举个简单例子：
就拿excel表格来说，作为单一的工作表，就包含二维（行和列），而一个excel文件，通常包含多个工作表，打开excel文件时，在下方显示的“sheet1、sheet2”这些工作表页列，就是第三维。
excel是最简单的数据库应用，一个xlsx文件只有三维，但你可以用若干个xlsx文件来组成一个项目，这些文件序列，你可以视为第四维。
然后，你还可以把一组组xlsx文件放在一个个目录中，那么这些目录序列，你可以视为第五维。
再往上，你还可以设置更上一级目录，那就是第六维……
反正在excel中，任何一个单元格，都可以调用存储在本地电脑（甚至是网络电脑）任何地方的、任何一个excel文件中的、任何一个工作表的、任何一个单元格内容，所以说，虽然是一大堆的文件，你也可以当做是一个数据库来处理，只是不那么方便。
……
在数据库中，单一的数据库就能包含很多很多维，你也可以把这些维，当做树状目录的结构来理解，也可以当做一堆堆的xlsx文件集合来理解。
磁盘的存储结构（不管是fat还是ntfs，还是linux或os或别的什么磁盘格式），都是一种大型的、多维的数据库，分区是一个维度，目录是一个维度，每一档下级目录又是一个维度。文件是一个维度，文件中的章节行段也是维度……
数学中的维度概念，和通常意义上的空间维度，是两回事。
空间维度可以用数学来解释，但数学维度，三维以上你就无法用空间来显示。
但在数据库中，三维只是基本 *** 作。
……
用excel来举例，已经是我能找到的最容易理解的方案。
我真正理解数据库维度时，是从数组开始的，当时使用一个很简陋的编程软件，他不提供数据库建立和访问，数组的维度也有限，还需要自己建立多维存储文件，并且只支持文本格式。
文本格式中，使用【】标记数组维度，【】中间的标识符可以自定义，通过各种不同的标识符来延伸维度……做着做着，我忽然间就领悟到什么叫数据库、什么叫维度，如果不考虑执行效率的话，用一个文本文件，就能模拟出一个硬盘来……
纬度数据库所描述的关系模式就是关系的描写关系模式，首先描绘与关系对应的两个维度的表结构，这些关系中都包含着一些属性，这些属性都来自于固定的领域，以及与域之间的映象关系。
关系是n个域的笛卡儿积的子集，组成关系的元组必须是笛卡儿积中使n目谓词为真的元组，所有有可能的关系必须满足非常完整并且基础的约束条件，而关系模式也要把这个约束条件描述出来。
在这其中关系模式和关系的区别就在于关系模式，主要就是描述一些数据结构的语句意思，而关系是一个数据的集合，是关系的值，是关系模式的一个关系实例。
数据库维度的基本概念：
1、多维数据集。多维数据集是联机分析处理(OLAP)中的主要对象，是一项可对数据仓库中的数据进行快速访问的技术。多维数据集是一个数据集合，通常从数据仓库的子集构造，并组织和汇总成一个由一组维度和度量值定义的多维结构。
2、xx(dimension)是多维数据集的结构性特性。它们是事实数据表中用来描述数据的分类的有组织层次结构(级别)。这些分类和级别描述了一些相似的成员集合，用户将基于这些成员集合进行分析。
3、度量值。在多维数据集中，度量值是一组值，这些值基于多维数据集的事实数据表中的一列，而且通常为数字。此外，度量值是所分析的多维数据集的中心值。
即，度量值是最终用户浏览多维数据集时重点查看的数字数据。您所选择的度量值取决于最终用户所请求的信息类型。一些常见的度量值有sales、cost、expenditures和productioncount等。
4、元数据。不同OLAP组件中的数据和应用程序的结构模型。元数据描述OLTP数据库中的表、数据仓库和数据集市中的多维数据集这类对象，还记录哪些应用程序引用不同的记录块。
5、级别。级别是维度层次结构的一个元素。级别描述了数据的层次结构，从数据的最高(汇总程度最大)级别直到最低(最详细)级别。
6、数据挖掘。数据挖掘使您得以定义包含分组和预测规则的模型，以便应用于关系数据库或多维OLAP数据集中的数据。之后，这些预测模型便可用于自动执行复杂的数据分析，以找出帮助识别新机会并选择有获胜把握的机会的趋势。
7、多维OLAP(MOLAP)。MOLAP存储模式使得分区的聚合和其源数据的复本以多维结构存储在分析服务器计算机上。根据分区聚合的百分比和设计，MOLAP存储模式为达到最快查询响应时间提供了潜在可能性。总而言之，MOLAP更加适合于频繁使用的多维数据集中的分区和对快速查询响应的需要。
8、关系OLAP(ROLAP)。ROLAP存储模式使得分区的聚合存储在关系数据库的表(在分区数据源中指定)中。但是，可为分区数据使用ROLAP存储模式，而不在关系数据库中创建聚合。
9、数据钻取。最终用户从常规多维数据集、虚拟多维数据集或连接多维数据集中选择单个单元，并从该单元的源数据中检索结果集以获得更详细的信息，这个 *** 作过程就是数据钻取。
