數(shù)據(jù)倉庫概述和設(shè)計

2/5/2023大數(shù)據(jù)培訓(xùn)-數(shù)據(jù)倉庫概述講師：楊勇2015年7月電話：133820447282/5/2023數(shù)據(jù)倉庫提綱數(shù)據(jù)倉庫概念數(shù)據(jù)倉庫體系結(jié)構(gòu)及組件數(shù)據(jù)倉庫設(shè)計數(shù)據(jù)倉庫技術(shù)（與數(shù)據(jù)庫技術(shù)的區(qū)別）2/5/2023基本概念—數(shù)據(jù)倉庫產(chǎn)生背景數(shù)據(jù)倉庫技術(shù)是隨著人們對大型數(shù)據(jù)庫系統(tǒng)研究的不斷深入,在傳統(tǒng)數(shù)據(jù)庫技術(shù)基礎(chǔ)之上發(fā)展而來的,其主要目的就是為決策提供支持,為OLAP、數(shù)據(jù)挖掘深層次的分析提供平臺。數(shù)據(jù)倉庫是一個和實(shí)際應(yīng)用密不可分的研究領(lǐng)域，與傳統(tǒng)數(shù)據(jù)庫相比，數(shù)據(jù)倉庫不僅引入了許多新的概念，而且在體系結(jié)構(gòu)、數(shù)據(jù)組織等方面，均有其自身的特點(diǎn)。2/5/2023基本概念—數(shù)據(jù)倉庫定義數(shù)據(jù)倉庫（DataWarehouse）是一個面向主題的（SubjectOriented）、集成的（Integrated）、相對穩(wěn)定的（Non-Volatile）、反映歷史變化（TimeVariant）的數(shù)據(jù)集合，主要用于支持管理決策和信息的全局共享。-----------數(shù)據(jù)倉庫之父BillInmon在1991年出版的“BuildingtheDataWarehouse”（《建立數(shù)據(jù)倉庫》）

2/5/2023基本概念—數(shù)據(jù)倉庫特征 [Inmon,1996]面向主題一個主題領(lǐng)域的表來源于多個操作型應(yīng)用（如：客戶主題，來源于：定單處理；應(yīng)收帳目；應(yīng)付帳目；…）典型的主題領(lǐng)域：客戶；產(chǎn)品；交易；帳目主題領(lǐng)域以一組相關(guān)的表來具體實(shí)現(xiàn)相關(guān)的表通過公共的鍵碼聯(lián)系起來（如：顧客標(biāo)識號CustomerID）每個鍵碼都有時間元素（從日期到日期；每月累積；單獨(dú)日期…）主題內(nèi)數(shù)據(jù)可以存儲在不同介質(zhì)上（綜合級，細(xì)節(jié)級，多粒度）集成數(shù)據(jù)提取、凈化、轉(zhuǎn)換、裝載穩(wěn)定性批處理增加，倉庫已經(jīng)存在的數(shù)據(jù)不會改變隨時間而變化（時間維）管理決策支持2/5/2023基本概念—DataMart,ODSDataMart數(shù)據(jù)集市--

小型的，面向部門或工作組級數(shù)據(jù)倉庫。OperationDataStore操作數(shù)據(jù)存儲—ODS是能支持企業(yè)日常的全局應(yīng)用的數(shù)據(jù)集合,是不同于DB的一種新的數(shù)據(jù)環(huán)境,是DW擴(kuò)展后得到的一個混合形式。四個基本特點(diǎn)：面向主題的(Subject-Oriented)、集成的、可變的、當(dāng)前或接近當(dāng)前的。2/5/2023基本概念—ETL,元數(shù)據(jù)，粒度，分割ETL（也有ELT）ETL（Extract/Transformation/Load）—數(shù)據(jù)裝載、轉(zhuǎn)換、抽取工具。MicrosoftDTS;IBMVisualWarehouseetc.元數(shù)據(jù)關(guān)于數(shù)據(jù)的數(shù)據(jù)，用于構(gòu)造、維持、管理、和使用數(shù)據(jù)倉庫，在數(shù)據(jù)倉庫中尤為重要。粒度數(shù)據(jù)倉庫的數(shù)據(jù)單位中保存數(shù)據(jù)的細(xì)化或綜合程度的級別。細(xì)化程度越高，粒度越小。分割數(shù)據(jù)分散到各自的物理單元中去，它們能獨(dú)立地處理。2/5/2023數(shù)據(jù)

