目    錄

第1章  數(shù)據(jù)倉庫、商業(yè)智能及維度建模初步          1

1.1  數(shù)據(jù)獲取與數(shù)據(jù)分析的區(qū)別        1

1.2  數(shù)據(jù)倉庫與商業(yè)智能的目標        2

1.3  維度建模簡介        5

1.3.1  星型模式與OLAP多維數(shù)據(jù)庫  6

1.3.2  用于度量的事實表    7

1.3.3  用于描述環(huán)境的維度表    9

1.3.4  星型模式中維度與事實的連接         11

1.4    Kimball的DW/BI架構       14

1.4.1  操作型源系統(tǒng)    14

1.4.2  獲取-轉換-加載(ETL)系統(tǒng)  14

1.4.3  用于支持商業(yè)智能決策的展現(xiàn)區(qū)    16

1.4.4  商業(yè)智能應用    17

1.4.5  以餐廳為例描述Kimball架構   17

1.5  其他DW/BI架構   19

1.5.1  獨立數(shù)據(jù)集市架構    19

1.5.2  輻射狀企業(yè)信息工廠Inmon架構    20

1.5.3  混合輻射狀架構與Kimball架構       22

1.6  維度建模神話        22

1.6.1  神話1：維度模型僅包含匯總數(shù)據(jù) 23

1.6.2  神話2：維度模型是部門級而不是企業(yè)級的 23

1.6.3  神話3：維度模型是不可擴展的      23

1.6.4  神話4：維度模型僅用于預測 23

1.6.5  神話5：維度模型不能被集成 24

1.7  考慮使用維度模型的更多理由   24

1.8  本章小結        25

第2章 Kimball維度建模技術概述    27

2.1  基本概念        27

2.1.1  收集業(yè)務需求與數(shù)據(jù)實現(xiàn)         27

2.1.2  協(xié)作維度建模研討    27

2.1.3  4步驟維度設計過程 28

2.1.4  業(yè)務過程    28

2.1.5  粒度    28

2.1.6  描述環(huán)境的維度         28

2.1.7  用于度量的事實         29

2.1.8  星型模式與OLAP多維數(shù)據(jù)庫  29

2.1.9  方便地擴展到維度模型    29

2.2  事實表技術基礎   29

2.2.1  事實表結構         29

2.2.2  可加、半可加、不可加事實    29

2.2.3  事實表中的空值         30

2.2.4  一致性事實         30

2.2.5  事務事實表         30

2.2.6  周期快照事實表         30

2.2.7  累積快照事實表         30

2.2.8  無事實的事實表         31

2.2.9  聚集事實表或OLAP多維數(shù)據(jù)庫      31

2.2.10  合并事實表       31

2.3  維度表技術基礎   31

2.3.1  維度表結構         31

2.3.2  維度代理鍵         32

2.3.3  自然鍵、持久鍵和超自然鍵    32

2.3.4  下鉆    32

2.3.5  退化維度    32

2.3.6  非規(guī)范化扁平維度    32

2.3.7  多層次維度         32

2.3.8  文檔屬性的標識與指示器         33

2.3.9  維度表中的空值屬性         33

2.3.10  日歷日期維度  33

2.3.11  扮演角色的維度       33

2.3.12  雜項維度  33

2.3.13  雪花維度  33

2.3.14  支架維度  34

2.4  使用一致性維度集成   34

2.4.1  一致性維度         34

2.4.2  縮減維度    34

2.4.3  跨表鉆取    34

2.4.4  價值鏈         34

2.4.5  企業(yè)數(shù)據(jù)倉庫總線架構    35

2.4.6  企業(yè)數(shù)據(jù)倉庫總線矩陣    35

2.4.7  總線矩陣實現(xiàn)細節(jié)    35

2.4.8  機會/利益相關方矩陣       35

2.5  處理緩慢變化維度屬性        35

2.5.1  類型0：原樣保留      35

2.5.2  類型1：重寫      35

2.5.3  類型2：增加新行      36

2.5.4  類型3：增加新屬性 36

2.5.5  類型4：增加微型維度      36

2.5.6  類型5：增加微型維度及類型1支架      36

2.5.7  類型6：增加類型1屬性到類型2維度  36

2.5.8  類型7：雙類型1和類型2維度      36

2.6  處理維度層次關系        37

2.6.1  固定深度位置的層次         37

2.6.2  輕微參差不齊/可變深度層次   37

2.6.3  具有層次橋接表的參差不齊/可變深度層次   37

2.6.4  具有路徑字符屬性的可變深度層次         37

2.7  高級事實表技術   37

2.7.1  事實表代理鍵    37

2.7.2  蜈蚣事實表         38

