什么是ods？什么是操作型数据存储？ods的定义是什么？ods的特点？
ods是用于支持企业日常的全局应用的数据集合，保存在ods中的数据有一下4个特点：面向主题、集成的、可更新的，数据是当前或接近当前的。
ods 的功能是什么？实现机制是什么？
1.在ods上可以实现企业级的oltp
2.在ods上可以实现即时的olAp
什么是分析型或者全局或者企业级OLTP？
所谓"企业级OLTP"，是指在实际数据处理中，一个事务同时涉及多个部门的数据。
为什么要引入ODS？（可以用ods的功能回答）
是因为存在着类似于像企业级的OLTP或者即时OLAP这样的操作，把这样的操作放在数据库里或者数据仓库里面去做都不合适，所以就引入了一个新的层，叫OPDS。
什么是即时OLAP？
希望能够快速返回或者快速响应的联机分析处理。
OLTP和OLAP的差别
什么是操作型处理模式？什么是信息型处理模式？
操作型处理模式，只有查询操作的工作模式。
信息型处理模式，含有更新操作的工作模式，
ODS中存在一个动态切换开关，在需要进行操作型处理模式时，提供操作型处理模式的环境；在需要信息型处理模式时，可以切换到信息型操作模式做需要的环境。
什么是分层ODS？
有多个分层ODS分层，有总公司的分层ODS，有分公司的ODS
放在（操作数据存储）ODS和数据仓库（DW）中的数据有什么差别？
| 操作数据存储（ODS） | 数据仓库（DW） |
| 当前的或者接近当前的数据 | 历史数据 |
| 细节数据 |
细节数据和综合数据 |
| 可联机更新 |
不可变快照 |
在将数据源的数据加载到数据仓库前需要完成哪些工作？
需要完成ect的工作， 抽取、清洗、转换
在三级体系结构中ODS和数据仓库中存在着哪两级记录系统？
数据仓库中的数据有哪些？
数据仓库中的数据：业务数据和元数据
粒度的概念？
粒度分为两种形式：第一种粒度是对数据仓库中数据的综合程度高低的一个度量。另一种粒度是样本数据库。
什么数据分割、分片?
数据分割是指，将数据分布到各自的物理单元中，以便能分别独立处理，提高数据分析效率。数据分割后的数据单元称为分片（分割之后的）。
捕捉变化数据的四种途径 ：时标方法、delta文件、前后快照文件的方法、日志文件。
元数据的定义？什么是数据仓库中的元数据？
元数据是描述数据的数据。
数据仓库中的元数据是对数据仓库的中的数据进行描述的数据。
元数据的内容？
元数据的分类有哪些？
按照用户分：技术元数据、业务元数据
按照来源分：正式元数据、非正式元数据
OLAP的四个特点？
快速性、可分析性、多维性、及时性
olap和oltp有什么异同？
| oltp数据 | olap数据 |
| 原始数据 | 导出数据 |
| 细节性数据 | 综合性或提炼性数据 |
| 当前数据 | 历史数据 |
| 可更新 | 不可更新，但周期性追加和刷新 |
| 一次处理的数据量小 | 一次处理的数据量大 |
| 面向应用，事物驱动 | 面向分析，分析驱动 |
| 面向操作人员，支持日常操作 | 面向决策人员，支持管理需要 |
多维数据模型有哪些核心概念？
维，维成员，维层，维层次，维属性，度量，数据方体，数据单元
什么是维、维成员、维层、维层次、维属性、度量、数据方体、数据单元？
维：人们观察数据的特定角度。维由维成员构成。
维成员：维的一个取值称为维的一个成员。
维层：人们观察数据时，除了从特殊的角度去观察外，还需要从不同的细节程度去观察。这些不同的细节程度就称为不同的维层。例如：时间维、日、月、季度时不同的细节。
维层次：维层中可以有很多分类方法，每种分类方法叫做一个层次。
维属性：维成员具有的特征。
度量：度量是要分析的目标和对象。
数据方体：多维数据模型构成的多维数据空间称作数据方体。一个数据方体由多个维和度量组成。。
什么是多维数据模型？
多维数据模型主要研究多维数据的抽象表示问题。
