作者：hooly
微信公眾號：一口袋星光
數(shù)據(jù)倉庫的目的是構(gòu)建面向分析的集成化數(shù)據(jù)環(huán)境劲藐，為企業(yè)提供決策支持（Decision Support）邀杏。數(shù)據(jù)倉庫本身并不“生產(chǎn)”任何數(shù)據(jù)隅很，同時自身也不需要“消費”任何的數(shù)據(jù)秤茅，數(shù)據(jù)來源于外部百侧，并且開放給外部應(yīng)用讨韭，這也是為什么叫“倉庫”，而不叫“工廠”的原因迟郎。
數(shù)據(jù)倉庫的特點：
1.面向主題的剥险，按照一定的主題進行組織，主題是指用戶使用數(shù)據(jù)倉庫進行決策時所關(guān)心的重點方面宪肖，后面會重點舉例說明表制。
2.數(shù)據(jù)倉庫是集成的，數(shù)據(jù)倉庫的數(shù)據(jù)有來自于分散的操作型數(shù)據(jù)控乾，將所需數(shù)據(jù)從原來的數(shù)據(jù)中抽取出來么介，進行加工和集成之后，進入數(shù)據(jù)倉庫蜕衡。
3.數(shù)據(jù)倉庫是不可更新的壤短，數(shù)據(jù)倉庫主要是為決策分析供數(shù)據(jù)，所涉及的操作主要是數(shù)據(jù)的查詢；
數(shù)據(jù)倉庫有如下要求：
1.效率足夠高：數(shù)據(jù)倉庫的分析數(shù)據(jù)一般分為日久脯、周纳胧、月、季帘撰、年等跑慕，可以看出，日為周期的數(shù)據(jù)要求的效率最高骡和。
2.數(shù)據(jù)質(zhì)量：由于數(shù)據(jù)倉庫流程通常分為多個步驟相赁，包括數(shù)據(jù)清洗，轉(zhuǎn)換慰于，裝載等钮科，那么由于臟數(shù)據(jù)會導(dǎo)致數(shù)據(jù)失真，就可能導(dǎo)致做出錯誤的決策婆赠。
3.可擴展性：主要體現(xiàn)在數(shù)據(jù)建模的合理性绵脯。
數(shù)據(jù)倉庫的基本架構(gòu)主要包含的是數(shù)據(jù)流入流出的過程，可以分為三層——數(shù)據(jù)獲取休里、數(shù)據(jù)倉庫蛆挫、數(shù)據(jù)應(yīng)用：
數(shù)據(jù)倉庫從各數(shù)據(jù)源獲取數(shù)據(jù)及在數(shù)據(jù)倉庫內(nèi)的數(shù)據(jù)轉(zhuǎn)換和流動都可以認為是ETL（抽取Extra, 轉(zhuǎn)化Transfer, 裝載Load）的過程。ETL是數(shù)據(jù)倉庫的流水線妙黍，也可以認為是數(shù)據(jù)倉庫的血液悴侵，它維系著數(shù)據(jù)倉庫中數(shù)據(jù)的新陳代謝，而數(shù)據(jù)倉庫日常的管理和維護工作的大部分精力就是保持ETL的正常和穩(wěn)定拭嫁。
數(shù)據(jù)倉庫：
1.數(shù)據(jù)獲瓤擅狻：
對于網(wǎng)站數(shù)據(jù)倉庫而言，點擊流日志是一塊主要的數(shù)據(jù)來源做粤，它是網(wǎng)站分析的基礎(chǔ)數(shù)據(jù)浇借；當(dāng)然網(wǎng)站的數(shù)據(jù)庫數(shù)據(jù)也并不可少，其記錄這網(wǎng)站運營的數(shù)據(jù)及各種用戶操作的結(jié)果怕品，其他是網(wǎng)站內(nèi)外部可能其它各類對于公司決策有用的數(shù)據(jù)妇垢。
2.數(shù)據(jù)倉庫：
2.1數(shù)據(jù)模型：
數(shù)據(jù)模型是抽象描述現(xiàn)實世界的一種工具和方法，是通過抽象的實體及實體之間聯(lián)系的形式肉康，來表示現(xiàn)實世界中事務(wù)的相互關(guān)系的一種映射闯估。在這里，數(shù)據(jù)模型表現(xiàn)的抽象的是實體和實體之間的關(guān)系吼和，通過對實體和實體之間關(guān)系的定義和描述涨薪，來表達實際的業(yè)務(wù)中具體的業(yè)務(wù)關(guān)系。
數(shù)據(jù)倉庫模型是數(shù)據(jù)模型中針對特定的數(shù)據(jù)倉庫應(yīng)用系統(tǒng)的一種特定的數(shù)據(jù)模型
