帆软BIFineBI技术白皮书

1、 商业智能领跑者沈阳华数科技有限公司解决方案提供商目录 一、产品简介 . .51.1 FineBI产品定位 .51.2 系统架构 .81.3 产品环境支撑 . .10二、核心优势 . .122.1 计算性能大大优于SQL 查询 . .122.2 数据模型建立十分简单 .122.3 非技术人员也可以进行数据分析 .132.4 移动端具有特色的交互体验 .142.5 实施周期短，后期维护简单 .15三、功能介绍 . .163.1 FineBI功能模块 .163.2 数据处理 .16 3.3 智能即席查询 .273.4 多维OLAP 分析 .363.5 FineBI的dashbord .38 四、技

2、术特性 . .444.1 FineBI主要性能特点 .44五、应用与部署 . .465.1 服务器部署 .465.2 web集成 .475.3 权限 . .49六、结束语 . .516.1产品价值 . .516.2服务宗旨和承诺 . .51 一、产品简介1.1 FineBI产品定位BI （Business Intelligence ，商业智能）的概念最早在1996年提出。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决

3、策的工具。商务智能系统中的数据来自企业其他业务系统。例如商贸型企业，其商务智能系统数据包括业务系统的订单、库存、交易账目、客户和供应商信息等，以及企业所处行业和竞争对手的数据、其他外部环境数据。而这些数据可能来自企业的CRM 、SCM 等业务系统。 商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP ）工具和数据挖 掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP 和数据挖掘等技术的综合运用。把商业智能看成一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作

4、系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction ）、转换（Transformation ）和装载（Load ），即ETL 过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP 工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供数据支持。 经过近20年的发展和演化，目前，商业智能产品及解决方案大致可分为数据仓库产品、数据抽取产品、OLAP 产品、展示产品、和集成以上几种产品的整体解决方案等；而市场上主流的BI 产品，如Cog

5、nos 、Qlikview 、FineBI 等，都属于整体解决方案的范畴。 近年来，在整体解决方案的BI 产品中，根据应用的业务、目标、用户的差异，主流BI 产品又分化为代表传统BI 解决方案的重型BI 和贴近现代企业快速部署、灵活易用需求的敏捷型BI 两类。传统重型BI 以Cognos 等产品为代表，其优势与缺陷经过多年实践的检验，都是十分显然的。重型BI 产品适用于数据量特别巨大（百亿或以上级别）、信息化建设特别完备、信息技术人才资源充裕、数据分析经验十分丰富、数据分析需求变化 很小的大型企业和集团，其在巨大数据量上的性能和稳定性优势不言而言，但随之而来的缺陷是费用特别巨大（重型BI 产品

6、和实施的总费用在千万人民币以上）、实施周期很长（一般以年为单位）、对信息技术人才要求高（写SQL 查询、数据建模等工作都需手动建立和维护）、项目风险大（非典型性用户实施成功率很低）。对于很多企业，在应用这种类型的BI 工具时，往往会困扰于项目资金预算、实施周期、人才匮乏和风险控制中，无法实施项目或项目实施后，在线上使用的环节收效甚微。因此，敏捷性BI 应运而生。与重量型BI 相比，除项目总费用大大削减、实施周期大大缩短外（以周为单位），敏捷性BI 最突出的特点就是实现数据建模自动化完成，并且模型中的维度分析更加灵活，分析需求变化，除非使用原先不存在的数据，否则不需要重新建模。这大大增强的BI

7、产品的易用性，随之大大降低了项目的风险，保障了数据分析人员“用得起来”，使得专业的数据分析工具可以走进千千万万家企业。 1.2系统架构软件的框架图如下图所示： FineBI 是帆软软件有限公司推出的一款商业智能(Business Intelligence 产品，致力于帮助企业发现并解决存在的问题，预测模拟企业将来的发展，协助企业及时调整策略做出更好的决策，增强企业的可持续竞争性。FineBI 架构分为三部分： 多维数据引擎FineBI 的多维数据引擎以FineBI 的多维数据库为核心，囊括ETL 功能，旨在对原始数据进行抽取，转换和加载，支撑FineBI 的在线分析，是FineBI 的灵魂。多

