【数据仓库】数据仓库的发展史

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。

（1）主文件、报表

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）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。

到了20世纪70年代中期，在线事务处理（Online  Transaction Processing,OLTP）使得访问数据可以更快速的进行，采用在线事务处理可以完成许多过去无法完成的事情。

（3）个人计算机和第四代编程语言技术

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。

（4）抽取程序

随着大型在线事务处理系统问世不久，出现了抽取程序。抽取程序可以通过设置参数，在文件中搜索满足条件的数据，然后把这些数据传送到其他文件或者数据库中。抽取程序在当时特别流行的原因如下：

通过抽取技术，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。

（5）抽取之上的抽取

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，于是就出现了基于抽取之上的抽取。这样就造成了如下问题：

☆ 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，当使用不同抽取程序的两个部门，在分析同一个问题的时候产生很大差异。

（6）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。