写在前面

本文隶属于专栏《100个问题搞定大数据理论体系》,该专栏为笔者原创,引用请注明来源,不足和错误之处请在评论区帮忙指出,谢谢!

本专栏目录结构和文献引用请见100个问题搞定大数据理论体系

解答

数据仓库(Data Warehouse),可简写为DW或DWH。
数据仓库的目的是构建面向分析的集成化数据环境,为企业提供決策支持(Decision Support)。它出于分析性报告和決策支持目的而创建。
数据仓库本身并不“生产”任何数据,同时自身也不需要消费”任何的数据,数据来源于外部,并且开放给外部应用,这也是为什么叫“仓库”,而不叫"工厂"的原因。

数据仓库是面向主题的(Subject-oriented)、集成的(Integrated)、稳定性的(Non-Volatile)和时变的(Time-Variant)数据集合,用以支持管理決策。

补充

面向主题

操作型数据库的数据组织是面向事务处理任务,而数据仓库中的数据是按照一定的主题域进行组织。

这里说的“主题”是一个抽象的概念,它指的是用户使用数据仓库进行决策时关心的重点方面,一个主题通常与多个操作型信息系统相关。

例如,商品的推荐系统就是基于数据仓库设计的,商品的信息就是数据仓库所面向的主题。

集成性

根据决策分析的要求,将分散于各处的源数据进行抽取、筛选、清理、综合等工作,最终集成到数据仓库中。

数据仓库集成性

稳定性

数据的相对稳定性,数据仓库中的数据只进行新增,没有更新操作、删除操作处理。

因为数据仓库主要目的是为决策分析提供数据,所涉及的操作主要是数据的査询,一旦某个数据存入数据仓库以后,一般情况下将被长期保留,也就是数据仓库中一般有大量的查询操作,修改和删除操作很少,通常只需要定期的加载、刷新来更新数据。

时变性

数据仓库是随时间变化的。

数据仓库的数据一般都帯有时间属性,随着时间的推移而发生变化,不断地生成主题的新快照。

数据仓库是不同时间的数据集合,它所拥有的信息并不只是反映企业当前的运营状态, 而是记录了从过去某一时间点到当前各个阶段的信息。

可以这么说,数据仓库中的数据保存时限要能满足进行决策分析的需要(如过去的5~10年),而且数据仓库中的数据都要标明该数据的历史时期。

数据仓库时变性

Q.E.D.


Apache Spark Contributor