多维度数据存储是什么

㈠ 多维数组什么意思

多维数组的意思是指三维或者三维以上的数组。

三维数组具有高、宽、深的概念，或者说行、列、层的概念，即数组嵌套数组达到三维及其以上。是最常见的多维数组，由于其可以用来描述三维空间中的位置或状态而被广泛使用。

(1)多维度数据存储是什么扩展阅读

三维数组就是维度为三的数组，可以认为表示对该数组存储的内容使用了三个独立参量去描述，但更多的是认为该数组的下标是由三个不同的参量组成的。三维数组又被认为是二维数组的数组，而二维数组也可以认为是一维数组的数组。

数组这一概念主要用在编写程序当中，和数学中的向量、矩阵等概念有一定的差别，主要表现在数组内的元素可以是任意的相同数据类型，包括向量和矩阵。

对数组的访问一般是通过下标进行的。在三维数组中，数组的下标是由三个数字构成的，通过这三个数字组成的下标对数组的内容进行访问。

㈡ 什么是多维度

多维度的意思是：

多个角度，多个层面，多个方面。维度，又称维数，是数学中独立参数的数目。在物理学和哲学的领域内，指独立的时空坐标的数目。

0维是一点，没有长度。1维是线，只有长度。2维是一个平面，是由长度和宽度(或曲线)形成面积。3维是2维加上高度形成体积面。4维分为时间上和空间上的4维，人们说的4维经常是指关于时间的概念。

前三维是位置，存在于空间中；

第四维是速率，存在于时间中；

第五六维是速率指向，存在于（速度）时间方向中；

第七八维是状态指向，存在于自身形状对应的空间方向中；

第九维是状态转角，存在于自身形状对应的滚动中；

第十维是自旋速率，存在于滚动时间中；

第十一、十二维是自旋赤道轴指向，存在于滚动（速度）时间方向中；

第十三维是自旋赤道轴指向漂移速率，存在于滚动变化（加速率）时间方向中；

第十四、十五维是自旋赤道轴指向漂移速度赤道平面映射方向，存在于滚动变化（加速度）时间方向中；

第十六维是加速率（或受力强度），

第十七、十八维是加速度（或受力）方向，这样的维度不只和 位置（表示一个几何点在空间中的位置）有关。

(2)多维度数据存储是什么扩展阅读：

我们在物理学中描述某一变化着的事件时 所必须的变化的参数。这个参数就叫做维。几个参数就是几个维。比如描述“门”的位置就只需要角度所以是一维的 而不是二维。

简单地说：0维是点，没有长、宽、高。一维是由无数的点组成的一条线，只有长度，没有宽、高。二维是由无数的线组成的面，有长、宽没有高。三维是由无数的面组成的体，有长宽高。维可以理解成方向。

一个简单的说法：N维就是N条直线两两垂直所形成的空间

因为，人类只能理解到3维，所以后面的维度可以通过数学理论构建，但要仔细理解就很难.在量子力学,目前仍在建立的膜理论,认为宇宙是11维的.

《宇宙哲学》对宇宙维度数的观点

在现实中，宇宙是五维的：

时间一维，空间三维，物质一维。共五维。

在精神中，是可以无限维的，因为精神是记忆于现在的过去事物，在那里可以天马行空！

如果我们改变“对象”就会得到不同的结论，如：“直线基于平面是4维、直线基于体是6维、平面基于体是9维”。

进一步解释，两点可确定一条直线，所以描述（定位）一条直线在平面上需要2×2个参数（坐标值）、在体上需要2×3个参数（坐标值）；不共线的三点可确定一个平面，所以在体上描述（定位）一个平面需要3×3个参数（坐标值）。

㈢ 什么叫做多维数据分析

多维数据分析也是一本书，主要针对高等学校信息管理与信息系统专业和计算机专业的数据仓库课程的实验教学而编写。全书以数据仓库和OLAP（联机分析处理）理论为基础，以SQLServer2000AnalysisServices为实验工具，以一个人寿保险公司的数据仓库系统为背景，通过一个完整的案例，系统全面地介绍了数据仓库系统的分析、设计、实施、管理与维护的过程。
多维分析报表结合商业智能的核心技术——OLAP，可以帮助用户进行多角度、灵活动态的分析。多维分析报表由“维”（影响因素）和 “指标”（衡量因素）组成，能够真正为用户所理解、并真实的反映企业特性信息。

㈣ 计算机术语中的数据存储是什么存储

数据存储用硬盘或内存存储。
ß外部存储器就像日记本一样，你可以在上面记录任何内容，而且关机后信息不会丢失。ß硬盘的磁性圆盘由硬质材料制成，有很高的精密度。硬盘连同驱动器一起封闭在壳体内，在它的容量比软盘和光盘大得多，读写速度比软盘和光盘快得多。ß硬盘是由几片硬盘片环绕一个共同的轴心组成的盘片组，两个盘片之间仅留出安置磁头的距离。每个盘片有两个盘面，盘面上划分着许多同心圆，称为磁道。这些同心圆周长不同，但存储量却相同。每个磁道被分为很多区域，每个区域叫做一个扇区，每个扇区存储五百十二个字节的信息。在硬盘中，几个盘片上相同磁道号的集合叫做柱面，这些磁道有一个相同的磁场旋转方向。每个盘面对应一个磁头，但现在的硬盘，两个磁头可以读取一个盘片。所以硬盘容量由柱面数、盘面数、每磁道的扇区数决定。硬盘容量等于柱面数乘以盘面数乘以每个磁道的扇区数乘以512，一般以GB、TB为单位，很多硬盘厂商计算GB和TB时是十进制的，1GB是1000MB，1TB是1000GB。ß硬盘内部由磁储存盘片组成，数量从一片到三片不等，每个盘片有一定的容量，叫做单碟容量，几个盘片的容量之和就是硬盘总容量。ß硬盘的主轴马达带动盘片高速旋转，产生浮力使磁头飘浮在盘片上方，硬盘通过磁头来读取盘片上的数据，转速越快，数据读取的时间也就越短。转速在很大程度上决定硬盘的速度。
硬盘的磁头移动到盘面指定的磁道所用的时间叫做平均寻道时间，单位为毫秒，这个时间越小越好。ß数据传输率是电脑从硬盘中准确找到相应数据并传输到内存的速率，包括内部数据传输率和外部数据传输率，是用单位时间可传输几兆字节衡量的。硬盘的接口有IDE接口和SCSI接口。ß由于硬盘是全封闭固定安装的，所以硬盘驱动器也是固定在一起安装在主机箱内的，从主机箱外面看不见。

㈤ 什么是数据存储

使用计算机和其他设备保留数据称为数据存储。数据的这种保留和分析是使用专门的技术完成的，这反过来又使其可供将来使用。根据存储产品和服务，数据存储可分为三类：

文件存储 – 这是一种廉价且简单的数据存储类型，其中数据存储在硬盘驱动器的文件和文件夹中。硬盘驱动器以与用户查看的相同配置存储数据。

块存储——这是一种更昂贵、更复杂的存储形式，适用于需要频繁访问和编辑的数据。这种存储方法的可扩展性较差，并且将数据存储在大小均匀的块中。

对象存储——对象可以与元数据和唯一标识符一起存储，从而降低这种存储类型的成本。它非常适合不需要编辑的数据。

㈥ 什么是数据库维度 怎么理解怎么用做什么用的 能否通俗易懂的说明。谢谢。

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，三维只是基本操作。

……

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……

㈦ 维度数据库采用什么来描述数据或关系

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proctioncount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，这个操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。