10、数据挖掘模型。数据挖掘使您得以定义包含分组和预测规则的模型，以便应用于关系数据库或多维OLAP数据集中的数据。之后，这些预测模型便可用于自动执行复杂的数据分析，以找出帮助识别新机会并选择有获胜把握的机会的趋势。
1. 国峰系统UI基本概念国峰系统，UI和业务逻辑是分离的。登录技术后台后，可对系统前台模块入口进行格式撰写。这主要是为了保持开放式的界面入口布局。
界面入口布局实际上是一个HTML。可以由美工任意设计。
技术后台登录，点击右下角的“系统管理员”，用户名：ivanchain 输入正确的技术后台密码。
登录以后，可以看到，整个页面的布局，每个区域放什么模块，都是可以调整的。
实际上界面入口布局，是在righttoppane区域内填充了一个html模块。然后在其中撰写基本的html语句来形成入口。
2. 界面入口撰写
具体的html模块入口代码，具有一定的规范要求。
维度入口：
产品物料数据库
其中，NameKey=前面的部分是固定的。NameKey=后面的部分(入口标签)，决定了该入口前往哪个维度。
维度分类入口：
产品分类设置
其中，NameKey=前面的部分是固定的。NameKey=后面的部分(入口标签)，决定了该入口前往哪个维度分类。
事实入口：
确认回款
其中，CubeID=前面的部分是固定的。NameKey=后面的部分(入口标签)，决定了该入口前往哪个事实。
上述格式中，style部分可以任意写，html的表格布局等，可以由美工任意设计。只要嵌入上述入口即可。
3. 入口标签管理
入口标签管理，位于“数据库维度管理”中，如下图：
系统前台界面上已有的入口，在这里都有对应的入口标签。不要删除现有的标签，否则现有的前台界面上，有关的模块入口就进不去了。
领域：请选择“业务”或“人员”之一。
模块号：最多4位英文字符，随便起，表示本入口标签的简写代号。
NameKey/CubeID：维度的NameKey或事实的CubeID。
模块识别码：表示本入口标签的唯一标识。
有2种情况：
情况1：如果该维度或事实只有一个帐套，那么模块识别码就等于NameKey/CubeID。但如果有2个帐套，每个帐套要在前台界面生成自己的独立的模块入口(此时这两个帐套模块入口的NameKey/CubeID是相同的)，那么系统就必须区分。所以此时需要把模块识别码起的和NameKey/CubeID不同。例如，对于人员维度，
“员工档案”模块(帐套1)，NameKey=Agent，模块识别码=Agent。
“员工薪资档案”模块(帐套2)，NameKey=Agent，模块识别码=AgentSalary。(模块识别码本身可以随便起名，原则是英文名，好记忆)
情况2：该模块是一个维度，而且是comon普通维。也就是有层级结构的维度。例如：客户维度，首先有一个客户分类结构：
全部—VIP客户
—战略客户
—普通客户
—低价值客户
相当于一棵树，具体的客户归属于上述分类。那么在前台界面上，除了要有编辑客户信息的入口，还要有能够调整客户分类的入口。
对于调整客户分类的入口，此时应设置NameKey=Customer(因为客户维度的NameKey为Customer)，模块识别码=CustomerStruc。
按此规律来设置，便于记忆。
模块类型：可选择“维度”、“事实”、“维度分类”、“自定义”等几种。如果你这个入口指向某个维度，就选择维度。如果你这个入口指向某个维度分类设置，就选择维度分类。如果你这个入口指向某个事实，就选择事实。某些模块是很特殊写代码的，这种情况就选择“自定义”。这种特殊模块都是系统预置的，你在新增入口标签时不会有。
维度类型：当模块类型选择是“维度”时，要确定你指向的维度是Simple简单维，还是Comon普通维。不可以搞错，否则系统出错。
DimSolutionID帐套号：这对应于上面举例的情况。默认为帐套1。如果该模块入口是使用帐套2的字段，则在这里设置。
允许删除：在该模块中是否开放删除功能。
允许导入：在该模块中是否开放导入功能。
允许导出：在该模块中是否开放导出功能。
允许批量新增：在该模块中是否开放批量新增功能。
使用主表：如果是事实，那么是使用事实的主表，还是明细表。不能搞错。
时间类型：如果是事实，那么在模块中是按年、季、月来查询。如果选择未指定，则事实表不提供按时间查询。
主时间列：如果是事实，默认按哪个列来查询时间。请确认此处与你设计的时间列吻合。
锁死列：如果事实表记录中该列的值符合条件，该列就锁定无法编辑。
格式：AAA:BBB，AAA是锁定字段名，BBB是字段值。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）