CN101183986A - 节约存储、营造“绿色”数据仓库的方法 - Google Patents
节约存储、营造“绿色”数据仓库的方法 Download PDFInfo
- Publication number
- CN101183986A CN101183986A CNA2007101853054A CN200710185305A CN101183986A CN 101183986 A CN101183986 A CN 101183986A CN A2007101853054 A CNA2007101853054 A CN A2007101853054A CN 200710185305 A CN200710185305 A CN 200710185305A CN 101183986 A CN101183986 A CN 101183986A
- Authority
- CN
- China
- Prior art keywords
- data
- day
- compression
- layer
- memory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种节约存储、营造“绿色”数据仓库的方法。本发明的具体方法步骤如下:(1)对于基础层采取数据压缩方法来节约存储;(2)对于汇总层采取用户级-细粒度级-粗粒度级的分粒度存储方式来节约存储;并且对于超出存储周期的业务数据,建立自动化、可配置和定时清理数据机制;(3)对于应用层根据应用分析的生命周期,调整存储周期;并且对于超出存储周期的业务数据,建立自动化、可配置和定时清理数据机制。本发明的有益效果是能够大大节约存储,并且能够及时自动清理数据“垃圾”,从而实现营造干净、整洁的“绿色”数据仓库。
Description
技术领域
本发明涉及一种节约存储、营造“绿色”数据仓库的方法,适用于电信行业。
背景技术
数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合,支持管理决策制定。电信运营商建设的数据仓库,一般包括的客户、账户、话单、客服、网管等多个主题域的数据。通过ETL过程,从BOSS、CALLCENTER以及网管系统中将生产数据抽取到数据仓库系统,经过转换,加载到数据仓库中。然后,通过自动调度机制,将数据分层、分粒度,进行汇总,将数据形成数据集市或应用汇总层,然后根据应用的不同,形成各自的星形结构或雪花结构的应用层数据,再进一步通过OLAP服务器或者报表服务器,以及前端展示页面形成多维分析、报表和展示页面等方式,在portal中进行展示。
为保证数据仓库的处理性能,无论是IBM、NCR等厂商的数据仓库构架中,数据仓库的存储永远是重点考虑的问题之一,存储的增加,必然带来数据仓库、cpu、内存的增加,也就是节点的增加。所谓数据“垃圾”,是指数据仓库中存储的数据,不再使用或者使用率相当低的数据。这部分数据需要进行清理,而进一步讲,营造“绿色”数据仓库,其本质将就是想办法在满足应用的前提下,减少数据仓库的存储占用,其中数据“垃圾”清理只是其中手段之一。
在数据仓库建设、应用分析过程中,数据的存储基本上分为三层,最底层可以称之为基础层,是数据仓库的核心,其次是在基础层上,为满足应用分析的需求,形成的汇总层,然后,用于前端展示使用的应用层。
基础层是按照主题、业务流程进行组织的;是从业务系统中抽取有用的数据,进行清洗转换后形成的;且一般按照三范式的原则进行存储,其特点就是减少数据冗余。该层数据占用存储较大的主要是话单等清单类数据,这类数据要求一定的存储周期,且为满足业务需要轻易不会变化。
另外,在基础层之上,形成的分层、分粒度的汇总层。其来源于业务需求和数据驱动两个方面的因素。其本质为构建适合于应用分析使用的中间汇总层数据。其存储的占用主要取决于存储粒度和存储周期。存储粒度小,存储周期长,占用的存储周期就大。反之,占用存储空间就小。
汇总层之上是用于分析展示的事实表一层,即应用层。该部分数据的存储占用,主要取决于存储周期,且该部分数据的存储周期是随着应用分析的生命周期变化而变化的。例如,针对某阶段的市场变化,某个促销活动成为目前阶段的主要关注对象。为形成该营销活动的跟踪分析,形成针对该营销活动的应用层。随着市场的发展该营销活动的生命周期走向衰退期,该应用分析的生命周期也进入衰退期。随着其应用层数据就转变为数据“垃圾”。
目前,电信行业的数据仓库,随着业务的发展,数据源的扩充,应用分析的增多,不可避免的产生各种各样的数据“垃圾”和各种形式的存储上的浪费。这些“垃圾”数据和存储的浪费对数据仓库带来的污染,等同于有害气体排放对自然环境的污染。
发明内容
本发明所要解决的技术问题是提供一种能够自动清理数据“垃圾”和减少存储浪费的节约存储、营造“绿色”数据仓库的方法。
