數(shù)據(jù)倉庫設(shè)計(jì)的7個步驟，7個禁忌和7種思路

高效實(shí)現(xiàn)數(shù)據(jù)倉庫的七個步驟 

數(shù)據(jù)倉庫和我們常見的RDBMS系統(tǒng)有些親緣關(guān)系，但它又有所不同。如果你沒有實(shí)施過數(shù)據(jù)倉庫，那么從設(shè)定目標(biāo)到給出設(shè)計(jì)，從創(chuàng)建數(shù)據(jù)結(jié)構(gòu)到編寫數(shù)據(jù)分析程序，再到面對挑剔的用戶的評估，整個過程都會帶給你一種與以往的項(xiàng)目完全不同的體驗(yàn)。一句話，如果你試圖以舊有的方式創(chuàng)建數(shù)據(jù)倉庫，那你所面對的不是預(yù)算超支就是所建立的數(shù)據(jù)倉庫無法良好運(yùn)作。 在處理一個數(shù)據(jù)倉庫項(xiàng)目時需要注意的問題很多，但同時也有很多有建設(shè)性的參考可以幫助你更順利的完成任務(wù)。開放思維，不斷嘗試新的途徑，對于找到一種可行的數(shù)據(jù)倉庫實(shí)現(xiàn)方法來說也是必需的。

 1. 配備一個全職的項(xiàng)目經(jīng)理或你自己全面負(fù)責(zé)項(xiàng)目管理 在通常情況下，項(xiàng)目經(jīng)理都會同時負(fù)責(zé)多個項(xiàng)目的實(shí)施。這么做完全是出于資金和IT資源方面的考慮。但是對于數(shù)據(jù)倉庫項(xiàng)目的管理，絕對不能出現(xiàn)一人身兼數(shù)個項(xiàng)目的情況。由于你所處的領(lǐng)域是你和你的團(tuán)隊(duì)之前沒有進(jìn)入過的領(lǐng)域，有關(guān)數(shù)據(jù)倉庫的一切－數(shù)據(jù)分析、設(shè)計(jì)、編程、測試、修改、維護(hù)－全都是嶄新的，因此你或者你指派的項(xiàng)目經(jīng)理如果能全心投入，對于項(xiàng)目的成功會有很大幫助。 

2. 將項(xiàng)目管理職責(zé)推給別的項(xiàng)目經(jīng)理 由于數(shù)據(jù)倉庫實(shí)現(xiàn)過程實(shí)在是太困難了，為了避免自虐，你可以在當(dāng)前階段的項(xiàng)目完成后就將項(xiàng)目管理職責(zé)推給別的項(xiàng)目經(jīng)理。當(dāng)然，這個新的項(xiàng)目經(jīng)理一定要復(fù)合第一條所說的具有全職性。為什么要這么做呢？首先，從項(xiàng)目經(jīng)理的角度看，數(shù)據(jù)倉庫實(shí)施過程的任何一個階段都足以讓人身心疲憊。從物理存儲設(shè)備的開發(fā)到Extract-Transform-Load的實(shí)現(xiàn)，從設(shè)計(jì)開發(fā)模型到OLAP，所有階段都明顯的比以前接觸的項(xiàng)目更加困難。每個階段不但需要新的處理方法、新的管理方法，還需要創(chuàng)新性的觀點(diǎn)。所以將管理職責(zé)推給別的項(xiàng)目經(jīng)理不但不會對項(xiàng)目有損害，還可以起到幫助作用。 

3.與用戶進(jìn)行溝通 這里所講的內(nèi)容遠(yuǎn)比一篇文章本身要重要的多。你必須明白，在數(shù)據(jù)倉庫的設(shè)計(jì)階段，那些潛在用戶自己也不清楚他們到底需要數(shù)據(jù)倉庫為他們做什么。他們在不斷的探索和發(fā)現(xiàn)自己的需求，而你的開發(fā)團(tuán)隊(duì)也在和客戶的接觸中做著同樣的事情。更加頻繁的與客戶接觸，多做記錄，并讓你的團(tuán)隊(duì)更關(guān)注于項(xiàng)目需求討論的結(jié)果而不是討論的過程本身。 既然你和客戶的交流是為了了解存儲的數(shù)據(jù)是何種類型以及如何有效存儲數(shù)據(jù)，你也許需要（和你的用戶一起）采用一種新的方法觀察數(shù)據(jù)，而不是直接處理數(shù)據(jù)。你可以嘗試從中找出隱藏的信息，比如在一段時期內(nèi)的數(shù)字漲落等。不要試圖追尋項(xiàng)目需求的答案，而是要讓答案找上門來。 

