关于数仓

一、数仓是什么（和数据库的区别）

数仓（DataWareHouse）是面向主题的，集成的，相对稳定的，反映历史变化的数据集合，主要为企业决策作支撑。和数据库对比，数仓主要用于分析数据（olap），而数据分析对资源占用比较大，和数据库主要处理事务（oltp），因此我们需要二者分开；
数仓和数据库区别 => olap 和 oltp 区别：
主要四个方面：
1）实时性：oltp要求实时性高，olap实时性低；
2）数据量：oltp数据量大，olap数据量小；
3）查询的动静态：oltp一般是对确定的数据存取，是静态的，olap是通过数据提供决策支撑，查询是动态的；
4）olap要求满足acid，而数仓一般是反三范式的；

二、数仓用来做什么

管理数据，支持服务调用，为企业提供决策支持

三、数仓的特点

1）面向主题：按照需求划分主题
2）非易失：数据一旦进入数仓就不再发生改变，因为要根据历史看出变化，因此数据不能被修改
3）集成：统一不同表的数据，消除不一致；对原有数据进行综合和计算
4）反映历史变化：数仓的数据随时间不断变化
金融业最常用的经验法则
是7年和13个月规则” 基础数据区里面通过历史表（拉链表）来保存重要信息的历史数据，一般客户类、账户类等
信息要保留7年，交易类流水类信息要保留至少13个月以上。

四、数仓优化

1、合并不同的数据表。
2、通过增加汇总表避免数据的动态汇总。
3、通过冗余字段减少表连接的数量，不要超过3~5个。
4、用ID代码而不是描述信息作为键值。
5、对数据表做分区。