2.7.3  屬性或事實的數(shù)字值         38

2.7.4  日志/持續(xù)時間事實   38

2.7.5  頭/行事實表       38

2.7.6  分配的事實         38

2.7.7  利用分配建立利潤與損失事實表    38

2.7.8  多種貨幣事實    39

2.7.9  多種度量事實單位    39

2.7.10  年-日事實 39

2.7.11  多遍SQL以避免事實表間的連接  39

2.7.12  針對事實表的時間跟蹤  39

2.7.13  遲到的事實       40

2.8  高級維度技術        40

2.8.1  維度表連接         40

2.8.2  多值維度與橋接表    40

2.8.3  隨時間變化的多值橋接表         40

2.8.4  標簽的時間序列行為         40

2.8.5  行為研究分組    40

2.8.6  聚集事實作為維度屬性    41

2.8.7  動態(tài)值范圍         41

2.8.8  文本注釋維度    41

2.8.9  多時區(qū)         41

2.8.10  度量類型維度  41

2.8.11  步驟維度  41

2.8.12  熱交換維度       42

2.8.13  抽象通用維度  42

2.8.14  審計維度  42

2.8.15  最后產生的維度       42

2.9  特殊目的模式        42

2.9.1  異構產品的超類與子類模式    43

2.9.2  實時事實表         43

2.9.3  錯誤事件模式    43

第3章  零售業(yè)務          45

3.1  維度模型設計的4步過程    46

3.1.1  第1步：選擇業(yè)務過程     46

3.1.2  第2步：聲明粒度     46

3.1.3  第3步：確定維度     47

3.1.4  第4步：確定事實     47

3.2  零售業(yè)務案例研究        47

3.2.1  第1步：選擇業(yè)務過程     49

3.2.2  第2步：聲明粒度     49

3.2.3  第3步：確定維度     50

3.2.4  第4步：確定事實     50

3.3  維度表設計細節(jié)   53

3.3.1  日期維度    53

3.3.2  產品維度    56

3.3.3  商店維度    59

3.3.4  促銷維度    60

3.3.5  其他零售業(yè)維度         62

3.3.6  事務號碼的退化維度         63

3.4  實際的銷售模式   63

3.5  零售模式的擴展能力   64

3.6  無事實的事實表   65

3.7  維度與事實表鍵   66

3.7.1  維度表代理鍵    66

3.7.2  維度中自然和持久的超自然鍵         68

3.7.3  退化維度的代理鍵    68

3.7.4  日期維度的智能鍵    68

3.7.5  事實表的代理鍵         69

3.8  抵制規(guī)范化的沖動        70

3.8.1  具有規(guī)范化維度的雪花模式    70

3.8.2  支架表         72

3.8.3  包含大量維度的蜈蚣事實表    72

3.9  本章小結        74

第4章  庫存          75

4.1  價值鏈簡介   75

4.2  庫存模型        76

4.2.1  庫存周期快照    76

4.2.2  庫存事務    79

4.2.3  庫存累積快照    80

4.3  事實表類型   81

4.3.1  事務事實表         81

4.3.2  周期快照事實表         82

4.3.3  累積快照事實表         82

4.3.4  輔助事實表類型         83

4.4  價值鏈集成   83

4.5  企業(yè)數(shù)據(jù)倉庫總線架構        84

4.5.1  理解總線架構    84

4.5.2  企業(yè)數(shù)據(jù)倉庫總線矩陣    85

4.6  一致性維度   89

4.6.1  多事實表鉆取    89

4.6.2  相同的一致性維度    89

4.6.3  包含屬性子集的縮減上卷一致性維度    90

4.6.4  包含行子集的縮減一致性維度         91

4.6.5  總線矩陣的縮減一致性維度    91

4.6.6  有限一致性         92

4.6.7  數(shù)據(jù)治理與管理的重要性         92

4.6.8  一致性維度與敏捷開發(fā)    94

4.7  一致性事實   94

4.8  本章小結        95

第5章  采購          97

5.1  采購案例研究        97

5.2  采購事務與總線矩陣   98

5.2.1  單一事務事實表與多事務事實表    98

5.2.2  輔助采購快照    101

5.3  緩慢變化維度(SCD)基礎       101

5.3.1  類型0：保留原始值 102

5.3.2  類型1：重寫      102

5.3.3  類型2：增加新行      104

5.3.4  類型3：增加新屬性 106

5.3.5  類型4：增加微型維度      108