數(shù)據(jù)倉庫是一個建設(shè)過程，而不是一個產(chǎn)品。數(shù)據(jù)倉庫是通過對來自不同的數(shù)據(jù)源進(jìn)行統(tǒng)一處理及管理，通過靈活的展現(xiàn)方法來幫助決策支持。數(shù)據(jù)倉庫最新理解數(shù)據(jù)信息知識決策獲取管理使用2/5/2023數(shù)據(jù)倉庫提綱數(shù)據(jù)倉庫概念數(shù)據(jù)倉庫體系結(jié)構(gòu)及組件數(shù)據(jù)倉庫設(shè)計數(shù)據(jù)倉庫技術(shù)（與數(shù)據(jù)庫技術(shù)的區(qū)別）2/5/2023數(shù)據(jù)倉庫體系結(jié)構(gòu)及組件體系結(jié)構(gòu)ETL工具元數(shù)據(jù)庫(Repository)及元數(shù)據(jù)管理數(shù)據(jù)訪問和分析工具2/5/2023體系結(jié)構(gòu)

源數(shù)據(jù)庫系統(tǒng)數(shù)據(jù)抽取、轉(zhuǎn)換加載WarehouseAdmin.ToolsExtract,TransformandLoadDataModelingToolCentralMetadata數(shù)據(jù)集市數(shù)據(jù)訪問與分析中央數(shù)據(jù)倉庫CentralDataWarehouseMid-TierMid-TierDataMartDataMartLocalMetadataLocalMetadataLocalMetadataMetadataExchangeMDBDataCleansingToolRelationalAppl.PackageLegacyExternalRDBMSRDBMS2/5/2023帶ODS的體系結(jié)構(gòu)源數(shù)據(jù)庫系統(tǒng)數(shù)據(jù)抽取、轉(zhuǎn)換、加載WarehouseAdmin.ToolsExtract,TransformandLoadDataModelingToolCentralMetadata數(shù)據(jù)集市數(shù)據(jù)訪問與分析中央數(shù)據(jù)倉庫和ODSCentralDataWarehouseMid-TierRDBMSDataMartMid-TierRDBMSDataMartLocalMetadataLocalMetadataLocalMetadataMetadataExchangeODSOLTPToolsDataCleansingToolRelationalAppl.PackageLegacyExternalMDBEnd-UserDWTools2/5/2023一個實(shí)際的數(shù)據(jù)倉庫的完整架構(gòu)數(shù)據(jù)轉(zhuǎn)換中央數(shù)據(jù)倉庫信息展現(xiàn)業(yè)務(wù)用戶源數(shù)據(jù)數(shù)據(jù)獲取數(shù)據(jù)管理數(shù)據(jù)使用項目管理數(shù)據(jù)倉庫實(shí)施指導(dǎo)方法論業(yè)務(wù)規(guī)劃信息評估邏輯數(shù)據(jù)模型設(shè)計物理數(shù)據(jù)模型設(shè)計數(shù)據(jù)庫管理元數(shù)據(jù)管理應(yīng)用開發(fā)顧問咨詢知識轉(zhuǎn)移營銷系統(tǒng)財務(wù)系統(tǒng)物資系統(tǒng)PMS系統(tǒng)抽取轉(zhuǎn)化過濾加載隨即查詢報表多維分析數(shù)據(jù)挖掘Portal集成RelationalTransformationOLAPDataMining數(shù)據(jù)集市企業(yè)級EDW直接用戶(客戶端)Olap用戶Web用戶應(yīng)用服務(wù)器決策者分析員研究員查詢?nèi)藛T2/5/2023數(shù)據(jù)倉庫的焦點(diǎn)問題-數(shù)據(jù)的獲得、存儲和使用數(shù)據(jù)倉庫和集市的加載能力至關(guān)重要數(shù)據(jù)倉庫和集市的查詢輸出能力至關(guān)重要RelationalPackageLegacyExternalsourceDataCleanToolDataStagingEnterpriseDataWarehouseDatamartDatamartRDBMSROLAPRDBMSEnd-UserToolEnd-UserToolMDBEnd-UserToolEnd-UserTool2/5/2023ETL工具去掉操作型數(shù)據(jù)庫中的不需要的數(shù)據(jù)統(tǒng)一轉(zhuǎn)換數(shù)據(jù)的名稱和定義計算匯總數(shù)據(jù)和派生數(shù)據(jù)估計遺失數(shù)據(jù)的缺省值調(diào)節(jié)源數(shù)據(jù)的定義變化

