ods基础架构理论

• ODS：是一个面向主题的、集成的、可变的、当前的细节数据集合，用于支持企业对于即时性的、操作性的、集成的全体信息的需求。
• ods是短期的实时的数据，供产品或者运营人员日常使用，而数据仓库是供战略决策使用的数据；ods是可以更新的数据。
• ODS的主要作用是提供实时访问和战术分析支持。通过比较各种基于ODS的数据仓库体系结构模型,提出具有通用性﹑可扩展性、灵活性和高性能的动态数据仓库体系结构模型,它能满足银行客户关系管理应用中业务和数据管理的要求。
• 传统数据库(Database，DB)在联机事务处理( OLTP)中获得了较大的成功,但是对管理人员的决策分析要求却无法满足,数据仓库(Data Warehouse，DW)能把日常业务处理中所收集到的各种数据转为具有商业价值的信息,从而为企业决策分析提供了强大的技术支持。传统的数据仓库系统是两层的DB- DW体系结构,该结构不能涵盖企业所有的数据处理要求,如:缺乏支持战术决策的数据结构基础,难以实现实时分析和挖掘应用;企业数据集成接口复杂,不能满足企业OLTP系统的需要;难以承受大量的即时分析查询(Ad- hoc query)等。在体系结构中引入操作型数据存储( operational data store，ODS)就可以解决以上两层结构效率低﹑实时支持能力差、数据集成困难的缺点。
• ODS是一种混合结构﹐支持操作型事务处理和分析型处理。保存在ODS中的数据具有的特点:面向主题;集成的;可变的;数据是当前或接近当前的;详细的。
• ODS和 DW拥有数据的量级相差较大。从数据存放的时间上看,DW 中包含的是大量的历史数据。其数据量远远超过了在ODS中存放的当前和近期数据。从数据的内容上看,DW中几乎无所不包,从细节数据到轻度综合、高度综合的数据都在其中,甚至为了决策的需要,还需要从外部数据源中补充数据,另外,DW还包含了综合数据,ODS只存放当前和近期数据,这是两者定义上的主要差别。为了进行即时OLAP, ODS也会从DW取得少量的综合数据。
• ODS和 DW的应用需求不同。DW面向长期的决策分析，主要面向专业的数据分析人员和高层管理人员。ODS主要由全局OLTP、近期OLAP这两类应用,面向中层管理人员,进行日常的管理和短期的决策。ODS既要进行全局OLTP,又要进行即时OLAP。这使得ОDS 既要有数据库系统中的事务管理、加锁解锁管理、死锁检查﹑数据恢复备份、日志管理等功能,又要有比较简单的OLAP功能,并通过“动态切换工作于全局OLTP和即时OLAP两种状态。另外，ODS保持数据一致性的要求比 DW严格。DW对数据一致性的要求是在数据导入时对不正确的数据进行更正。对于无法更正的数据进行删除﹐这样使数据仓库中的数据一致了,但并没有解决原有数据库系统中数据不一致的问题，而ODS要进行全局OLTP,这需要全局数据始终保持一致的状态,因此ODS将从根本上解决数据不一致问题。
• 基于ODS的数据仓库体系结构主要有两大类型:一类作为一种独立的解决方案为需要集成操作环境的企业提供全局一致的应用;另一类作为从DB向DW的一种过渡形式,建立一种基于DB- ODS- DW的三层体系结构的决策支持系统解决方案。

DW和ODS的区别

• 	ODS	DW
  当前性	当前业务条件的状态	业务条件的历史数据
  更新或加载	一种实时或近实时的更新机制	一般是不进行更新的，按照正常的或预先指定的时间进行数据的收集和加载的
  汇总性	动态汇总数据	静态的汇总数据
  数据建模	记录层面访问的角度而设计的	站在结果集层面访问的角度而设计的
  查询的事务	事务操作比较多	DW中事务的到达是可以预测的
  用途	每一天的操作型决策，是一种短期的，ODS是策略型的	长期的合作广泛的决策，DW是战略型的
  用户	策略型的用户