5.4  混合緩慢變化維度技術        110

5.4.1  類型5：微型維度與類型1支架表 110

5.4.2  類型6：將類型1屬性增加到類型2維度      111

5.4.3  類型7：雙重類型1與類型2維度  112

5.5  緩慢變化維度總結        113

5.6  本章小結        114

第6章  訂單管理          115

6.1  訂單管理總線矩陣        116

6.2  訂單事務        116

6.2.1  事實表規(guī)范化    117

6.2.2  維度角色扮演    117

6.2.3  重新審視產品維度    119

6.2.4  客戶維度    120

6.2.5  交易維度    122

6.2.6  針對訂單號的退化維度    123

6.2.7  雜項維度    124

6.2.8  應該避免的表頭/明細模式       125

6.2.9  多幣種         126

6.2.10  不同粒度的事務事實       128

6.2.11  另外一種需要避免的表頭/明細模式     129

6.3  發(fā)票事務        130

6.3.1  作為事實、維度或兩者兼顧的服務級性能    131

6.3.2  利潤與損益事實         131

6.3.3  審計維度    133

6.4  用于訂單整個流水線的累積快照        134

6.4.1  延遲計算    136

6.4.2  多種度量單位    137

6.4.3  超越后視鏡         138

6.5  本章小結        138

第7章  會計          139

7.1  會計案例研究與總線矩陣   139

7.2  總賬數(shù)據(jù)        141

7.2.1  總賬周期快照    141

7.2.2  會計科目表         141

7.2.3  結賬    141

7.2.4  年度-日期事實   143

7.2.5  再次討論多幣種問題         143

7.2.6  總賬日記賬事務         143

7.2.7  多種財務會計日歷    144

7.2.8  多級別層次下鉆         145

7.2.9  財務報表    145

7.3  預算編制過程        146

7.4  維度屬性層次        148

7.4.1  固定深度的位置層次         148

7.4.2  具有輕微不整齊的可變深度層次    149

7.4.3  不整齊可變深度層次         149

7.4.4  不規(guī)則層次中的共享所有權    152

7.4.5  隨時間變化的不規(guī)則層次         153

7.4.6  修改不規(guī)則層次         153

7.4.7  其他不規(guī)則層次的建模方法    154

7.4.8  應用于不規(guī)則層次的橋接表方法的優(yōu)點         156

7.5  合并事實表   156

7.6  OLAP角色及分析方案包      157

7.7  本章小結        158

第8章  客戶關系管理          159

8.1  客戶關系管理概述        160

8.2  客戶維度屬性        162

8.2.1  名字與地址的語法分析    162

8.2.2  國際姓名和地址的考慮    164

8.2.3  客戶為中心的日期    165

8.2.4  作為維度屬性的聚集事實         166

8.2.5  分段屬性與記分         166

8.2.6  包含類型2維度變化的計算     169

8.2.7  低粒度屬性集合的支架表         169

8.2.8  客戶層次的考慮         170

8.3  應用于多值維度的橋接表   171

8.3.1  稀疏屬性的橋接表    172

8.3.2  應用于客戶多種聯(lián)系方式的橋接表         173

8.4  復雜的客戶行為   173

8.4.1  客戶隊列的行為研究分組         173

8.4.2  連續(xù)行為的步驟維度         175

8.4.3  時間范圍事實表         176

8.4.4  使用滿意度指標標記事實表    177

8.4.5  使用異常情景指標標記事實表         178

8.5  客戶數(shù)據(jù)集成方法        178

8.5.1  建立單一客戶維度的主數(shù)據(jù)管理    179

8.5.2  多客戶維度的局部一致性         180

8.5.3  避免對應事實表的連接    180

8.6  低延遲的實現(xiàn)檢查        181

8.7  本章小結        182

第9章  人力資源管理          183

9.1  雇員檔案跟蹤        183

9.1.1  精確的有效和失效時間范圍    184

9.1.2  維度變化原因跟蹤    185

9.1.3  作為類型2屬性或事實事件的檔案變化         185

9.2  雇員總數(shù)周期快照        186

9.3  人力資源過程的總線矩陣   187

9.4  分析解決方案軟件包與數(shù)據(jù)模型        188

9.5  遞歸式雇員層次   189

9.5.1  針對嵌入式經理主鍵變化的跟蹤    190

