浪潮服务器NF8260M5怎么样？

专门用来支持初级用户的原始数据访问，不包括适用于专业人士的成品报告生成工具 2OLAP工具。提供多维数据管理环境，其典型的应用是对商业问题的建模与商业数据分析。OLAP也被称为多维分析 3数据挖掘（Data Mining）软件。使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。 4数据集市(Data Mart)和数据仓库（Data Warehouse）产品。包括数据转换、管理和存取等方面的预配置软件，通常还包括一些业务模型，如财务分析模型。 5主管信息系统(EIS，Executive Information System) 这个定义应该是比较学术了，客户多半不明白。 其实BI通俗来讲就是收集相关信息并加以分析，以帮助您做决策。成功的BI系统多采用了数据仓库技术。 然后，再看看数据仓库是什么： 数据仓库数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合 数据仓库，英文名称为Data Warehouse，可简写为DW。 数据仓库之父Bill Inmon在1991年出版的“Building the Data Warehouse”一书中所提出的定义被广泛接受——数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。 ◆面向主题： *** 作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的。 ◆集成的：数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。 ◆相对稳定的：数据仓库的数据主要供企业决策分析之用，所涉及的数据 *** 作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询 *** 作，但修改和删除 *** 作很少，通常只需要定期的加载、刷新。 ◆反映历史变化：数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。 数据仓库是一个过程而不是一个项目。 数据仓库系统是一个信息提供平台，他从业务处理系统获得数据，主要以星型模型和雪花模型进行数据组织，并为用户提供各种手段从数据中获取信息和知识。 从功能结构化分，数据仓库系统至少应该包含数据获取（Data Acquisition）、数据存储（Data Storage）、数据访问（Data Access）三个关键部分。 什么是数据仓库 目前，数据仓库一词尚没有一个统一的定义，著名的数据仓库专家WHInmon在其著作《Building the Data Warehouse》一书中给予如下描述：数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。对于数据仓库的概念我们可以从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的 *** 作型数据库；其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。 根据数据仓库概念的含义，数据仓库拥有以下四个特点： 1、面向主题。 *** 作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织。主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点方面，一个主题通常与多个 *** 作型信息系统相关。 2、集成的。面向事务处理的 *** 作型数据库通常与某些特定的应用相关，数据库之间相互独立，并且往往是异构的。而数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。 3、相对稳定的。 *** 作型数据库中的数据通常实时更新，数据根据需要及时发生变化。数据仓库的数据主要供企业决策分析之用，所涉及的数据 *** 作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询 *** 作，但修改和删除 *** 作很少，通常只需要定期的加载、刷新。 4、反映历史变化。 *** 作型数据库主要关心当前某一个时间段内的数据，而数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。 企业数据仓库的建设，是以现有企业业务系统和大量业务数据的积累为基础。数据仓库不是静态的概念，只有把信息及时交给需要这些信息的使用者，供他们做出改善其业务经营的决策，信息才能发挥作用，信息才有意义。而把信息加以整理归纳和重组，并及时提供给相应的管理决策人员，是数据仓库的根本任务。因此，从产业界的角度看，数据仓库建设是一个工程，是一个过程。 整个数据仓库系统是一个包含四个层次的体系结构，具体由下图表示。 数据仓库系统体系结构 ·数据源：是数据仓库系统的基础，是整个系统的数据源泉。通常包括企业内部信息和外部信息。内部信息包括存放于RDBMS中的各种业务处理数据和各类文档数据。