传统数据仓库与大数据平台下的数据仓库

    我在之前的数据仓库基础入门中写过，数据仓库技术在大数据背景下发生了很多改变，我粗糙的把数据仓库分成传统数据仓库和大数据数据仓库，其区别主要数数仓数据存储的地方不同，传统数仓数据存储在mysql等关系型数据库上，大数据数仓存储在hadoop平台的hive中（实际上是HDFS中），当然也有其他的数仓产品比如TD、greenplum等。

    我接触过的传统数仓技术架构是使用kettle做ETL工具，数据保存在mysql中，使用MSTR+java开发的数据平台做可视化，随着数据量逐渐增大，事实表条数达到千万级，kettle逐渐变得不稳定，单表做拉链的任务的执行时间也指数级增加，从1/2h到了6/7h。公司考虑使用hadoop平台的hive做数据仓库，报表层数据保存在mysql中，使用tableau做报表系统，这样不用担心存储问题、计算速度也大大加快了。在此基础上，公司开放了hue给各个部门使用，这样简单的提数工作可以由运营自己来操作。使用presto可以做mysql、hive的跨库查询，使用时要注意presto的数据类型非常严格。

    总的来说，大数据平台下的数据仓库由于其免费开源的特性，正在被越来越多的公司使用，我估计未来某一天专门做数据仓库产品的公司可能会不复存在。