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 0LAP
1.7.3 仪表板
1.8 ROLAP、MOLAP和HOLAP
1.9 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1
8.4.2 动态层次结构：类型2
8.4.3 动态层次结构：类型3
8.4.4 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
· · · · · · (收起)

用户评价

这本书的插图和图表设计简直是一场视觉盛宴，完全不像我之前读过的那些枯燥的技术手册。作者显然在如何将复杂的概念视觉化方面下足了功夫，每一个流程图、每一个架构示意图都清晰得令人赞叹，仿佛有位经验丰富的大师在旁边手把手地教导你。特别是关于数据模型转换的那几章，那些精心绘制的E-R图和维度模型示意图，即便是初次接触数据仓库概念的人，也能迅速抓住核心的逻辑关系。阅读过程中，我常常忍不住停下来，对着那些精美的图表仔细琢磨，那种直观的理解效率，远胜于纯粹依赖文字描述。这不仅仅是一本技术书籍，更像是一本结合了艺术鉴赏的工程指南，让人在学习知识的同时，也能享受到阅读的愉悦感。它成功地将那些抽象的、难以捉摸的“数据流”和“存储结构”具象化了，让构建数据仓库的过程不再是雾里看花，而是清晰可见的蓝图。

关于数据集成和ETL流程的章节，这本书的处理方式体现了一种罕见的务实主义精神。它没有陷入对某个特定商业工具的偏爱，而是聚焦于底层的设计范式和容错机制。书中详细拆解了不同数据源（例如遗留系统、日志文件、流式数据）在汇聚到数据仓库时可能遇到的陷阱，并给出了详尽的应对方案，比如如何处理“脏数据”的隔离和清洗流程，以及在批处理中断时如何设计幂等性的恢复机制。我特别欣赏作者对于“数据漂移”（Data Drift）问题的关注，这是很多教科书会忽略的、但在实际生产环境中频繁发生的棘手问题。这本书提供的不仅仅是“怎么做”的指南，更重要的是“在出错时如何优雅地补救”的实战经验。

我一直苦于市面上那些教材对于“治理”和“元数据管理”的论述总是浅尝辄止，但这本书在这方面的深度简直令人惊喜。它没有将重点仅仅放在工具的选择和技术的实现上，而是花了大量的篇幅探讨了组织文化、数据所有权以及长期维护策略的必要性。作者以一种近乎哲学的思辨方式，探讨了数据从产生到被有效利用的整个生命周期中，权力、责任和信任的分配问题。尤其是在描述如何建立一个可持续的元数据生命周期管理体系时，书中提出的那种自下而上、强调业务驱动的框架，彻底颠覆了我过去那种自上而下、IT主导的固有思维。读完这部分，我感觉自己仿佛经历了一场关于数据哲学的洗礼，对如何让数据仓库真正成为企业的“智能中枢”有了更深刻、更全面的认识。

从历史演进的角度来看待数据存储技术的发展脉络，是这本书给我带来的最大惊喜之一。它并非只是罗列当前最热门的技术栈，而是将现代数据仓库和数据湖的架构，置于商业智能（BI）发展的宏大历史背景下进行审视。通过回顾OLAP概念的起源、关系型数据库的局限性，再到面向列存储和云原生架构的崛起，作者构建了一个完整的技术演进地图。这种“知其所以然”的深度解析，使得读者在学习最新的技术（比如数据湖仓一体化）时，能够清晰地理解其背后的驱动力和技术决策的逻辑链条。这使得我阅读后的收获不仅仅停留在操作层面，更重要的是，它培养了一种能够预判未来技术趋势的战略性思维，让我对数据架构的长期规划更有信心。

这本书的叙事节奏和语言风格出乎意料地接地气，完全没有那种高高在上的专家腔调。作者似乎非常了解初学者在面对海量信息时的焦虑感，所以他总是用一些非常生活化的比喻来解释复杂的性能优化技巧。例如，在讲解索引策略时，他将关系型数据库比作一个图书馆，将数据表比作书架，而索引就是精确的卡片目录，这个比喻瞬间让“为什么需要组合索引”这个问题变得不再神秘。这种行文方式，极大地降低了阅读门槛，让我在深夜独自钻研技术难题时，也感觉像是在和一个知识渊博的朋友聊天。最难得的是，即便用词轻松，其内容的准确性和前沿性却丝毫不打折扣，兼顾了易读性和专业性，这在技术书籍中是极其罕见的平衡。

about database

封面就是大学教科书的范，冲着老外写的看看。结果翻译巨烂无比，排版巨傻无比。1个小时翻完，学了点名词，看看图。

about database

一些术语与个别段落的翻译糟糕，但难掩本书的出色。尤其是大量参考文献索引，能满足所有的好奇。

封面就是大学教科书的范，冲着老外写的看看。结果翻译巨烂无比，排版巨傻无比。1个小时翻完，学了点名词，看看图。