外部信息包括各类法律法规、市场信息和竞争对手的信息等等； ·数据的存储与管理：是整个数据仓库系统的核心。数据仓库的真正关键是数据的存储和管理。数据仓库的组织管理方式决定了它有别于传统数据库，同时也决定了其对外部数据的表现形式。要决定采用什么产品和技术来建立数据仓库的核心，则需要从数据仓库的技术特点着手分析。针对现有各业务系统的数据，进行抽取、清理，并有效集成，按照主题进行组织。数据仓库按照数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库（通常称为数据集市）。 ·OLAP服务器：对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次的分析，并发现趋势。其具体实现可以分为：ROLAP、MOLAP和HOLAP。ROLAP基本数据和聚合数据均存放在RDBMS之中；MOLAP基本数据和聚合数据均存放于多维数据库中；HOLAP基本数据存放于RDBMS之中，聚合数据存放于多维数据库中。 ·前端工具：主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以数据挖掘及各种基于数据仓库或数据集市的应用开发工具。其中数据分析工具主要针对OLAP服务器，报表工具、数据挖掘工具主要针对数据仓库。 目前，数据仓库一词尚没有一个统一的定义，著名的数据仓库专家WHInmon在其著作《Building the Data Warehouse》一书中给予如下描述：数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。对于数据仓库的概念我们可以从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的 *** 作型数据库；其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。多维 数据仓库的组成 数据仓库数据库 是整个数据仓库环境的核心，是数据存放的地方和提供对数据检索的支持。相对于 *** 纵型数据库来说其突出的特点是对海量数据的支持和快速的检索技术。 数据抽取工具 把数据从各种各样的存储方式中拿出来，进行必要的转化、整理，再存放到数据仓库内。对各种不同数据存储方式的访问能力是数据抽取工具的关键，应能生成COBOL程序、MVS作业控制语言（JCL）、UNIX脚本、和SQL语句等，以访问不同的数据。数据转换都包括，删除对决策应用没有意义的数据段；转换到统一的数据名称和定义；计算统计和衍生数据；给缺值数据赋给缺省值；把不同的数据定义方式统一。 元数据 元数据是描述数据仓库内数据的结构和建立方法的数据。可将其按用途的不同分为两类，技术元数据和商业元数据。 技术元数据是数据仓库的设计和管理人员用于开发和日常管理数据仓库是用的数据。包括：数据源信息；数据转换的描述；数据仓库内对象和数据结构的定义；数据清理和数据更新时用的规则；源数据到目的数据的映射；用户访问权限，数据备份历史记录，数据导入历史记录，信息发布历史记录等。 商业元数据从商业业务的角度描述了数据仓库中的数据。包括：业务主题的描述，包含的数据、查询、报表； 元数据为访问数据仓库提供了一个信息目录（informationdirectory），这个目录全面描述了数据仓库中都有什么数据、这些数据怎么得到的、和怎么访问这些数据。是数据仓库运行和维护的中心，数据仓库服务器利用他来存贮和更新数据，用户通过他来了解和访问数据。 访问工具 为用户访问数据仓库提供手段。有数据查询和报表工具；应用开发工具；管理信息系统（EIS）工具；在线分析（OLAP）工具；数据挖掘工具。 数据集市（DataMarts） 为了特定的应用目的或应用范围，而从数据仓库中独立出来的一部分数据，也可称为部门数据或主题数据（subjectarea）。在数据仓库的实施过程中往往可以从一个部门的数据集市着手，以后再用几个数据集市组成一个完整的数据仓库。需要注意的就是再实施不同的数据集市时，同一含义的字段定义一定要相容，这样再以后实施数据仓库时才不会造成大麻烦。 数据仓库管理：安全和特权管理；跟踪数据的更新；数据质量检查；管理和更新元数据；审计和报告数据仓库的使用和状态；删除数据；复制、分割和分发数据；备份和恢复；存储管理。 信息发布系统：把数据仓库中的数据或其他相关的数据发送给不同的地点或用户。基于Web的信息发布系统是对付多用户访问的最有效方法。 设计数据仓库的九个步骤 1)选择合适的主题（所要解决问题的领域） 2)明确定义fact表 3)确定和确认维 4)choosingthefacts 5)计算并存储fact表中的衍生数据段 6)roundingoutthedimensiontables 7)choosingthedurationofthedatabase 8)theneedtotrackslowlychangingdimensions 9)确定查询优先级和查询模式。 技术上 硬件平台：数据仓库的硬盘容量通常要是 *** 作数据库硬盘容量的2-3倍。