数据仓库

数据仓库的主要特征

数据仓库是 面向主题的（Subject-Oriented ）、 集成的（Integrated）、 非易失的（Non-Volatile）和 时变的（Time-Variant ）数据集合，用以支持管理决策 。

 

1，面向主题
传统数据库中，最大的特点是面向应用进行数据的组织，各个业务系统可能是相互分离的。而数据仓库则是面向主题的。主题是一个抽象的概念，是较高层次上企业信息系统中的数据综合、归类并进行分析利用的抽象。

 

2，集成性
通过对分散、独立、异构的数据库数据进行抽取、清理、转换和汇总便得到了数据仓库的数据，这样保证了数据仓库内的数据关于整个企业的一致性。

 

3，非易失性 （不可更新性）

数据仓库的数据反映的是一段相当长的时间内历史数据的内容，是不同时点的数据库快照的集合，以及基于这些快照进行统计、综合和重组的导出数据。数据仓库中一般有大量的查询操作，但修改和删除操作很少。因此，数据经加工和集成进入数据仓库后是极少更新的，通常只需要定期的加载和更新。

 

4，  时变性

数据仓库的目的是通过分析企业过去一段时间业务的经营状况，挖掘其中隐藏的模式。此数据仓库的数据需要更新，以适应
决策的需要

 

数据仓库与数据库区别

数据库与数据仓库的区别实际讲的是 OLTP 与 OLAP 的区别

 

操作型处理，叫联机事务处理 OLTP（On-Line Transaction Processing，），
也可以称面向交易的处理系统，它是针对具体业务在数据库联机的日常操作，通
常对少数记录进行查询、修改。用户较为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。传统的数据库系统作为数据管理的主要手段，
主要用于操作型处理。主要为业务服务的数据库，有大量的修改等操作

 

分析型处理，叫联机分析处理 OLAP（On-Line Analytical Processing）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，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它决不是所谓的“大型数据库”。

 

 数据仓库元数据管理

元数据（Meta Date），主要记录数据仓库中模型的定义、各层级间的映射关系、监控数据仓库的数据状态及 ETL 的任务运行状态。

 

1，构建数据仓库的主要步骤之一是 ETL。这时元数据将发挥重要的作用，它定
义了源数据系统到数据仓库的映射、数据转换的规则、数据仓库的逻辑结构、
数据更新的规则、数据导入历史记录以及装载周期等相关内容。数据抽取和
转换的专家以及数据仓库管理员正是通过元数据高效地构建数据仓库。

2，用户在使用数据仓库时，通过元数据访问数据，明确数据项的含义以及定制
报表。

3，数据仓库的规模及其复杂性离不开正确的元数据管理，包括增加或移除外部
数据源，改变数据清洗方法，控制出错的查询以及安排备份等。