本发明解决其技术问题所采用的技术方案:
对于数据存储分为基础层、汇总层、应用层三层的数据仓库,分别采取数据压缩和自动化清理机制的方法进行处理,其具体方法步骤如下:
(一)基础层:
对于具备压缩存储条件的业务数据,采取数据压缩方法来节约存储;
(二)汇总层:
对于采用分层、分粒度存储的汇总层,按照日-周-月时间粒度上的分层汇总,即采取用户级-细粒度级-粗粒度级的分粒度存储方式来节约存储;并且对于超出存储周期的业务数据,建立自动化、可配置和定时清理数据机制;
(三)应用层:
根据应用分析的生命周期,调整存储周期;并且对于超出存储周期的业务数据,建立自动化、可配置和定时清理数据机制。
所述的数据压缩方法的具体步骤如下:
(1)压缩值选取:
按下表内容确定压缩值:
字段类型 | 值域范围 | 压缩值选择 |
char | 0~255 | 全部值域值作为压缩值 |
char | >255 | 选择频繁出现数值作为压缩值 |
integer | 0~最大值 | 选取频繁出现数值且不超过255个压缩值 |
decimal | 0~最大值 | 选取频繁出现数值且不超过255个压缩值 |
(2)压缩执行:
a、新建压缩表:
根据上一步骤确定的每一个字段的压缩值,定义压缩表的表结构;
b、导入数据执行压缩:
将原表业务数据插入新建压缩表中,在导入的过程中数据仓库自动执行压缩;
c、压缩结果测试:
压缩完成后,对比前后结果,检查压缩效果;
d、原表替换:
将压缩表替换为原表;完成该表压缩操作。
所述的汇总层的按照日-周-月时间粒度上分层汇总的具体方法为:
将每天的业务数据按照用户级别,将各种业务数据类型一致的记录汇总为一条记录;生成日明细汇总表;然后将日明细汇总表累计到月明细汇总表中;日汇总表存储一周,用于统计分析;在日汇总表之上,生成去除用户的日粗粒度汇总;保留一个月。
所述汇总层的定时清理数据机制如下:针对上述汇总层的业务数据日明细表、日汇总表、月汇总表,分别定义存储表类型和存储周期,并生成配置文件,然后利用编写程序读取上述配置文件,通过操作类型、日期字段信息生成相应的drop和delete语句,在数据仓库中实施清理操作,并生成相应的操作日志,该程序是通过ETL的调度工具定期调度,完成自动清理。
所述的应用层的定时清理数据机制如下:
在日明细汇总表之上的应用层,生成日业务量分析事实表,用于前端多维分析展示;且定义存储周期为30天,该表按照总表分日期字段形式存储;另外,对于日明细汇总表和日粗粒度汇总表,分别定义存储周期为一周或一月;且两个表均为按日分表形式进行存储;并生成配置文件;然后利用编写程序读取上述配置文件信息,通过操作类型、日期字段信息生成相应的drop和delete语句,在数据仓库中实施清理操作,并生成相应操作日志,该程序是通过ETL的调度工具定期调度,完成自动清理。
本发明的有益效果是能够大大节约存储,并且能够及时自动清理数据“垃圾”,从而实现营造干净、整洁的“绿色”数据仓库。
附图说明
图1为自动化清理数据机制操作流程图。
具体实施方式
实施例:
电信业数据仓库中用户的通话记录是主要数据之一,其数据量大,且业务含义重大。本实施例以通话记录为例,说明本发明的具体实施方法:
1、基础层:
通话记录一般要保留半年左右。通过分析,其中的字段,如:主被叫、长途漫游、本方归属地、对方归属地、结算方等字段均为枚举型字段。采用数据仓库的数据压缩技术,可以极大的节省数据存储。具体步骤如下:
1)压缩值选取:
当字段类型为CHAR型,字段值所占字节平均长度较为均匀,值域范围不超过255个的时候,可以把值域全部做为压缩值进行压缩,达到有效的压缩效果。
当字段类型为CHAR型,字段数据所占最大字节与平均长度及最小长度差异较大,值域范围超过255的时候,可以选择频繁数值进行压缩。
当字段类型为INTEGER的时候,不论其分布情况,对频繁出现的数据进行压缩,但取值范围不可超过255个压缩值。
当字段类型为DECIMAL的时候,不仅根据其数据最大值变更长度,还需要对频繁出现的数据进行压缩。
字段类型 | 值域范围 | 压缩值选择 |
char | 0~255 | 全部值域值作为压缩值 |
char | >255 | 选择频繁出现数值作为压缩值 |
integer | 0~最大值 | 选取频繁出现数值且不超过255个压缩值 |
decimal | 0~最大值 | 选取频繁出现数值且不超过255个压缩值 |
按照上述原则分析话单中每个字段,确定压缩值。
2)压缩执行:
a)新建压缩表:
根据前一步骤确定的每一个字段的压缩值,定义压缩表的表结构。举例如下:
原表:
CREATE SET TABLE TB_CDR_GSM_HOME
(
SUBS_NO VARCHAR(13)TITLE’用户号’NOT NULL,
CDR_TYPE_ID CHAR(6)TITLE’话单类型_ID’NOT NULL,
