数据仓库

用户头像
JackWangGeek
关注
发布于: 2020 年 08 月 12 日
数据仓库

数据仓库是决策支持系统(DSS)和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题。数据仓库的特征在于面向主题、集成性、稳定性和时变性。数据仓库之父William H. 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)。

数据仓库具有以下的特点:

  • 面向主题。操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。主题是与传统数据库的面向应用相对应得,是一个抽象概念,是在较高层次上将企业信息系统中的数据综合、归类并进行分析利用的抽象。每一个主题对应一个宏观的分析领域。数据仓库排除对于决策无用的数据,提供特定主题的简明视图。

  • 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。

  • 汇总的。操作性数据映射成决策可用的格式。

  • 大容量。时间序列数据集合通常都非常大。

  • 非规范化的。DW数据可以是而且经常是冗余的。

  • 元数据。将描述数据的数据保存起来。

  • 数据源。数据来自内部的和外部的非集成操作系统。

  • 相对稳定的。数据仓库的数据主要供企业决策分析之用,所涉及的数据操作主要是数据查询,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操作,但修改和删除操作很少,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。

数据仓库用于保存历史数据,其中一般包含聚合的数据,后期追加数据也是通过批量导入的方法。早在20世纪80年代初期就已经开始使用基于数据仓库的解决方案了,当时的解决方案一般是由专门的工具实现的。在规划一个数据仓库时,我们要在调研的基础上,确定数据仓库的数据来源包含哪些数据源,同时要明确数据的详细程度,即数据粒度。数据粒度越小,可以分析得到的信息就越具体。

在有些情况下,OLAP和数据仓库这两个概念可以互换。但这并不能说明二者是同一个概念。数据仓库的概念要更大。OLAP由多维数据集构成,而数据仓库可以由反规范化的OLTP数据构成,也可以由OLAP构成。

所以把OLAP多维数据集作为数据仓库,在BI解决方案中使用,将变得更加的高效、方便和经济。



用户头像

JackWangGeek

关注

以匠人之精神,垒软件之砖 2020.01.10 加入

硕士,徐州软件协会副理事长,某创业公司合伙人

评论

发布
暂无评论
数据仓库