4. 以技術(shù)/信息庫作為領(lǐng)導(dǎo) 由于數(shù)據(jù)倉庫實(shí)施的各個階段都有很大不同，因此你需要有人能起到維持整個項(xiàng)目的連續(xù)進(jìn)行的作用，不過這個職責(zé)并不需要那種全職性。項(xiàng)目實(shí)施有三個重要方面：架構(gòu)、技術(shù)和業(yè)務(wù)。將架構(gòu)作為重點(diǎn)可以保證在整個項(xiàng)目中，數(shù)據(jù)倉庫的架構(gòu)從物理層往上，都會受到良好的維護(hù)。而我們應(yīng)該將技術(shù)作為重點(diǎn)，因?yàn)殚_發(fā)團(tuán)隊(duì)和關(guān)鍵用戶都在使用他們以前從未用過的工具，必須有人監(jiān)督開發(fā)過程以及工具使用的一致性。 最后，在數(shù)據(jù)倉庫的應(yīng)用過程中浮現(xiàn)出來的業(yè)務(wù)需求必須被詳細(xì)分析和記錄，以促機(jī)開發(fā)過程持續(xù)下去。如果用戶不能很好的開發(fā)人員以及其它用戶溝通，那么數(shù)據(jù)分析和度量方面的開發(fā)進(jìn)程就會延期，所以必須有人關(guān)注業(yè)務(wù)方面的開發(fā)，推動開發(fā)進(jìn)入更高級別。

 5. 跳出反復(fù)修改程序的陷阱 第一次實(shí)現(xiàn)的數(shù)據(jù)倉庫肯定不會是最終交付的版本。為什么呢？實(shí)際上在真正見到產(chǎn)品前，你無法確定的知道自己的目標(biāo)是什么?；蛘哒f，最終用戶只有在使用數(shù)據(jù)倉庫產(chǎn)品一段時間后，才能明確告訴你這個產(chǎn)品是不是他所希望的。與你以往處理的項(xiàng)目不同，業(yè)務(wù)智能還處于發(fā)展的初期，每個公司對業(yè)務(wù)智能都有不同的解釋，因此你的項(xiàng)目決不會一次成功。 為了以正確的格式獲得數(shù)據(jù)，你需要在不斷變化的狀況中摸索前進(jìn)。BI具有很強(qiáng)的個性，不同的環(huán)境、不同的市場以及不同的企業(yè)都有不同的BI。這又代表什么呢？這表示你需要把數(shù)據(jù)庫管理員放在一個消息相對封閉的環(huán)境中，不要讓他知道數(shù)據(jù)倉庫的數(shù)據(jù)結(jié)構(gòu)以及ETL程序在不斷的改變。對此沒有別的辦法。這樣可以減輕你和DBA所承受的壓力。 