8、维数据库采用动态生成的位图索引技术处理字符串等类型，NIO 内存映射文件技术快速读取处理数字类型，并支持离线使用的cube 数据存储，支持cube 数据定时全量以及增量更新。并行计算的先进数据处理模式使得基于位图索引的快速分组，过滤，钻取，支持多线程运算，互不干扰。并且还有智能避免重复计算的缓存机制。 交互分析模块 FineBI 的分析模块以DashBoard 为分析的载体，每个分析中可向Dashboard 内加入任意数量的组件和控件。所有分析中的操作均通过拖拽和点击完成，无需写SQL 。支持任意维度和指标的切换，可以对已有的表样切换字段来进行自由分析。任意维度和指标切换的功能保障了当查看分析

9、的人员在查看分析时，如果针对已有的表样产生额外的分析需求或改变了已有的分析需求，不需要重新制作一次分析，而可以直接通过切换维度和指标实现。可以选择数据快速创建表格或者图表以使数据可视化、添加过滤条件筛选数据，即时排序，使数据分析更快捷。移动端FineBI 支持安卓手机、苹果手机和平板三大主流移动端。使用FineBI 移动端查看分析，功能和PC 上的Web 端完全一致，包括更改数据过滤条件、自由切换维度和指标、钻取联动等功能。完备的功能支持、舒适的操作体验和移动端本身的便捷性，使得用户可以随时随地对自己的数据了如指掌。此外，利用FineBI 原创的消息反馈功能，查看分析的领导人员可以随意在屏幕上

10、标记、注释，并一键将带有批示的报表以截图形式发送到指定邮箱或即时通讯工具中，真正实现领导人员利用BI 分析数据和下达决策结果零距离。 1.3 产品环境支撑FineBI 采用纯Java 开发，FineBI 支持所有可部署JDK 的操作系统，比如支持Windows 与Unix/Linux/Aix等。支持所有的有JDBC 接口的数据库，比如Oracle 、SqlSever 、Mysql 、Sybase 、DB2、Postgre 、Derby 等主流关系型数据库。具体软件环境要求如下表所示：操作系统： Windows 、Linux 、Unix 、Solaris 、Aix 、IRIX 等；数 据 库：O

11、racle 、SqlSever 、Mysql 、Sybase 、DB2、Postgre 、Derby 等主流关系型数据库；应用服务器：Tomcat 、Jboss 、Weblogic 、Websphere 、Tongweb 、resin 等web 应用服务器； 浏 览 器：IE （IE8及以上版本可以获得更好的使用效果）、FireFox 、Chrome 等主流浏览器。 二、核心优势2.1 计算性能大大优于SQL 查询FineBI 采用Cube 预处理以及并行计算的先进数据处理模式，使用NIO 内存映射文件存储模式，同时采用高效的智能位图索引，以及智能避免重复计算的缓存机制，使得在前端页面展示数据

12、时，运行速度高效快速。FineBI 对于分组汇总表的计算，亿万条数据，汇总计算均在10s 内完成。对于明细表的展示，均在1s 内即可完成。 2.2 数据模型建立十分简单FineBI 的数据处理，采用读取数据库原有关联与手动调整关联的方式，构建FineBI 数据模型的骨架，并辅以FineBI 的关联视图，使得数据根据业务关系有着完整的数据结构。第一次建立模型成功后，模型骨架会随着用户进行OLAP 分析的过程，智能分析用户OLAP 分析的习惯进行生长和调整。并且其以关联为骨架自动生长的机制保障了，除非分析需求出现原先没有的数据或出现逻辑上的变化，一次建立模型成功后，即使分析需求 变化，亦不用重新调

