数据仓库简介（一）
数据仓库概述
1. 什么是数据仓库？
数据仓库（Data Warehouse，简称 DW）是由 Bill Inmon 于 1990 年提出的一种用于数据分析和挖掘的系统。它的主要目标是通过分析和挖掘数据，为不同层级的决策提供支持，构成商业智能（BI）的一部分。
1.1 数据仓库的目标
数据仓库的核心目标是：
- 分析与挖掘数据：提供决策支持。
- 集中数据存储：从多种来源采集和抽取数据，形成企业数据的全局视图。
- ETL 技术：通过数据抽取、转换和加载（ETL）技术实现数据的统一集成。
1.2 数据仓库的定义
数据仓库是一个：
- 面向主题的：专注于特定的业务主题。
- 集成的：从不同的数据源聚合数据。
- 相对稳定的：数据在装入后一般不可更新，主要用于查询。
- 反映历史变化的：保存历史数据，支持管理决策。
4. 数据仓库的特点
面向主题
数据仓库专注于特定业务领域，仅保留与该主题相关的数据，排除无关细节。
随时间变化
数据仓库能够保存历史数据，支持基于时间变化的分析，通常使用拉链表的方式在保证访问历史快照的同时降低存储空间。
集成的
通过 ETL 操作，将来自不同来源的数据集成到统一的数据仓库中。
数据不可更新
数据仓库的数据在加载后主要进行查询操作，不支持传统数据库的增删改操作，反映的是长时间范围内的历史数据。
5. 数据仓库与关系型数据库区别
| 特性 | 数据仓库 /Hive | 关系型数据库/Mysql,Oracle |
|---|---|---|
| 数据范围 | 历史的/完整的/反映历史变化的数据 | 当前在线交易状态数据 |
| 数据变化 | 可添加/无删除/无更新/反应历史变化 | 支持频繁的增删改查 |
| 应用场景 | BI、支持战略决策 | 面向业务交易/事务流程 |
| 设计理论 | 面向主题设计、违背范式、适当冗余 | 面向事务设计、遵循范式、避免冗余 |
| 处理特点 | 非频繁/大批量/高吞吐/有延迟 | 频繁/小批次/高并发/低延迟 |
| 服务对象 | 分析数据、服务于决策支持 | 捕获数据、服务于业务操作人员 |