CDR_TYPE CHAR(3)TITLE’话单类型’NOT NULL,
ROAM_TYPE CHAR(5)TITLE’漫游类型’NOT NULL,
CALL_TYPE CHAR(5)TITLE’呼叫类型’NOT NULL,
SELF_PHONE_NO VARCHAR(22)TITLE’本方电话号码’NOT NULL,
VREGION CHAR(12) NOT NULL,
SELF_HOME_AREA CHAR(12)TITLE’本方归属地区’NOT NULL
。。。。。。
)PRIMARY INDEX(SUBS_NO);
压缩表:
CREATE SET TABLE TB_CDR_GSM_HOME_CMPRS
(
SUBS_NO VARCHAR(13)TITLE’用户号’NOT NULL,
CDR_TYPE_ID CHAR(6)TITLE’话单类型_ID’NOT NULL
COMPRESS’7’,
CDR_TYPE CHAR(3)TITLE’话单类型’NOT NULL COMPRESS
(’C ’,’O ’,’T ’),
ROAM_TYPE CHAR(5)TITLE’漫游类型’NOT NULL COMPRESS
(’0’,’00 ’,’02 ’,’1’,’22 ’,’321’,’323’,’324’),
CALL_TYPE CHAR(5)TITLE’呼叫类型’NOT NULL COMPRESS
(’11 ’,’21 ’,’22 ’,’231’,’232’,’233’,’234’),
SELF_PHONE_NO VARCHAR(22)TITLE’本方电话号码’NOT
NULL,
VREGION CHAR(12) NOT NULL COMPRESS
(’10’,’20’,’21’,’ 22’,’24’,’28’,’29’,’310’,’311’,’312’,’313
’,’314’,’316’,’317’,’318’,’319’,’335’,’350’,’351’,’353’,’3
54’,’355’,’371’,’372’,’429’,’510’,’512’,’531’,’532’,’533’,
’534’,’535’,’536’,’539’,’543’,’571’,’635’),
SELF_HOME_AREA CHAR(12)TITLE’本方归属地区’NOT NULL
COMPRESS
(’310’,’311’,’312’,’313’,’314’,’315’,’316’,’317’,’318’,’31
9’,’335’)
。。。。。。
)PRIMARY INDEX(SUBS_NO);
b)导入数据执行压缩:
将原表数据插入的新建压缩表中,在导入的过程中数据仓库自动执行压缩。
INSERT INTO TB_CDR_GSM_HOME_CMPRS
SELECT*FROM TB_CDR_GSM_HOME;
c)压缩结果测试:
压缩完成后,对比前后结果,检查压缩效果(具体操作见附表1和附表2)。
d)原表替换:
将压缩表替换为原表。完成该表压缩操作。
2、汇总层
数据在汇总层采取分层、分粒度存储是为节省存储,另一方面是为了方便统计分析。
具体实施方法:对于每天的通话记录,通过分层、分粒度存储。将每天的通话记录按照用户级别,将各种通话类型一致的记录汇总为一条记录。生成日明细汇总表。然后将目明细汇总表累计到月明细汇总表中。日汇总表存储一周,用于统计分析。在日汇总表之上,生成去除用户的日粗粒度汇总。保留一个月。通过不同粒度和时间层次上的汇总,即满足了分析需求,又减少了用户级别的大数据量存储。
汇总结果详见附表3。
汇总层清理机制,针对上述GSM语音话单、GSM日汇总、GSM月汇总三个表,分别定义存储表形式和存储周期,并生成配置文件如附表4。
然后编写程序读取上述配置信息,通过操作类型、日期字段等信息生成相应的drop和delete语句,在数据仓库中实施清理操作,并生成相应操作日志备查。操作流程见图1。
3、应用层:
在日明细汇总表之上的应用层,生成目业务量分析事实表,用于前端多维分析展示。且定义存储周期为30天,该表按照总表分日期字段形式存储。另外,对于日明细汇总表和日粗粒度汇总表,分别定义存储周期为一周或月。因此,且两个表均为按日分表形式进行存储。因此,对生成配置文件示意如附表5。
然后编写程序读取上述配置信息,通过操作类型、日期字段等信息生成相应的drop和delete语句,在数据仓库中实施清理操作,并生成相应操作日志备查。操作流程如图1。
附表1:
测试语句 | 测试结果(记录数) | 数据是否一致 | |
原表 | select count(*)from TB_CDR_GSM_HOME | 4465611 | 一致 |
压缩表 | select count(*)from TB_CDR_GSM_HOME_COMPRS | 4465611 |