通過上圖纹安，我們能夠很容易的看出在整個數(shù)據(jù)倉庫的建模過程中尤辱，我們需要經(jīng)歷一般四個過程：
業(yè)務(wù)建模，生成業(yè)務(wù)模型厢岂，主要解決業(yè)務(wù)層面的分解和程序化光督。
領(lǐng)域建模，生成領(lǐng)域模型塔粒，主要是對業(yè)務(wù)模型進行抽象處理结借，生成領(lǐng)域概念模型。
邏輯建模卒茬，生成邏輯模型船老，主要是將領(lǐng)域模型的概念實體以及實體之間的關(guān)系進行數(shù)據(jù)庫層次的邏輯化。
物理建模圃酵，生成物理模型柳畔，主要解決，邏輯模型針對不同關(guān)系型數(shù)據(jù)庫的物理化以及性能等一些具體的技術(shù)問題郭赐。
因此薪韩，在整個數(shù)據(jù)倉庫的模型的設(shè)計和架構(gòu)中，既涉及到業(yè)務(wù)知識捌锭，也涉及到了具體的技術(shù)俘陷，我們既需要了解豐富的行業(yè)經(jīng)驗，同時观谦，也需要一定的信息技術(shù)來幫助我們實現(xiàn)我們的數(shù)據(jù)模型拉盾，最重要的是，我們還需要一個非常適用的方法論豁状，來指導(dǎo)我們自己針對我們的業(yè)務(wù)進行抽象捉偏，處理，生成各個階段的模型替蔬。
2.2數(shù)據(jù)主題：
數(shù)據(jù)模型的建設(shè)告私，維度的選擇，是為了滿足數(shù)據(jù)主題的需求承桥。數(shù)據(jù)主題通常就是業(yè)務(wù)需求的提煉驻粟。
2.3數(shù)據(jù)報表：
報表幾乎是每個數(shù)據(jù)倉庫的必不可少的一類數(shù)據(jù)應(yīng)用，將聚合數(shù)據(jù)和多維分析數(shù)據(jù)展示到報表凶异，提供了最為簡單和直觀的數(shù)據(jù)蜀撑。
這里的數(shù)據(jù)匯總指的是基于特定需求的簡單匯總（基于多維數(shù)據(jù)的聚合體現(xiàn)在多維數(shù)據(jù)模型中），簡單匯總可以是網(wǎng)站的總Pageviews剩彬、Visits酷麦、Unique Visitors等匯總數(shù)據(jù)，也可以是Avg. time on page喉恋、Avg. time on site等平均數(shù)據(jù)沃饶，這些數(shù)據(jù)可以直接地展示于報表上母廷。
2.4數(shù)據(jù)集市和開放API
數(shù)據(jù)集市(Data Mart) ，也叫數(shù)據(jù)市場糊肤，可以理解為字段非常多的寬表琴昆，比如銷售表，除了包含訂單和金額等必需的字段馆揉，還包含可能使用的產(chǎn)品信息集合业舍、用戶信息集合、甚至銷售人員的信息升酣，是數(shù)據(jù)倉庫的核心組成部分舷暮。
1、提升數(shù)據(jù)準確性：因為建立面向主題的數(shù)據(jù)表之后噩茄，不用再根據(jù)需求的不同下面，建立不同的結(jié)果表，自然發(fā)生錯誤的幾率會大大降低
2绩聘、提升效率：由于是面向主題的诸狭，所以需要的任何數(shù)據(jù)都可以從數(shù)據(jù)集市表直接簡單獲取。
開放API君纫，指對外開放的查詢等接口驯遇。
數(shù)據(jù)質(zhì)量中心：
1.元數(shù)據(jù)管理
元數(shù)據(jù)（Meta Date），其實應(yīng)該叫做解釋性數(shù)據(jù)蓄髓，或者數(shù)據(jù)字典叉庐，即數(shù)據(jù)的數(shù)據(jù)。主要記錄數(shù)據(jù)倉庫中模型的定義会喝、各層級間的映射關(guān)系陡叠、監(jiān)控數(shù)據(jù)倉庫的數(shù)據(jù)狀態(tài)及ETL的任務(wù)運行狀態(tài)。一般會通過元數(shù)據(jù)資料庫（Metadata Repository）來統(tǒng)一地存儲和管理元數(shù)據(jù)肢执，其主要目的是使數(shù)據(jù)倉庫的設(shè)計枉阵、部署、操作和管理能達成協(xié)同和一致预茄。
作者：hooly
微信公眾號：一口袋星光
我會在微信公號上持續(xù)更新我的文章兴溜，你來討論我很歡迎。
