数据仓库设计Kimball Vs Inmon

 

首先，我们看到几种“设计”的基本思路：自顶向下，自底向上，混合方法和联邦方法。

Ralph Kimball和Inmon都是“数据仓库”的首创者，但在数据仓库的设计和机构上却很不相同。Inmon支持“独立数据集市机构”，而Kimball支持“数据仓库总线结构”。

 

一、自顶向下的“独立数据集市机构”

Bill Inmon主张不同的OLTP数据集中到面向主题、集成的、不易失的和时间变化的结构中，用于以后的分析；且数据可以通过下钻到最细层，或者上卷到汇总层；数据集市应该是数据仓库的子集；每个数据集市是针对独立部门特殊设计的。

数据的流向是，业务系统—登台区（部分整合和清洗）—ODS（视业务需求）—DW（3NF设计）—DM—OLAP

二、自底向上的“数据仓库总线结构”

Ralph Kimball说“数据仓库仅仅是构成它的数据集市的联合”。他认为“可以通过一系列维数相同的数据集市递增地构建数据仓库”，通过使用“一致的”维，能 够共同看到不同数据集市中的信息，这表示它们拥有公共定义的元素。Kimbal的方法将提供集成的数据来回答组织迫切的业务问题并且要快于Inmon的方 法。Inmon的方法是只有在构建几个单主题区域之后，集中式的数据仓库才创建数据集市，而Kimbal认为该方法缺乏灵活性，并且在现在的商业环境中所 花时间太长
    实际上，方法的选择取决于项目的主要商业驱动。如果该组织正忍受糟糕的数据管理和不一致的数据，那么 Inmon的方法就更好一些；如果该组织迫切需要给用户提供信息，那么Kimbal的方法将满足该需求。数据仓库将使数据集市与遗留系统和OLTP系统隔 离，并且支持更快地创建将来的数据集市。
    遗憾的是，个别部门经常滥用Kimball的方法，并将之作为脱离集中控制而构建他们自己数据集市的借口。当试图跨集市访问数据以获取联合视图时，这将造成严重问题，而集中式信息体系结构将避免这一点。

三、推荐的数据仓库架构

企 业数据仓库的建设是以现有企业业务系统和业务数据的积累为基础。数据仓库不是静态的概念，只有把信息及时交给需要这些信息的使用者，供他们做出改善其业务 经营的决策，信息才能发挥作用，而把信息加以整理归纳和重组，并及时提供给相应的管理决策人员，是数据仓库的根本任务。
    整个数据仓库系统是一个包含4个层次的体系结构，具体结构见图下。

数据仓库系统结构图