通常大型机具有更可靠的性能和和稳定性，也容易与历史遗留的系统结合在一起；而PC服务器或UNIX服务器更加灵活，容易 *** 作和提供动态生成查询请求进行查询的能力。选择硬件平台时要考虑的问题：是否提供并行的I/O吞吐？对多CPU的支持能力如何？ 数据仓库DBMS：他的存储大数据量的能力、查询的性能、和对并行处理的支持如何。 网络结构：数据仓库的实施在那部分网络段上会产生大量的数据通信，需不需要对网络结构进行改进。 实现上 建立数据仓库的步骤 1)收集和分析业务需求 2)建立数据模型和数据仓库的物理设计 3)定义数据源 4)选择数据仓库技术和平台 5)从 *** 作型数据库中抽取、净化、和转换数据到数据仓库 6)选择访问和报表工具 7)选择数据库连接软件 8)选择数据分析和数据展示软件 9)更新数据仓库 数据抽取、清理、转换、和移植 1)数据转换工具要能从各种不同的数据源中读取数据。 2)支持平面文件、索引文件、和legacyDBMS。 3)能以不同类型数据源为输入整合数据。 4)具有规范的数据访问接口 5)最好具有从数据字典中读取数据的能力 6)工具生成的代码必须是在开发环境中可维护的 7)能只抽取满足指定条件的数据，和源数据的指定部分 8)能在抽取中进行数据类型转换和字符集转换 9)能在抽取的过程中计算生成衍生字段 10)能让数据仓库管理系统自动调用以定期进行数据抽取工作，或能将结果生成平面文件 11)必须对软件供应商的生命力和产品支持能力进行仔细评估 主要数据抽取工具供应商：PrismsolutionsCarleton'sPASSPORTInformationBuildersInc's EDA/SQLSASInstituteInc 数据仓库带来了什么 每一家公司都有自己的数据。并且，许多公司在计算机系统中储存有大量的数据，记录着企业购买、销售、生产过程中的大量信息和客户的信息。通常这些数据都储存在许多不同的地方。 使用数据仓库之后，企业将所有收集来的信息存放在一个唯一的地方——数据仓库。仓库中的数据按照一定的方式组织，从而使得信息容易存取并且有使用价值。 目前，已经开发出一些专门的软件工具，使数据仓库的过程实现可以半自动化，帮助企业将数据倒入数据仓库，并使用那些已经存入仓库的数据。 数据仓库给组织带来了巨大的变化。数据仓库的建立给企业带来了一些新的工作流程，其他的流程也因此而改变。 数据仓库为企业带来了一些“以数据为基础的知识”，它们主要应用于对市场战略的评价，和为企业发现新的市场商机，同时，也用来控制库存、检查生产方法和定义客户群。 每一家公司都有自己的数据。数据仓库将企业的数据按照特定的方式组织，从而产生新的商业知识，并为企业的运作带来新的视角。 为何要建立数据仓库 计算机发展的早期，人们已经提出了建立数据仓库的构想。“数据仓库”一词最早是在1900年，由Bill Inmon先生提出的，其描述如下：数据仓库是为支持企业决策而特别设计和建立的数据集合。 企业建立数据仓库是为了填补现有数据存储形式已经不能满足信息分析的需要。数据仓库理论中的一个核心理念就是：事务型数据和决策支持型数据的处理性能不同。 企业在它们的事务 *** 作收集数据。在企业运作过程中：随着定货、销售记录的进行，这些事务型数据也连续的产生。为了引入数据，我们必须优化事务型数据库。 处理决策支持型数据时，一些问题经常会被提出：哪类客户会购买哪类产品？促销后销售额会变化多少？价格变化后或者商店地址变化后销售额又会变化多少呢？在某一段时间内，相对其他产品来说哪类产品特别容易卖呢？哪些客户增加了他们的购买额？哪些客户又削减了他们的购买额呢？ 事务型数据库可以为这些问题作出解答，但是它所给出的答案往往并不能让人十分满意。在运用有限的计算机资源时常常存在着竞争。在增加新信息的时候我们需要事务型数据库是空闲的。而在解答一系列具体的有关信息分析的问题的时候，系统处理新数据的有效性又会被大大降低。另一个问题就在于事务型数据总是在动态的变化之中的。决策支持型处理需要相对稳定的数据，从而问题都能得到一致连续的解答。 数据仓库的解决方法包括：将决策支持型数据处理从事务型数据处理中分离出来。数据按照一定的周期（通常在每晚或者每周末），从事务型数据库中导入决策支持型数据库——既“数据仓库”。数据仓库是按回答企业某方面的问题来分“主题”组织数据的，这是最有效的数据组织方式。 数据仓库和数据集市 有关决策支持型数据库的数据集市是面向企业中的某个部门或是项目小组的。一些专家顾问将数据集市的建造描述为建立数据仓库全过程中的一步。首先，一个储存企业全部信息的数据仓库被创建，其中，数据均具备有组织的、一致的、不变的格式。数据集市随后被创立，其目的是为不同部门提供他们所需要的那部分信息。数据仓库聚集了所有详细的信息，而数据集市中的数据则是针对用户们的特定需求总结而出的。 而另外一些专家则认为数据集市的建立并不需要首先建立一个数据仓库。在这个模型中，数据直接由事务型数据库转入数据集市中。一个公司可能建立有多个数据集市，而彼此之间毫无联系。 这种不在建立数据仓库的基础上创建数据集市的方式会更便宜、更快速，因为它的规模更加易于管理。 第二种观点的缺陷在于无法实现最初创建数据仓库的最主要的目的——将企业所有的数据统一为一致的格式。现有的事务处理系统的数据往往是不一致、冗余的。

