編輯導(dǎo)語：數(shù)據(jù)倉庫，是為企業(yè)所有級(jí)別的決策制定過程，提供所有類型數(shù)據(jù)支持的戰(zhàn)略集合，它可以為需要業(yè)務(wù)智能的企業(yè)，提供指導(dǎo)業(yè)務(wù)流程改進(jìn)、監(jiān)視時(shí)間、成本、質(zhì)量以及控制。在本篇文章中，作者就關(guān)于數(shù)倉的基礎(chǔ)知識(shí)進(jìn)行了超全概括。

面對(duì)大數(shù)據(jù)的多樣性，在存儲(chǔ)和處理這些大數(shù)據(jù)時(shí)，我們就必須要知道兩個(gè)重要的技術(shù)，其分別是：數(shù)據(jù)倉庫技術(shù)、Hadoop。當(dāng)數(shù)據(jù)為結(jié)構(gòu)化數(shù)據(jù)，來自傳統(tǒng)的數(shù)據(jù)源，則采用數(shù)據(jù)倉庫技術(shù)來存儲(chǔ)和處理這些數(shù)據(jù)，如下圖：

1. 什么是數(shù)據(jù)倉庫

數(shù)據(jù)倉庫之父 Bill Inmon 將數(shù)據(jù)倉庫描述為一個(gè)面向主題的、集成的、隨時(shí)間變化的、非易失的數(shù)據(jù)集合，用于支持管理者的決策過程。

數(shù)據(jù)倉庫的目的是構(gòu)建面向分析的集成化數(shù)據(jù)環(huán)境，為企業(yè)提供決策支持。

數(shù)據(jù)倉庫本身并不 “生產(chǎn)” 任何數(shù)據(jù)；同時(shí)自身也不需要 “消費(fèi)” 任何的數(shù)據(jù)，數(shù)據(jù)來源于外部，并且開放給外部應(yīng)用，這也是為什么叫 “倉庫” ，而不叫 “工廠” 的原因。

2. 數(shù)據(jù)倉庫的基本概念

2.1 數(shù)據(jù)源

構(gòu)建一個(gè)數(shù)據(jù)倉庫，必然要有充足的數(shù)據(jù)源，從外部為數(shù)據(jù)倉庫系統(tǒng)提供進(jìn)行分析的 “原材料” ——數(shù)據(jù)，這些數(shù)據(jù)來源稱為數(shù)據(jù)倉庫的數(shù)據(jù)源。

數(shù)據(jù)源并不局限于傳統(tǒng)數(shù)據(jù)庫，可以是非結(jié)構(gòu)化的信息，如爬取日志，也可以是埋點(diǎn)日志。

2.2 ETL

在 BI 項(xiàng)目中 ETL 會(huì)花掉整個(gè)項(xiàng)目至少 1/3 的時(shí)間，ETL 設(shè)計(jì)的好壞直接關(guān)系到 BI 項(xiàng)目的成敗。其中，花費(fèi)時(shí)間最長(zhǎng)的是 “T”（Transform，清洗、轉(zhuǎn)換）的部分，一般情況下這部分工作量是整個(gè) ETL 的 2/3 。

ETL 是將業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)經(jīng)過抽?。‥xtract）、清洗轉(zhuǎn)換（Transform）和加載（Load）到數(shù)據(jù)倉庫的過程，目的是將企業(yè)中的分散、凌亂、標(biāo)準(zhǔn)不統(tǒng)一的數(shù)據(jù)整合到一起，為企業(yè)的決策提供分析依據(jù)。

ETL 處理分為五大模塊，分別是：數(shù)據(jù)抽取、數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、規(guī)則檢查、數(shù)據(jù)裝載。各模塊之間靈活組合，形成 ETL 處理流程。下面簡(jiǎn)單介紹一下各模塊之間的功能。

2.2.1 數(shù)據(jù)抽取

在構(gòu)建數(shù)據(jù)倉庫過程中，數(shù)據(jù)源所提供的數(shù)據(jù)并不都是有用的，有些數(shù)據(jù)對(duì)決策并不能提供支持。

同時(shí)，外部數(shù)據(jù)源中數(shù)據(jù)冗余的現(xiàn)象也很普遍。數(shù)據(jù)倉庫既然是面向主題的，那么在數(shù)據(jù)源中，只有那些與主題相關(guān)的內(nèi)容才是必需的、有使用價(jià)值的。

