什麼是資料庫的維度

① 什麼是資料庫維度 怎麼理解怎麼用做什麼用的 能否通俗易懂的說明。謝謝。

舉個簡單例子：
有一個資料庫是保存著電腦在全國的銷售額，欄位分別為：產品編號,產品類型，區域，省份，城市，銷售季度，銷售額

在上面那個表中，除開產品編號與銷售額外，其他的欄位都算是維度，可以從這些維度來分析產品在全國的銷售情況。通常是在數據分析與挖掘中用到。與維度相對的是度量，即是銷售額。

② 能不能解釋一下資料庫當中這個維度用來幹嘛的……我看不懂……

數學裡面，屬於多元函數的問題。即一個量受多個因素的影響。例如商品的信息，有商品的類別，商品的價格，商品的材質等等。就好像去描述一個未知的東西，如果描述的越詳細，我們就越快知道是什麼東西。例如去買衣服，就需要知道穿的對象，衣服的季節，顏色，款式等等。資料庫信息的存儲也是如此，分類越細，歷史信息就越明確。增加緯度，就是增加描述的類別。

③ 什麼叫資料庫（表）的維度啊

從多個角度（時間、地域、機構等方面）研究一個對象的信息，其中，被研究對象為實體，研究角度就成為維度。

④ 什麼是數據的維數

數據的維數一般是指數據不相乾的幾種特性，如對溫度採集得到的一串數據序列，每一個數字代表著兩個個屬性，時間，溫度大小。對於不同的研究對象，所得到的數據維數不同，因為他們的屬性不同。

⑤ 多維資料庫是什麼

多維資料庫（Multi Dimensional Database,MDD）可以簡單地理解為：將數據存放在一個n維數組中，而不是像關系資料庫那樣以記錄的形式存放。因此它存在大量稀疏矩陣，人們可以通過多維視圖來觀察數據。多維資料庫增加了一個時間維，與關系資料庫相比，它的優勢在於可以提高數據處理速度，加快反應時間，提高查詢效率。

⑥ 什麼是資料庫維度

從多個角度（時間、地域、機構等方面）研究一個對象的信息，其中，被研究對象為實體，研究角度就成為維度。

⑦ 怎麼理解資料庫中的維度屬性

搜索一下數據設計範式。

⑧ 維度資料庫採用什麼來描述數據或關系

緯度資料庫所描述的關系模式就是關系的描寫關系模式，首先描繪與關系對應的兩個維度的表結構，這些關系中都包含著一些屬性，這些屬性都來自於固定的領域，以及與域之間的映象關系。

關系是n個域的笛卡兒積的子集，組成關系的元組必須是笛卡兒積中使n目謂詞為真的元組，所有有可能的關系必須滿足非常完整並且基礎的約束條件，而關系模式也要把這個約束條件描述出來。

在這其中關系模式和關系的區別就在於關系模式，主要就是描述一些數據結構的語句意思，而關系是一個數據的集合，是關系的值，是關系模式的一個關系實例。

資料庫維度的基本概念：

1、多維數據集。多維數據集是聯機分析處理(OLAP)中的主要對象，是一項可對數據倉庫中的數據進行快速訪問的技術。多維數據集是一個數據集合，通常從數據倉庫的子集構造，並組織和匯總成一個由一組維度和度量值定義的多維結構。

2、xx(dimension)是多維數據集的結構性特性。它們是事實數據表中用來描述數據的分類的有組織層次結構(級別)。這些分類和級別描述了一些相似的成員集合，用戶將基於這些成員集合進行分析。

3、度量值。在多維數據集中，度量值是一組值，這些值基於多維數據集的事實數據表中的一列，而且通常為數字。此外，度量值是所分析的多維數據集的中心值。

即，度量值是最終用戶瀏覽多維數據集時重點查看的數字數據。您所選擇的度量值取決於最終用戶所請求的信息類型。一些常見的度量值有sales、cost、expenditures和proctioncount等。

4、元數據。不同OLAP組件中的數據和應用程序的結構模型。元數據描述OLTP資料庫中的表、數據倉庫和數據集市中的多維數據集這類對象，還記錄哪些應用程序引用不同的記錄塊。

5、級別。級別是維度層次結構的一個元素。級別描述了數據的層次結構，從數據的最高(匯總程度最大)級別直到最低(最詳細)級別。

6、數據挖掘。數據挖掘使您得以定義包含分組和預測規則的模型，以便應用於關系資料庫或多維OLAP數據集中的數據。之後，這些預測模型便可用於自動執行復雜的數據分析，以找出幫助識別新機會並選擇有獲勝把握的機會的趨勢。

7、多維OLAP(MOLAP)。MOLAP存儲模式使得分區的聚合和其源數據的復本以多維結構存儲在分析伺服器計算機上。根據分區聚合的百分比和設計，MOLAP存儲模式為達到最快查詢響應時間提供了潛在可能性。總而言之，MOLAP更加適合於頻繁使用的多維數據集中的分區和對快速查詢響應的需要。

8、關系OLAP(ROLAP)。ROLAP存儲模式使得分區的聚合存儲在關系資料庫的表(在分區數據源中指定)中。但是，可為分區數據使用ROLAP存儲模式，而不在關系資料庫中創建聚合。

9、數據鑽取。最終用戶從常規多維數據集、虛擬多維數據集或連接多維數據集中選擇單個單元，並從該單元的源數據中檢索結果集以獲得更詳細的信息，這個操作過程就是數據鑽取。

10、數據挖掘模型。數據挖掘使您得以定義包含分組和預測規則的模型，以便應用於關系資料庫或多維OLAP數據集中的數據。之後，這些預測模型便可用於自動執行復雜的數據分析，以找出幫助識別新機會並選擇有獲勝把握的機會的趨勢。