1、數據倉庫概念與用途
數據倉庫（Data Warehouse，簡寫DW）是一個數據庫集合，存儲大量的數據，主要為企業撰寫分析報告與決策做支撐，對多樣的業務數據進行篩選整合，為企業提供一定的BI（商業智能）能力，指導業務流程改進、監視時間、成本、質量以及控制。
數據倉庫的輸入方是各種各樣的數據源，最終的輸出用於企業的數據分析、數據挖掘、數據報表等方向。
2、數據倉庫特點
（1）主題性
不同於傳統數據庫對應於某一個或多個項目，數據倉庫根據使用者實際需求，將不同數據源的數據在一個較高的抽象層次上做整合，所有數據都圍繞某一主題來組織。
這里的主題怎么來理解呢？比如對於滴滴出行，“司機行為分析”就是一個主題，對於鏈家網，“成交分析”就是一個主題。
（2）集成性
數據倉庫中存儲的數據是來源於多個數據源的集成，原始數據來自不同的數據源，存儲方式各不相同。要整合成為最終的數據集合，需要從數據源經過一系列抽取、清洗、轉換的過程。
（3）穩定性
數據倉庫中保存的數據是一系列歷史快照，不允許被修改。用戶只能通過分析工具進行查詢和分析。
（4）時變性
數據倉庫會定期接收新的集成數據，反應出最新的數據變化。
3、不同數據源的集成
數據倉庫主要通過ETL來集成不同數據源，ETL全稱是Extract-Transoform-Load的縮寫，用來描述將數據從來源遷移到目標的幾個過程：
①Extract，數據抽取，也就是把數據從數據源讀出來。
②Transform，數據轉換，把原始數據轉換成期望的格式和維度。如果用在數據倉庫的場景下，Transform也包含數據清洗，清洗掉噪音數據。
③Load， 數據加載，把處理后的數據加載到目標處，比如數據倉庫。
Hive是基於Hadoop的數據倉庫工具，可以對存儲在HDFS上的文件數據集進行查詢和分析處理。Hive對外提供了類似於SQL語言的查詢語言 HiveQL，在做查詢時將HQL語句轉換成MapReduce任務，在Hadoop層進行執行。Hive的主要優勢在於免費。
HDFS：Hadoop的分布式文件系統，在這里作為數據倉庫的存儲層。圖中的Data Node就是HDFS的眾多工作節點。
MapReduce：一種針對海量數據的並行計算框架，可以簡單理解為對數據進行分片的數據轉換和合並。
4、主流的數據倉庫
Oracle、Db2、Teradata(商業數據倉庫業界老大)
Teradata數據倉庫配備性能最高、最可靠的大規模並行處理 (MPP) 平台，能夠高速處理海量數據，其性能遠遠高於Hive。
它使得企業可以專注於業務，無需花費大量精力管理技術，因而可以更加快速地做出明智的決策，實現 ROI（投資回報率） 最大化。
參考：https://blog.csdn.net/bjweimengshu/article/details/79256504