因此，必須以主題的需求為依據(jù)，對(duì)數(shù)據(jù)源的內(nèi)容進(jìn)行有目的地選擇，這一過程被稱為“數(shù)據(jù)抽取”（Data Extraction）。對(duì)于數(shù)據(jù)的抽取，是從各個(gè)不同的數(shù)據(jù)源抽取到 ODS（Operational Data Store，操作型數(shù)據(jù)存儲(chǔ)）中。

具體步驟為，首先要搞清楚數(shù)據(jù)是從哪幾個(gè)業(yè)務(wù)系統(tǒng)中來，各個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)庫服務(wù)器運(yùn)行什么 DBMS ，是否存在非結(jié)構(gòu)化的數(shù)據(jù)等，當(dāng)收集完這些信息后才可以進(jìn)行數(shù)據(jù)抽取的設(shè)計(jì)。

1）對(duì)于與存放 DW 的數(shù)據(jù)庫系統(tǒng)相同的數(shù)據(jù)源處理方法

這類數(shù)據(jù)源在設(shè)計(jì)上比較容易處理。一般情況下，DBMS（Mysql、SQLServer）都會(huì)提供數(shù)據(jù)庫連接功能，在 DW 數(shù)據(jù)庫服務(wù)器和原業(yè)務(wù)系統(tǒng)之間建立直接的連接關(guān)系，接下來就可以寫查詢語句直接訪問。

2）對(duì)于與存放 DW 的數(shù)據(jù)庫系統(tǒng)不同的數(shù)據(jù)源處理方法

對(duì)于這類數(shù)據(jù)源，一般情況下也可以通過 ODBC 的方式建立數(shù)據(jù)庫連接。如果不能建立數(shù)據(jù)庫連接，可以用兩種方法完成，一種是通過工具將數(shù)據(jù)源導(dǎo)出成 .txt 或者 .xls 文件，然后再將這些源系統(tǒng)文件導(dǎo)入到 ODS 中。另一種方法是通過程序接口來完成。

3）對(duì)于文件類型數(shù)據(jù)源（.txt/.xls）

業(yè)務(wù)人員可以利用數(shù)據(jù)庫工具將這些數(shù)據(jù)導(dǎo)入到指定的數(shù)據(jù)庫，然后從指定的數(shù)據(jù)庫中抽取。或者業(yè)務(wù)人員借助工具實(shí)現(xiàn)。

4）增量更新問題

對(duì)于數(shù)據(jù)量大的系統(tǒng)，必須考慮增量抽取。

一般情況，業(yè)務(wù)系統(tǒng)會(huì)記錄業(yè)務(wù)發(fā)生的時(shí)間，可以用作增量的標(biāo)志，每次抽取之前首先判斷 ODS 中記錄最大的時(shí)間，然后根據(jù)這個(gè)時(shí)間去業(yè)務(wù)系統(tǒng)取大于這個(gè)時(shí)間的所有記錄。

2.2.2 數(shù)據(jù)清洗轉(zhuǎn)換

一般情況下，數(shù)據(jù)倉庫分為 ODS、DW 兩部分。通過的做法是從業(yè)務(wù)系統(tǒng)到 ODS 做清洗，將臟數(shù)據(jù)和不完整數(shù)據(jù)過濾掉，再從 ODS 到 DW 的過程中轉(zhuǎn)換，進(jìn)行一些業(yè)務(wù)規(guī)則的計(jì)算和聚合。

1）數(shù)據(jù)清洗

數(shù)據(jù)倉庫的數(shù)據(jù)源所提供的數(shù)據(jù)內(nèi)容并不完美，存在著 “臟數(shù)據(jù)” ——即數(shù)據(jù)有缺省值、異常值等缺陷，而且在數(shù)據(jù)倉庫的各數(shù)據(jù)源之間，其內(nèi)容也存在著不一致的現(xiàn)象。

為了控制這些 “臟數(shù)據(jù)” 對(duì)數(shù)據(jù)倉庫分析結(jié)果的影響程度，必須采取各種有效的措施，對(duì)其進(jìn)行處理，這一處理過程稱為 “數(shù)據(jù)清洗”（Data Transform）。

對(duì)于任何數(shù)據(jù)倉庫而言，數(shù)據(jù)清洗過程都是不可缺少的。不同類型的 “臟數(shù)據(jù)” ，清洗處理的方法是不同的。

