安全等级保护

1.10 硬件利用模式操作型环境和数据仓库环境之间的另一个主要差别是各自环境中的硬件利用模式不同，如图1-15所示。图1-15左侧显示了操作型处理的典型硬件利用模式。在操作型处理中，硬件使用呈波峰和波谷变化，但总体上存在较为稳定的利用模式。相比之下，数据仓库环境中的硬件利用模式（如图右侧所示）则呈现二元化模式，要么完全利用硬件，要么根本不使用硬件。在数据仓库环境中，估算硬件的平均利用率没有实际意义。这种根本的区别也解释了为什么无法在同一台设备上同时混合这两种环境。要么是针对操作型处理优化机器，要么是针对数据仓库优化机器。无法在同一硬件上同时满足这两种需求。 1.11 建立重建工程的舞台从生产

在以下代码中添加记录： CEditInfoDlg dlg; if (IDOK == dlg.DoModal()) { //获取数据源记录集。 _RecordsetPtr pRecordset = m_database.m_pRecordset; //注意：在调用以下代码之前，请确保pRecordset已经与某个数据库表内的数据绑定 //新增一条记录pRecordset->AddNew(); //设置姓名字段pRecordset->PutCollect(\"name\", _variant_t(dlg.m_name)); //设置性别字段CString gender; if (dlg.m_gen

3.14创建多个简要记录一个细节可以用来生成多个简要记录。如电话公司的单个电话记录可以生成客户简要记录、地区通信量简要记录、线路分析简要记录等。简要记录可以放入数据仓库或数据集市。当简要记录进入数据仓库时，面向通用应用；进入数据集市时，则为部门应用提供支持。操作型记录聚集成一条简要记录的过程通常在操作型服务器上完成，因其管理大量数据并使数据常驻服务器上。创建简要记录的过程涉及数据排序和合并。复杂冗长的快照建立过程应审慎考虑其必要性。简要记录中的元数据记录类似于单一活动快照中的元数据记录，不同之处在于聚集记录成为重要的元数据。从技术上说，聚集过程生成的记录是“元过程”信息而非“元数据”信息。3.

9.2反馈循环数据仓库开发成功的关键在于数据体系结构设计者与DSS分析者之间的反馈循环，如图9-4所示。第9章迁移到体系结构设计环境167下载现存系统环境开始载入第一个主题区，继续载入并鼓励数据集市部门使用。警告：如果您等待清理现有系统而不进行反馈，您将永远无法建立数据仓库。

9.3 图9 - 5显示了企业的D S S需求路径，设计和建立数据仓库环境以支持企业的需求。除了D S S外，企业还有其他需求。图9 - 6展示了企业的操作型环境，状态混乱，数据未集成，系统老化且难以维护。操作型应用需求已发生变化。迁移方案只涉及D S S部分，是否可以在创建数据仓库时改善操作型环境的混乱呢？答案是在一定程度上可以进行重建工作，而不仅仅是美化操作型环境。

4.1 在确定适当的粒度级起点时，我们需要精确估算数据仓库将来的数据行数和所需的直接访问存储设备（DASD）。即使在最佳情况下，我们也只能进行估计。在建立数据仓库的初期阶段，仅需要一个数量级的估算。有一个计算数据仓库空间的算法，详见图4 - 1。首先确定将在数据仓库中创建的所有表，然后估计每张表中行的大小。确切的大小可能难以确定，但可以估计一个下限和一个上限。接下来，估算每张表在一年内的最少和最多行数，这是设计者需要解决的主要问题。例如，对于客户表，可以根据商业环境和公司的业务计划估计当前客户数量；如果没有业务数据，可以估计市场总体业务量乘以市场份额；如果市场份额未知，则可以使用竞争对手的业务

如果条件允许且经济可行，外部数据和非结构化数据可以直接存储在数据仓库中。然而，在任何情况下，都需要将外部数据和非结构化数据与其元数据一同登记，具体存储则依据其规模和访问频率来决定是否存入数据仓库。

数据体系结构设计者与D S S分析者之间的反馈循环，在国家电子政务外网安全等级保护实施指南中扮演关键角色。随着第9章迁移到体系结构设计环境，这一过程显得尤为重要。警示：只有通过积极的反馈，而不是等待现存系统的清理，才能成功建立数据仓库。

在现有系统环境和数据仓库中，数据仓库和数据模型的应用十分广泛。图3-8详细解释了不同层次模型之间的关系，包括操作型数据仓库、部门个人数据类型和企业模型。操作型模型和数据仓库模型直接或间接地影响数据仓库的过程模型和企业模型。在数据库设计阶段，必须考虑性能因素，并在操作型数据中增加时间元素，优化键码。此外，根据需求适当增加导出数据的功能，以促进数据之间的人工关系。

星型连接数据模型作为数据仓库设计的基础，尽管在实际应用中存在一些缺点。图3-56展示了一个简单的二维数据模型，其中包含四个相互关联的实体。然而，仅从数据模型角度出发的设计容易导致数据的扁平化效应，实际数据仓库中的实体和它们之间的关系绝不是对等的。例如，订单实体需要处理大量数据，而其他实体的数据量较少。因此，在设计数据仓库时，需要考虑不同的处理策略，以应对数据量的不均衡。