6. 對大量的前端資源進(jìn)行數(shù)據(jù)源分析 在數(shù)據(jù)倉庫實(shí)現(xiàn)過程中，你不得不在舊有的數(shù)據(jù)中艱難跋涉，這些數(shù)據(jù)來自老的數(shù)據(jù)庫、老的磁帶機(jī)以及遠(yuǎn)程的數(shù)據(jù)。它們中的大部分都凌亂不堪，并且難以獲取。你要對這些數(shù)據(jù)進(jìn)行大量處理，并且還要設(shè)計(jì)ETL程序來尋找其中的有用信息。如果你希望整個項(xiàng)目做起來比較順利，并且找到一種方法能夠一次成功，那就需要你的開發(fā)人員必須花費(fèi)足夠的時間來充分研究這些舊有數(shù)據(jù)，將凌亂的數(shù)據(jù)規(guī)則化，并盡力設(shè)計(jì)和實(shí)現(xiàn)強(qiáng)壯的數(shù)據(jù)采集和轉(zhuǎn)換過程。數(shù)據(jù)倉庫的ETL部分會占用整個項(xiàng)目資源的百分之八十，所以一定要確定你的資源都用在刀刃上了。       7. 將人際關(guān)系處理放在首位 在數(shù)據(jù)倉庫實(shí)現(xiàn)過程中真正的地獄不是來自技術(shù)或者開發(fā)方面，而是來自你周圍的人。你也許會遇到一個對項(xiàng)目并不樂觀而又沒時間聽你陳述的領(lǐng)導(dǎo)。你也許會遇到一些開發(fā)人員將進(jìn)度拖延太長時間還抱怨為什么不能用老方法實(shí)施。你也許還會遇到一些抱有不切實(shí)際的幻想的用戶，他們希望輕點(diǎn)鼠標(biāo)就能實(shí)現(xiàn)想象中的功能，但卻不愿在他們那邊多做些智力投資，更好的培訓(xùn)他們自己的員工。而你也已經(jīng)疲憊不堪，鼓勵投資，以及在開發(fā)團(tuán)隊(duì)和用戶（甚至老板）中推廣新的開發(fā)技巧。 總之你要保持微笑。當(dāng)一切搞定，你的煩惱也就一掃而空了，笑到最后才笑得最輕松。

 數(shù)據(jù)倉庫開發(fā)過程中的七個禁忌 

過去我們一直使用的OLTP技術(shù)也許隱藏著許多嚴(yán)重的缺陷。數(shù)據(jù)倉庫的實(shí)現(xiàn)并不是一個簡單的任務(wù)，你會發(fā)現(xiàn)以前積累下來的豐富經(jīng)驗(yàn)，并不適合處理每個數(shù)據(jù)倉庫的獨(dú)特需求。 下面列出的條款是你在實(shí)現(xiàn)數(shù)據(jù)倉庫過程中一定會面對的問題，其中一些看起來并沒有想象中那么嚴(yán)重，但是你還是應(yīng)該盡量避免出現(xiàn)類似問題。數(shù)據(jù)倉庫并不是一個事務(wù)處理系統(tǒng)，它沒有一定的標(biāo)準(zhǔn)也不會實(shí)現(xiàn)某個特定的應(yīng)用，但它本質(zhì)上是非常有組織性的。

總之，每個公司所建立的數(shù)據(jù)倉庫都是唯一的，并且每一次數(shù)據(jù)倉庫的實(shí)現(xiàn)方法都不是一成不變的。在實(shí)現(xiàn)數(shù)據(jù)倉庫時需要注意的不單是"應(yīng)該如何作"，更要注意"不該如何做"。下面就是我們總結(jié)的七點(diǎn)"不該如何作"。

 1.不要編寫自己無法快速修改的代碼 你所要編寫的程序主要用于數(shù)據(jù)分析，而不是處理事務(wù)。而你的用戶也并不真正知道他們自己真正想要一個什么樣的程序。因此你不得不反復(fù)修改代碼好幾次，才會明白用戶到底需要一個什么樣的程序。如果你編寫的程序具有良好的結(jié)構(gòu)和靈活性，就算需要修改也不會太浪費(fèi)力氣。反之，你會被自己累死。

 2. 不要使用無法修改的數(shù)據(jù)庫訪問API 在過去，你的數(shù)據(jù)庫可以為大量的客戶提供穩(wěn)定的數(shù)據(jù)查詢服務(wù)。而如今，你的程序必須能夠應(yīng)付更多的數(shù)據(jù)查詢。這使得重新改寫程序以使得每個查詢請求能得到最大的數(shù)據(jù)量成為勢在必行的工作，而一般來說這種代碼修改都不會一次成功，所以只有選擇合適的可以修改的API，才能使程序盡快適應(yīng)新的需求。