對(duì)于缺省值：產(chǎn)生的原因可能是，信息暫時(shí)無法獲取、信息被遺漏、屬性值不存在，比如一個(gè)兒童的固定收入等。

解決方法是，通過簡(jiǎn)單的統(tǒng)計(jì)分析，得到含有缺失值的屬性個(gè)數(shù)，以及每個(gè)屬性的未缺失數(shù)、缺失數(shù)和缺失率。刪除含有缺失值的記錄、對(duì)可能值進(jìn)行插補(bǔ)和不處理三種情況。

對(duì)于異常值：產(chǎn)生的原因可能是：業(yè)務(wù)系統(tǒng)檢查不充分。解決方法是，先對(duì)變量做一個(gè)描述性統(tǒng)計(jì)，進(jìn)而查看哪些數(shù)據(jù)是不合理的。最常用的統(tǒng)計(jì)量是最大值和最小值，然后判斷變量是否超過了合理的范圍。

如果數(shù)據(jù)是符合正態(tài)分布，在原則下，異常值被定義為一組測(cè)定值中與平均值的偏差超過 3 倍標(biāo)準(zhǔn)的值，如果不符合正態(tài)分布，也可以用原理平均值的多少倍標(biāo)準(zhǔn)差來描述。

對(duì)于不一致值：產(chǎn)生的原因可能是：被挖掘的數(shù)據(jù)是來自不同的數(shù)據(jù)源、對(duì)于重復(fù)性存放的數(shù)據(jù)未能進(jìn)行一致性更新造成。

例如：兩張表中都存儲(chǔ)了用戶電話號(hào)碼，但在用戶的號(hào)碼發(fā)生改變時(shí)只更新了一張表中的數(shù)據(jù)，那么兩張表中就有了不一致的數(shù)據(jù)。

解決辦法是，注意數(shù)據(jù)抽取的規(guī)則，對(duì)于業(yè)務(wù)數(shù)據(jù)變動(dòng)的控制應(yīng)該保證數(shù)據(jù)倉庫中數(shù)據(jù)抽取是最新數(shù)據(jù)。

數(shù)據(jù)清洗是一個(gè)反復(fù)的過程，不可能在幾天內(nèi)完成，只有不斷的發(fā)現(xiàn)問題，解決問題。

對(duì)于是否過濾、是否修正一般要求客戶確認(rèn)；對(duì)于過濾掉的數(shù)據(jù)，寫入 Excel 文件或者將過濾數(shù)據(jù)寫入數(shù)據(jù)表，在 ETL 開發(fā)的初期可以每天向業(yè)務(wù)單位發(fā)送過來數(shù)據(jù)的郵件，促使他們盡快的修正錯(cuò)誤，同時(shí)也可以作為將來驗(yàn)證數(shù)據(jù)的依據(jù)。

數(shù)據(jù)清洗需要注意的是不要將有用的數(shù)據(jù)過濾掉了，對(duì)于每個(gè)過濾規(guī)則認(rèn)真進(jìn)行驗(yàn)證，并要用戶確認(rèn)才行。

2） 數(shù)據(jù)轉(zhuǎn)換

數(shù)據(jù)轉(zhuǎn)換的任務(wù)主要是進(jìn)行不一致的數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)粒度的轉(zhuǎn)換和一些商務(wù)規(guī)則的計(jì)算等。

• 不一致的數(shù)據(jù)轉(zhuǎn)換：這個(gè)過程是一個(gè)整合的過程，將不同業(yè)務(wù)系統(tǒng)的相同類型的數(shù)據(jù)統(tǒng)一，比如同一個(gè)用戶在用戶管理系統(tǒng)的編碼是 XX0001 ，而在訂單系統(tǒng)的編碼是 YY0001 ，這樣在抽取過來之后統(tǒng)一轉(zhuǎn)換成一個(gè)編碼；
• 數(shù)據(jù)粒度的轉(zhuǎn)換：業(yè)務(wù)系統(tǒng)一般存儲(chǔ)粒度較小的數(shù)據(jù)，而數(shù)據(jù)倉庫中的數(shù)據(jù)是用來分析的，不需要粒度很小的數(shù)據(jù)，一般情況下，會(huì)將業(yè)務(wù)系統(tǒng)數(shù)據(jù)按照數(shù)據(jù)倉庫粒度進(jìn)行聚合；
• 商務(wù)規(guī)則的計(jì)算：不同的企業(yè)有不同的業(yè)務(wù)規(guī)則，不同的數(shù)據(jù)指標(biāo)，這些指標(biāo)有時(shí)候不能簡(jiǎn)單的加加減減就能完成，這個(gè)時(shí)候需要在 ETL 中將這些數(shù)據(jù)指標(biāo)計(jì)算好了之后存儲(chǔ)在數(shù)據(jù)倉庫中，供分析使用。

