是关系型数据库之父E.F.Codd提出的。

OLAP不需要那么强事务的能力。

OLAP的相关概念

维 dim

维的层次

维的成员

多维数组

度量

OLAP的特点

快

可分析

多维性

信息性

OLAP的数据结构

Cube

数据超立方体，也称为数据立方体，指用三维或更多的维数来描述一个对象，每个维彼此垂直，数据的测量值发生在维的交叉点上，数据空间的各个部分都有相同的维属性。

特点

主要操作有钻取(roll up和drill down)、切片(slice)和切块(dice)、以及旋转(pivot)、drill acros、drill through等。

OLAP的目标是满足多维度数据查询和报表需求，核心点是 “多维度”。

在很大程度上，能够充分降低数据分析的使用门槛，大大降低数据挖掘的成本。

即方便数据分析师挖掘数据，又能让不熟悉 SQL 语言的产品、运营等业务同学通过简单的鼠标拖曳完成数据分析。

对比传统

传统写脚本

明确数据需求和统计口径；

锁定统计所需要的数据表和字段；

编写脚本，并测试语法正确无误；

运行脚本，等待数据结果；

任务执行结束，导出数据结果；

将结果汇总整理后发送需求方。

OLAP处理数据

确定数据需求和统计维度；

确认 OLAP 系统统计维度完整；

鼠标拖曳维度，像 Excel 透视表一样，瞬间得到计算结果；

下载数据结果，直接发送给业务方。

OLAP 之所以能够快速处理数据，是因为在搭建 OLAP 时会提前定义好常用的分析维度，预计算各维度的统计值，使得数据分析师可以在进行“上卷下钻”时能够将数据加载到内存中快速汇聚统计。

OLAP在大数据体系的位置

由于OLAP能力越来越强，由只存结果数据演变为也存明细数据。