《数据仓库设计：现代原理与方法》介绍最前沿的数据仓库设计技术，指导您构建安全可靠的决策支持基础结构。它阐述了遵循成熟可靠的软件工程原理的实用设计方法，讨论如何得心应手地构建富有表达力的概念模式、将概念模式转换为关系模式以及设计最新ETL过程。

本书适用于对了解决策支持系统领域感兴趣的数据仓库设计人员、公司和机构，也适用于学习信息系统和数据库方面的高级课程的学生。读者应该已经熟悉关系模型和实体，关系模型的基本知识，以及信息系统和信息系统设计方面的知识，否则无法从本书讨论的概念中收到最圆满的学习效果。

《数据仓库设计：现代原理与方法》内容详实，图文并茂，介绍最前沿的数据仓库设计技术，指导您构建安全可靠的决策支持基础结构。它阐述了遵循成熟可靠的软件工程原理的实用设计方法，讨论如何得心应手地构建富有表达力的概念模式、将概念模式转换为关系模式以及设计最新ETL过程，还讲述如何集成异构数据源、实现星型和雪花模式、管理动态和不规则层次结构以及如何通过实体化和拆分视图来优化性能。

第1章 数据仓库简介

 1.1 决策支持系统

 1.2 数据仓库

 1.3 数据仓库的体系结构

1.3.1 单层体系结构

1.3.2 两层体系结构

1.3.3 三层体系结构

1.3.4 另一种体系结构类别

 1.4 数据准备和ETL

1.4.1 提取

1.4.2 清洗

1.4.3 转换

1.4.4 加载

 1.5 多维模型

1.5.1 限制

1.5.2 聚合

 1.6 元数据

1.7 访问数据仓库

1.7.1 报表

1.7.2 0LAP

1.7.3 仪表板

 1.8 ROLAP、MOLAP和HOLAP

 1.9 其他问题

1.9.1 质量

1.9.2 安全

1.9.3 进化

第2章 数据仓库系统的生命周期

 2.1 风险因素

 2.2 自上而下与自下而上

2.2.1 商业维度生命周期

2.2.2 快递数据仓库方法

 2.3 数据集市设计阶段

2.3.1 数据源的分析和协调

2.3.2 需求分析

2.3.3 概念设计

2.3.4 工作负荷细化和概念模式的验证

2.3.5 逻辑设计

2.3.6 物理设计

2.3.7 数据准备设计

 2.4 系统方法架构

2.4.1 场景1：数据驱动的方法

2.4.2 场景2：需求驱动的方法

2.4.3 场景3：混合方法

 2.5 测试数据集市

第3章 数据源的分析与协调

 3.1 检查和规范化模式

 3.2 集成问题

3.2.1 不同视角

3.2.2 等效建模构造

3.2.3 不兼容的规范

3.2.4 共有概念

3.2.5 相互关联的概念

 3.3 集成阶段

3.3.1 预集成

3.3.2 比较模式

3.3.3 对齐模式

3.3.4 合并和重构模式

 3.4 定义映射

第4章 用户需求分析

 4.1 采访

 4.2 基于词汇表的需求分析

4.2.1 事实

4.2.2 预备性工作负荷

 4.3 面向目标的需求分析

4.3.1 Tropos简介

4.3.2 组织建模

4.3.3 决策建模

 4.4 其他要求

第5章 概念建模

 5.1 维度事实模型：基本概念

 5.2 高级建模

5.2.1 描述性属性

5.2.2 跨维度属性

5.2.3 聚合

5.2.4 共享层次结构

5.2.5 多弧线

5.2.6 可N选弧线

5.2.7 不完整层次结构

5.2.8 递归层次结构

5.2.9 可加性

 5.3 事件和聚合

5.3.1 聚合可加性度量

5.3.2 聚合不可加度量

5.3.3 使用聚合和跨维度属性聚合

5.3.4 使用可选弧线或者多弧线聚合

5.3.5 空事实模式聚合

5.3.6 使用维度间的函数依赖进行聚合

5.3.7 沿着不完整或者递归层次结构聚合

 5.4 时间

5.4.1 事务模式与快照模式

5.4.2 迟更新

5.4.3 动态层次结构

 5.5 重叠事实模式

 5.6 正式化维度事实模式

5.6.1 元模型

5.6.2 内涵特性

5.6.3 外延特性

第6章 概念设计

 6.1 基于实体-关系模式的设计

6.1.1 定义事实

6.1.2 构建属性树

6.1.3 修剪和移植属性树

6.1.4 一对一关系

6.1.5 定义维度

6.1.6 时间维度