2/5/2023ETL工具體系結(jié)構(gòu)2/5/2023元數(shù)據(jù)庫及元數(shù)據(jù)管理元數(shù)據(jù)分類：技術(shù)元數(shù)據(jù)；商業(yè)元數(shù)據(jù)；數(shù)據(jù)倉庫操作型信息。-[AlexBersonetc,1999]技術(shù)元數(shù)據(jù)包括為數(shù)據(jù)倉庫設(shè)計人員和管理員使用的數(shù)據(jù)倉庫數(shù)據(jù)信息，用于執(zhí)行數(shù)據(jù)倉庫開發(fā)和管理任務(wù)。包括：數(shù)據(jù)源信息轉(zhuǎn)換描述（從操作數(shù)據(jù)庫到數(shù)據(jù)倉庫的映射方法，以及轉(zhuǎn)換數(shù)據(jù)的算法）目標(biāo)數(shù)據(jù)的倉庫對象和數(shù)據(jù)結(jié)構(gòu)定義數(shù)據(jù)清洗和數(shù)據(jù)增加的規(guī)則數(shù)據(jù)映射操作訪問權(quán)限，備份歷史，存檔歷史，信息傳輸歷史，數(shù)據(jù)獲取歷史，數(shù)據(jù)訪問，等等2/5/2023元數(shù)據(jù)庫及元數(shù)據(jù)管理

商業(yè)元數(shù)據(jù)給用戶易于理解的信息，包括：主題區(qū)和信息對象類型，包括查詢、報表、圖像、音頻、視頻等Internet主頁支持?jǐn)?shù)據(jù)倉庫的其它信息，例如對于信息傳輸系統(tǒng)包括預(yù)約信息、調(diào)度信息、傳送目標(biāo)的詳細(xì)描述、商業(yè)查詢對象，等數(shù)據(jù)倉庫操作型信息例如，數(shù)據(jù)歷史（快照，版本），擁有權(quán)，抽取的審計軌跡，數(shù)據(jù)用法

2/5/2023數(shù)據(jù)訪問和分析工具報表OLAP數(shù)據(jù)挖掘2/5/2023數(shù)據(jù)倉庫設(shè)計自上而下（Top-Down）自底而上（BottomUp）混合的方法數(shù)據(jù)倉庫建模2/5/2023自上而下設(shè)計方法建立企業(yè)數(shù)據(jù)倉庫通用數(shù)據(jù)模型數(shù)據(jù)重新執(zhí)行減少冗余和不一致

詳細(xì)和歷史數(shù)據(jù);

