0x00 前言
整理一些數(shù)據(jù)倉庫中的常用概念。大部分概念不是照搬書上的準(zhǔn)確定義，會加入很多自己的理解。

0x01 概念
數(shù)據(jù)倉庫（Data Warehouse）
數(shù)據(jù)倉庫，英文名稱為Data Warehouse，可簡寫為DW或DWH。數(shù)據(jù)倉庫，是為企業(yè)所有級別的決策制定過程，提供所有類型數(shù)據(jù)支持的戰(zhàn)略集合。

個人理解，數(shù)據(jù)倉庫不單單是一個概念，其實(shí)算是對數(shù)據(jù)管理和使用的一種方法論，它包括了如何合理地收集數(shù)據(jù)、如何規(guī)范的管理數(shù)據(jù)、如何優(yōu)雅地使用數(shù)據(jù)，以及任務(wù)調(diào)度、數(shù)據(jù)血統(tǒng)分析等一系列內(nèi)容。 在大數(shù)據(jù)時代這些概念依舊沒有過時，相反，它更加重要。

利用數(shù)據(jù)倉庫的方式存放的資料，具有一旦存入，便不會隨時間發(fā)生變動的特性，此外，存入的資料必定包含時間屬性，通常一個數(shù)據(jù)倉庫中會含有大量的歷史性資料，并且它可利用特定的分析方式，從其中發(fā)掘出特定的資訊。

聯(lián)機(jī)分析處理（OLAP, Online Analytical Process）
OLAP（Online Analytical Process），聯(lián)機(jī)分析處理，以多維度的方式分析數(shù)據(jù)，而且能夠彈性地提供上卷（Roll-up）、下鉆（Drill-down）和透視分析（Pivot）等操作，它是呈現(xiàn)集成性決策信息的方法，多用于決策支持系統(tǒng)、商務(wù)智能或數(shù)據(jù)倉庫。其主要的功能在于方便大規(guī)模數(shù)據(jù)分析及統(tǒng)計(jì)計(jì)算，可對決策提供參考和支持。與之相區(qū)別的是聯(lián)機(jī)交易處理（OLTP），聯(lián)機(jī)交易處理，更側(cè)重于基本的、日常的事務(wù)處理，包括數(shù)據(jù)的增刪改查。

OLAP需要以大量歷史數(shù)據(jù)為基礎(chǔ)，再配合上時間點(diǎn)的差異，對多維度及匯整型的信息進(jìn)行復(fù)雜的分析。

OLAP的概念，在實(shí)際應(yīng)用中存在廣義和狹義兩種不同的理解方式。廣義上的理解與字面上的意思相同，泛指一切不會對數(shù)據(jù)進(jìn)行更新的分析處理。但更多的情況下OLAP被理解為其狹義上的含義，即與多維分析相關(guān)，基于立方體（Cube）計(jì)算而進(jìn)行的分析。

商務(wù)智能（BI, Business Intelligence）
BI（Business Intelligence），即商務(wù)智能，指用現(xiàn)代數(shù)據(jù)倉庫技術(shù)、在線分析技術(shù)、數(shù)據(jù)挖掘和數(shù)據(jù)展現(xiàn)技術(shù)進(jìn)行數(shù)據(jù)分析以實(shí)現(xiàn)商業(yè)價值。

大致上來講，BI就是利用各種技術(shù)來輔助于商業(yè)決策，它需要以數(shù)據(jù)倉庫的數(shù)據(jù)為基礎(chǔ)，通過Olap系統(tǒng)來做分析，必要時還需要一些數(shù)據(jù)挖掘的方法來挖掘更深層次的價值。

元數(shù)據(jù)（Metadata）
管理元數(shù)據(jù)的系統(tǒng)。網(wǎng)上沒找到定義，個人對它的理解如下：

一個管理元數(shù)據(jù)信息的系統(tǒng)
能夠提供方便的元數(shù)據(jù)的操作和查詢操作

它會有下面這些功能：

?