2.3 元數(shù)據(jù)

所謂 “元數(shù)據(jù)”（Meta Data），就是關(guān)于數(shù)據(jù)倉庫中數(shù)據(jù)的數(shù)據(jù)。

它是關(guān)于數(shù)據(jù)倉庫中數(shù)據(jù)、操作數(shù)據(jù)以及應(yīng)用程序的結(jié)構(gòu)和意義的描述信息。它的作用類似于數(shù)據(jù)庫管理系統(tǒng)的數(shù)據(jù)字典，保存了邏輯數(shù)據(jù)結(jié)構(gòu)、文件、地址和索引等信息。

廣義上講，在數(shù)據(jù)倉庫中，元數(shù)據(jù)描述了數(shù)據(jù)倉庫內(nèi)數(shù)據(jù)的結(jié)構(gòu)和建立方法的數(shù)據(jù)。

元數(shù)據(jù)是整個(gè)數(shù)據(jù)倉庫的核心部件，元數(shù)據(jù)管理器是企業(yè)級(jí)數(shù)據(jù)倉庫中的關(guān)鍵部件，貫穿數(shù)據(jù)倉庫構(gòu)建的整個(gè)過程，直接影響著數(shù)據(jù)倉庫的構(gòu)建、使用和維護(hù)。

將數(shù)據(jù)倉庫功能區(qū)域包括數(shù)據(jù)獲取、數(shù)據(jù)存儲(chǔ)和信息傳遞三個(gè)部分，按照這三個(gè)功能區(qū)域可以相應(yīng)地將元數(shù)據(jù)分為數(shù)據(jù)獲取區(qū)域元數(shù)據(jù)、數(shù)據(jù)存儲(chǔ)區(qū)域元數(shù)據(jù)和信息傳遞區(qū)域元數(shù)據(jù)。

2.3.1 數(shù)據(jù)獲取區(qū)域元數(shù)據(jù)

在這個(gè)區(qū)域中，數(shù)據(jù)倉庫的處理過程主要包括數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)準(zhǔn)備五項(xiàng)功能。

這些處理過程是通過相應(yīng)的工具完成的，在這些處理過程進(jìn)行時(shí)，相應(yīng)的工具就記錄下了與這些處理相關(guān)的元數(shù)據(jù)。在以后的數(shù)據(jù)倉庫維護(hù)和管理過程中，技術(shù)人員也將使用這些已記錄下來的元數(shù)據(jù)管理和監(jiān)控正在運(yùn)行的功能。

2.3.2 數(shù)據(jù)存儲(chǔ)區(qū)域元數(shù)據(jù)

在這個(gè)區(qū)域中，數(shù)據(jù)倉庫的處理過程主要包括數(shù)據(jù)裝載、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)管理三項(xiàng)功能。

這些處理過程同樣是通過相應(yīng)的工具完成的，在這些處理過程進(jìn)行時(shí)，相應(yīng)的工具就記錄下了與這些處理相關(guān)的元數(shù)據(jù)。

數(shù)據(jù)倉庫的管理員在進(jìn)行完全數(shù)據(jù)刷新和數(shù)據(jù)增量裝載中會(huì)用到這些元數(shù)據(jù)；在數(shù)據(jù)備份、恢復(fù)的處理中，以及對(duì)數(shù)據(jù)倉庫的清理和數(shù)據(jù)定期歸檔中也需要用到這些元數(shù)據(jù)。對(duì)用戶來說，也有可能用到這些元數(shù)據(jù)。

2.3.3 信息傳遞區(qū)域元數(shù)據(jù)

在這個(gè)區(qū)域中，數(shù)據(jù)倉庫的處理過程主要包括報(bào)表生成、查詢處理、復(fù)雜分析三項(xiàng)功能。

信息傳遞區(qū)域的處理過程主要是為最終用戶服務(wù)的，所記錄的元數(shù)據(jù)為用戶提供預(yù)定義查詢和預(yù)定義報(bào)表解疑，定義了用戶查詢和報(bào)表生成需要輸入的相關(guān)參數(shù)，也包括與 OLAP 相關(guān)的元數(shù)據(jù)，系統(tǒng)的開發(fā)者和管理員都會(huì)參加這個(gè)區(qū)域的處理過程。