 3. 不要設(shè)計(jì)任何無法擴(kuò)展的東西 在聯(lián)機(jī)處理過程（OLTP）應(yīng)用中，數(shù)據(jù)分析并不是一個真正的應(yīng)用程序。實(shí)際上，數(shù)據(jù)分析的關(guān)鍵是獲取大量舊的數(shù)據(jù)，從中提取數(shù)據(jù)模型，并以此模型推斷出新的信息。而你所編寫的訪問潛在信息的代碼應(yīng)該具有可擴(kuò)展性，可以附加新的數(shù)據(jù)。千萬別在支持?jǐn)?shù)據(jù)分析的代碼中假定數(shù)據(jù)都是固定格式的。 

4. 不要附加不必要的功能 一個倉庫要做的是恰到好處的服務(wù)，用戶走進(jìn)倉庫，從貨架上取得自己所需得信息，僅此而已。由于業(yè)務(wù)智能、分析以及規(guī)律性的問題都有各自的處理程序，因此你的客戶唯一的需要就是獲取信息。他們需要一種應(yīng)用環(huán)境，可以讓他們快速的從數(shù)據(jù)倉庫中取得分析過程所需的數(shù)據(jù)，而不論這個數(shù)據(jù)是什么樣子的。也許你想幫助他們精煉一下獲得的數(shù)據(jù)，但最好不要這么做。一定要記住，不要給客戶的數(shù)據(jù)分析程序添加任何會影響數(shù)據(jù)訪問性能的功能。

 5. 不要簡化數(shù)據(jù)清除和數(shù)據(jù)源分析的步驟 在實(shí)現(xiàn)數(shù)據(jù)倉庫過程中最應(yīng)該注意的地方就是為Extract-Transform-Load機(jī)制分析數(shù)據(jù)源，以及為優(yōu)化負(fù)載而清除數(shù)據(jù)。安全的做法是假設(shè)項(xiàng)目經(jīng)理在這個階段會需要整個項(xiàng)目資源的一半以上。相反，如果你在這方面進(jìn)行了簡化，稍后肯定會后悔。所以就算系統(tǒng)工作緩慢，也不要簡化清理舊的數(shù)據(jù)的過程。

 6. 不要避免顆粒度和分區(qū)問題 在數(shù)據(jù)倉庫設(shè)計(jì)過程中有兩個最大的數(shù)據(jù)存儲問題，第一是如何給轉(zhuǎn)換數(shù)據(jù)定位一個恰當(dāng)?shù)念w粒度等級，第二是如何將數(shù)據(jù)絕對的分區(qū)。為什么這兩點(diǎn)問題如此重要呢？因?yàn)檎麄€數(shù)據(jù)倉庫的響應(yīng)能力受顆粒度影響，并且數(shù)據(jù)訪問的效率直接與數(shù)據(jù)分區(qū)性能有關(guān)。因此這是具有關(guān)鍵性的工作，不要試圖避免面對這些問題。

 7. 不要在沒考慮業(yè)務(wù)問題前就使用OLAP 用戶在親眼見到程序前通常都不知道自己到底想要個什么樣的程序。因此他們的觀點(diǎn)有不少錯誤，比如他們希望分析結(jié)果會忠實(shí)反應(yīng)性能度量，或者希望程序會使他們部門或公司的業(yè)務(wù)工作有所不同。而你必須跳出自己的職責(zé)范圍，從IT管理者的角度考慮用戶部門直至整個企業(yè)的運(yùn)行方式，才能在開發(fā)過程中避免這類問題。在通常的OLTP開發(fā)中，你可以比較方便的理解業(yè)務(wù)流程。而在聯(lián)機(jī)分析處理（OLAP）領(lǐng)域，任何事情都需要親自考察，而在你周圍工作的人也許并不會發(fā)現(xiàn)你對業(yè)務(wù)方面存在的誤解。因此，不要自以為已經(jīng)了解了足夠的信息。不斷的詢問才能使你真正了解"業(yè)務(wù)智能"中的"業(yè)務(wù)"到底是什么樣子的 