9.5.2  上鉆或下鉆管理層次         190

9.6  多值技能關鍵字屬性   191

9.6.1  技能關鍵字橋接表    191

9.6.2  技能關鍵字文本字符串    192

9.7  調查問卷數(shù)據(jù)        193

9.8  本章小結        194

第10章  金融服務       195

10.1  銀行案例研究與總線矩陣 195

10.2  分類維度以避免出現(xiàn)維度太少的情況      196

10.2.1  家庭維度  199

10.2.2  多值維度與權重因子       199

10.2.3  再談微型維度  200

10.2.4  在橋接表中增加微型維度       202

10.2.5  動態(tài)值范圍事實       202

10.3  異構產品的超類和子類模式      203

10.4  熱可交換維度      205

10.5  本章小結      205

第11章  電信       207

11.1  電信業(yè)案例研究與總線矩陣      207

11.2  設計評審的一般性考慮      209

11.2.1  業(yè)務需求與實際可用資源的權衡  209

11.2.2  關注業(yè)務過程  209

11.2.3  粒度  210

11.2.4  統(tǒng)一的事實表粒度  210

11.2.5  維度的粒度和層次  210

11.2.6  日期維度  211

11.2.7  退化維度  211

11.2.8  代理鍵       212

11.2.9  維度解碼與描述符  212

11.2.10  一致的承諾    212

11.3  設計評審指導      212

11.4  草案設計訓練的討論 214

11.5  重新建模已存在的數(shù)據(jù)結構      215

11.6  地理位置維度      216

11.7  本章小結      216

第12章  交通運輸       217

12.1  航空案例研究與總線矩陣 217

12.1.1  多種事實表粒度       218

12.1.2  連接區(qū)段形成旅程  220

12.1.3  相關事實表       221

12.2  擴展至其他行業(yè) 221

12.2.1  貨物托運人       221

12.2.2  旅行服務  222

12.3  相關維度合并      222

12.3.1  服務類別  223

12.3.2  始發(fā)地與目的地       224

12.4  更多有關日期和時間的考慮      225

12.4.1  用作支架表的特定國家日歷  225

12.4.2  多時區(qū)的日期和時間       226

12.5  本地化概要 226

12.6  本章小結      227

第13章  教育       229

13.1  大學案例研究與總線矩陣 229

13.2  累積快照事實表 231

13.2.1  申請流水線       231

13.2.2  科研資助項目流水線       232

13.3  無事實的事實表 232

13.3.1  招生事件  233

13.3.2  課程注冊  233

13.3.3  設施使用  235

13.3.4  學生考勤  236

13.4  更多關于教育分析的情況 237

13.5  本章小結      237

第14章  醫(yī)療衛(wèi)生       239

14.1  醫(yī)療衛(wèi)生案例研究與總線矩陣 239

14.2  報銷單據(jù)與支付 241

14.2.1  日期維度角色扮演  243

14.2.2  多值診斷  243

14.2.3  收費的超類與子類  245

14.3  電子醫(yī)療記錄      246

14.3.1  度量稀疏事實的類型維度       246

14.3.2  自由文本注釋  247

14.3.3  圖像  247

14.4  設施/設備的庫存利用         247

14.5  處理可追溯的變化      248

14.6  本章小結      248

第15章  電子商務       249

15.1  點擊流源數(shù)據(jù)      249

15.2  點擊流維度模型 252

15.2.1  網頁維度  252

15.2.2  事件維度  253

15.2.3  會話維度  254

15.2.4  推薦維度  254

15.2.5  點擊流會話事實表  255

15.2.6  點擊流網頁事件事實表  256

15.2.7  步驟維度  258

15.2.8  聚集點擊流事實表  258

15.2.9 Google Analytics(GA)         259

15.3  將點擊流集成到Web零售商總線矩陣中         259

15.4  包含Web的跨渠道贏利能力    261

15.5  本章小結      263

第16章  保險業(yè)務       265

16.1  保險案例研究      266

16.1.1  保險業(yè)價值鏈  266

16.1.2  總線矩陣草案  267

16.2  保單事務      268

16.2.1  維度角色扮演  268

16.2.2  緩慢變化維度  268

16.2.3  針對大型和快速變化維度的微型維度  269

16.2.4  多值維度屬性  269

16.2.5  作為事實或維度的數(shù)值屬性  270