附表2:
测试结果(空间,Byte) | 压缩比 | |
原表 | 1,992,342,016 | 40.97% |
压缩表 | 1,176,107,008 |
附表3:
附表4
数据库名 | 表名 | 表描述 | 存储类型 | 日期字段 | 存储周期 | 操作类型 |
Pcd | tb_gsm_detail_yyyymmdd | GSM话单明细 | D | 90天 | DROP | |
Pcdr | tb_gsm_day_yyyymmdd | GSM话单日汇总 | D | 180天 | DROP | |
Pcdr | tb_gsm_mon_yyyymm | GSM话单月汇总 | M | 12月 | DROP |
附表5
数据库名 | 表名 | 表描述 | 存储类型 | 日期字段 | 存储周期 | 操作类型 |
pmart | tb_opr_day_detail_yyyymmdd | 话单日明细汇总 | D | 7天 | DROP |
pmart | tb_opr_day_yyyymmdd | 话单日粗粒度汇总 | D | 30天 | DROP | |
pmart | tb_opr_day_sum_yyyynm | 话单日累计汇总 | D | 30天 | DROP | |
Pmart | Tb_opr_mon | 话单月汇总 | M | Date_stamp | 3个月 | DROP |
Pmart | Tb_opr_analysis | 日业务量分析 | D | Date_stamp | 30天 | Delete |
Claims (5)
1.节约存储、营造“绿色”数据仓库的方法,其特征在于对于数据存储分为基础层、汇总层、应用层三层的数据仓库,分别采取数据压缩和自动化清理机制的方法进行处理,其具体方法步骤如下:
(一)基础层:
对于具备压缩存储条件的业务数据,采取数据压缩方法来节约存储;
(二)汇总层:
对于采用分层、分粒度存储的汇总层,按照日-周-月时间粒度上的分层汇总,即采取用户级-细粒度级-粗粒度级的分粒度存储方式来节约存储;并且对于超出存储周期的业务数据,建立自动化、可配置和定时清理数据机制;
(三)应用层:
根据应用分析的生命周期,调整存储周期;并且对于超出存储周期的业务数据,建立自动化、可配置和定时清理数据机制。
2.根据权利要求1所述的节约存储、营造“绿色”数据仓库的方法,其特征在于所述的数据压缩方法的具体步骤如下:
(1)压缩值选取:
按下表内容确定压缩值:
(2)压缩执行:
a、新建压缩表:
根据上一步骤确定的每一个字段的压缩值,定义压缩表的表结构;
b、导入数据执行压缩:
将原表业务数据插入新建压缩表中,在导入的过程中数据仓库自动执行压缩;
c、压缩结果测试:
压缩完成后,对比前后结果,检查压缩效果;
d、原表替换:
将压缩表替换为原表;完成该表压缩操作。
3.根据权利要求2所述的节约存储、营造“绿色”数据仓库的方法,其特征在于所述的汇总层的按照日-周-月时间粒度上分层汇总的具体方法为:
将每天的业务数据按照用户级别,将各种业务数据类型一致的记录汇总为一条记录;生成日明细汇总表;然后将日明细汇总表累计到月明细汇总表中;日汇总表存储一周,用于统计分析;在日汇总表之上,生成去除用户的日粗粒度汇总;保留一个月。
4.根据权利要求3所述的节约存储、营造“绿色”数据仓库的方法,其特征在于所述汇总层的定时清理数据机制如下:针对上述汇总层的业务数据日明细表、日汇总表、月汇总表,分别定义存储表类型和存储周期,并生成配置文件,然后利用编写程序读取上述配置文件,通过操作类型、日期字段信息生成相应的drop和delete语句,在数据仓库中实施清理操作,并生成相应的操作日志,该程序是通过ETL的调度工具定期调度,完成自动清理。
5.根据权利要求4所述的节约存储、营造“绿色”数据仓库的方法,其特征在于所述的应用层的定时清理数据机制如下:
在日明细汇总表之上的应用层,生成日业务量分析事实表,用于前端多维分析展示;且定义存储周期为30天,该表按照总表分日期字段形式存储;另外,对于日明细汇总表和日粗粒度汇总表,分别定义存储周期为一周或一月;且两个表均为按日分表形式进行存储;并生成配置文件;然后利用编写程序读取上述配置文件信息,通过操作类型、日期字段信息生成相应的drop和delete语句,在数据仓库中实施清理操作,并生成相应操作日志,该程序是通过ETL的调度工具定期调度,完成自动清理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101853054A CN101183986A (zh) | 2007-11-26 | 2007-11-26 | 节约存储、营造“绿色”数据仓库的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101853054A CN101183986A (zh) | 2007-11-26 | 2007-11-26 | 节约存储、营造“绿色”数据仓库的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101183986A true CN101183986A (zh) | 2008-05-21 |
