什么叫數據倉庫？
數據倉庫是一個面向主題的（Subject Oriented）、集成的（Integrate）、相對穩定的（Non-Volatile）、反映歷史變化（Time Variant）的數據集合，它用於支持企業或組織的決策分析處理。
數據倉庫是為了便於多維分析和多角度展現而將數據按特定的模式進行存儲所建立起來的關系型數據庫，它的數據基於OLTP源系統。
首先，用於支持決策，面向分析型數據處理，它不同於企業現有的操作型數據庫；
其次，對多個異構的數據源有效集成，集成后按照主題進行了重組，並包含歷史數據，而且存放在數據倉庫中的數據一般不再修改
數據倉庫的基本架構是什么？(數據源，ETL, data stage，ODS，data warehouse,datamart,OLAP等等)
數據倉庫系統體系結構
1.數據源-> 2.ETL -> 3.數據倉庫存儲與管理-> 4.OLAP -> 5.BI工具
數據源：是數據倉庫系統的數據源泉,通常包括企業各類信息,包括存放於RDBMS中的各種業務處理數據和各類文檔數據；各類法律法規、市場信息和競爭對手的信息等等；
數據的存儲與管理：數據的存儲和管理是整個數據倉庫的核心，是關鍵。數據倉庫的組織管理方式決定了它有別於傳統數據庫，同時也決定了其對外部數據的表現形式。從數據倉庫的技術特點着手分析，來決定采用什么產品和技術來建立數據倉庫，然后針對現有各業務系統的數據，進行抽取、清理，並有效集成，按照主題進行組織。數據倉庫按照數據的覆蓋范圍可以分為企業級數據倉庫和部門級數據倉庫（通常稱為數據集市）。
OLAP服務器：
對需要的數據進行有效集成，按多維模型予以組織，以便進行多角度、多層次的分析，並發現趨勢。其具體實現可以分為：ROLAP（關系型在線分析處理）、MOLAP（多維在線分析處理）和HOLAP（混合型線上分析處理）。ROLAP基本數據和聚合數據均存放在RDBMS之中；MOLAP基本數據和聚合數據均存放於多維數據庫中；HOLAP基本數據存放於RDBMS之中，聚合數據存放於多維數據庫中。
前端工具：主要包括各查詢工具、數據分析工具、數據挖掘工具、種報表工具以及各種基於數據倉庫或數據集市的應用開發工具。
數據分析工具主要針對OLAP服務器。報表工具、數據挖掘工具主要針對數據倉庫。
數據庫和數據倉庫有什么區別？
1.數據是面向事務處的，數據是由日常的業務產生的，常更新；數據倉庫是面向主題的,數據來源於數據庫或文件，經過一定的規則轉換得到，用來分析的。
2.數據庫一般是用來存儲當前交易數據,數據倉庫存儲一般存儲的是歷史數據。
3.數據庫的設計一般是符合三范式的，有最大的精確度和最小的冗余度，有利於數據的插入; .數據倉庫的設計一般是星型的，有利於查詢。
構建企業級數據倉庫五步法:
一、 確定主題
即確定數據分析或前端展現的主題(例:某年某月某地區的啤酒銷售情況)。主題要體現出某一方面的各分析角度(維度)和統計數值型數據(量度)之間的關系,確定主題時要綜合考慮.
