数据仓库 & OLAP

一、数据库 vs. 数据仓库

1. 构建目的不同：数据库主要用于实现企业的日常业务管理，提高业务运营的效率

数据仓库用于将多个数据源的数据进行集成，用于分析，结果辅助决策

2. 管理数据不同：数据库通常只包含当前数据，避免冗余，数据的组织应按照业务过程设计的数据实现，由应用驱动

数据仓库中的数据按主题组织，以便分析；为方便查找存在大量冗余，通常存放历史数据

3. 管理方法不同：数据库需频繁进行增删改等更新操作。除了要通过创建事务和处理的正确性外，还需复杂的并发控制机制保证事务运行的隔离性。（更新操作时效性强，事务吞吐率很重要）

数据仓库很少更新，无需复杂并发控制机制，时效性不重要，数据质量重要

二、 数据仓库（Date Warehouse） vs. 数据集市(Data Market)

数据仓库是一个面向主题的、集成的、随时间变化的、稳定的用于支持组织决策的数据集合。

数据集市是部门级的数据仓库，包含数据量较少，是面向一个部门的分析需求建立的

三、数据仓库体系结构

1. 抽取：从不同数据源把所需数据读出来

                ① 逻辑抽取：a. 全量抽取 b. 增量抽取

                ② 物理抽取（依赖逻辑抽取）：a. 联机抽取：直接从源系统抽取；b. 脱机抽取：从源系统以为的过渡区抽取

2. 转换：主要涉及数据清洗、集成、汇总等主要功能

                ① 数据清洗：缺失值填补、识别数据冗余、处理不一致数据、