我用的是FineReport，以前遇到过数据库连接失败的情况，后来把防火墙关了就好了，你也可能是防火墙的原因，可以把防火墙关了再试试。
也可能是别的原因。
这里有他们家的帮助文件给你参考：>针对税务系统信息化应用现状及发展需求，依据快速适应税务征管改革和科技兴税的工作方针，中创软件推出了面向数据整合与决策支持的“税务信息应用整合系统解决方案”。中创软件基于InforEAI中间件，成功建设了山东省国税全省17个地市的税收数据整合与监控分析系统。

方案概要

针对税务系统信息化应用现状及发展需求，依据快速适应税务征管改革和科技兴税的工作方针，中创软件推出了“税务信息应用整合系统解决方案”。该方案主要实现：
1 将税务系统企业现有的分布、异构的多个业务应用系统，通过先进的中间件技术进行集成，建立整合数据平台，形成数据中心。
2 在整合的数据中心的基础上，对信息资源进行综合利用，为企业提供完整、统一的数据展现。
3 对整合后的原始数据进行多维分析、深度挖掘，加强各地市税务信息的分析和监控能力。

方案价值

1 解决了原有系统各自独立、数据分散的问题，为税务系统的决策层及业务人员提供信息资源的完整视图。
2 通过整合数据的分析利用、挖掘提炼，提高对企业市场、客户的洞察力，加强领导的决策与监管力度，提升企业竞争力。
3 充分利用原有软硬件资源、信息基础设施，有效保护投资。
4 整合数据平台具有良好的可扩展性、升级能力，可将今后的各类新建应用系统、原有系统的新增数据等方便、实时地加入到数据中心，满足今后的扩展需要。

总体技术框架

中创软件“税务信息应用整合系统解决方案”是一个面向数据整合与决策支持的解决方案。该系统主要由数据源、数据交换平台、数据中心平台和展示平台四部分组成。(如图1所示)

● 数据源
主要是目前税务系统中已经建设的业务系统，并且该系统的信息需要进行整合与共享。
● 数据交换平台
数据中心分别部署应用集成（EAI）中间件，利用其路由和集群的功能，建立覆盖全省的数据交换平台，实现全省范围内的数据交换和共享。该平台使得任何一点的业务数据，在政策允许的情况下，能快速地集成到市数据中心或省数据中心，并能逐级进行信息集成和汇集。另外，根据需求，通过数据交换平台可以为内外网提供动态信息发布。
● 数据中心平台
省或市数据中心平台分别由 *** 作数据存贮（ODS）、数据仓库、OLAP服务和J2EE应用服务器组成。通过应用适配器，按照业务需求订阅，并进行信息集成和存储到ODS中；ODS中的数据最终会按照时间和主题批次装载到数据仓库，日常查询不需要涉及的数据就直接集成和存储到数据仓库中；数据仓库可能有小部分数据要回流到ODS中。
● 展示平台
展示平台一般由Web服务器、报表服务器以及展示工具组成。