二、 確定量度
確定主題后，需要考慮分析的技術指標(例:年銷售額等等)。它們一般為數據值型數據，其中有些度量值不可以匯總；些可以匯總起來，以便為分析者提供有用的信息。量度是要統計的指標，必須事先選擇恰當，基於不同的量度可以進行復雜關鍵性指標(KPI)的設計和計算。
三、 確定事實數據粒度
確定量度之后，需要考慮該量度的匯總情況和不同維度下量度的聚合情況.例如在業務系統中數據最小記錄到秒，而在將來分析需求中，時間只要精確到天就可以了，在ETL處理過程中，按天來匯總數據,些時數據倉庫中量度的粒度就是”天”。如果不能確認將來的分析需求中是否要精確的秒，那么，我們要遵循”最小粒度原則”,在數據倉庫中的事實表中保留每一秒的數據，從而在后續建立多維分析模型(CUBE)的時候,會對數據提前進行匯總，保障產生分析結果的效率。
四、 確定維度
維度是分析的各個角度.例:我們希望按照時間，或者按照地區，或者按照產品進行分析。那么這里的時間，地區，產品就是相應的維度。基於不同的維度，可以看到各個量度匯總的情況，也可以基於所有的維度進行交叉分析。
維度的層次(Hierarchy)和級別(Level)。例:在時間維度上，按照”度-季度-月”形成了一個層次，其中”年” ,”季度” ,”月”成為了這個層次的3個級別。我們可以將“產品大類-產品子類-產品”划為一個層次，其中包含“產品大類”、“產品子類”、“產品”三個級別。
我們可以將3個級別設置成一張數據表中的3個字段,比如時間維度；我們也可以使用三張表，分別保存產品大類，產品子類，產品三部分數據,比如產品維度。
建立維度表時要充分使用代理鍵.代理鍵是數據值型的ID號碼(每張表的第一個字段)，它唯一標識了第一維度成員。在聚合時，數值型字段的匹配和比較，join效率高。同時代理鍵在緩慢變化維中，起到了對新數據與歷史數據的標識作用。
五、 創建事實表
在確定好事實數據和維度后，將考慮加載事實表。業務系統的的一筆筆生產，交易記錄就是將要建立的事實表的原始數據.
我們的做法是將原始表與維度表進行關聯，生成事實表。關聯時有為空的數據時(數據源臟)，需要使用外連接，連接后將各維度的代理鍵取出放於事實表中，事實表除了各維度代理鍵外，還有各度量數據，不應該存在描述性信息。
事實表中的記錄條數據都比較多，要為其設置復合主鍵各蛇引，以實現數據的完整性和基於數據倉庫的查詢性能優化。
元數據:
描述數據及其環境的數據。兩方面用途:
首先,元數據能提供基於用戶的信息,如記錄數據項的業務描述信息的元數據能幫助用戶使用數據。
其次,元數據能支持系統對數據的管理和維護,如關於數據項存儲方法的元數據能支持系統以最有效的方式訪問數據。
元數據機制主要支持以下五類系統管理功能:
（１）描述哪些數據在數據倉庫中；
（２）定義要進入數據倉庫中的數據和從數據倉庫中產生的數據；
（３）記錄根據業務事件發生而隨之進行的數據抽取工作時間安排；
（４）記錄並檢測系統數據一致性的要求和執行情況；
（５）衡量數據質量。
ODS: Operational Data Store
ODS為企業提供即時的，操作型的，集成的數據集合，具有面向主題性，集成性，動態性，即時性，明細性等特點
ODS作為數據庫到數據倉庫的一種過渡形式，與數據倉庫在物理結構上不同，能提供高性能的響應時間,ODS設計采用混合設計方式。
ODS中的數據是”實時值”,而數據倉庫的數據卻是”歷史值”，一般ODS中儲存的數據不超過一個月，而數據倉庫為10年或更多.