13、整数据模型。 2.3非技术人员也可以进行数据分析FineBI 始终抱着以用户为本，以求让最终用户更快速入手，更方便的使用，省去传统BI 实施、设计过程的繁杂之处。传统BI 的繁杂之处主要体现在两个方面：技术人员需要花费大量时间准备数据用于分析的底层数据分布在不同的地方，如果要让这些数据百分百地满足业务需求，那么就需要对数据进行额外的处理，根据传统BI 提供的工具建立符合其工具的数据模型，而这个过程根据业务的复杂程度所需的时间在几个月不等。业务人员基于数据偶得的一些分析需求实现过程复杂传统BI 的模式都是预先了解领导和业务人员的所有业务需求，然后基于这些需求准备数据设计以报表形式展现数据的分析过

14、程，当领导或者业务人员在分析过程中有些额外的想法时，基于传统的设计模式，她们还需要和技术人员进行沟通，准备新的数据或者设计新的分析过程，然后才能得到自己想要的分析，这个过程还包括了让技术人员理解自己的需求，所以综上看来整个过程是相当复杂的。FineBI 的Data Service模块，特有的分析设计模式和指标影响因素智能分析模块，能够帮助用户解决以上问题，让技术人员准备数据时无需任何代码和复杂的设置过程，让 非IT 人员能够轻松自在得进行分析。 2.4移动端具有特色的交互体验使用FineBI 移动端查看分析，功能和PC 上的Web 端完全一致，包括更改数据过滤条件、自由切换维度和指标、钻取联动

15、等功能。完备的功能支持、舒适的操作体验和移动端本身的便捷性，使得用户可以随时随地对自己的数据了如指掌。此外，利用FineBI 原创的消息反馈功能，查看分析的领导人员可以随意在屏幕上标记、注释，并一键将带有批示的报表以截图形式发送到指定邮箱或即时通讯工具中，真正实现领导人员利用BI 分析数据和下达决策结果零距离。 2.5 实施周期短，后期维护简单由于FineBI 特有的数据准备模块，除去原始需求沟通时间，技术人员在实施时无需花费过多的时间来进行数据处理，而FineBI 特有的分析模式和指标因素在基于固定数据的基础上能够极大的减少需求多变导致的数据准备和沟通交流时间，真正做到了实施周期短，后期也无

16、需投入过多的人力和时间来维护系统，解决需求上的变动。 三、功能介绍3.1 FineBI功能模块FineBI 功能模块可以分为数据处理、即时分析、多维度分析和Dashboard ，移动端。下面介绍具体的功能模块以及权限控制。3.2 数据处理 支持支持Oracle,DB2,SQLServer,MySQL,SqlServer,Informix 等数据源。支持ODBC 数据源，支持JNDI 数据源，支持共享应用服务器数据源。 程序接口支持javaApi,Hibernate 数据源，支持WebService 、 SOA 等标准的数据。 支持文本数据，支持将Excel ，txt 文件，XML 文件等文件型

17、的数据直接作为数据源；也支持内置数据集。 FineBI 的业务包是FineBI 多维数据库在前端的映射，通过业务包的创建和设置，使得多维数据库和业务分析需求的衔接更加紧密。 支持按照业务增量需求建立数据业务包。 FineBI 的数据业务包，是用于即时分析的数据基础。数据业务包由数据管理员创建，其中包含着能够提供给分析人员的所有业务数据库表。 BI 数据业务包的源数据可以来自多个表或者多个数据库的多个表； 国内的数据库中的表名和字段名编码常见于三种形式：英文名、拼音首字母组合和字母数字组合。其中英文名的方式相对更容易使人理解，但存在表义不准确、覆盖能力不强的缺点，有时反而会误导对数据库不熟悉的人

18、员；拼音首字母组合的形式使用最广泛，但由于这种名称是和业务挂钩的，对于业务不熟的技术人员有时很难捉摸其意思；字母数字组合更是完全抽象的，如果没有详尽、完备的注释，即使对数据库非常熟悉的技术人员，也不可能掌握每一个字段的准确含义。鉴于上述三种名称编码各自的缺点，对数据业务包中的表名以及字段名进行转义是进行快速、准确的数据分析前十分必要的步骤。在FineBI 中，转义的信息可以直接读取数据库中的注释，也可以在表配置界面针对表和各个字段通过点击和键盘输入的方式进行直观的转义。 数据间的关联提供了数据库表之间字段值的对应规则，是连接各个数据库表间的桥梁，有了数据库表间的关联，各个表之间的数据才能在一个