功能模型

税务信息应用整合系统业务功能主要包括：数据处理分析系统和监控分析系统，(如图2所示)

● 数据处理分析系统

以各地市局现有应用系统为数据源，通过信息集成软件或其他方式实现这些应用系统的信息集成，构建市级数据中心和数据仓库，在此基础上建立起数据处理分析系统，为省、各地市数据处理分析人员提供一个便捷、高效的统一数据平台，同时满足省、市、县、分局领导，一般管理人员和业务人员的监控、管理、查询等要求。
● 监控分析系统
在省局建立综合数据库和数据仓库的基础上，建立起省局监控和分析系统，对全省现有各类涉税数据进行处理，为领导和业务部门进行科学的决策、监控、管理和考核等工作，提供有效的信息化查询、分析手段。

关键中间件技术

InforEAI是一个基于消息代理的应用开发和运行管理平台，它采用“软总线+软构件”的开发模式，并提供了许多通用的、经过大量应用证实的业务构件和技术构件。基于InforEAI，可以大大加快复杂应用系统的建设速度，提高系统的建设质量，节约应用集成时间和成本。
在市数据中心部署应用集成（EAI）中间件，利用其快速构建复杂应用的特点，建立覆盖地市各业务系统的数据交换平台，实现全市范围内的数据交换和共享。它使得市局任何一个应用系统的业务数据，在政策允许的情况下，能快速地集成到市数据中心，并能遂级进行信息集成和汇集。另外，根据需求，通过构建特定的适配器模型在数据交换平台上运行，可以实现内外网动态的信息发布。
基于企业应用集成中间件InforEAI建立的数据交换平台，采用基于XML的消息表示，提供基于出版/订阅的信息共享和消息路由，使得业务系统的信息共享简单和易于变化，可以连接异构系统和 *** 作环境，业务系统之间的松耦合使得局部系统出错之后能更好地恢复，从而保证数据交换平台具有更高的强壮性和扩展性。例如现有的业务系统，有些运行在Unix系统上。有些则运行在Windows系列 *** 作系统上，这些系统都能非常方便的接入到数据交换平台中来，当有新的业务系统需要接入数据交换平台时，只需针对新的系统构建一个新的适配器即可。当某个应用系统发生意外情况时，其他应用系统及数据交换平台的运行基本不受影响。

方案特点

1 实现税务信息数据整合
通过基于InforEAI构建的数据交换平台实现金税系统、出口退税审核信息、税收票证管理信息、纳税人信息等信息的集成，将分散的各类涉税数据经过清理、整合、汇总后集中起来，为各级数据处理分析人员提供一个便捷、高效的统一数据平台。
2 加强对税务信息的决策分析和监控能力
税务信息应用整合系统建设的数据仓库以主题形式存贮来自各业务系统的数据以及关联数据，建立符合信息分析要求的数据模型，建立自动数据处理机制，为决策分析提供完整、统一、准确的数据来源。通过OLAP服务器实现多维分析、复杂数理统计和数据挖掘、对于诸如统计日报、周报、月报等访问量大的静态报表，依靠B/S的报表展示工具，进行税务信息的多维动态展示，为税务管理人员提供有效的决策信息，并对全省税务信息进行监控。
3 可视化快速开发
InforEAI通过图形化构件拖放、编排和配置，实现税务系统各应用之间的信息交换、数据共享和过程协同，快速构建税务信息整合与辅助决策系统，使企业从原来的面向数据的、条块式的企业生产系统建设，迈上面向过程协同、面向决策支持的企业支撑系统建设的新台阶，提升企业的竞争优势。

---