漫谈数据仓库之基本概念总结（不断更新）

最新推荐文章于 2025-06-16 21:29:28 发布

木东居士

最新推荐文章于 2025-06-16 21:29:28 发布

阅读量3.8k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：大数据漫谈大数据文章标签：数据仓库数据管理数据

本文链接：https://blog.youkuaiyun.com/zhaodedong/article/details/73385656

本文主要介绍了数据仓库、OLAP、BI、元数据、数据分层和维度建模等核心概念。数据仓库是企业决策支持的数据集合，而OLAP则提供了多维度的数据分析能力。商务智能（BI）结合数据仓库和OLAP技术，助力商业决策。元数据管理系统用于方便地管理和查询元数据信息。数据分层有助于数据结构清晰和减少重复开发。维度建模是数据仓库建模的重要方法，如星形和雪花模型，用于优化分析需求。ETL过程涉及数据抽取、转换和加载，是构建数据仓库的关键步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

0x00 前言

整理一些数据仓库中的常用概念。大部分概念不是照搬书上的准确定义，会加入很多自己的理解。

0x01 概念

数据仓库（Data Warehouse）

数据仓库，英文名称为Data Warehouse，可简写为DW或DWH。数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。

个人理解，数据仓库不单单是一个概念，其实算是对数据管理和使用的一种方法论，它包括了如何合理地收集数据、如何规范的管理数据、如何优雅地使用数据，以及任务调度、数据血统分析等一系列内容。在大数据时代这些概念依旧没有过时，相反，它更加重要。

利用数据仓库的方式存放的资料，具有一旦存入，便不会随时间发生变动的特性，此外，存入的资料必定包含时间属性，通常一个数据仓库中会含有大量的历史性资料，并且它可利用特定的分析方式，从其中发掘出特定的资讯。

联机分析处理（OLAP, Online Analytical Process）

OLAP（Online Analytical Process），联机分析处理，以多维度的方式分析数据，而且能够弹性地提供上卷（Roll-up）、下钻（Drill-down）和透视分析（Pivot）等操作，它是呈现集成性决策信息的方法，多用于决策支持系统、商务智能或数据仓库。其主要的功能在于方便大规模数据分析及统计计算，可对决策提供参考和支持。与之相区别的是联机交易处理（OLTP），联机交易处理，更侧重于基本的、日常的事务处理，包括数据的增删改查。

OLAP需要以大量历史数据为基础，再配合上时间点的差异，对多维度及汇整型的信息进行复杂的分析。