什么是数据仓库，什么是ETL

公司最近要搞数据分析，两个项目拥有不同的数据源，有些数据存在Oracle，有些数据存在MongoDB，再加上一些第三方的数据。

要将这些数据整合在一起进行数据分析，得想个解决办法才行，不然我就要跑路了。
可是该怎么做呢

其实说到数据分析，我就会想到hadoop，然后就会联系到数据仓库，我觉得数据仓库就能够非常好的解决这个问题

那么什么是数据仓库呢？

数据仓库，英文名称Data Warehouse ，简称DW。数据仓库见名知意，就是一个很大的用来储存数据的集合，用于解决企业数据分析性和决策目的创建，对多样的数据进行筛选与整合，指导业务流程改进、成本、质量以及控制。

数据仓库的输入房就是各种各样的数据源，最终的输出用来为企业做数据分析、数据挖掘和数据报表。

先说说数据仓库的特点
1、主题性
不同于传统数据库对应于某个或多个项目，数据仓库根据使用者实际需求，将不同数据源的数据在一个较高的抽象层次上做一个整合，所有数据都围绕某一个主题来组织。
这里的主题又是什么呢？比如淘宝，“用户成交分析”就是一个主题，对于美团，那么“交易分析”就是一个主题了。

2、集成性
数据仓库中储存的数据是来源于多个数据源的集合，原始数据来自不同的数据源，要整合为最终的数据集合，需要把数据源经过抽取->清洗->转换的过程。（其实这就是ETL了）

3、稳定性
数据仓库中保存的数据是一系列历史快照，不允许被修改。用户只能通过分析工具进行查询和分析。

4、时变性
数据仓库会定期接收新的集成数据，反应出最新的数据变化。（这个是稳定性并不矛盾）

既然数据源有多种多样，那么数据仓库要做数据集成，所依靠的就是【ETL】。

那么什么是ETL？

ETL的英文全称是Extract-Transform-Load的缩写。

• Extract：数据抽取，也就是把数据从数据源读取出来
• Transform：数据转换，把原始数据转换成期望的格式和纬度。如果用在数据仓库的场景下，Transform也包含数据清洗，清洗掉噪音数据。
• Load：数据加载，把处理后的数据加载到目标处，比如数据仓库。

那么市面上常用的数据仓库都有哪些？

在国内最常用的是一款基于Hadoop的开源数据仓库，叫【Hive】。

Hive是基于Hadoop的数据仓库工具，可以对储存在HDFS上的文件数据集进行查询和分析处理。Hive同时也提供了类似与SQL语言的查询语言HiveQL，在做查询时将HQL语句转换成MapReduce任务进行执行。

这里不对Hive进行详解。

总结

这里简单的说明了数据仓库和ETL，如果存在错误或者不全面的地方，请大家指正。

(╯°□°）╯︵┻━┻