6.1.7 定义度量

6.1.8 生成事实模式

 6.2 基于关系模式的设计

6.2.1 定义事实

6.2.2 构建属性树

6.2.3 其他阶段

 6.3 基于XML模式的设计

6.3.1 建立XML关联模型

6.3.2 预备阶段

6.3.3 选择事实并构建属性树

 6.4 混合方法设计

6.4.1 映射需求

6.4.2 构建事实模式

6.4.3 细化

 6.5 需求驱动的方法设计

第7章 工作负荷和数据卷

 7.1 工作负荷

7.1.1 维度表达式和对事实模式的查询

7.1.2 横向钻取查询

7.1.3 复合查询

7.1.4 嵌套GPSJ查询

7.1.5 验证概念模式中的工作负荷

7.1.6 工作负荷和用户

 7.2 数据卷

第8章 逻辑建模

 8.1 MOLAP和HOLAP系统

 8.2 ROLAP系统

8.2.1 星型模式

8.2.2 雪花模式

 8.3 视图

 8.4 时间场景

8.4.1 动态层次结构：类型1

8.4.2 动态层次结构：类型2

8.4.3 动态层次结构：类型3

8.4.4 动态层次结构：完整数据记录

8.4.5 删除元组

第9章 逻辑设计

 9.1 事实模式到星型模式

9.1.1 描述性属性

9.1.2 跨维度属性

9.1.3 共享层次结构

9.1.4 多弧线

9.1.5 可选选弧线

9.1.6 不完整层次结构

9.1.7 递归层次结构

9.1.8 退化维度

9.1.9 可加性问题

9.1.10 使用雪花模式

 9.2 视图实体化

9.2.1 使用视图来回答查询

9.2.2 问题公式化

9.2.3 实体化算法

 9.3 视图碎片化

9.3.1 垂直视图碎片化

9.3.2 水平视图碎片化

第10章 数据准备设计

 10.1 填充协调数据库

10.1.1 提取数据

10.1.2 转换数据

10.1.3 加载数据

 10.2 清洗数据

10.2.1 基于字典的技术

10.2.2 近似合并

10.2.3 即席技术

 10.3 填充维度表

10.3.1 确定要加载的数据

10.3.2 替换键

 10.4 填充事实表

 10.5 填充实体化视图

第11章 数据仓库的索引

 11.1 B+树索引

 11.2 位图索引

11.2.1 位图索引与B+树

11.2.2 高级位图索引

 11.3 投影索引

 11.4 联接和星型索引

 11.5 空间索引

 11.6 联接算法

11.6.1 嵌套循环

11.6.2 排序一合并

11.6.3 哈希联接

第12章 物理设计

12.1 优化器

12.1.1 基于规则的优化器

12.1.2 基于开销的优化器

12.1.3 直方图

 12.2 选择索引

12.2.1 索引维度表

12.2.2 索引事实表

 12.3 其他物理设计元素

12.3.1 将数据库划分为表空间

12.3.2 分配数据文件

12.3.3 磁盘块大小

第13章 数据仓库项目文档

 13.1 数据仓库层

13.1.1 数据仓库模式

13.1.2 部署模式

 13.2 数据集市层

13.2.1 总线矩阵和重叠矩阵

13.2.2 操作模式

13.2.3 数据准备模式

13.2.4 域术语表

13.2.5 工作负荷和用户

13.2.6 逻辑模式和物理模式

13.2.7 测试文档

 13.3 事实层

13.3.1 事实模式

13.3.2 属性和度量术语表

 13.4 系统方法指导原则

第14章 案例研究

 14.1 应用领域

 14.2 计划TranSport数据仓库

 14.3 销售数据集市

14.3.1 数据源分析和协调

14.3.2 用户需求分析

14.3.3 概念设计

14.3.4 逻辑设计

14.3.5 数据准备设计

14.3.6 物理设计

 14.4 营销数据集市

第15章 超越数据仓库范畴的商业智能

 15.1 商业智能简介

 15.2 数据挖掘

15.2.1 关联规则

15.2.2 群集化

15.2.3 分类器和决策树

15.2.4 时间序列

 15.3 假设分析

15.3.1 归纳技术

15.3.2 演绎技术

15.3.3 系统方法注意事项

 15.4 商业绩效管理

术语表

参考文献