A.OLAP事務(wù)量大，但事務(wù)內(nèi)容比較簡單且重復(fù)率高
B.OLAP的最終數(shù)據(jù)來源與OLTP不一樣
C.OLTP面對的是決策人員和高層管理人員
D.OLTP以應(yīng)用為核心，是應(yīng)用驅(qū)動的
您可能感興趣的試卷
你可能感興趣的試題
A.OLAP主要是關(guān)于如何理解聚集的大量不同的數(shù)據(jù).它與OTAP應(yīng)用程序不同
B.與OLAP應(yīng)用程序不同，OLTP應(yīng)用程序包含大量相對簡單的事務(wù)
C.OLAP的特點(diǎn)在于事務(wù)量大，但事務(wù)內(nèi)容比較簡單且重復(fù)率高
D.OLAP是以數(shù)據(jù)倉庫為基礎(chǔ)的，但其最終數(shù)據(jù)來源與OLTP一樣均來自底層的數(shù)據(jù)庫系統(tǒng)，兩者面對的用戶是相同的
關(guān)于OLAP的特性，下面正確的是（）
（1）快速性（2）可分析性（3）多維性（4）信息性（5）共享性
A.（1）（2）（3）
B.（2）（3）（4）
C.（1）（2）（3）（4）
D.（1）（2）（3）（4）（5）
A.在線性
B.對用戶的快速響應(yīng)
C.互操作性
D.多維分析
A.粒度是指數(shù)據(jù)倉庫小數(shù)據(jù)單元的詳細(xì)程度和級別
B.數(shù)據(jù)越詳細(xì)，粒度就越小，級別也就越高
C.數(shù)據(jù)綜合度越高，粒度也就越大，級別也就越高
D.粒度的具體劃分將直接影響數(shù)據(jù)倉庫中的數(shù)據(jù)量以及查詢質(zhì)量
A.基本元數(shù)據(jù)與數(shù)據(jù)源，數(shù)據(jù)倉庫，數(shù)據(jù)集市和應(yīng)用程序等結(jié)構(gòu)相關(guān)的信息
B.基本元數(shù)據(jù)包括與企業(yè)相關(guān)的管理方面的數(shù)據(jù)和信息
C.基本元數(shù)據(jù)包括日志文件和簡歷執(zhí)行處理的時序調(diào)度信息
D.基本元數(shù)據(jù)包括關(guān)于裝載和更新處理，分析處理以及管理方面的信息
最新試題
管理員不需要驗證就可以訪問數(shù)據(jù)存儲系統(tǒng)中的任何數(shù)據(jù)，這符合數(shù)據(jù)安全的要求。
任何對數(shù)據(jù)處理與存儲系統(tǒng)的操作均需要記錄，這符合數(shù)據(jù)安全的要求。
通過統(tǒng)計學(xué)可以推測擲兩個撒子同時選中3點(diǎn)的幾率。
數(shù)據(jù)索引就像給每條數(shù)據(jù)裝了個信箱。
通常，當(dāng)試圖從大量觀察中學(xué)習(xí)具有少量狀態(tài)的HMM時，我們幾乎總是可以通過允許更多隱藏狀態(tài)來增加訓(xùn)練數(shù)據(jù)的可能性。
選擇用于k均值聚類的聚類數(shù)k的一種好方法是嘗試k的多個值，并選擇最小化失真度量的值。
任務(wù)調(diào)度系統(tǒng)的設(shè)計與實現(xiàn)才能使得數(shù)據(jù)收集工作可以不間斷地按照既定的目標(biāo)從目標(biāo)源獲取數(shù)據(jù)。
無論質(zhì)心的初始化如何，K-Means始終會給出相同的結(jié)果。
隨機(jī)梯度下降每次更新執(zhí)行的計算量少于批梯度下降。
給定用于2類分類問題的線性可分離數(shù)據(jù)集，線性SVM優(yōu)于感知器，因為SVM通常能夠在訓(xùn)練集上實現(xiàn)更好的分類精度。