在該區(qū)域中，當(dāng)用戶在查詢處理工具的輔助下構(gòu)建一條查詢時(shí)，也會(huì)引用數(shù)據(jù)獲取區(qū)域和數(shù)據(jù)存儲(chǔ)區(qū)域中記錄的元數(shù)據(jù)。

元數(shù)據(jù)定義了數(shù)據(jù)倉庫中的數(shù)據(jù)的模式、來源、抽取和轉(zhuǎn)換規(guī)則等，而且是整個(gè)數(shù)據(jù)倉庫系統(tǒng)運(yùn)行的基礎(chǔ)，元數(shù)據(jù)把數(shù)據(jù)倉庫系統(tǒng)中各個(gè)松散的組件聯(lián)系起來，組成了一個(gè)有機(jī)的整體。

2.4 數(shù)據(jù)集市

數(shù)據(jù)集市（Data Market，DM）是為企業(yè)特定部門的決策支持而組織起來的一批數(shù)據(jù)和業(yè)務(wù)規(guī)劃。

它是一種小型的、部門級(jí)數(shù)據(jù)倉庫，習(xí)慣上稱之為 “主題域” ，企業(yè)的不同部門有不同的 “主題域” ，因而就有不同的數(shù)據(jù)集市。

數(shù)據(jù)集市有兩種類型：獨(dú)立型數(shù)據(jù)集市（Independent Data Mart）和從屬型數(shù)據(jù)集市（Dependent Data Mart）。

獨(dú)立型數(shù)據(jù)集市的實(shí)質(zhì)，是為了滿足企業(yè)內(nèi)各部門的分析需求而建立的微型數(shù)據(jù)倉庫。

有些企業(yè)在實(shí)施數(shù)據(jù)倉庫項(xiàng)目時(shí)，為了節(jié)省投資，盡快見效，針對(duì)不同部門的需要，分布建立起這類數(shù)據(jù)集市，已解決一些較為迫切的問題。

但是，當(dāng)多個(gè)獨(dú)立的數(shù)據(jù)集市增長(zhǎng)到一定規(guī)模后，由于沒有統(tǒng)一的數(shù)據(jù)倉庫協(xié)調(diào)，企業(yè)只會(huì)又增長(zhǎng)出一些新的信息孤島，仍然不能以整個(gè)企業(yè)的視角來分析數(shù)據(jù)。

從屬型數(shù)據(jù)集市的內(nèi)容并不直接來自外部數(shù)據(jù)源，而是從數(shù)據(jù)倉庫中得到。在數(shù)據(jù)倉庫內(nèi)部，數(shù)據(jù)根據(jù)分析主題，劃分成若干個(gè)子集，進(jìn)行組織、存放。

這種面向某個(gè)具體的主題而在邏輯上或物理上進(jìn)行劃分所形成的數(shù)據(jù)子集，就是從屬型數(shù)據(jù)集市。數(shù)據(jù)劃分成集市之后，在進(jìn)行某個(gè)確定主題的分析時(shí)，可以有效縮小數(shù)據(jù)的檢索范圍，明顯提高工作效率。

3. 數(shù)據(jù)倉庫的四個(gè)基本特征

3.1 面向主題

傳統(tǒng)的操作型系統(tǒng)是圍繞組織的功能性應(yīng)用進(jìn)行組織的，而數(shù)據(jù)倉庫是面向主題的。

主題是一個(gè)抽象概念，簡(jiǎn)單地說就是與業(yè)務(wù)相關(guān)的數(shù)據(jù)的類別，每一個(gè)主題基本對(duì)應(yīng)一個(gè)宏觀的分析領(lǐng)域。數(shù)據(jù)倉庫被設(shè)計(jì)成輔助人們分析數(shù)據(jù)。

比如，一個(gè)公司要分析銷售數(shù)據(jù)，就可以建立一個(gè)專注于銷售的數(shù)據(jù)倉庫，使用這個(gè)數(shù)據(jù)倉庫，就可以回答類似于 “上一季度誰是我們這款產(chǎn)品的最佳用戶” 這樣的問題。

這個(gè)場(chǎng)景下的銷售，就是一個(gè)數(shù)據(jù)主題，而這種通過劃分主題定義數(shù)據(jù)倉庫的能力，就使得數(shù)據(jù)倉庫是面向主題的。

