什么是数据仓库？

数据仓库是为决策分析提供数据的，它所涉及到的数据都是遵循一定的主题组织的。与传统数据库相比，主题导向是对数据进行更高层次的整合、归类和分析。数据仓库的每一个主题都对应着一个宏观的分析范围，例如销售、财务、人力资源等，同时它会排除于决策无用的数据。通过主题导向的方式，数据仓库可以更好地满足企业决策分析的需求，提供有针对性的数据支持，提高数据利用效率。

数据仓库的数据都是来自于外部且分散于各个操作型数据库的数据。它会按照一定的主题，将分散的数据从原有的数据库中提取出来，进行整合和分析，消除原有数据的不一致性后，再综合存储到数据仓库中。这种集成式的设计使得数据仓库能够将企业内部各个部门和系统的数据进行统一管理，避免了数据孤岛的问题，为企业级决策分析提供了一致、完整的数据支持。

数据仓库内数据的质量是相对稳定的。数据仓库内的信息主要为决策和分析时使用，一般仅会进行数据查询的操作。所以海量数据在进入库中后，除了定期的提取、加载和查询外，很少进行修改和删除等操作，极大程度地保证了数据的稳定性。这种稳定性使得数据仓库中的数据可以长期保存，为企业提供历史数据分析的基础，同时也确保了数据分析结果的可靠性。

数据仓库中的数据一般会包含很多历史信息，这些历史信息记录着从单位时间点到某一具体时间的阶段内的所有既往信息。通过这些信息，我们可以总结出企业在发展过程中遇到的问题，并预测未来发展趋势和方向。数据仓库的这一特性使其成为企业进行历史数据分析和趋势预测的重要工具，为企业制定长期发展战略提供了数据支持。

数据仓库中的数据库是数据仓库的核心组成部分，主要负责外部数据的存储以及管理。相较于传统的数据库，数据仓库数据库不仅拥有更广泛的信息来源，还能够支持海量信息的快速检索。数据仓库数据库通常分为三个步骤进行数据处理：

首先要将数据从分散的数据库中提取出来，才能整合、存储在数据仓库中，这里就需要数据提取工具。数据提取工具需要具备对不同数据库的访问能力，例如生成 COBOL 程序、MVS 作业控制语言、UNIX 脚本和 SQL 语句等。这些工具可以从各种异构数据源中提取数据，包括关系数据库、平面文件、XML 文件等。数据提取工具通常支持增量提取、全量提取和变化数据捕获等多种提取模式，以满足不同的数据集成需求。

数据集市是服务器为了某种特定的目的或需求，将数据从数据仓库中提取出来的小型数据集合，又叫部门数据。数据集市通常面向特定的业务领域或部门，包含了该领域或部门所需的数据子集。在使用数据仓库的过程中，可以先从一个数据集市着手构建，之后再将多个数据集市合并成一个完整的数据仓库。数据集市可以缩短数据仓库的构建周期，并为最终用户提供更快的响应时间。

数据仓库也保存形成和构建数据仓库所用方法的元数据。元数据是描述数据的数据，包括数据的结构、含义、来源、质量等信息。一般分为技术元数据和商业元数据两种：

元数据对于数据仓库的设计、构建和维护至关重要，可以提高数据的可理解性和可管理性。

访问工具是用户在访问数据仓库时，提供数据信息所使用的手段。其中包括：

这种数据仓库通常按日、周或月的周期从运营系统中更新数据，数据存储在一个集成的面向报告的数据库中。

这种数据仓库也是定期从运营系统中更新数据，但数据存储在一种旨在促进报告的数据结构中。

这种数据仓库代表了真正的实时数据仓库，其中仓库中的数据会随着对源数据执行的每一次事务而更新。

这种数据仓库从业务的不同领域汇集数据，因此用户可以跨其他系统查找所需信息。

除了上述几种主要类型外，还有数据集市的概念。数据集市是一种更简单的数据仓库形式，专注于单一主题领域。此外，还需要区分 OLTP（运营）和 OLAP（分析）数据库的区别。

首先需要从各种运营系统和遗留系统中提取数据，如客户关系管理系统和企业资源计划系统，并将其合并到中央数据仓库中。然后对这些数据进行转换和集成，以确保数据质量和一致性，通常会先通过操作数据存储，再加载到数据仓库中。

数据仓库通常采用中心辐射式架构，数据仓库作为中央枢纽，各个业务流程或部门的数据集市作为辐射支线。数据仓库可以使用规范化方法设计，将数据划分为多个表；也可以使用维度建模方法，将数据组织为事实表和维度表。

构建数据仓库系统主要使用两种方法：提取-转换-加载（ETL）和提取-加载-转换（ELT）。数据仓库还需要开发适当的元数据，以定义数据元素及其相互关系。

构建数据仓库是一个迭代过程，需要根据组织需求在多个阶段不断修改和完善。数据仓库架构的主要组成部分是正确功能所需的硬件、软件和数据资源。

在数据仓库内部，数据被组织到多个数据库中，每个数据库包含表和列。表被组织到模式（schema）中，可视为文件夹。数据被摄取时，会存储在由模式描述的各种表中。查询工具使用模式来确定要访问和分析的数据表。经常访问的数据存储在快速存储（如 SSD）中，不常访问的数据存储在廉价对象存储（如 Amazon S3）中，以优化查询速度。

数据仓库从应用程序、文件和数据库等不同来源收集信息，并使用 ETL（提取、转换、加载）工具处理数据，为分析做准备。这使得数据仓库可以作为可信赖的"单一数据源"，供用户进行报告和分析。