1. 數據倉庫的概述

1.1 數據倉庫的基本內容

數據倉庫泛化、合并多維空間的數據。構造數據倉庫涉及數據清理、數據集成和數據變換，可以看作數據挖掘的一個重要預處理步驟。此外，數據倉庫提供聯機分析處理（OLAP）工具，用于各種粒度的多維數據的交互分析，有利于有效的數據泛化和數據挖掘。數據倉庫的基本內容包括：

• 什么是數據倉庫
• 操作數據庫與數據倉庫的區別
• 分離的數據倉庫
• 數據倉庫模型
• 數據提取變換和轉入
• 元數據庫

2. 什么是數據倉庫？

2.1 數據倉庫的基本概念

• 數據倉庫已有多種定義方式，很難給出一種嚴格的定義。通俗地講，數據倉庫是一種數據庫，它與單位的操作數據庫分別維護。數據倉庫系統允許將各種應用集成在一起，為統一的歷史數據分析提供堅實的平臺，對信息處理提供支持。
  

2.2 數據倉庫的關鍵特征
數據倉庫可以看成是一個面向主題的、集成的、時變的、非易失的數據集合，支持管理的決策過程。

• 面向主題的：數據倉庫圍繞一些重要主題，如果顧客、供應商、產品和銷售組織。
• 集成的：通常，構造數據倉庫是將多個異構數據源，如關系數據庫、一般文件和聯機事務處理記錄集成在一起。
• 時變的：數據存儲從歷史的角度提供信息。數據倉庫種的關鍵結構都隱式或顯示的包含時間元素。
• 非易失的：數據倉庫總是物理地分離存放數據，這些數據源于操作環境下的一個用數據。

3 數據的倉庫的基本內容之二

3.1 操作數據庫與數據倉庫的區別

• 聯機操作數據庫（OLTP）的主要任務式執行聯機事務和查詢處理。
• 用不同的格式組織和提供數據，以便滿足不同用戶的形形色色的需求，這種系統稱做聯機分析處理（OLAP）。

3.2 分離的數據倉庫

• 操作數據庫中存放了大量的數據。為什么不直接在這種數據庫上進行聯機分析處理，而是另外花費時間和資源去構造分離的數據倉庫？
• 分離的主要原因是提高兩個系統的性能。
• 數據倉庫的查詢通常是復雜的，涉及大量數據在匯總級的計算，可能需要特殊的基于多維視圖的數據
• 織、存取方法和實現方法。在操作數據庫上處理OLAP查詢，可能會大大降低操作任務的性能。
• 數據倉庫與操作數據庫分離式由于這兩種系統的中的數據結構、內容和用法都不相同。

數據倉庫的三層體系結構

• 底層是倉庫數據庫服務器：通常是一個關系數據庫系統。
• 中間層是OLAP服務器
• 頂層是前端客戶層，它包括查詢和報告工具，分析工具/或數據挖掘工具

4 數據倉庫的基本內容之三

4.1 數據倉庫的模型
從結構的角度看，有三種數據倉庫模型：企業倉庫、數據集市和虛擬倉庫。

• 企業倉庫：企業倉庫搜集了關于主題的所有信息，跨越整個企業。它提供了企業范圍內的數據集成，通常來自一個或多個操作系統數據庫系統或外部信息提供者，并且是多功能的。
• 數據集市：數據集市包含企業范圍數據的一個子集，對于特定的用戶群是有用的。例如銷售數據集可能限定其主題為顧客、商品和銷售。
• 虛擬倉庫：虛擬倉庫是操作數據庫上視圖的集合。為了有效地的處理查詢，只有一些可能的匯總視圖被物化。

4.2 數據提取、變換和裝入

• 數據提取：通常由多個異構的外部數據源收集數據。
• 數據清理：檢測數據中的錯誤，可能時并訂正它們。
• 數據變換：將數據由遺產或宿主格式轉換成數據倉庫格式。
• 裝入：排序、匯總、合并、計算視圖、檢查完整性，并建立索引和劃分。
• 刷新：傳播由數據源到數據倉庫的更新。

4.3 元數據庫

• 元數據時定義倉庫對象的數據。元數據庫在數據倉庫體系結構的底層。-
• 元數據庫應當包括以下內容：
• 數據倉庫結構的描述：包括倉庫模式、視圖、維、分層結構等
• 操作元數據：數據信息、數據流通、管理信息
• 用于匯總的算法：包括度量和維定義算法
• 由操作環境到數據倉庫的映射
• 關于系統性能的數據
  庫模式、視圖、維、分層結構等
• 操作元數據：數據信息、數據流通、管理信息
• 用于匯總的算法：包括度量和維定義算法
• 由操作環境到數據倉庫的映射
• 關于系統性能的數據

總結

以上是生活随笔為你收集整理的三十三、数据仓库的概述的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。