主題域是對(duì)某個(gè)主題進(jìn)行分析后確定的主題的邊界，如客戶、銷售、產(chǎn)品都是主題域的例子。

3.2 集成

數(shù)據(jù)倉庫的一個(gè)重要的功能，是把不同的數(shù)據(jù)源的數(shù)據(jù)匯總到一起（如上圖）。

而集成是指把不同類型的數(shù)據(jù)源的數(shù)據(jù)進(jìn)行整合，按照統(tǒng)一的形式進(jìn)行集成。比如性別在一個(gè)數(shù)據(jù)源用男/女，另一個(gè)數(shù)據(jù)源用1/2，那么在數(shù)據(jù)倉庫中，就需要對(duì)其進(jìn)行統(tǒng)一。

3.3 非易失

傳統(tǒng)的操作型環(huán)境中的數(shù)據(jù)一般是要周期性地更新的，且一般按一次一條記錄的方式進(jìn)行。但數(shù)據(jù)倉庫中的數(shù)據(jù)通常以批量方式載入與訪問（如上圖），但在數(shù)據(jù)倉庫環(huán)境中并不進(jìn)行數(shù)據(jù)更新。

數(shù)據(jù)倉庫中的數(shù)據(jù)在進(jìn)行裝載時(shí)是以靜態(tài)快照的格式進(jìn)行的。當(dāng)產(chǎn)生后繼變化時(shí)，一個(gè)新的快照記錄就會(huì)寫入數(shù)據(jù)倉庫。這樣，在數(shù)據(jù)倉庫中就保存了數(shù)據(jù)的歷史狀況。

3.4 時(shí)變性

時(shí)變性指的是數(shù)據(jù)倉庫中的每個(gè)數(shù)據(jù)單元只在某一時(shí)間是準(zhǔn)確的，在一些情況下，記錄中加有時(shí)間戳，而在另外一些情況下記錄則包含一個(gè)事務(wù)的時(shí)間。

總之，任何情況下，記錄都包含某種形式的時(shí)間標(biāo)志用以說明數(shù)據(jù)在哪一時(shí)間是準(zhǔn)確的。

除了以上四個(gè)特性外，數(shù)據(jù)倉庫還有一個(gè)非常重要的概念就是粒度，粒度問題遍布于數(shù)據(jù)倉庫體系結(jié)構(gòu)的各個(gè)部分。粒度是指數(shù)據(jù)的細(xì)節(jié)或匯總程度，細(xì)節(jié)程度越高，粒度級(jí)別越低。

比如：?jiǎn)蝹€(gè)事務(wù)是低粒度級(jí)別，而全部一個(gè)月事務(wù)的匯總就是高粒度級(jí)別（如下圖）。

粒度之所以是數(shù)據(jù)倉庫環(huán)境的關(guān)鍵設(shè)計(jì)問題，是因?yàn)樗鼧O大地影響數(shù)據(jù)倉庫的數(shù)據(jù)量和可以進(jìn)行的查詢類型。粒度級(jí)別越低，數(shù)據(jù)量越大，查詢的細(xì)節(jié)程度越高，查詢范圍越廣泛，反之依然。

4. 數(shù)據(jù)庫和數(shù)據(jù)倉庫的區(qū)別

數(shù)據(jù)倉庫是在傳統(tǒng)數(shù)據(jù)庫的基礎(chǔ)之上發(fā)展起來的，但它并不是對(duì)傳統(tǒng)數(shù)據(jù)庫的徹底拋棄，而是旨在彌補(bǔ)傳統(tǒng)數(shù)據(jù)庫在數(shù)據(jù)分析能力方面的不足，以提供良好的大規(guī)模數(shù)據(jù)分析能力為己任，力圖為決策提供有效的技術(shù)支持。

和傳統(tǒng)數(shù)據(jù)庫相比，數(shù)據(jù)倉庫在總體特征、面向用戶、存儲(chǔ)內(nèi)容等方面，都有著重大的差異（如下表）。

數(shù)據(jù)倉庫是在數(shù)據(jù)庫已經(jīng)大量存在的情況下，為了進(jìn)一步挖掘數(shù)據(jù)資源、為了決策需要而產(chǎn)生的，它絕不是所謂的“大型數(shù)據(jù)庫”。

數(shù)據(jù)倉庫的出現(xiàn)，并不是要取代數(shù)據(jù)庫。目前，大部分?jǐn)?shù)據(jù)倉庫還是用關(guān)系數(shù)據(jù)庫管理系統(tǒng)來管理的。可以說，數(shù)據(jù)庫、數(shù)據(jù)倉庫相輔相成、各有千秋。

本文由 @汪仔4623 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于 CC0 協(xié)議