什么叫星形模型？什么是雪片模型？举例说明什么是星形模型？
星形模型是多维数据模型的基本结构，通常由一个很大的中心表和一组较小的表组成。例如：50页，图4.6
雪片模型：雪片模型也称雪花模型，是对维表规范化后形成的。
事实群模型：由多个事实表和多个维表构成；一个维表可以背多个事实表构成。
常用的数据模型是什么？他们之间有什么差异？
星形模型、雪片模型、事实群模型。
差异：星形模型不支持维的层结构，所以引入的雪片模型，（雪片模型更好地体现了维的层结构，）需要支持多个事实表，所以引入了事实群模型。
多维分析基础：聚集
聚集函数可以分为三类：分布型、代数型、整体型
分布型聚集函数：具有可以累计的特性。例如sum（求和）函数；
代数型聚集函数：如果一个函数可以由若干个分布型函数进行代数运算得出，则说明该函数是代数型聚集函数。例如求平均；
整体性聚集函数：不能用其他函数进行代数运算得出；例如中间数函数。
常用的多维分析操作有哪些？
常用的多维分析操作有：切片、切块、旋转、下钻、上卷
切片：在数据方体的某一维上选定一个维成员的动作；
切块：在数据方体的某一维上选定某一区间的维成员的动作；
旋转：改变数据方体维的次序的动作；
下钻：在某个分析的过程中，用户可能需要从更多的维或者某个维的更细层次上来观察数据，这时可以通过下钻来进行更深入的分析。
上卷：与下钻相反的操作类型。下钻是为了看到更细的数据，上卷是为了看到更粗的数据。
请举例说明常用的多位分析操作有哪些？（要举个例子）
多维查询语言用什么？
多维查询语言用MDX。
MDX和SQL的区别是什么？
MOLAP多维数据存储的优点
表达清晰，占用存储空间少 ；查找速度快，维护代价小；有利于多维计算
缺点：最大的缺点是数据稀疏问题
ROLAP优缺点
可以有效地处理海量数据；涉及大量昂贵的连接运算、查询速度慢，必须采用预结算索引等技术加以克服。
什么是数据方体的预计算？为什么要进行数据方体的预计算？什么是数据压缩？为什么要进行数据方体的压缩？什么是数据方体的维护？为什么要进行数据方体的维护？（要自己总结）
75页例子看看懂
什么是数据方体格结构？什么是数据方体格？
是一个有向图，图中的每个节点表示一个cubiod，图中的每条边表示节点之间的导出关系。
什么是导出关系？
如果cuboidA是由cuboidB通过减少维的个数得到的，则称cuboidA可以cuboidB导出
什么是数据方体的缩减技术？为什么要进行数据方体的缩减？
因为随着维数的增加和事实表的增大，数据方体中的数据单元的个数将呈”爆炸式“增加，要存储下所有的这些数据单元几乎是不可能的，所以要进行数据方体缩减。
怎么进行缩减 采用一种特殊的数据压缩手段，将整个数据方体存储下来，从而为高效率的查询处理提供了支持。其主要思想是按照
数据方体的索引技术
数据仓库中的索引有哪些？
在数据仓库环境下，通常采用两种类型的索引：树索引和位图索引
R树索引和B树索引的主要区别是什么？
R树是多维的，B数是单维的
举例说明简单位图索引的创建过程；举例说明简单位图索引的使用过程；
简单的bitmap索引 P99 6.5看明白了答上
P100 当有用户要查询，类似于xxxx怎么去处理
什么是projection索引（2021年3月底题库考试）？
projection索引的思想非常简单，它将某个表的某一列以相同的元组顺序冗余存储。这样做的好处是，查询时如果不需要的话可以不读取其他列的值。
什么是数据方体的维护？为什么要进行数据方体的维护？
当数据源中的数据发生变化以后，需要将这些变化反应到数据方体中。如果数据方体中的部分视图进行了实体化，则需要对这些实体化视图进行维护。如果数据方体存储时采用了某种缩减结构，则需要将变化反应到这些缩减结构中，因为你有更新了，有更新就必须要有维护。
计算题：会算 支持读、置信度、频繁相集、关联规则 apriori算法