数据仓库基本概念介绍

目录

1、数据仓库所处环节

操作层       

数据仓库

数据集市

个体层

2、数据仓库概念

面向主题的       

集成的

随时间变化的

非易失的

3、一般架构

STAGE层

 ODS层

MDS层

ADS层

 DIM层

ETL调度系统

元数据管理系统

4、设计的两个重要问题

1、 粒度

2、 分区

---

1、数据仓库所处环节

       在一个成体系、结构化的数据应用场景下，数据和处理有四个层次： 操作层、数据仓库层、部门/数据集市层、个体层。

操作层
       

       操作层是指为具体业务提供实时响应的各个业务系统，比如常见的订单系统、ERP、用户中心等等具体业务系统，这些系统中的数据一般都是存入关系型数据库。它们是数据的来源。

数据仓库

       数据仓库收集操作层各个业务系统中的数据，进行统一格式、统一计量单位，规整有序地组织在一起，为数据分析、数据挖掘等需求提供数据支持。

数据集市

       部门/数据集市层是各个部门根据自己的数据分析需求，从数据仓库中抽取自己部门所关心的数据报表。

个体层

       个体层中的不同角色个体有读取不同数据的权限。

2、数据仓库概念

       数据仓库是一个面向主题的、集成的、非易失的、随时间变化的，用来支持管理人员决策的数据集合，数据仓库中包含了粒度化的企业数据。

面向主题的
       

       数据仓库不同于传统的操作型系统，传统的操作型系统中的数据是围绕功能进行组织的，而数据仓库是针对于某一个主题进行分析数据用的，比如针对于销售主题、针对于客户主题等等。

集成的

       不同产品或者系统中的数据是分散在各自系统中的，并且格式不一致、计量单位不一致。而数据仓库必须将多个分散的数据统一为一致的、无歧义的数据格式后，并解决了命名冲突、计量单位不一致等问题，然后将数据整合在一起，才能称这个数据仓库是集成的。

随时间变化的

       数据仓库要体现出数据随时间变化的情况，并且可以反映在过去某一个时间点上数据是什么样子的，也就是随时间变化的含义。而传统的操作型系统，只能保存当前数据，体现当前的情况。

非易失的

       非易失是指：数据一旦进入数据仓库，就不能再被改变了，当在操作型系统中把数据改变后，再进入数据仓库就会产生新的记录。这样数据仓库就保留了数据变化的轨迹。

3、一般架构

STAGE层

       业务系统的数据接入到数据仓库时，首先将业务数据仓储到STAGE层中，Stage层作为一个临时缓冲区，并屏蔽对业务系统的干扰。 
       STAGE层中的表结构和数据定义一般与业务系统保持一致。 
       Stage中的数据可以每次全量接入也可以每次增量接入，一般都有会数据老化的机制，不用长期保存。 
       Stage的数据不会对外部开放。

 ODS层

       ODS才是数据仓库真正意义上的基础数据，数据是被清洗过的，ODS层的数据是定义统一的、可以体现历史的、被长期保存的数据。 
       ODS层的数据粒度与Stage层数据粒度是一致的。 
       Stage层中的数据是完全形式的源数据，需要进行清洗才能进入ODS层，所以说ODS层是数据仓库格式规整的基础数据，为上层服务。

MDS层

       MDS是数据仓库中间层，数据是以主题域划分的，并根据业务进行数据关联形成宽表，但是不对数据进行聚合处理，MDS层数据为数据仓库的上层的统计、分析、挖掘和应用提供直接支持。 
MDS层的数据也可以执行一定的老化策略。

ADS层

       ADS层是数据仓库的应用层，一般以业务线或者部门划分库。这一层可以为各个业务线创建一个数据库。 
ADS层的数据是基于MDS层数据生成的业务报表数据，可以直接作为数据仓库的输出导出到外部的操作型系统中（MySQL、MSSQL、Hbase、Elasticsearch等）。

 DIM层

       DIM层是数据仓库数据中，各层公用的维度数据。比如：省市县数据。

ETL调度系统

       对接入数据仓库的数据进行清洗、数据仓库各层间数据流转都需要大量的程序任务来操作，这些任务一般都是定时的，并且之间都是有前后依赖关系的，为了能保证任务的有序执行，就需要一个ETL调度系统来管理。

元数据管理系统

       描述数据的数据叫做元数据，元数据信息一般包括表名、表描述信息、所在数据库、表结构、存储位置等基本信息，另外还有表之间的血缘关系信息、每天的增量信息、表结构修改记录信息等等。 
数据仓库中有大量的表，元数据管理系统就是用来收集、存储、查询数据仓库中元数据的工具，这个系统为数据使用方提供了极大的便利。

4、设计的两个重要问题

1、 粒度

       粒度是指数据仓库中数据单元的细节程度或综合程度的级别。粒度会深刻地影响数据量的大小以及数据仓库的查询能力。 
细节程度越高，粒度级别就越低，查询就越灵活；相反，细节程度越低，粒度级别就越高。 
       双重粒度： 
       双重粒度是存储两个粒度下的数据：一个是全量的细节数据；另一个是轻度综合的数据。

2、 分区

       数据分区是指把数据分散到可独立处理的分离物理单元中去。恰当地进行分区可以给数据仓库带来多个方面的好处： 
(1) 数据装载 (2) 数据访问 (3) 数据存档 (4) 数据删除 (5) 数据监控 (6) 数据存储
--------------------- 

备注：原文地址