数据仓库的前世今生

数据仓库的起源可以追溯到计算机的发展初期，并且数据仓库是信息技术长期发展的产物，在以后也会一直发展。

一、文件系统

20 世纪 60 年代初期，计算机领域的主要工作是创建运行在主文件上的单个应用。这些应用是以报表处理和程序为特征的，一般是以某种早期的程序设计语言如 Fortran 或 COBOL 编写的。主文件存储在廉价的磁带上面，其缺点是只能顺序访问。比如我们想得到磁带上第 20 分钟处的数据，那时必须顺序访问完前面的 19 分钟。磁带在提供廉价存储的同时，也带来了数据的大量冗余。20 世纪 60 年代中期，大量的主文件带来了诸多问题，如：

• 更新数据时需要保持数据的一致性。

• 程序维护的复杂性。

• 开发新程序的复杂性。

• 支持所有主文件需要增加大量的硬件。

2 0 世纪 60 年代 - General Mills 和 Dartmouth College 在一个联合研究项目中，制定了术语维度（dimensio ns）和事实（facts）。

二、DASD 和 DBMS 的出现

到了 1970 年，出现了一种新的存储和访问技术，也就是磁盘存储器，或者称之为直接存取存储设备（Direct Access Storage Device，DASD）。磁盘存储与磁带存储的根本不同在于磁盘上的数据能够直接访问。DASD 要访问第 n+1 条记录，不再需要顺序访问第 1、2、3......n 条记录，而是一旦知道了第 n+1 条记录的地址，就可以直接访问它。

随着 DASD 的发展，出现了一种称为数据库管理系统（Database Management System，DBMS）的新型系统软件。这种新型软件目的是使程序员可以方便的在 DASD 上面进行存储和访问。伴随着 DBMS，出现了“数据库”的概念。

1975 年 - Sperry Univac 推出 MAPPER（MAintain，Prepare，Produce Executive Reports），这是一个数据库管理和报告系统，其中包括世界上第一个第一个专为建设信息中心而设计的平台 4GL（当代数据仓库技术的先驱）

三、数据仓库之父的出现

到了 20 世纪 80 年代，涌现了一些更为新颖的技术，比如个人计算机（PC）和第四代编程语言（Fourth-Generation Language,4GL）。随着 PC 和 4GL 的发展，除了高性能的在线事务处理之外，人们可以利用数据做更多的事情，比如早期的管理信息系统（Management InformationSystem，MIS），如今这种技术成为 DSS。

1990 年 - 由 Ralph Kimball 创立的 Red Brick Systems 推出了 Red Brick Warehouse，这是一个专门用于数据仓库的数据库管理系统。

四、多个单独数据库

随着大型在线事务处理系统问世不久，出现了数据抽取技术，可以实现把想要的数据从在线事务处理系统中分离出来，这样就可以解决数据分析性能方面的问题；抽取出来的数据，给人们在使用数据方面带来了极大的灵活性，我们可以使用这些数据做各种分析。

起初，只是对在线事务处理系统中的数据进行抽取。慢慢的人们发现在抽取结果中，加上一些条件限制可以更方便的得到想要的数据。但此时的“数据仓库”是多个单独的数据库，在使用过程中慢慢出现了如下问题：

• 数据时间不统一

• 抽取程序的差异

• 外部数据加载问题

• 无公共起始数据源

以上问题就会有可能导致，不同部门抽取数据的差异，从而到时分析结果的不同。

五、数据仓库

当人们意识到无休止的抽取带来诸多问题后，开始思考是否可以建立成体系的机构化环境，以减少数据的差异，这也就是数据仓库出现的原因。数据仓库从操作型数据库中抽取数据，通过规范的加工过程，得到粒度化数据，并且这些数据时面向主题、集成、不易失、随时间变化的数据。在数据仓库的基础上，可以建立不同分析角度的 BI 报表系统。

随着大数据的出现，阿里大数据技术人的宣传，加上出版的一些书籍（大数据之路）对此数据仓库的传播都有着巨大的推动。