多维数据模型

多维数据模型是一种用于对数据库中的数据进行排序以及对数据库中的内容进行良好的排列和组装的方法。

多维数据模型允许客户询问与市场或业务趋势相关的分析问题，这与允许客户以查询形式访问数据的关系数据库不同。它们允许用户通过相对快速地创建和检查数据来快速接收他们提出的请求的答案。

OLAP（在线分析处理）和数据仓库使用多维数据库。它用于向用户显示数据的多个维度。

它以数据立方体的形式表示数据。数据立方体允许从多个维度和角度对数据进行建模和查看。它由维度和事实定义，并由事实表表示。事实是数字度量，而事实表包含相关维度表的度量或事实名称。

多维数据表示

处理多维数据模型

在预先确定的步骤的基础上，多维数据模型起作用。

每个构建多维数据模型的项目都应遵循以下阶段：

第 1 阶段：从客户端收集数据：在第一阶段，多维数据模型从客户端收集正确的数据。大多数情况下，软件专业人员会向客户提供有关使用所选技术可以获得的数据范围的简单信息，并详细收集完整的数据。

第 2 阶段：对系统的不同部分进行分组：在第二阶段，多维数据模型识别所有数据并将其分类到它们所属的相应部分，并逐步构建无问题的应用。

第三阶段：注意不同的比例：在第三阶段，它是系统设计的基础。在这个阶段，主要因素是根据用户的观点来识别的。这些因素也称为“维度”。

第 4 阶段：准备实际时间因素及其各自的质量：在第四阶段，将在上一步中识别的因素进一步用于识别相关质量。这些品质在数据库中也称为“属性” 。

第 5 阶段：找出前面列出的因素的现实性及其性质：在第 5 阶段， 多维数据模型将现实与它收集的因素分开并区分开来。这些实际上在多维数据模型的安排中起着重要作用。

第六阶段：建立Schema放置数据，针对上述步骤收集的信息：第六阶段，在之前收集到的数据的基础上，建立一个Schema。  

例如 ：

1. 让我们以公司为例。公司的收入成本可以根据不同的因素来确认，例如公司工作场所的地理位置、公司的产品、所做的广告、推广产品所用的时间等。

示例 1

2. 以班加罗尔某工厂每季度销售产品的数据为例。数据如下表所示：

2D 工厂数据

在上面给出的演示中，工厂在班加罗尔的销售额是，对于时间维度，它被组织成季度和项目维度，它根据所销售的项目类型进行分类。这里的事实以卢比（以千计）表示。

现在，如果我们希望在三维表中查看销售数据，则如下图所示。这里的销售数据表示为一个二维表。让我们根据项目、时间和地点（如加尔各答、德里、孟买）来考虑数据。这是表格：

3D 数据表示为 2D

这些数据在概念上可以用三个维度的形式表示，如下图所示：

3D 数据表示

多维数据模型的优势

以下是多维数据模型的优点：

• 多维数据模型易于处理。
• 它易于维护。
• 它的性能优于普通数据库（例如关系数据库）。
• 数据的表示优于传统数据库。那是因为多维数据库是多视角的，承载着不同类型的因素。
• 与简单的一维数据库系统相反，它适用于复杂的系统和应用程序。
• 这种类型的数据库的兼容性是对维护人员带宽较低的项目的提升。

多维数据模型的缺点

以下是多维数据模型的缺点：

• 多维数据模型在本质上稍显复杂，需要专业人员对数据库中的数据进行识别和检查。
• 在多维数据模型的工作中，当系统缓存时，对系统的工作有很大的影响。
• 由于数据库在设计上通常是动态的，因此本质上很复杂。
• 大多数时候，实现最终产品的途径是复杂的。
• 由于多维数据模型具有复杂的系统，数据库中有大量的数据库，一旦出现安全漏洞，系统就会非常不安全。