必看：DB-ETL-DW-OLAP-DM-BI关系结构图

DB-ETL-DW-OLAP-DM-BI关系结构图

本群每月一次活动报名：http://www.tsingsong.com/jforum/forums/show/212.page
坚持群友之间平均一个月进行一次公益性的、开放的、面对面的交流活动，十万年不变！

话说2002年，我已经成为一家公司的oracle数据库工程师了，
一天，我在中关村的一家书店浏览时，发现了一本书名《数据仓库原理》的书，
当时觉得好奇怪，是我看错了吗？一直只听说过【数据库】，怎么这里多了一个【仓】字？
很是好奇，仔细翻阅了看看——我无意中接触到了一个世外桃源，知道了数据库之后的数据仓库！
之后，2004年离开思特奇之际，和一个好兄弟（该人是群里的甜柿头大侠，他教我做了第一个数据文件的物理恢复，从此让我对备份恢复有了信心，还推荐我到一家公司做专职的dba，让我走上了正轨，非常感谢甜柿头！）话别，我知道他有一本中国人写的书《数据仓库原理》，我毫不客气的索要了，他也爽快相赠，我仔细研读了该书3次，至此我有了数据仓库DW，ETL，OLAP，DM的理论基础！

从2002年算起，这个《DB-ETL-DW-OLAP-DM-BI关系结构图》一直在我心中10年了，一直觉得这个图对于大家掌握这几个概念非常好，所以我的面对面的oracle技术交流，开篇的第一个讲解就是这个图，不光为了让大家知道他们之间的关系，更多的是为了让大家知道数据库工作的范畴！

我在此大概用口水话简单叙述一下他们几个概念：
（1）DB/Database/数据库——这里一般指的就是OLTP数据库，在线事物数据库，用来支持生产的，比如超市的买卖系统，DB保留的是数据信息的最新状态，只有一个状态！比如，每天早上起床洗脸照镜子，看到的就是当时的状态，至于之前的每天的状态，不会出现的你的眼前，这个眼前就是db。
（2）DW/Data Warehouse/数据仓库——这里保存的是DB中的不同时间点的状态，比如，每天早上洗完照镜子时，都拍一张照片，天天这样，这些照片放入到一个相册中，之后就可以查看每一天的状态了，这个相册就是数据仓库，他保存的是数据在不同时间点的状态，对同一个数据信息，保留不同时间点的状态，就便于我们做统计分析了。
（3）ETL/Extraction-Transformation-Loading——用于完成DB到DW的数据转存，它将DB中的某一个时间点的状态，“抽取”出来，根据DW的存储模型要求，“转换”一下数据格式，然后再“加载”到DW的一个过程，这里需要强调的是，DB的模型是ER模型，遵从范式化设计原则，而DW的数据模型是雪花型结构或者星型结构，用的是面向主题，面向问题的设计思路，所以DB和DW的模型结构不同，需要进行转换。
（4）OLAP——在线分析系统，简单说就是报表系统，销售报表，统计报表，等等，这个大家都熟悉，当然，OLAP的统计要更复杂更丰富一些，比如切面，钻取等等。
（5）DM/Data Mining/数据挖掘——这个挖掘，不是简单的统计了，他是根据概率论的或者其他的统计学原理，将DW中的大数据量进行分析，找出我们不能直观发现的规律，比如，如果我们每天早上照相，量身材的时候，还记录下头一天吃的东西，黄瓜，猪腿，烤鸭，以及心情，如果记录上10年，形成了3650天的相貌和饮食心情的数据，我们每个人都记录，有20万人记录了，那么，我们也许通过这些记录，可以分析出，身材相貌和饮食的客观规律；再说一个典型的实例，就是英国的超市，在积累了大量数据之后，对数据分析挖掘之后，得到了一个规律：将小孩的尿布和啤酒放在一起，销量会更好——业务专家在得到该结论之后，仔细分析，知道了原因，因为英国男人喜欢看足球的多，老婆把小孩介绍男人看管，小孩尿尿需要尿布，而男人看足球喜欢喝酒，所以两样商品有密切的关系，放在一起销售会更好！
（6）BI/Business Intelligence/商业智能——领导，决策者，在获取了OLAP的统计信息，和DM得到的科学规律之后，对生产进行适当的调整，比如，命令超市人员将啤酒喝尿布放在一起销售，这就反作用于DB修改存货数据了——这就是整个BI的作用！

——信息技术经过近20年的大力发展，很多行业积累了很多珍贵的数据，真正的大数据时代到来了，也逐渐体现出 DB-ETL-DW-OLAP-DM-BI这条线路的重要性，希望大家能懂得这个大数据时代的价值，把握住机遇，有更加美好的未来！
————好了，我的简单讲解，希望对大家掌握这些概念有好处！


本群每月一次活动报名：http://www.tsingsong.com/jforum/forums/show/212.page
坚持群友之间平均一个月进行一次草根的、开放的、面对面的交流活动，十万年不变！