2. Kimball的DW/BI架构解析

  引言：DW，即Data Warehouse，数据仓库；BI，即Business Intelligence，商业智能。数据仓库存在的目的即为商业智能服务，二者相伴相生，故在此讨论DW/BI系统架构。

Kimball的DW/BI架构

  基于Kimball架构的DW/BI环境一般由业务系统（数据源系统）、ETL系统、数据展现、和商业智能应用四部分组成，如下图：

1. 业务系统（数据源系统）

  它们是操作型系统，用于处理企业的各种事务，如办公OA、采购管理系统、财务系统等。它们一般处于数据仓库之外，且存储的数据的格式和内容各不相同。
  这些业务系统的查询通常是浅显的，以一次一条或有限几条记录的查询方式构成常见的事务流，因而不能实现类似DW/BI系统那样广泛的、无法预料的查询功能。
  多数情况下，业务系统是一种独立的、针对特定业务的应用，它并不会与其他业务系统共享自身的业务数据和公共数据，业务系统之间是割裂的存在。

2. 获取-转换-加载（ETL）系统

  ETL，即Extract Transformation and Load，获取-转换-加载。
  “获取”（采集）是将源数据从业务系统导入数据仓库的第一步，一般情况下，出于性能的考虑，获取的过程中不会对源数据进行任何处理，而是保持数据原样。此步骤即数据仓库分层模型中的ODS（贴源层）。
  获取到数据后，需要进行多种“转换”操作，例如数据清洗、合并不同数据源的数据等。在数据仓库的分层模型中，此步骤大致可对应DWD（数据清洗）和DWS（数据轻度汇总）的操作。
  在常见的大数据平台架构中（如Lambda/Kappa架构），鉴于运行效率的差别，获取和转换两个步骤之间一般通过MQ进行解耦，以提高