一、高維糾纏態(tài)的維數(shù)是什么意思

高維數(shù)據(jù)的概念其實不難，簡單的說就是多維數(shù)據(jù)的意思。平時我們經(jīng)常接觸的是一維數(shù)據(jù)或者可以寫成表形式的二維數(shù)據(jù)，高維數(shù)據(jù)也可以類推，不過維數(shù)較高的時候，直觀表示很難。

目前高維數(shù)據(jù)挖掘是研究重點，這是它的特點：

高維數(shù)據(jù)挖掘是基于高維度的一種數(shù)據(jù)挖掘，它和傳統(tǒng)的數(shù)據(jù)挖掘最主要的區(qū)別在于它的高維度。目前高維數(shù)據(jù)挖掘已成為數(shù)據(jù)挖掘的重點和難點。隨著技術的進步使得數(shù)據(jù)收集變得越來越容易，導致數(shù)據(jù)庫規(guī)模越來越大、復雜性越來越高，如各種類型的貿(mào)易交易數(shù)據(jù)、Web 文檔、基因表達數(shù)據(jù)、文檔詞頻數(shù)據(jù)、用戶評分數(shù)據(jù)、WEB使用數(shù)據(jù)及多媒體數(shù)據(jù)等，它們的維度（屬性）通常可以達到成百上千維，甚至更高。

由于高維數(shù)據(jù)存在的普遍性，使得對高維數(shù)據(jù)挖掘的研究有著非常重要的意義。但由于“維災”的影響，也使得高維數(shù)據(jù)挖掘變得異常地困難，必須采用一些特殊的手段進行處理。 隨著數(shù)據(jù)維數(shù)的升高，高維索引結(jié)構(gòu)的性能迅速下降，在低維空間中，我們經(jīng)常采用歐式距離作為數(shù)據(jù)之間的相似性度量，但在高維空間中很多情況下這種相似性的概念不復存在，這就給高維數(shù)據(jù)挖掘帶來了很嚴峻的考驗，一方面引起基于索引結(jié)構(gòu)的數(shù)據(jù)挖掘算法的性能下降，另一方面很多基于全空間距離函數(shù)的挖掘方法也會失效。解決的方法可以有以下幾種：可以通過降維將數(shù)據(jù)從高維降到低維，然后用低維數(shù)據(jù)的處理辦法進行處理；對算法效率下降問題可以通過設計更為有效的索引結(jié)構(gòu)、采用增量算法及并行算法等來提高算法的性能；對失效的問題通過重新定義使其獲得新生。

二、維持秩序的維什么意思

維:就是維護，保護的意思

三、數(shù)據(jù)倉庫建模，星型模型大致了解，就是事實表對應許多維表；對雪花型模型就不是很理解了

詳細和你說一下星型模型和雪花模型

星型模式 vs 雪花模型多維數(shù)據(jù)建模以直觀的方式組織數(shù)據(jù)，并支持高性能的數(shù)據(jù)訪問。每一個多維數(shù)據(jù)模型由多個多維數(shù)據(jù)模式表示，每一個多維數(shù)據(jù)模式都是由一個事實表和一組維表組成的。多維模型最常見的是星形模式。在星形模式中，事實表居中，多個維表呈輻射狀分布于其四周，并與事實表連接。在星型的基礎上，發(fā)展出雪花模式，下面就二者的特點做比較。 星型模式位于星形中心的實體是指標實體，是用戶最關心的基本實體和查詢活動的中心，為數(shù)據(jù)倉庫的查詢活動提供定量數(shù)據(jù)。每個指標實體代表一系列相關事實，完成一項指定的功能。位于星形圖星角上的實體是維度實體，其作用是限制用戶的查詢結(jié)果，將數(shù)據(jù)過濾使得從指標實體查詢返回較少的行，從而縮小訪問范圍。每個維表有自己的屬性，維表和事實表通過關鍵字相關聯(lián)。星形模式雖然是一個關系模型，但是它不是一個規(guī)范化的模型。在星形模式中，維度表被故意地非規(guī)范化了，這是星形模式與OLTP系統(tǒng)中的關系模式的基本區(qū)別。使用星形模式主要有兩方面的原因:提高查詢的效率。采用星形模式設計的數(shù)據(jù)倉庫的優(yōu)點是由于數(shù)據(jù)的組織已經(jīng)過預處理，主要數(shù)據(jù)都在龐大的事實表中,所以只要掃描事實表就可以進行查詢，而不必把多個龐大的表聯(lián)接起來，查詢訪問效率較高。同時由于維表一般都很小,甚至可以放在高速緩存中,與事實表作連接時其速度較快;便于用戶理解。對于非計算機專業(yè)的用戶而言，星形模式比較直觀，通過分析星形模式，很容易組合出各種查詢?？偨Y(jié)：非正規(guī)化；多維數(shù)據(jù)集中的每一個維度都與事實表連接（通過主鍵和外鍵）；不存在漸變維度；有冗余數(shù)據(jù)；查詢效率可能會比較高；不用過多考慮正規(guī)化因素，設計維護較為簡單。

