各位大神，利用数据仓库技术辅助统计分析，数据库中生成静态表再进行统计分析，这两个哪个效率高呢？
0
没有找到相关结果
重要提示：提问者不能发表回复，可以通过评论与回答者沟通，沟通后可以通过编辑功能完善问题描述，以便后续其他人能够更容易理解问题.
没有找到相关结果
推荐一份编程学习资源，包含了各类编程语言学习进阶路线图、视频教程、配套书籍文档、数百份面经，各大厂面试真题。编程语言包括：Java、前端、PHP、Python、Linux运维、软件测试、数据解构与算法、C语言、go语言等
微信扫码关注公众号，发送 "编程"获取资源
2 个回复
BAO胖子 - 15年BI经验，涉足电力，快消品，医药，信息服务等行业的BI老兵。 2015-09-19 回答
赞同来自: 梁勇 、leon
谈谈我对题主所说的“数据仓库技术辅助统计分析”的理解。
首先，通常狭义上来讲， MOLAP不能称之为 叫做 “数据仓库技术”，我所理解的数据仓库技术指的是在关系型数据基础上，针对数据仓库需求而增加的特性。比如，物化视图，索引（集簇索引等），数据库分区，表分区等。从查询性能上来讲，无论如何一定是静态表要比如上这些辅助技术要高，而增加静态表会增加ETL的加载，如果查询性能上提升有限，是可以考虑直接使用数据仓库特性的。
这里需要注意的是：物化视图只对full select的SQL（仅有简单的summary运算）有增量刷新的功能。
而对于Teradata, Netezza等这类为数据仓库而生的数据库来说，由于他们能够提供数据查询的极高效能，如果没有复杂的运算，我们可以直接使用源表而不做汇总静态表，但对于有复杂查询或者数据量过于大的基础表，还是生成静态表更好一些。这个是一个trade off的过程，需要具体问题具体分析，在没有明确的场景下，是无法判断采用哪种方式合适的。
然后，从广义上来讲，MOLAP可以称之为数据仓库技术，这个我猜是题主的原意。同样的问题，会带来ETL的额外负担以及开发维护的额外工作量。其中，这里有多种MOLAP的模式：
1. Hyperion Essbase / Microsoft SSAS
这两类MOLAP都是用 磁盘 空间换取时间的方式，对于一定规模的数据量，查询效能要比静态表好一些但也会很有限，并且MOLAP更大的好处实际上是对于维度间计算，以及提供丰富的ＯＬＡＰ函数功能。
2. Cognos Dynamic Cube / Cognos TM1
这类MOLAP又有不同，他们采用的方式使用 内存 空间换取时间的方式，查询效能要比静态表好得更多。而TM1能够提供更为丰富的维度计算以及OLAP函数功能。
如上均从适度的数据量的假设出发，因为题主的原意应该是静态表是汇总级别的表. 而海量数据对于MOLAP的加载成本以及能否支持都会成问题，通常是不会采用的解决方案。
以上，Architecture Decsion是一个综合性很强的过程，建议不要从效能一个角度出发去审视问题。
牟瑞 - 大数据 Hadoop 讲师 Hadoop入门课程地址：http://www.hellobi.com/course/39 有架构师，技术总监，CTO的职位请联系我！ 2015-09-14 回答
赞同来自: 天涯浪子 、leon
首先数据仓库里面存放的数据是历史数据，历史数据也有数据量的区别，百万，千万，百G，上T等等，不同的数据仓库的数据规模对应着不同的实现方式。
相对来讲，传统行业数据量比较少，SQLServer的SSAS就能满足需求，而且SSAS本身就对数据仓库的存储做了优化，此时，直接绑定SSAS来做多维分析，开发，实施，运维效率等都比较高。
如果数据量再高一个级别，实际上SSAS也是可以满足的，此时的方式是有一个大型的数据仓库，然后面向不同的业务分析的时候，采用小的数据集市的方式来处理。
如果数据量更大，数据集市的维度也比较大，那这个时候可以考虑采用静态表的方式。定时抽取相应的数据到静态表，来做统计分析，也可以利用静态表再作一个小的数据集市，分发下去来方便业务人员进行分析。
随着技术的发展，实时数据分析也可以做到查询效率很高，当然这就需要更大的内存，更好的带宽和数据架构设计。
以上，有问题可以随时交流。