19、分析中得到体现。此外，数据关联控制了外键表数据的有效性，并在数据库的层面体现了业务层的逻辑关系。所以，数 据关联也是FineBI 多维数据库自动建立数据模型的基本依据。数据之间的关联是通过给当前数据库表建立添加主键表的方式来建立的，多个表间可以直接继承数据库已设的外键关系，也可以手动建立表间关系。数据关联：1：N 关系、N ：1关系和1：1关系都可以通过数据关联建立起关联，系统会自动判断主外键关系。 一般而言，信息系统中数据库的表以明细的形式存储数据，并且其结构是固定的；其他数据源诸如Excel 表和文本文件又存在着数据半结构甚至非结构的问题。而数据分析需求是不断变化的，数据源数据的存储结构不

20、可能根据分析需求的变化而变化。因此有些分析过程并不能通过直接使用数据源中的字段实现。此时，需要在多维数据库中的数据生成前，对数据源读取的数据做必要的ETL 转化处理，以适应分析的需求。通过自定义数据列来实现数据转换和数据计算。包括根据现有的数据新增列，构建自循环列，根据公式构建自定义数据列。更方便地用于后面的分析。根据现有的数据新增列：在现有的数据列的基础上，通过自定义分组形成新的列。主要用于建立公用的自定义分组的方式，提供给所有的分析人员使用。构建自循环列：可以根据一列（数据库中只有一列组织ID ）或者两列（数据库中有组织ID 和父ID ）数据分层，将组织机构的层级关系分层展示。主要用于组织

21、树展示。新增公式列：公式引擎支持数据类型转化，常用函数、数学和三角函数、文本函数、日 期和时间函数、逻辑函数、数组函数、报表函数以及其他自定义函数。 通过字段行列转换，将数据库中某一列的字段值与其他指标字段结合成新的字段。 FineBI 的多维数据库集合强大的数据计算能力和便捷性为一体，支撑着FineBI 的在线分析功能，是FineBI 的灵魂。FineBI 多维数据采用预处理以及并行计算的先进数据处理模式，使用NIO 内存映射文件存储模式，同时采用高效的智能位图索引，以及智能避免重复计算的缓存机制，使得在前端页面展示数据时，运行速度高效快速。所有的数据业务包建立的时候，FineBI 会在后台

22、自动生成对应的cube 。FineBI 的Cube 采用MOLAP 的形式，所以在处理大数据量的问题上具有优良的支撑。Cube 中的数据可以设置定时全量/增量更新。增量更新方式大大减少了数据源中较大的表的cube 更新时间。全局数据更新：设置之后可以对全部所有的业务包进行更新，可以将粒度设置到每个小时。 单表的增量更新：可以对单表设置全量更新的时间，也可以选择增量更新的数据。 FineBI 分布式集成即可提升Cube 的生成速度和即时分析取数的查询速度，简单来说，就是在服务器端配备多台服务器，其中一台为主服务器，其他为分布式服务器，FineBI 工程发布在主服务器上，主服务器主要工作就是均衡调

23、配，负责调配将Cube 生成在分布式服务器上，每台分布式服务器上均会生成一个Cube ，所有分布式服务器的Cube 组合起来，则为整个数据库的数据，即时分析查询取数时也是主服务器收到取数查询请求，根据查询的表负责将取数操作分配到各分布式服务器上，最后汇总结果，返回给客户端。 当现有的服务器硬件不能满足数据更新和在线分析的性能需求时，分布式部署可以在多台服务器中实现并行运算以提高性能，充分利用了现有的服务器资源。3.3智能即席查询在数据决策系统中，用户可以选择业务包中任意指标、维度进行自主地拖拽分析。由于数据业务包中的数据已经关联在了一起，这就决定了FineBI 即时分析的自由度。在分析某个指标