Family
ID=39449081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007101853054A Pending CN101183986A (zh) | 2007-11-26 | 2007-11-26 | 节约存储、营造“绿色”数据仓库的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101183986A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354277A (zh) * | 2011-09-20 | 2012-02-15 | 中国民生银行股份有限公司 | 数据存储方法和装置 |
CN104539703A (zh) * | 2014-12-30 | 2015-04-22 | 深圳市兰丁科技有限公司 | 基于云存储的临时存储方法和系统 |
CN106020730A (zh) * | 2016-05-25 | 2016-10-12 | 青岛海信移动通信技术股份有限公司 | 一种移动设备的多媒体数据的清理方法和装置 |
CN106484780A (zh) * | 2016-09-06 | 2017-03-08 | 努比亚技术有限公司 | 数据统计方法及装置 |
CN106557469A (zh) * | 2015-09-24 | 2017-04-05 | 阿里巴巴集团控股有限公司 | 一种处理数据仓库中数据的方法及装置 |
CN107480235A (zh) * | 2017-08-08 | 2017-12-15 | 四川长虹电器股份有限公司 | 一种数据平台的数据库构架 |
CN109597846A (zh) * | 2018-10-22 | 2019-04-09 | 平安科技(深圳)有限公司 | 大数据平台数据仓库数据处理方法、装置和计算机设备 |
CN109871381A (zh) * | 2019-01-22 | 2019-06-11 | 积成电子股份有限公司 | 电网运行数据自适应存储和查询的方法 |
CN110766501A (zh) * | 2018-07-27 | 2020-02-07 | 北京京东尚科信息技术有限公司 | 数据嵌套存储方法、装置、电子设备及计算机可读介质 |
CN111209282A (zh) * | 2020-01-10 | 2020-05-29 | 深圳前海环融联易信息科技服务有限公司 | 数据存储方法、装置、计算机设备及存储介质 |
CN111667217A (zh) * | 2020-06-09 | 2020-09-15 | 宏图智能物流股份有限公司 | 一种仓库网络信息存储方法 |
-
2007
- 2007-11-26 CN CNA2007101853054A patent/CN101183986A/zh active Pending
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354277B (zh) * | 2011-09-20 | 2014-07-09 | 中国民生银行股份有限公司 | 数据存储方法和装置 |
CN102354277A (zh) * | 2011-09-20 | 2012-02-15 | 中国民生银行股份有限公司 | 数据存储方法和装置 |
CN104539703A (zh) * | 2014-12-30 | 2015-04-22 | 深圳市兰丁科技有限公司 | 基于云存储的临时存储方法和系统 |
CN104539703B (zh) * | 2014-12-30 | 2018-05-01 | 深圳市海蕴新能源有限公司 | 基于云存储的临时存储方法和系统 |
CN106557469A (zh) * | 2015-09-24 | 2017-04-05 | 阿里巴巴集团控股有限公司 | 一种处理数据仓库中数据的方法及装置 |
CN106557469B (zh) * | 2015-09-24 | 2020-11-20 | 创新先进技术有限公司 | 一种处理数据仓库中数据的方法及装置 |
CN106020730A (zh) * | 2016-05-25 | 2016-10-12 | 青岛海信移动通信技术股份有限公司 | 一种移动设备的多媒体数据的清理方法和装置 |
