**数据仓库概述**

数据仓库由来
为什么会有数据仓库，首先，数字化信息之后，我们现有了数据，数据发展到一定程度之后，我们发现很多数据都是离散的，分布在不同的系统中，而当我们分析数据的时候，需要把很多数据集合起来才能得到想要的结果，想想如果有一个大系统就是放数据的，问题不就解决了？！基于这一目的数据仓库产生了。
最初的数据仓库是为了更好的支持报表系统，更快速的拿到分析报告，这一目的到现在，依然是数据仓库的基础之一。另外，仓库一词和它的词义一样，为了存储，存储的是什么吗？ - 数据，在数据被认为是资产的今天，数据的重要性尤为重要。数据仓库发展经历了:普通业务性数据库 -> MPPDB -> 大数据平台，为什么会这样? 因为最初的数据体量和数据内容，在简单的业务系统就可以搞定，后面体量增加，内容也越来越丰富，发小系统搞不定，那就用多个小系统，于是MPPDB诞生了，在多个小系统上增加统一管理功能后的一个仓库，直至当今的大数据平台，其解决方案都是有Google的Apache社区根据论文产生的。截至现在为止，数据仓库已经兼容结构化数据，就是我们常说的表和非结构化数据，我们常说的文档、图片、音频等。

数据仓库层级
普通数据仓库包含多个逻辑层级结构，普遍划分如下
（名字叫法也许不同，但是实际做的事情类似）：
外围数据入口：这个可以是文件接口、API接口等其他数据入口（这层本身不属于数据仓库）
数据源层：原始数据层，这里存放最原始的数据，与外汇入口数据一致
数据层：由于数据源层由外围数据提供，有些外围数据根本无法使用，所以需要做清洗，这里存放清洗后的数据。到这里已经可以为一些报表提供服务了
汇总层：为了方便后续逻辑加工，按一定的分段去汇总数据后的一些数据集合，大部分目的是为了提高报表生成速度。
主题层：将具有特定含义的数据，根据常用的需要放在一起，变成支撑报表的通用数据集合
集市层：为了支持特定业务的数据集合
数据出口:提供其他形式的数据服务（本层也不在数据仓库内）
相对成熟的数据仓库层间流转时，像一个∞一样中间小两头大，数据源层数据 和 主题层、集市层都会有比较大的数据集合，但是数据层和汇总层的数据会比较有限。