數(shù)據(jù)倉庫（Data Warehouse）

是一個(gè)面向主題的（Subject Oriented）、集成的（Integrate）、穩(wěn)定 的（Non-Volatile）、反映歷史變化的（Time Variant）數(shù)據(jù)集合，用于支持管理決策。

面向主題：數(shù)據(jù)倉庫側(cè)重于數(shù)據(jù)分析工作，所以數(shù)據(jù)倉庫中的數(shù)據(jù)是按照一定的主題進(jìn)行組織和存 儲。

集成：對原有分散的數(shù)據(jù)庫數(shù)據(jù)經(jīng)過系統(tǒng)加工、整理，消除源數(shù)據(jù)中的不一致性。

穩(wěn)定：數(shù)據(jù)進(jìn)入數(shù)據(jù)倉庫以后只需要定期的加載、刷新，不需要頻繁修改。

反映歷史變化：出于決策的需要，數(shù)據(jù)倉庫中的數(shù)據(jù)都要標(biāo)明時(shí)間屬性。通過這些數(shù)據(jù)信息，對企 業(yè)的發(fā)展歷程和未來趨勢做出定量分析預(yù)測。

數(shù)據(jù)庫與數(shù)據(jù)倉庫的區(qū)別

數(shù)據(jù)庫和數(shù)據(jù)倉庫其實(shí)很相似，都是通過數(shù)據(jù)庫管理系統(tǒng)，來組織、存儲和管理數(shù)據(jù)。

它們的不同之處在于： 數(shù)據(jù)庫是存放原始數(shù)據(jù)的集合，主要存儲業(yè)務(wù)流程中的事務(wù)性數(shù)據(jù)，如銀行交易、訂單記錄等。 數(shù)據(jù)倉庫是數(shù)據(jù)庫概念的升級，是存放加工處理后的數(shù)據(jù)集合，主要存儲從數(shù)據(jù)庫中整合、匯總后的數(shù) 據(jù)，用于針對某些主題的歷史數(shù)據(jù)進(jìn)行分析，側(cè)重決策支持。 單從概念上講有些晦澀，任何技術(shù)都是為應(yīng)用服務(wù)的，結(jié)合應(yīng)用可以很容易地理解。以銀行業(yè)務(wù)為例， 數(shù)據(jù)庫是銀行事務(wù)系統(tǒng)的數(shù)據(jù)平臺，客戶在銀行做的每筆交易都會(huì)寫入數(shù)據(jù)庫，被記錄下來。數(shù)據(jù)倉庫 是分析系統(tǒng)的數(shù)據(jù)平臺，它從事務(wù)數(shù)據(jù)庫獲取數(shù)據(jù)，并做匯總、加工，為決策者提供決策的依據(jù)。比 如，某銀行某分行一個(gè)月發(fā)生多少交易，該分行當(dāng)前存款余額是多少。如果存款又多，消費(fèi)交易又多， 那么該地區(qū)就有必要加設(shè)ATM了。 顯然，銀行的交易量是巨大的，通常以百萬甚至千萬次來計(jì)算。事務(wù)系統(tǒng)是要求時(shí)效性的，客戶存取一 筆錢等待幾十秒是無法忍受的，這就要求數(shù)據(jù)庫實(shí)時(shí)響應(yīng)。而分析系統(tǒng)是事后的，它要提供關(guān)注時(shí)間段 內(nèi)所有的有效數(shù)據(jù)。這些數(shù)據(jù)是海量的，匯總計(jì)算起來也要慢一些，但是，只要能夠提供有效的分析結(jié) 果就達(dá)到目的了。

數(shù)據(jù)庫與數(shù)據(jù)倉庫的區(qū)別，實(shí)際上就是OLTP與OLAP的區(qū)別。

操作型處理，叫聯(lián)機(jī)事務(wù)處理OLTP（On-Line Transaction Processing），也可以稱面向交易的 處理系統(tǒng)，它是針對具體業(yè)務(wù)在數(shù)據(jù)庫聯(lián)機(jī)的日常操作，通常對少數(shù)記錄進(jìn)行查詢、修改。用戶較 為關(guān)心操作的響應(yīng)時(shí)間、數(shù)據(jù)的安全性、完整性和并發(fā)的支持用戶數(shù)等問題。傳統(tǒng)的數(shù)據(jù)庫作為數(shù) 據(jù)管理的主要手段，主要用于操作型處理。

分析型處理，叫聯(lián)機(jī)分析處理OLAP（On-Line Analytical Processing），支持復(fù)雜的分析操作， 側(cè)重決策支持，并且提供直觀易懂的查詢結(jié)果。的需要，數(shù)據(jù)倉庫中的數(shù)據(jù)都要標(biāo)明時(shí)間屬性。通過這些數(shù)據(jù)信息，對企 業(yè)的發(fā)展歷程和未來趨勢做出定量分析預(yù)測。

基本每個(gè)企業(yè)都會(huì)經(jīng)歷從數(shù)據(jù)庫到數(shù)據(jù)倉庫的階段，以電商行業(yè)為例：

第一階段、電商行業(yè)早期入行門檻低，找個(gè)外包團(tuán)隊(duì)，做一個(gè)網(wǎng)頁前端 + 幾臺服務(wù)器 + 一個(gè)MySQL，就能開門迎客了。

第二階段，流量來了，客戶和訂單都多起來了，這個(gè)時(shí)候就需要升級架構(gòu)變成多臺服務(wù)器和多個(gè)業(yè) 務(wù)數(shù)據(jù)庫（分布式存儲），這個(gè)階段的業(yè)務(wù)數(shù)據(jù)和指標(biāo)還可以勉強(qiáng)從業(yè)務(wù)數(shù)據(jù)庫里查詢。

第三個(gè)階段，隨著業(yè)務(wù)的發(fā)展數(shù)據(jù)量呈指數(shù)級增長，面臨的業(yè)務(wù)問題越來越復(fù)雜。領(lǐng)導(dǎo)者關(guān)心的問 題，從最初非常粗放的：“昨天的收入是多少”、“上個(gè)月的 PV、UV 是多少”，逐漸演化到非常精細(xì) 化和具體的用戶消費(fèi)行為分析，如“20~30歲女性用戶在過去五年的第一季度化妝品類商品的購買 行為在促銷活動(dòng)方案中的表現(xiàn)”。 這類非常具體且能夠?qū)緵Q策起到關(guān)鍵性作用的數(shù)據(jù)，很難從業(yè)務(wù)數(shù)據(jù)庫從調(diào)取出來。原因在 于： 1、業(yè)務(wù)數(shù)據(jù)庫中的數(shù)據(jù)結(jié)構(gòu)是為了完成交易而設(shè)計(jì)的，不是為了查詢和分析的便利設(shè)計(jì)的。 2、業(yè)務(wù)數(shù)據(jù)庫大多是讀寫優(yōu)化的，即又要讀（查看相關(guān)的商品信息），也要寫（產(chǎn)生訂單，完成 支付）。因此對于大批量的數(shù)據(jù)讀?。◤?fù)雜的查詢指標(biāo)）是支持不足的。 為了解決此類問題就需要建立數(shù)據(jù)倉庫，它的作用在于： 1、數(shù)據(jù)結(jié)構(gòu)為了分析和查詢的便利而設(shè)計(jì)。 2、只讀優(yōu)化的數(shù)據(jù)庫，即不需要它寫入速度多么快，只要做大量數(shù)據(jù)的復(fù)雜查詢的速度足夠快就 行了。