數(shù)據(jù)分層
其實(shí)數(shù)據(jù)分層的意思就是對數(shù)據(jù)按照一定的層級來存儲，這樣做的好處很多，在下面列了幾個，詳細(xì)的請參考這篇博客：大數(shù)據(jù)環(huán)境下該如何優(yōu)雅地設(shè)計(jì)數(shù)據(jù)分層

清晰數(shù)據(jù)結(jié)構(gòu)：每一個數(shù)據(jù)分層都有它的作用域，這樣我們在使用表的時候能更方便地定位和理解。
數(shù)據(jù)血緣追蹤：簡單來講可以這樣理解，我們最終給業(yè)務(wù)誠信的是一能直接使用的張業(yè)務(wù)表，但是它的來源有很多，如果有一張來源表出問題了，我們希望能夠快速準(zhǔn)確地定位到問題，并清楚它的危害范圍。
減少重復(fù)開發(fā)：規(guī)范數(shù)據(jù)分層，開發(fā)一些通用的中間層數(shù)據(jù)，能夠減少極大的重復(fù)計(jì)算。
把復(fù)雜問題簡單化。講一個復(fù)雜的任務(wù)分解成多個步驟來完成，每一層只處理單一的步驟，比較簡單和容易理解。而且便于維護(hù)數(shù)據(jù)的準(zhǔn)確性，當(dāng)數(shù)據(jù)出現(xiàn)問題之后，可以不用修復(fù)所有的數(shù)據(jù)，只需要從有問題的步驟開始修復(fù)。
屏蔽原始數(shù)據(jù)的異常。
屏蔽業(yè)務(wù)的影響，不必改一次業(yè)務(wù)就需要重新接入數(shù)據(jù)。
維度建模
維度建模是一種數(shù)據(jù)倉庫的建模方法，這樣講吧，它的作用就是幫你更好的組織和使用數(shù)據(jù)。 詳細(xì)的講解請看這篇博客：漫談數(shù)據(jù)倉庫之維度建模

維度模型是數(shù)據(jù)倉庫領(lǐng)域大師Ralph Kimall所倡導(dǎo)，他的《The DataWarehouse Toolkit-The Complete Guide to Dimensona Modeling，中文名《數(shù)據(jù)倉庫工具箱》，是數(shù)據(jù)倉庫工程領(lǐng)域最流行的數(shù)倉建模經(jīng)典。維度建模以分析決策的需求出發(fā)構(gòu)建模型，構(gòu)建的數(shù)據(jù)模型為分析需求服務(wù)，因此它重點(diǎn)解決用戶如何更快速完成分析需求，同時還有較好的大規(guī)模復(fù)雜查詢的響應(yīng)性能。

典型的代表是我們比較熟知的星形模型，以及在一些特殊場景下適用的雪花模型。

ETL （Extract-Transform-Load）
ETL 在數(shù)據(jù)開發(fā)的工作中主要是數(shù)據(jù)清洗，它包括數(shù)據(jù)的接入，初步的清洗，數(shù)據(jù)導(dǎo)入Hive或者M(jìn)ysql中等一系列操作，目前比較火的大數(shù)據(jù)技術(shù)在很大程度上就是解決了大數(shù)據(jù)量下的數(shù)據(jù)清洗工作。

另外，很多寫sql的任務(wù)也可以理解是數(shù)據(jù)清洗，比如使用sql對原始數(shù)據(jù)做一部分的業(yè)務(wù)處理、過濾掉一些特殊記錄等，因此ETL的范圍相對來講比較廣，很多數(shù)據(jù)開發(fā)的工作都可以歸結(jié)到ETL中。

ETL，是英文 Extract-Transform-Load 的縮寫，用來描述將數(shù)據(jù)從來源端經(jīng)過抽取（extract）、轉(zhuǎn)換（transform）、加載（load）至目的端的過程。ETL一詞較常用在數(shù)據(jù)倉庫，但其對象并不限于數(shù)據(jù)倉庫。

ETL是構(gòu)建數(shù)據(jù)倉庫的重要一環(huán)，用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗,最終按照預(yù)先定義好的數(shù)據(jù)倉庫模型，將數(shù)據(jù)加載到數(shù)據(jù)倉庫中去。

轉(zhuǎn)載于:https://www.cnblogs.com/itboys/p/10582717.html

總結(jié)

以上是生活随笔為你收集整理的数据仓库--基本概念的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。