24、的影响因素时，可以选择任意的维度，去分析他们之间的关系。从而确定某个因素对指标的影响大小。 通过将字段一一绑定到上传的Excel 单元格中，使用者采用从Excel 的单元格中选择相应的字段，让业务人员清楚地拿到自己目标指标和维度进行分析。ExcelView 功能本质上是对表和字段的转义功能的强化。其转义的范围不再限于名称，而是通过绑定Excel 表，对字段的含义、类型、作用，以及和其他字段的关系，给予非常直观而准确的提示。 ExcelView 功能特别适合在业务人员不理解数据库表间关系和字段含义，但对相关的固定Excel 报表熟悉的情况下使用，使得业务人员分析数据更加轻松。 组件支持各种样式的

25、表格，配合各种业务需求展现数据。包括列表、分组、交叉表格。 组件支持多种图表，图表类型包括柱形图、条形图、饼图、面积图、组合图、仪表盘和地图。页面上生成表格，转换图表、添加钻取、过滤筛选、添加控件等一系列交互设置，操作简单。通过拖拽指标和维度生成的表格，可以一键切换至图表。FineBI 支持多种图表且类型可以随意切换，支持的图标类型有：柱形图、柱形堆积图、折线图、堆积面积图、组合图、条形图、堆积条形图、饼图、仪表盘、地图。 在数据分析工作中，除了对数据求和观察数据的整体效应外，分析平均数的整体效应，以及分析特别的数据如最值、分位数等需求也是常见的。如果汇总方式仅有单一的求和汇总则很难满足这类需

26、求。在FineBI 中，所有的表格和图表除可进行分组或交叉汇总外，每处汇总的计算方式并不限于求和，而是包括求和、求最值、求平均和求分位数，并且他们之间可以实现即时切 换。 指标可以来自于字段，同时也可以是通过公式计算得来。公式界面支持几十种普通的公式函数。 在计算同比、环比、排名的时候，只需配置一下界面，即可得到想要的结果。无需通过复杂的公式。 在传统的报表类或数据分析工具中，过滤控件是针对某一特定的组件或指标的过滤条件的载体。为了起到正确的过滤效果，除进行条件字段和被过滤字段的设置外，还需对二者间的参数传递进行设置，操作较为麻烦，并且抽象的参数传递不能直观的反应数据在业务上的联系，使得非技术

27、人员很难完成这一工作。在FineBI 中，控件所绑定的字段对整个页面的数据进行过滤，无需对应被过滤字段，更无需进行抽象的参数传递设置。而针对某一特定的维度或指标的过滤则在其字段的下拉菜单中完成，通过点面结合的方式，实现不同数据不同的过滤需求。 支持文本类控件，包含文本框、下拉框、下拉复选框和下拉树。 支持时间类控件，包含时间段控件、年份控件、年月控件、年季度控件和时间参数控件。 其中，时间段控件可以以固定的过滤条件以精确到天的粒度过滤数据；年控件、年月控件和年季度控件则为对应的三种常见的固定汇总需求量身打造，使得这些过滤需求可以通过点击一次鼠标完成；而时间参数控件可以将查询时输入的参数传递到制

28、作分析时在字段的过滤条件中绑定好的参数，以非常灵活的方式保障了查询时输入的条件简单直观。 支持数值类控件，可以按数值区间进行和数据筛选。 FineBI 原创的通用查询控件囊括了文本类控件、时间类控件和数值类控件的所有功能，并且其允许用户自由对这些条件进行“且”和“或”的逻辑连接；又由于每个单独的条件自带有“非”的逻辑功能，使得用户可以通过通用查询中“且或非”的完备逻辑体系配置出任意的过滤条件。数据预警功能是业务逻辑和数据的典型结合之一。数据预警通过数字颜色的变化、标记的变化，以直观的方式标记了当前数据的特征，并可以结合业务逻辑提示决策人员尽早调整决策。FineBI 支持数据预警功能，对于在某个