順利開發(fā)數(shù)據(jù)倉庫的七種思路 

對于大多數(shù)IT顧問來說，實(shí)現(xiàn)一個數(shù)據(jù)倉庫的難度比以前做過的任何項(xiàng)目難度都要大。考慮到不同的數(shù)據(jù)結(jié)構(gòu)、用途以及應(yīng)用程序開發(fā)方法，以前所積累的經(jīng)驗(yàn)和技巧大部分都無用武之地了。但是只要在你的前進(jìn)道路上稍加修正，你就會發(fā)現(xiàn)實(shí)現(xiàn)一個數(shù)據(jù)倉庫并不是難事，就算你是第一次實(shí)現(xiàn)數(shù)據(jù)倉庫也沒問題。 下面列出了數(shù)據(jù)倉庫實(shí)施過程需要考慮的步驟，有一些你可能從來沒有意識到，而另一些可能已經(jīng)在實(shí)施過程中使用到了，但是重新思考一番也許你會有更多的領(lǐng)悟。開放思維，不斷嘗試新的途徑，找到一種可行的數(shù)據(jù)倉庫實(shí)現(xiàn)方法。

 1. 再三考慮應(yīng)用程序的實(shí)現(xiàn)方法 數(shù)據(jù)倉庫并不涉及事務(wù)處理，并且在報(bào)表方面也僅占一小部分。而數(shù)據(jù)倉庫應(yīng)用程序的本質(zhì)是分析，尤其是針對業(yè)務(wù)智能的分析。BI并不是通常所說的數(shù)據(jù)：它是一種從舊有數(shù)據(jù)中,模型化得到的新的數(shù)據(jù)。那么如何才能從舊有數(shù)據(jù)中挖出這些新數(shù)據(jù)呢？事實(shí)上，這個工作不是讓你來完成的，而是你的客戶所要完成的。從項(xiàng)目主管的角度看，應(yīng)該有一個經(jīng)驗(yàn)豐富的數(shù)據(jù)表格設(shè)計(jì)師與你合作，進(jìn)而決定如何將各類程序融合在一起。其中所遇到的最主要的挑戰(zhàn)將是如何用新的方法觀察數(shù)據(jù)，這也是你的客戶正在試圖使用的方法。

 2. 創(chuàng)建抽象的、良好部署的數(shù)據(jù)庫訪問組件 在過去你接觸過的數(shù)據(jù)庫項(xiàng)目和現(xiàn)在的數(shù)據(jù)倉庫之間，有一點(diǎn)絕對不同，那就是：在Online Transaction Processing （OLTP）環(huán)境中，用戶數(shù)量非常大，但使用到的數(shù)據(jù)卻比較少；而在Online Analytical Processing （OLAP）環(huán)境中情況卻正好相反，少量的用戶在使用大量的數(shù)據(jù)。而你的工作就是編寫一個應(yīng)用程序來優(yōu)化這種不同。這里有一個線索：在你所有的分析程序中，都要能抓取連續(xù)的數(shù)據(jù)項(xiàng)，這樣在以后建立和訪問的數(shù)據(jù)結(jié)構(gòu)中才能存放與原數(shù)據(jù)物理結(jié)構(gòu)類似的數(shù)據(jù)。具體如何實(shí)現(xiàn)呢？首先不要規(guī)格化數(shù)據(jù)。第二將其放入數(shù)組中最小化讀取請求數(shù)。按照這種方法，DBA會很樂意與你合作。

 3. 保持松散 現(xiàn)在回頭看看第一步，你應(yīng)該可以理解定義一個分析程序不是件簡單事了，而且一般情況下，很難在第一次就實(shí)現(xiàn)符合要求的最終產(chǎn)品。而在你將要進(jìn)行分析的數(shù)據(jù)結(jié)構(gòu)上同樣存在這種問題。一句話，實(shí)現(xiàn)過程會有很多變數(shù)，你需要不斷的改動你的程序。通常我們都希望將改動次數(shù)降到最低。在一個數(shù)據(jù)倉庫實(shí)現(xiàn)過程中，本質(zhì)是要分析過程毫無差錯，這也需要DBA的參與。不要死抓住你的程序設(shè)計(jì)、代碼、框圖，或你建立的其它什么東西不放手，要根據(jù)這種變化而不斷進(jìn)行調(diào)整。