16.2.6  退化維度  270

16.2.7  低粒度維度表  270

16.2.8  審計維度  270

16.2.9  保單事務事實表       270

16.2.10  異構的超類和子類產品         271

16.2.11  輔助保險累積快照         272

16.3  保費周期快照      272

16.3.1  一致性維度       272

16.3.2  一致性事實       273

16.3.3  預付事實  273

16.3.4  再談異構超類與子類       273

16.3.5  再談多值維度  274

16.4  更多保險案例研究背景      274

16.4.1  更新保險行業(yè)總線矩陣  275

16.4.2  總線矩陣實現(xiàn)細節(jié)  275

16.5  索賠事務      277

16.6  索賠累積快照      278

16.6.1  復雜工作流的累積快照  279

16.6.2  時間范圍累積快照  279

16.6.3  周期而不是累積快照       280

16.7  保單/索賠合并的周期快照         280

16.8  無事實的意外事件      280

16.9  需要避免的常見維度建模錯誤 281

16.9.1  錯誤10：在事實表中放入文本屬性      281

16.9.2  錯誤9：限制使用冗長的描述符以節(jié)省空間        281

16.9.3  錯誤8：將層次劃分為多個維度   282

16.9.4  錯誤7：忽略對維度變化進行跟蹤的需要   282

16.9.5  錯誤6：使用更多的硬件解決所有的性能問題   282

16.9.6  錯誤5：使用操作型鍵連接維度和事實        282

16.9.7  錯誤4：忽視對事實粒度的聲明并混淆事實粒度        282

16.9.8  錯誤3：使用報表設計維度模型   283

16.9.9  錯誤2：希望用戶查詢規(guī)范化的原子數(shù)據(jù)   283

16.9.10  錯誤1：違反事實和維度的一致性要求      283

16.10  本章小結   284

第17章 Kimball DW/BI生命周期概述       285

17.1  生命周期路標      286

17.2  生命周期初始活動      287

17.2.1  程序/項目規(guī)劃與管理     287

17.2.2  業(yè)務需求定義  290

17.3  生命周期技術路徑      294

17.3.1  技術架構設計  294

17.3.2  產品選擇與安裝       296

17.4  生命周期數(shù)據(jù)路徑      297

17.4.1  維度建模  297

17.4.2  物理設計  297

17.4.3 ETL設計與開發(fā)        299

17.5  生命周期BI應用路徑         299

17.5.1 BI應用規(guī)范      299

17.5.2 BI應用開發(fā)      299

17.6  生命周期總結活動      300

17.6.1  部署  300

17.6.2  維護和發(fā)展       300

17.7  應當避免的常見錯誤 301

17.8  本章小結      302

第18章  維度建模過程與任務   303

18.1  建模過程概述      303

18.2  組織工作      304

18.2.1  確定參與人，特別是業(yè)務代表們  304

18.2.2  業(yè)務需求評審  305

18.2.3  利用建模工具  305

18.2.4  利用數(shù)據(jù)分析工具  306

18.2.5  利用或建立命名規(guī)則       306

18.2.6  日歷和設施的協(xié)調  306

18.3  維度模型設計      307

18.3.1  統(tǒng)一對高層氣泡圖的理解       307

18.3.2  開發(fā)詳細的維度模型       308

18.3.3  模型評審與驗證       311

18.3.4  形成設計文檔  312

18.4  本章小結      312

第19章 ETL子系統(tǒng)與技術         313

19.1  需求綜合      314

19.1.1  業(yè)務需求  314

19.1.2  合規(guī)性       314

19.1.3  數(shù)據(jù)質量  314

19.1.4  安全性       315

19.1.5  數(shù)據(jù)集成  315

19.1.6  數(shù)據(jù)延遲  316

19.1.7  歸檔與世系       316

19.1.8 BI發(fā)布接口      316

19.1.9  可用的技能       317

19.1.10  傳統(tǒng)的許可證書    317

19.2  ETL的34個子系統(tǒng)     317

19.3  獲取：將數(shù)據(jù)插入到數(shù)據(jù)倉庫中      318

19.3.1  子系統(tǒng)1：數(shù)據(jù)分析        318

19.3.2  子系統(tǒng)2：變化數(shù)據(jù)獲取系統(tǒng)        319

19.3.3  子系統(tǒng)3：獲取系統(tǒng)        320

19.4  清洗與整合數(shù)據(jù) 321