29、数据区间的数据可以进行红绿灯预警或者数据前景预警；更可以使用计算指标添加平均线的功能动态的反应数据的整体水平，实现个体数据与数据总体水平的直观对比。 3.4 多维OLAP 分析多维OLAP 分析是BI 工具分析功能的集中体现，其应用特性主要体现在两方面：一是即时查询到效果（Online ），这要求后台数据的计算速度和前台浏览器的展示速度都要很快；二是多维度自定义分析，这要求BI 工具的多维数据库应该具有较大的灵活性，可以随用户的要求组合任意的指标和维度。只有同时满足这两个特性的交互分析过程，才是多维OLAP 分析，才能保障用户即时看到其分析需求对应的数据统计结果，以及通过切换维度和改变条件等方

30、式，满足根据上一步的结果即时产生的新的分析需求。FineBI 提供了各种常见的OLAP 分析操作，除基本的分组汇总外，还可以进行任意多维度的分析，钻取分析、排序、过滤等等分析功能。 FineBI 提供任意维度的数据分析，针对要分析的数据，我们可以任意添加需要分析的维度。图表设置过程类似，需要注意的是绝大多数的图表无需刻意添加分析。支持任意维度和指标的切换，可以对已有的表样切换字段来进行自由分析。任意维度和指标切换的功能保障了当查看分析的人员在查看分析时，如果针对已有的表样产生额外的分析需求或改变了已有的分析需求，不需要重新制作一次分析，而可以直接通过切换维度和指标实现。 由于维度数据的关系在建

31、立数据cube 的时候已经建立好，则可以对维度直接通过分组以及层级设置进行多层钻取。设置了数据关联的数据之间，可以进行多层钻取设置，通过多层钻取查看数据的详细值。 基于查询出来的结果的排序，根据维度自身进行排序，根据汇总指标的大小对维度进行 排序展示，根据公式值进行排序。可以进行升序、降序和自定义排序。选择了排序方式，数据会根据所选排序方式自动排序。使用各种排序和TopN 功能的组合可以简单直观的分析重点的局部数据。 3.5 FineBI的dashborddashboard 做为FineBI 的主要前端展现形式，具有丰富的组件展示模型以及控件类型。其中组件的模型包含有表格以及多种图表类型。数据

32、分析者，可以使用FineBI 的即时分析模块制作满足自己业务需求的dashbord 的结果，可以在编辑、查看。dashbord 具有极强的交互性，企业中高层对于分析人员制作好的dashbord 结果，可以进行查看、交互。 FineBI 的分析页面由控件和组件组成，控件和组件的数量是可以添加至任意多个，同时控件和组件的大小以及位置都是可以调整的，可以满足用户自由定义的风格需求。组件和控件支持自适应布局和自由布局。自适应布局的功能使得组件能够根据用户拖拽的位置，进行模糊判断，并综合dashboard 上已有的组件和控件综合调整局部，自动填充整个dashboard ，省去了用户调整布局效果的手动操作

33、过程。 自由布局允许用户全面自定义组件的位置和大小，并为dashboard 留白。自由布局的中线和边线吸附的功能使用户可以在手动调整的过程中保持组件对齐。 在指标属性界面添加钻取属性以及任意过滤筛选条件。 支持页面的保存，在”我创建的”列表中进行编辑和查看。在设计分析界面直接点击保存按钮即可保存当前设计的分析结果，保存下来的分析结果都会展现在BI 设计模块中的我创建的节点中。 点击分析页面的保存按钮即可保存分析，保存的结果位于上面提到的BI 模块中的我创建的。 在分析页面中保存的分析结果，点击编辑按钮，既可对保存的结果文件进行再次编辑。点击结果名称，即可查看保存过的分析结果。另外，分析结果还可

34、以分享给其他人，在分析页面点击分享或者在我创建的分析结果中点击分享，选择分享人员的名称，供其他人查看、分析。点击分享按钮，如图： 当被分享的用户登录后在分享给我的界面中即可查看分享的分析。需要注意当创建分析对象的用户删除保存的分析时，被分享的用户也会同步删除此分析结果。管理员将“我创建的”的dashboard 发布至FineBI 平台，提供给所有用户查看。在报表管理中将保存的分析结果发布至各分析目录结构下，点击平台管理>报表管理，如图所示，管理员对目录结构进行设置。FineBI 平台的各分析目录下亦可以添加FineReport 报表和URL 链接，使得分析查看人员在同一系统的同一目录中可

