數據倉庫的介紹
一、數據倉庫的基本概念
數據倉庫，英文名稱為Data Warehouse，可簡寫為DW或DWH。數據倉庫顧名思義，是一個很大的數據存儲集合，出於企業的分析性報告和決策支持目的而創建，對多樣的業務數據進行篩選與整合。它為企業提供一定的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。
二、數據倉庫的主要特征
數據倉庫是面向主題的（Subject-Oriented ）、集成的（Integrated）、穩定的（Non-Volatile）和時變的（Time-Variant ）數據集合，用以支持管理決策。
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？比如對於城市，“天氣濕度分析”就是一個主題，對於淘寶，“用戶點擊行為分析”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。這里說明一點，數據倉庫基本上是不許允許用戶進行修改，刪除操作的。大多數的場景是用來查詢分析數據。
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。這和穩定特點並不矛盾。
三、數據倉庫與數據庫區別
1、數據庫
數據庫是面向交易的處理系統，它是針對具體業務在數據庫聯機的日常操作，通常對記錄進行查詢、修改。用戶較為關心操作的響應時間、數據的安全性、完整性和並發支持的用戶數等問題。傳統的數據庫系統作為數據管理的主要手段，主要用於操作型處理，也被稱為聯機事務處理 OLTP（On-Line Transaction Processing）。
2、數據倉庫
數據倉庫一般針對某些主題的歷史數據進行分析，支持管理決策，又被稱為聯機分析處理 OLAP（On-Line Analytical Processing）。
首先要明白，數據倉庫的出現，並不是要取代數據庫。
3、兩者區別
- 數據庫是面向事務的設計，數據倉庫是面向主題設計的。
- 數據庫一般存儲業務數據，數據倉庫存儲的一般是歷史數據。
- 數據庫設計是盡量避免冗余，一般針對某一業務應用進行設計，比如一張簡單的User表，記錄用戶名、密碼等簡單數據即可，符合業務應用，但是不符合分析。數據倉庫在設計是有意引入冗余，依照分析需求，分析維度、分析指標進行設計。
- 數據庫是為捕獲數據而設計，數據倉庫是為分析數據而設計。
以銀行業務為例。數據庫是事務系統的數據平台，客戶在銀行做的每筆交易都會寫入數據庫，被記錄下來，這里，可以簡單地理解為用數據庫記賬。
數據倉庫是分析系統的數據平台，它從事務系統獲取數據，並做匯總、加工，為決策者提供決策的依據。比如，某銀行某分行一個月發生多少交易，該分行當前存款余額是多少。如果存款又多，消費交易又多，那么該地區就有必要設立ATM了。
顯然，銀行的交易量是巨大的，通常以百萬甚至千萬次來計算。事務系統是實時的，這就要求時效性，客戶存一筆錢需要幾十秒是無法忍受的，這就要求數據庫只能存儲很短一段時間的數據。而分析系統是事后的，它要提供關注時間段內所有的有效數據。這些數據是海量的，匯總計算起來也要慢一些，但是，只要能夠提供有效的分析數據就達到目的了。
數據倉庫，是在數據庫已經大量存在的情況下，為了進一步挖掘數據資源、為了決策需要而產生的，它決不是所謂的“大型數據庫”。
4、數據倉庫分層架構
按照數據流入流出的過程，數據倉庫架構可分為三層——源數據、數據倉庫、數據應用。
數據倉庫的數據來源於不同的源數據，並提供多樣的數據應用，數據自下而上流入數據倉庫后向上層開放應用，而數據倉庫只是中間集成化數據管理的一個平台。
- 源數據層（ODS）: 操作性數據(Operational Data Store) ，是作為數據庫到數據倉庫的一種過渡，ODS的數據結構一般與數據來源保持一致，而且ODS的數據周期一般比較短。ODS的數據為后一步的數據處理做准備。
- 數據倉庫層（DW）：數據倉庫(Data Warehouse)，是數據的歸宿，這里保持這所有的從ODS到來的數據，並長期報錯，而且這些數據不會被修改,DW層的數據應該是一致的、准確的、干凈的數據，即對源系統數據進行了清洗（去除了雜質）后的數據。
- 數據應用層（DA）：數據應用(Data Application),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，該數據面向應用。如根據報表、專題分析需求而計算生成的數據。
5、數據倉庫之ETL
ETL，是英文Extract-Transform-Load的縮寫，用來描述將數據從來源端經過抽取（extract）、轉換（transform）、加載（load）至目的端的過程。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，目的是將企業中分散、零亂、標准不統一的數據整合到一起。
ETL是數據倉庫的流水線，也可以認為是數據倉庫的血液，它維系着數據倉庫中數據的新陳代謝，而數據倉庫日常的管理和維護工作的大部分精力就是保持ETL的正常和穩定。