Data Mart
為了特定的應用目的或應用范圍，而從數據倉庫中獨立出來的一部分數據，也可稱為部門數據或主題數據（subjectarea）。在數據倉庫的實施過程中往往可以從一個部門的數據集市着手，以后再用幾個數據集市組成一個完整的數據倉庫。需要注意的就是在實施不同的數據集市時，同一含義的字段定義一定要相容，這樣再以后實施數據倉庫時才不會造成大麻煩。
DDS(decision-support system)決策支持系統：
用於支持管理決策的系統。通常，DSS包括以啟發的方式對大量的數據單元進行的分析，通常不涉及數據更新。
三．什么叫OLAP？用途是什么？
聯機分析處理,On-Line Analysis Processing 即從數據倉庫中抽取詳細數據的一個子集並經過必要的聚集,存儲到OLAP存儲器中供前端分析工具讀取。
OLAP系統按照數據存儲格式可以分為關系OLAP（RelationalOLAP，簡稱ROLAP）、多維OLAP（MultidimensionalOLAP，簡稱MOLAP）和混合型OLAP（HybridOLAP，簡稱HOLAP）三種類型。
ROLAP將分析要用的多維數據存儲在關系數據庫中,並根據應用的需要有選擇的定義一批實視圖也存儲在關系數據庫中
MOLAP將OLAP分析所要用到的多維數據物理上存儲為多維數組的形式，形成“立方體”的結構。
HOLAP能把MOLAP和ROLAP兩種結構的優點有機的結合起來,能滿足用戶各種復雜的分析請求。
OLTP與OLAP的區別
事實表
事實表是包含大量數據值的一種結構。事實數據表可能代表某次銀行交易,包含一個顧客的來訪次數，並且這些數字信息可以匯總，以提供給有關單位作為歷史的數據。
每個數據倉庫都包含一個或者多個事實數據表。事實數據表只能包含數字度量字段和使事實表與維度表中對應項的相關索引字段.，該索引包含作為外鍵的所有相關性維度表的主鍵。
事實數據表中的“度量值”有兩中：一種是可以累計的度量值，另一種是非累計的度量值。用戶可以通過累計度量值獲得匯總信息。
維度表
用來描述事實表的某個重要方面，維度表中包含事實表中事實記錄的特性：有些特性提供描述性信息，有些特性指定如何匯總事實數據表數據，以便為分析者提供有用的信息，維度表包含幫助匯總數據的特性的層次結構
緩慢變化維:在實際情況下，維度的屬性並不是靜態的，它會隨着時間的流失發生緩慢的變化。
處理方法: 1新信息直接覆蓋舊信息，2,保存多條記錄，並添加字段加以區分（用y,n;0,1,2或用時間來區別新舊記錄）
3.保存多條記錄，並添加字段加以區分4.另外建表保存歷史記錄.5混合模式
退化維
般來說事實表中的外鍵都對應一個維表，維的信息主要存放在維表中。但是退化維僅僅是事實表中的一列，這個維的相關信息都在這一列中，沒有維表與之相關聯。比如：發票號，序列號等等。
那么退化維有什么作用呢？
1、退化維具有普通維的各種操作，比如：上卷，切片，切塊等
(上卷匯總，下鑽明細；切片，切塊:對二維數據進行切片，三維數據進行切塊,,可得到所需要的數據)
2、如果存在退化維，那么在ETL的過程將會變得容易。
3、它可以讓group by等操作變得更快
粒度:（granularity）
是指數據倉庫的數據單位中保存數據的細化或綜合程度的級別，細化程度越高，粒度就越小。
鑽取:
首先從某一個匯總數據出發，查看組成該數據的各個成員數據。
KPI（Key Performance Indication）關鍵業績指標用來衡量業績好壞比如銷售這個主題,銷售增長率、銷售凈利潤就是一個KPI
E T L
extract/transformation/load尋找數據，整合數據，並將它們裝入數據倉庫的過程。
ETL是將業務系統的數據經過抽取、清洗轉換之后加載到數據倉庫的過程，目的是將企業中的分散、零亂、標准不統一的數據整合到一起，為企業的決策提供分析的依據。
工作流 抽取à清洗,轉換à加載 數據流 業務系統àODSà數據倉庫
一.抽取
方法有三種:1.利用工具,例如datastage，informatic，OWB，DTS，SISS. 2，利用存儲過程. 3,前兩種工具結合.
抽取前的調研准備工作:1.弄清數據是從哪幾個業務系統中來，各個業務系統的數據庫服務器運行什么DBMS. 2.是否存在手工數據，手工數據量有多大。3.是否存在非結構化的數據。
抽取中的數據處理方法:
-
業務系統服務器與DW的DBMS相同時，在DW數據倉庫服務器與原業條系統之間建立直接的鏈接關系就可以寫select語句直接訪問.