35、以轻松找到其他相关信息。 四、技术特性4.1 FineBI主要性能特点软件成品除了功能外，值得用户关注的还有产品稳定性、并发数、数据量等性能是不是优秀。在性能和稳定性方面也有很大的优势。动态生成的位图索引技术处理字符串等类型NIO 内存映射文件技术，快速读取处理数字类型支持离线使用的cube 数据存储，支持cube 数据定时全量以及增量更新动态的内存数据立方体技术，并行计算的先进数据处理模式基于位图索引的快速分组，过滤，钻取，支持多线程运算，互不干扰高效的智能位图索引压缩技术智能避免重复计算的缓存机制数据库生成Cube 文件，该cube 文件会根据原始数据建立一定的数据模型。访问设计报表时，预

36、先加载需要使用的字段的位图索引到内存（使用半成品的位图，索引（在几十毫秒内）动态生成需要字段的位图索引）处理分组时，使用该位图索引，对数据进行处理，经过转换生成需要的结果，再使用多线程分组，多线程与内存映射文件生成汇总结果，轻松应对千万级以上的数据汇总并将结果建立一定的数据立方体模型，在下次取数，和部分取数（比如之前用了3个字段，后面又用了3个中的2个字段，则不需要重复计算）时避免重复计算 处理列表则是根据计算好位图索引的值的取制定行数据，列表性能无上限，取多大的数据量都会很快。分组速度快，各个分组，汇总之间互不干扰，利于多线程计算以及分布式部署优化，单机性能也比较好支持部分计算，分组汇总不需

37、要计算所有的值。列表速度不受限于数据量分析数据智能关联当最终用户在分析数据时，很可能需要将数据建模时没有建立关联关系的数据关联起来做为整体查看分析，而在处理此类问题时就往往需要技术人员的支持，需要额外的数据建模工作，FineBI 根据用户的语义，提供关联设置，并将数据关联，只要明白语义即可得到所需数据并设置了关联，FineBI 的多维数据库就将自动进行数据建模。指标影响因素智能分析某个指标或者汇总数据往往会受到很多因素的影响，例如销售额会受到产品质量，销售地区，时间，销售人员，代理商，销售策略，同类竞争产品价格等等因素的影响，而当最终客户进行分析时需要对全盘的影响因素都有了解。以往的BI 工具

38、是提前将这些分析维度加入最终展现层让领导或者业务人员去选择，这样的问题有二：沟通成本高，需要让技术人员清晰明了业务需求；修改影响因素复杂，添加删除因素需要通知技术人员。FineBI 的智能因素分析直接面向最终分析人员，通过优化的算法提供所有影响因素，并且智能判断重点因素。 五、应用与部署FineBI 属于纯java 开发，支持windows 、linux 、unix 等主流操作系统，可进行跨平台操作，兼容firefox 、IE 等主流浏览器，并支持双机热备和自动备份。5.1 服务器部署FineBI 是一个Servlet 应用。大家知道，Servlet 是一种服务器端的Java 应用程序，具有独

39、立于平台和协议的特性，可以生成动态的Web 页面。它担当客户请求（Web 浏览器或其他HTTP 客户程序）与服务器响应（HTTP 服务器上的数据库或应用程序）的中间层。Servlet 是位于Web 服务器内部的服务器端的Java 应用程序，由Web 服务器进行加载，该Web 服务器必须包含支持Servlet 的Java 虚拟机。因此FineBI 必须部署在Web 应用服务器如Tomcat 、Weblogic 、Websphere 等下面，启动Web 应用服务器时就会加载FineBI 这个Servlet ，从而交互式地浏览和修改数据，整个过程如下： 5.2 web集成应用集成分为两个部分：Web 页面集成和自定义页面。web 页面集成主要是通过url 集成到用户的系统中。包括新建分析的页面，我创建的页面，分享给我的页面，以及业务配置页面（需要权限才能访问）。具体方式如下：新建分析的页面:$servletURLi ?op=fr_bi_dezi&cmd=init_dezi_pane我创建的页面$servletURL?op=fr_bi_dezi&am