数据注入

1、Data Consolidation： 数据整合

2、Data Integration： 数据集成

2.1、概述

将分散的数据源的数据，逻辑的或物理的集中到一个数据集合中。使用户以相同的方式访问所有数据源。

2.2、难点及处理方法 

 1） 异构：数据源的语义，相同语义数据的表达形式不同，数据源使用环境不同；

由数据源建模的不同而引起数据的异构。如果数据源间的实体关系模型相同，只是命名规则不同时，属于语法异构。

语法异构： 只需要知道数据结构信息，将数据源结构映射到目标数据结构上即可。

语义异构：一般需要直接处理内容。如内容合并、内容拆分、数据类型变换等。

2） 自治性：各数据源有很强的自治性，可能在不通知集成的情况下改变结构和数据。

2.3、数据集成分类

1）基本集成

通用标识符问题： 当同一实体存在于多个系统中，并且没有办法确认他们属于同一个实体时。

2）视图集成

2.4、常见数据集成方法

1）数据仓库：将各个数据源的数据复制到同一处，方便用户访问所有数据。

它不是面向事务的（实时应用，减少数据冗余，符合范式），是面向主题的（引入冗余，反范式设计，一般存储历史数据）。

它不是为捕获数据而设计的，而是为查询和分析数据而设计的。它的两个基本的元素是维度表和事实表.维表是看问题的角度，如时间、部门。维度表中放的就是这些维度的定义。数据表放的是待查询的数据，同时有维的ID。

2）数据中间件

3、Data Fusion：数据融合

3、1 多源数据特点：

冗余性、互补性、合作性

3、2 多源数据融合目标

去除数据冗余和矛盾，通过互补提高数据质量。

4、Information Fusion: 信息融合

5、 数据监控

注入了多少数据？

按数据源统计。