CN106484780A (zh) * | 2016-09-06 | 2017-03-08 | 努比亚技术有限公司 | 数据统计方法及装置 |
CN107480235A (zh) * | 2017-08-08 | 2017-12-15 | 四川长虹电器股份有限公司 | 一种数据平台的数据库构架 |
CN110766501A (zh) * | 2018-07-27 | 2020-02-07 | 北京京东尚科信息技术有限公司 | 数据嵌套存储方法、装置、电子设备及计算机可读介质 |
CN109597846A (zh) * | 2018-10-22 | 2019-04-09 | 平安科技(深圳)有限公司 | 大数据平台数据仓库数据处理方法、装置和计算机设备 |
CN109597846B (zh) * | 2018-10-22 | 2024-05-07 | 平安科技(深圳)有限公司 | 大数据平台数据仓库数据处理方法、装置和计算机设备 |
CN109871381A (zh) * | 2019-01-22 | 2019-06-11 | 积成电子股份有限公司 | 电网运行数据自适应存储和查询的方法 |
CN111209282A (zh) * | 2020-01-10 | 2020-05-29 | 深圳前海环融联易信息科技服务有限公司 | 数据存储方法、装置、计算机设备及存储介质 |
CN111667217A (zh) * | 2020-06-09 | 2020-09-15 | 宏图智能物流股份有限公司 | 一种仓库网络信息存储方法 |
CN111667217B (zh) * | 2020-06-09 | 2022-07-12 | 宏图智能物流股份有限公司 | 一种仓库网络信息存储方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101183986A (zh) | 节约存储、营造“绿色”数据仓库的方法 | |
CN101216821B (zh) | 数据采集系统的存储管理方法 | |
US7143099B2 (en) | Historical data warehousing system | |
US20050165817A1 (en) | Data migration and analysis | |
CN101197876A (zh) | 一种对消息类业务数据进行多维分析的方法和系统 | |
CN102024062B (zh) | 一种实现数据动态缓存处理的装置及方法 | |
CN102089759A (zh) | 生成用于输入分析模型的分析数据集的方法 | |
AU2010213346A1 (en) | Creation of a data store | |
US10936619B2 (en) | Mixed data granularities for multi-dimensional data | |
CN114595294B (zh) | 一种数据仓库建模和抽取方法及系统 | |
CN107392748A (zh) | 一种基于维度映射匹配的收入指标高效出账系统及方法 | |
CN107491563A (zh) | 面向账期结算的数据处理方法及系统 | |
EP1513083A1 (en) | Provision of data for data warehousing applications | |
CN102075896B (zh) | 一种资费预演方法和系统 | |
CN101957939B (zh) | 一种基础数据资源管理系统及管理方法 | |
CN101192976A (zh) | 增值业务标准报表自动生成方法 | |
CN117573646A (zh) | 一种基于维度建模的数据管理方法及系统 | |
CN101431760A (zh) | 业务报表实现方法及系统 | |
CN107480235A (zh) | 一种数据平台的数据库构架 | |
CN116468011A (zh) | 一种报表的生成方法、装置、设备及存储介质 | |
CN110489490A (zh) | 基于分布式数据库的数据存储和查询方法 | |
CN111815453B (zh) | 一种电力交易运营系统 | |
DELLAQUILA et al. | Design and Implementation of a National Data Warehouse | |
CN103020139B (zh) | 数据表扩展系统和数据表扩展方法 | |
CN103309890A (zh) | 一种Linux文件系统与实时数据库索引融合的技术 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20080521 |