数据仓库建设的理解

1.数据仓库的定义及价值

数据仓库（Data Warehouse，简称“DW”）的概念由“数据仓库之父”比尔.恩门（Bill Inmon）在1990年提出，它主要是面向主体、集成的、相对稳定的、反应历史变化的数据集合，也可称为数据环境，用于支持管理决策，也便于进行下游OLAP、数据挖掘（Data Mining），分析有价值数据，帮助构建商业智能。

2.数据仓库通用架构划分（粗分）

基于实际情况，数据仓库顶层架构通常做3级划分，分别是源层（Data Source），DW（数据仓库层），数据集市（Data Mart）。

源层：也叫数据源层，有些地方也叫ODS层，主要是为数据仓库提供统一的数据来源，将各类业务系统，不论异构还是同构，数据进行统一、集中化处理，同时做一些数据的清洗、整理工作。源层会保留一定时间的数据。

DW：数据仓库层，是数仓建设的核心，通常遵循的建设的方式有：“星型模型”和“雪花型模型”，但前提都遵循3NF的建模。

• “星型模型”是“维度建模”的一种典型，是以一个事实表和一组维度表组成，是以分析决策的需求出发构建模型，协助用户快速的做业务分析，支持快速响应用户查询，更直接面向业务，不需要join很多表。

                              

• “雪花模型”是关系建模的典型，也是“星型模型”的另一种扩展，当一个或多个维度表通过另外维度表连接到事实表时，其形状就像多个雪花连接在一起。可理解为“星型模型”中的某些维度表是其他维度表的事实表。“雪花模型”设计方式比较符合数据库范式理论，设计方式比较正规，数据冗余少，但查询时需要join多张表，效率相对较低，后期维护比较复杂。两者优劣比较&#x