OLAP和BI是日常工作中比较熟悉的了，也是经常会接触到的，这里总结下。
这里先说一个概念：数据立方体
我们分析一堆数据报告时候通常这些数据报告采用二维表示，是行与列组成的二维表格。但在我们分析数据的角度很可能有多个，数据立方体可以理解为就是维度扩展后的二维表格。但更多时候数据立方体是多维的，如下图数据立方体：
数据立方体中常规的五大操作：切片，切块，旋转，上卷，下钻
1. 切片和切块(Slice and Dice)
在数据立方体的某一维度上选定一个维成员的操作叫切片，而对两个或多个维执行选择则叫做切块。
切片：我选择了2011 2012 2013年份 北京 上海 广州地区的鞋子销量
切块：我选择了2011 2012 2013年份 北京 上海 广州地区的鞋子和裤子销量
2. 旋转(Pivot)
旋转就是指改变报表或页面的展示方向。对于使用者来说，就是个视图操作。拿上图举例就是把X轴和Z轴替换一下。
3. 上卷和下钻
上卷可以理解为"无视"某些维度；下钻则是指将某些维度进行细分。
上卷：我把Y轴地区上卷为国家，那么我要看2011 2012 2013年份 中国的鞋子销量
下钻：我把X轴的年份下钻为月份，那么11 12 13月份 北京 上海 广州地区的鞋子销量
不同的OLAP工具也会提供自有的OLAP查询功能，如钻过，钻透等，通常一个复杂的OLAP查询是多个这类OLAP操作叠加的结果。
OLAP的架构模式：
1. MOLAP :
MOLAP架构会生成一个新的多维数据集，也可以说是构建了一个实际数据立方体
2. ROLAP :
ROLAP架构并不会生成实际的多维数据集，而是使用星形模式以及多个关系表对数据立方体进行模拟。
3. HOLAP
这种架构综合参考MOLAP和ROLAP而采用一种混合解决方案，将某些需要特别提速的查询放到MOLAP引擎，其他查询则调用ROLAP引擎。
====================================================================================分割
数据仓库建设好以后，用户就可以编写SQL语句对其进行访问并对其中数据进行分析。但每次查询都要编写SQL语句的话，未免太麻烦，而且对维度建模数据进行分析的SQL代码套路比较固定。于是，便有了OLAP工具，它专用于维度建模数据的分析。而BI工具则是能够将OLAP的结果以图表的方式展现出来，它和OLAP通常出现在一起。
度建模数据仓库中，OLAP/BI工具和数据仓库的关系是这样的：
通常在维度建模数据仓库中，OLAP从数据仓库中直接取数进行分析