-
業務系統服務器與DW的DBMS不同時,對不能建立直接鏈接的話，可以將源數據導入.txt文件，在導入ODS中,或通過程序接口來完成.
-
對於文件類型數據源(.txt.xls)利用數據庫工程將這個數據導入指定的數據庫，如(oracle的SQL*LOADER,db2的import)
如何實現增量抽取
業務系統會記錄業務發生的時間，我們可以用來做增量的標志,每次抽取之前首先判斷ODS中記錄最大的時間，然后根據這個時間去業務系統取大於這個時間所有的記錄。
二.清洗與轉換
清洗
數據清洗的任務是過濾那些不符合要求的數據，將過濾的結果交給業務主管部門，確認是否過濾掉還是由業務單位修正之后再進行抽取。
清洗的數據種類: 1,不完整數據，2,錯誤數據，3重復的數據.
轉換
1.不一致數據轉換:編碼轉換(m,f;男女);字段轉換(balance,bal);度量單位的轉換(cm,m)
2.數據粒度的轉換;業務系統數據存儲非常明細的數據，而數據倉庫中數據是用分析的，不需要非常明細，會將業務系統數據按照數據倉庫粒度進行聚合.
3.商務規則的計算.不同企業有不同的業務規則，不同的數據指標,在ETL過程，將這些數據計算好之后存儲在數據倉庫中，供分析使用(比如KPI)
三.加載經過前兩步處理后的數據可直接加載入數據倉庫
用過什么ETL工具（informatica，ssis，owb，datastage），以及該工具簡單講述特點。
DataStage是一套專門對多種操作數據源的數據抽取、轉換和維護過程進行簡化和自動化，並將其輸入數據集市或數據倉庫目標數據庫的集成工具。
它有四個組件:Administrator:用來管理project和環境變量。Manager:用於job，表定義，的引導，引出。Designer:用來設計job。Direct:用運查看job運行日志。
星形模型與雪花模型的區別？
1.星星的中心是一個大的事實表，發散出來的是維度表，每一個維度表用一個PK-FK連接到事實表，維度表之間彼此並不關聯。一個事實表又包括一些度量值和維度。
2.雪花模型通過規范維度表來減少冗余度，也就是說，維度表數據已經被分組成一個個的表而不是使用一個大表。例如產品表被分成了產品大類和產品小類兩個表。盡管這樣做可以節省了空間，但是卻增加了維度表的數量和關聯的外鍵的個數。這就導致了更復雜的查詢並降低了數據庫的效率
維度建模（dimensional modeling）：
是數據倉庫建設中的一種數據建模方法。按照事實表，維表來構建數據倉庫，數據集市。這種方法最被人廣泛知曉的名字就是星型模式（Star-schema）。
什么叫查找表，為什么使用替代鍵？(其實目的和上面一樣，從基礎表到緩慢維度表的過程中的一種實現途徑)
替代鍵（alternate key）可以是數據表內不作為主鍵的其他任何列，只要該鍵對該數據表唯一即可。換句話說，在唯一列內不允許出現數據重復的現象。
數據倉庫項目最重要或需要注意的是什么，以及如何處理？
數據質量，主要是數據源數據質量分析，數據清洗轉換，當然也可以定量分析
數據倉庫有兩個重要目的,一是數據集成,二是服務BI
數據准確性是數據倉庫的基本要求,而效率是項目事實的前提,數據質量、運行效率和擴展性是數據倉庫項目設計、實施高明與否的三大標志;
代理鍵:
在關系型數據庫設計中，是在當資料表中的候選鍵都不適合當主鍵時，例如資料太長，或是意義層面太多，就會用一個attribute來當代理主鍵，此主鍵可能是用流水號，來代替可辨識唯一值的主鍵
在數據倉庫領域有一個概念叫Surrogate key，中文一般翻譯為“代理關鍵字”。代理關鍵字一般是指維度表中使用順序分配的整數值作為主鍵，也稱為“代理鍵”。代理關鍵字用於維度表和事實表的連接。可以避免通過主鍵的值就可以了解一些業務信息