19.4.1  提高數(shù)據(jù)質量文化與過程       322

19.4.2  子系統(tǒng)4：數(shù)據(jù)清洗系統(tǒng)        323

19.4.3  子系統(tǒng)5：錯誤事件模式        324

19.4.4  子系統(tǒng)6：審計維度裝配器   325

19.4.5  子系統(tǒng)7：重復數(shù)據(jù)刪除(deduplication)系統(tǒng)        326

19.4.6  子系統(tǒng)8：一致性系統(tǒng)   326

19.5  發(fā)布：準備展現(xiàn) 328

19.5.1  子系統(tǒng)9：緩慢變化維度管理器   328

19.5.2  子系統(tǒng)10：代理鍵產生器      332

19.5.3  子系統(tǒng)11：層次管理器 332

19.5.4  子系統(tǒng)12：特定維度管理器 333

19.5.5  子系統(tǒng)13：事實表建立器      335

19.5.6  子系統(tǒng)14：代理鍵流水線      336

19.5.7  子系統(tǒng)15：多值維度橋接表建立器      337

19.5.8  子系統(tǒng)16：遲到數(shù)據(jù)處理器 338

19.5.9  子系統(tǒng)17：維度管理器系統(tǒng) 339

19.5.10  子系統(tǒng)18：事實提供者系統(tǒng)        339

19.5.11  子系統(tǒng)19：聚集建立器        340

19.5.12  子系統(tǒng)20：OLAP多維數(shù)據(jù)庫建立器  340

19.5.13  子系統(tǒng)21：數(shù)據(jù)傳播管理器        340

19.6  管理ETL環(huán)境      341

19.6.1  子系統(tǒng)22：任務調度器 341

19.6.2  子系統(tǒng)23：備份系統(tǒng)      342

19.6.3  子系統(tǒng)24：恢復與重啟系統(tǒng) 343

19.6.4  子系統(tǒng)25：版本控制系統(tǒng)      344

19.6.5  子系統(tǒng)26：版本遷移系統(tǒng)      345

19.6.6  子系統(tǒng)27：工作流監(jiān)視器      345

19.6.7  子系統(tǒng)28：排序系統(tǒng)      346

19.6.8  子系統(tǒng)29：世系及依賴分析器      346

19.6.9  子系統(tǒng)30：問題提升系統(tǒng)      346

19.6.10  子系統(tǒng)31：并行/流水線系統(tǒng)      347

19.6.11  子系統(tǒng)32：安全系統(tǒng)   347

19.6.12  子系統(tǒng)33：合規(guī)性管理器   348

19.6.13  子系統(tǒng)34：元數(shù)據(jù)存儲庫管理器        350

19.7  本章小結      350

第20章 ETL系統(tǒng)設計與開發(fā)過程和任務         351

20.1  ETL過程概覽       351

20.2  ETL開發(fā)規(guī)劃       351

20.2.1  第1步：設計高層規(guī)劃  352

20.2.2  第2步：選擇ETL工具   352

20.2.3  第3步：開發(fā)默認策略  353

20.2.4  第4步：按照目標表鉆取數(shù)據(jù)       354

20.2.5  開發(fā)ETL規(guī)范文檔   355

20.3  開發(fā)一次性的歷史加載過程      356

20.3.1  第5步：用歷史數(shù)據(jù)填充維度表  356

20.3.2  第6步：完成事實表歷史加載       360

20.4  開發(fā)增量式ETL過程  363

20.4.1  第7步：維度表增量處理過程       363

20.4.2  第8步：事實表增量處理過程       365

20.4.3  第9步：聚集表與OLAP加載         367

20.4.4  第10步：ETL系統(tǒng)操作與自動化  368

20.5  實時的影響 368

20.5.1  實時分類  369

20.5.2  實時結構權衡  370

20.5.3  展現(xiàn)服務器上的實時分區(qū)       371

20.6  本章小結      372

第21章  大數(shù)據(jù)分析   373

21.1  大數(shù)據(jù)概覽 373

21.1.1  擴展的RDBMS結構         374

21.1.2 MapReduce/Hadoop結構         375

21.1.3  大數(shù)據(jù)結構比較       376

21.2  推薦的應用于大數(shù)據(jù)的最佳實踐      376

21.2.1  面向大數(shù)據(jù)管理的最佳實踐  376

21.2.2  面向大數(shù)據(jù)結構的最佳實踐  377

21.2.3  應用于大數(shù)據(jù)的數(shù)據(jù)建模最佳實踐       381

21.2.4  大數(shù)據(jù)的數(shù)據(jù)治理最佳實踐  383

21.3  本章小結      384