雪花模式 在實際應用中，隨著事實表和維表的增加和變化，星形模式會產(chǎn)生多種衍生模式，包括星系模式、星座模式、二級維表和雪花模式。雪花模式是對星形模式維表的進一步層次化，將某些維表擴展成事實表，這樣既可以應付不同級別用戶的查詢，又可以將源數(shù)據(jù)通過層次間的聯(lián)系向上綜合，最大限度地減少數(shù)據(jù)存儲量，因而提高了查詢功能。雪花模式的維度表是基于范式理論的，因此是界于第三范式和星形模式之間的一種設計模式，通常是部分數(shù)據(jù)組織采用第三范式的規(guī)范結(jié)構(gòu)，部分數(shù)據(jù)組織采用星形模式的事實表和維表結(jié)構(gòu)。在某些情況下，雪花模式的形成是由于星形模式在組織數(shù)據(jù)時，為減少維表層次和處理多對多關系而對數(shù)據(jù)表進行規(guī)范化處理后形成的。雪花模式的優(yōu)點是:在一定程度上減少了存儲空間;規(guī)范化的結(jié)構(gòu)更容易更新和維護。同樣雪花模式也存在不少缺點:雪花模式比較復雜，用戶不容易理解;瀏覽內(nèi)容相對困難;額外的連接將使查詢性能下降。在數(shù)據(jù)倉庫中，通常不推薦“雪花化”。因為在數(shù)據(jù)倉庫中，查詢性能相對OLTP系統(tǒng)來說更加被重視，而雪花模式會降低數(shù)據(jù)倉庫系統(tǒng)的性能?？偨Y(jié)：正規(guī)化；數(shù)據(jù)冗余少；有些數(shù)據(jù)需要連接才能獲取，可能效率較低；規(guī)范化操作較復雜，導致設計及后期維護復雜；實際應用中，可以采取上述兩種模型的混合體：如：中間層使用雪花結(jié)構(gòu)以降低數(shù)據(jù)冗余度，數(shù)據(jù)集市部分采用星型以方便數(shù)據(jù)提取及和分析。

有時候規(guī)范化和效率是一組矛盾。一般我們會采取犧牲空間（規(guī)范化）來換取好的性能，把盡可能多的維度信息存在一張“大表”里面是最快的。通常會視情況而定，采取折中的策略。

星型有時會造成數(shù)據(jù)大量冗余，并且很有可能將事實表變的及其臃腫（上百萬條數(shù)據(jù)×上百個維度）。

每次遇到需要更新維度成員的情況時，都必須連事實表也同時更新。

而雪花型，有時只需要更新雪花維度中的一層即可，無需更改龐大的事實表。

具體問題具體分析，如時間維度，年，季就沒必要做雪花，而涉及到產(chǎn)品和產(chǎn)品的分類，如果分類信息也是我們需要分析的信息，那么，我肯定是建關于分類的查找表，也就是采用雪花模式

雪花型結(jié)構(gòu)是一種正規(guī)化結(jié)構(gòu)，他取除了數(shù)據(jù)倉庫中的冗余數(shù)據(jù)。比如有一張銷售事實表，然后有一張產(chǎn)品維度表與之相連，然后有一張產(chǎn)品類別維度表與產(chǎn)品維度表連。這種結(jié)構(gòu)就是雪花型結(jié)構(gòu)。雪花型結(jié)構(gòu)取除了數(shù)據(jù)冗余，所以有些統(tǒng)計就需要做連接才能產(chǎn)生，所以效率不一定有星型架構(gòu)高。正規(guī)化也是一種比較復雜的過程，相應數(shù)據(jù)庫結(jié)構(gòu)設計、數(shù)據(jù)的ETL、以及后期的維護都要復雜一些。

星型架構(gòu)是一種非正規(guī)化的結(jié)構(gòu)，多維數(shù)據(jù)集中的每一個維度都與事實表相連接，不存在漸變維度，所以數(shù)據(jù)有一定的冗余，正因為數(shù)據(jù)的冗余所以很多統(tǒng)計查詢不需要做外部的連接所以一般情況下效率比雪花型要高。星型結(jié)構(gòu)不用考慮很多正規(guī)化的因素，設計與實現(xiàn)都比較簡單。

雖然兩種結(jié)構(gòu)有一定差別，我個人認為沒有好壞之分，最主要的還是看項目的需求，看業(yè)務邏輯。