数据仓库基础知识

什么是数据仓库？

数据仓库是一个面向主题，集成的，相对稳定的，反映历史变化的而数据集合，用于支持管理决策。

数仓的四大特征

• 面向主题的
  • 传统的数据库是面向应用的，而数据仓库中的数据是面向主题的
  • 主题：是一个抽象概念，是较高层次上企业信息系统中的数据综合，归纳并进行分析利用的抽象。在逻辑意义上，是对应企业中某一宏观分析领域所涉及的分析对象。
  • 其中所谓较高层次是相对面向应用的数据组织方式，指按照主题进行数据组织的具有更高的数据抽象级别。
• 集成的
  • 数据仓库的数据来源广，可能是从原有的多个数据库，数据文件，用户日志中抽取来的，数据来源既有内部数据也有外部数据。
  • 数据仓库中的数据很难从原有数据库系统中直接得到，数据在进入数据仓库之前需要经过统一与综合。
• 稳定的
  • 数仓数据反应的是一段相当长时间内历史数据的内容。
  • 其稳定是相对于应用型数据库而言，一旦数据进入数据仓库之后，一般是被较长时间的保留，且很少更新通常只需要定期的加载和更新。
• 反应历史变化的
  • 数据仓库的数据保存时间一般远远大于操作性数据库的时间
  • 业务数据存储的是当前数据，而数据仓库中的数据是历史数据
  • 数据仓库中的数据是按照顺序追加的，都带有时间属性

数据仓库的作用

• 建立统一的数据中心，用于管理和决策
• 产生业务报表，了解企业的经营状况
• 作为各个业务的数据源，形成业务数据互相反馈的良性循环
• 用户行为数据，通过数据挖掘来降低投入成本，提高投入效果
• 开发数据产品，直接或间接地为企业盈利

数据仓库与数据库的区别

本质其实就是OLTP与OLAP的区别。

OLTP(联机事务处理)，也称面向交易的处理系统。主要针对具体业务在数据库系统的日常操作(增加，删除，查询，修改)，用户较关心操作的响应时间，数据的安全性，完整性和并发支持的用户数等问题。主要是用于操作型处理。
OLAP(联机分析处理)。一般针对某些主题的历史数据进行分析，支持管理决策。

• 数据仓库是面向分析，面向主题的，是为了分析数据而设计的，用于解决企业级数据分析问题或管理和决策，属于分析型。数据库是面向事务的，为了捕获和存储数据而 设计，属于操作型。
• 数据仓库设计是有意引入冗余数据(目的是为了提高查询的效率)，采用反范式的方式来设计；数据库的设计是尽量避免冗余，一般符合三范式的设计
• 数据仓