数据仓库概述

数据仓库概述

数据仓库（Data Warehouse），简称DW或DWH，是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反应历史变化（Time Variant）的数据集合，用于支持管理、运营决策。

• 面对主题的：数据仓库里的数据面向主题作为大分类，例如用户分析主题、流量分析主题等等。这种主题往往也是我们处理数据的目的。
• 集成的：数据仓库的数据不只是通常数据库表里写下的业务数据，也记录下了用户行为相关的埋点数据等，例如用户访问的日志数据等。数据仓库的数据是由多种不同形式的数据整合而成的。
• 相对稳定的：数据仓库里的数据并不进行频繁修改，而是定期拉取数据后进行分析用。即使业务数据的状态发生了更新，也只是得到更新前后的两种数据，而不是修改数据仓库的数据。
• 反映历史变化的：正如第三条所述，数据若在不同时间发生变化，数据仓库并不会跟着一起变化，而是会记录不同时间的两条数据，这可以反映某种业务的变化。例如，订单从已发货到已接收，数据仓库就会把这两条数据都放到里面，并且可以根据时间看出他们的历史变化。

数据库和数据仓库

1. 数据库

数据库一般是指一些数据库软件，如mysql, oracle等。这种数据库的普遍使用场景就是联机事务处理（OLTP, OnLine Transaction Processing）。简单来说，OLTP可以完成以下工作：

• 时刻保持联机在线状态，并且可以进行实时数据的增删改查以及响应。
• 可以实现强大的事务控制。

2. 数据仓库

随着业务运行时长增长，会出现以下两个问题：

• OLTP的速度由于数据量的增长会越来越慢
• 对越来越大的数据量进行分析会耗费很多运算和IO资源，导致影响正常的OLTP操作

所以，我们将OLTP的数据定期导入到其他的数据库，并且对该数据库专门用于长时间跨度数据的数据分析与统计。这就是数据仓库。

数据仓库的主题

数据仓库的主题，指的是数据根据业务围绕着的主题进行的逻辑分类。

例如，对于电商来说，大概有以下主题：总体运营指标分析、网站流量指标分析、客户价值指标分析等等。各种形式的数据根据业务主题逻辑分类，进行进一步的数据分析和统计。

数仓名词解释

1. 实体

实体是指依附的主体，就是我们分析的一个对象，比如我们分析商品的销售情况，如华为手机近半年的销售量是多少，那华为手机就是一个实体；我们分析用户的活跃度，用户就是一个实体。当然实体也可以现实中不存在的，比如虚拟的业务对象，活动，会员等都可看做一个实体。

实体的存在是为了业务分析，作为分析的一个筛选的维度，拥有描述自己的属性，本身具有可分析的价值。

2. 维度

维度就是看待问题的角度，分析业务数据，从什么角度分析，就建立什么样的维度。所以维度就是要对数据进行分析时所用的一个量，比如你要分析产品销售情况，你可以选择按商品类别来进行分析，这就构成一个维度，把所有商品