讀數據倉庫有感

        數據倉庫：信息型和決策型支持系統處理的核心。

        讀這本書是一個月前的事了，從三月份開始斷斷續續的看，把數據倉庫看了兩遍，張飛的商業智能看了一遍。商業智能這本書我是忘完了記不住，數據倉庫如今依稀記得一些，最近在趕項目，作二期維護和升級，忙裏偷閒想想本身以前對數據倉庫的認識和理解。時隔久遠，留下的就是精華，是屬於本身知識體系的一小部分。

        數據倉庫是面向企業的數據庫總體工程，服務於企業，存儲數據，分析數據，爲企業的發展作出本身應有的貢獻。存儲數據和分析數據這一推一拉，結合企業高度抽象的主題來作相應的應用產品，幫助企業掌握自身的運營情況，合理安排相應事宜，把握企業將來的發展動向。

        從作產品的角度考慮，企業的應用從DSS上層應用到ODS，再到數據集市再到數據倉庫，把數據從倉庫中拉出來進行分析展現。在上述的整個過程當中咱們須要創建符合應用的應用表結構結合ODS來把數據從數據集市中抽取出來進行分析，數據集市對某一塊的主題應用是最優的符合，但對全部的應用主題並非最優的。好比數據集市把營銷和財務的數據集成出來來分析企業營銷部門的盈利狀況，這對於應用中要的到的成本信息可能就不是最優解。另外，爲避免把應用數據作的過重，會結合ODS來對數據進行操做，創建相應的維表來對應用進行快速的響應。避免直接從數據倉庫中操做信息反應過慢等弊端，還能夠把數據緩加載到數據倉庫。

        從數據庫設計的角度來說數據倉庫，設計方法有關係模型和多維模型。這些都是適用於企業數據倉庫的設計準則和作法。關係模型咱們都知道是若干張表的設計是一對多一對一多對多關係，有一個標準化的設計規範。多維模型的設計中心是星行鏈接，以事實表爲核心多個維表爲輔助的鏈接方式，固然多個事實表經過一個或者多個維表來鏈接就成了雪花結構。多維模型的設計最大優勢在於訪問的高效性，固然理清用戶的需求搞懂用戶真正的請求數據是什麼很重要了。由這些用戶真正的數據請求來設計肯定下來的星行鏈接就是最理想的結構。關係模型最大的優點在於靈活，能夠組合來造成數據源並展現相應多的視圖。這樣對比下就可知二者的適用場景，關係模型更適用於企業模型（大數據範圍），多維模型適用於一個或者多個部門的數據範圍。關係模型能夠無限制的以最低粒度添加數據，而多維模型可使一組或者多組數據請求獲得最優化。

        本人觀點，若有謬誤請多指教。