 4. 將管理放在首位 在分析數(shù)據(jù)源方面你做的如何呢？你是否認(rèn)為清理垃圾數(shù)據(jù)的工作非常困難？并不是只有你一個人這樣想，做過類似工作的人都有這種看法。在一個一般規(guī)模的機(jī)構(gòu)中，作為數(shù)據(jù)倉庫實(shí)現(xiàn)過程的一部分，會有大量的舊有數(shù)據(jù)必須進(jìn)行一致性處理。所以分析數(shù)據(jù)源并花費(fèi)數(shù)個小時編寫轉(zhuǎn)換程序?qū)⑴f有數(shù)據(jù)導(dǎo)入數(shù)據(jù)倉庫是整個數(shù)據(jù)倉庫實(shí)現(xiàn)過程中最艱難的一部分。并且這也是整個項(xiàng)目中最重要的一環(huán)，可以占到整個項(xiàng)目周期和預(yù)算的四分之三。所以一定要小心對待。

 5. 從字里行間發(fā)現(xiàn)問題 與用戶交流是個很麻煩的事情，為什么這么說呢？因?yàn)楹芏嘤脩粼谝姷阶罱K產(chǎn)品前都不知道自己想要什么樣的產(chǎn)品。定義數(shù)據(jù)倉庫應(yīng)用程序是一個探索的過程，而且這個過程要反復(fù)進(jìn)行。記住所謂的"業(yè)務(wù)智能"是用戶自己定義的，他們按照自己的理解來處理業(yè)務(wù)流程。因此這些用戶就是連接數(shù)據(jù)和業(yè)務(wù)處理過程間的橋梁。他們所要的并不是數(shù)據(jù)本身，而是隱藏在數(shù)據(jù)后面的智能性。你可以讓他們討論、思考并給出建設(shè)性的意見。但千萬不要讓他們解決或讓他們?nèi)我庀胂蠛桶l(fā)表那些"有可能"的觀點(diǎn)。最后，一定要隨時留意用戶得出的結(jié)論。

 6. 保持領(lǐng)先 數(shù)據(jù)倉庫看起來沒有傳統(tǒng)的OLTP模式根深蒂固，事實(shí)如此。雖然很多人投身數(shù)據(jù)倉庫的開發(fā)中，但由于其框架與以前的系統(tǒng)大相徑庭，因此在開始的一段時間數(shù)據(jù)倉庫的實(shí)現(xiàn)看上去相當(dāng)混亂。但是堅(jiān)持下去是很重要的。它具有兩方面重要的作用。 第一，技術(shù)的領(lǐng)先性。它可以跟蹤項(xiàng)目中任何階段的軟件工具的部署和正確使用，以及開發(fā)過程。如果這復(fù)合你的背景，你可以對此多加留意。 第二，體系結(jié)構(gòu)的領(lǐng)先性。它使得項(xiàng)目在各個階段轉(zhuǎn)換時，數(shù)據(jù)倉庫和它所支持的系統(tǒng)的物理以及邏輯架構(gòu)都具有持續(xù)性，不會發(fā)生改變。這也是你能提供的。 

7. 發(fā)出警告 最后你要記住，你并不是唯一登上新大陸的人。你周圍的每一個人都會有下面一點(diǎn)或幾點(diǎn)問題：不現(xiàn)實(shí)的期望、對技術(shù)的誤解、舊習(xí)慣或壞習(xí)慣、競爭行為，或缺乏對項(xiàng)目的信任度。雖然交流溝通等任務(wù)應(yīng)該是項(xiàng)目經(jīng)理負(fù)責(zé)的，但實(shí)際上你也要擔(dān)負(fù)起相同的責(zé)任。那么作為技術(shù)總監(jiān)你該怎么作呢？首先當(dāng)然是要真誠的對待周圍的人，但一定要豎立威信，適當(dāng)?shù)陌l(fā)出警告。當(dāng)你發(fā)現(xiàn)項(xiàng)目進(jìn)度緩慢、資源流失，或者員工失去目標(biāo)，就要直言不諱的說出來?？焖倜鞔_的給予警告在大部分情況下都是明智之舉。匆忙上馬的數(shù)據(jù)倉庫項(xiàng)目也許會出軌，但不要讓失敗的項(xiàng)目把你拉下馬。