全局?jǐn)?shù)據(jù)知識發(fā)現(xiàn)根據(jù)企業(yè)數(shù)據(jù)倉庫（EDW）建立數(shù)據(jù)集市部門級數(shù)據(jù)倉庫主要為匯總數(shù)據(jù)直接依賴有效的數(shù)據(jù)倉庫本地數(shù)據(jù)集市外部數(shù)據(jù)本地數(shù)據(jù)集市操作數(shù)據(jù)企業(yè)數(shù)據(jù)倉庫2/5/2023自底而上設(shè)計方法創(chuàng)建部門的數(shù)據(jù)集市范圍局限于一個主題區(qū)域快速的ROI--局部的商業(yè)需求得到滿足本部門自治--設(shè)計上具有靈活性對其他部門數(shù)據(jù)集市是一個好的指導(dǎo)容易復(fù)制到其他部門需要為每個部門做數(shù)據(jù)重建有一定級別的冗余和不一致性一個切實(shí)可行的方法擴(kuò)大到企業(yè)數(shù)據(jù)倉庫創(chuàng)建EDB作為一個長期的目標(biāo)局部數(shù)據(jù)集市外部數(shù)據(jù)操作型數(shù)據(jù)(全部)操作型數(shù)據(jù)(局部)操作型數(shù)據(jù)(局部)局部數(shù)據(jù)集市企業(yè)數(shù)據(jù)倉庫EDB2/5/2023數(shù)據(jù)倉庫建?！切湍Ｊ紻ateMonthYearDateCustIdCustNameCustCityCustCountryCust銷售事實(shí)表

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_sales度量ProductNoProdNameProdDescCategoryQOHProductStoreIDCityStateCountryRegionStore2/5/2023數(shù)據(jù)倉庫建?！┗Ｊ?/p>

DateMonthDateCustIdCustNameCustCityCustCountryCustSalesFactTable

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_sales度量ProductNoProdNameProdDescCategoryQOHProductMonthYearMonthYearYearCityStateCityCountryRegionCountryStateCountryStateStoreIDCityStore2/5/2023提綱數(shù)據(jù)倉庫概念數(shù)據(jù)倉庫體系結(jié)構(gòu)及組件數(shù)據(jù)倉庫設(shè)計數(shù)據(jù)倉庫技術(shù)（與數(shù)據(jù)庫技術(shù)的區(qū)別）2/5/2023數(shù)據(jù)倉庫技術(shù)管理大量數(shù)據(jù)能夠管理大量數(shù)據(jù)的能力能夠管理好的能力管理多介質(zhì)（層次）主存、擴(kuò)展內(nèi)存、高速緩存、DASD、光盤、縮微膠片監(jiān)視數(shù)據(jù)決定是否應(yīng)數(shù)據(jù)重組決定索引是否建立得不恰當(dāng)決定是否有太多數(shù)據(jù)溢出決定剩余的可用空間利用多種技術(shù)獲得和傳送數(shù)據(jù)批模式，聯(lián)機(jī)模式并不非常有用程序員/設(shè)計者對數(shù)據(jù)存放位置的控制（塊/頁）數(shù)據(jù)的并行存儲/管理元數(shù)據(jù)管理2/5/2023數(shù)據(jù)倉庫技術(shù)數(shù)據(jù)倉庫語言接口能夠一次訪問一組數(shù)據(jù)能夠一次訪問一條記錄支持一個或多個索引有SQL接口數(shù)據(jù)的高效裝入高效索引的利用用位映像的方法、多級索引等數(shù)據(jù)壓縮I/O資源比CPU資源少得多，因此數(shù)據(jù)解壓縮不是主要問題復(fù)合鍵碼（因?yàn)閿?shù)據(jù)隨時間變化）變長數(shù)據(jù)加鎖管理（程序員能顯式控制鎖管理程序）單獨(dú)索引處理（查看索引就能提供某些服務(wù)）快速恢復(fù)2/5/2023數(shù)據(jù)倉庫技術(shù)其他技術(shù)特征，傳統(tǒng)技術(shù)起很小作用事務(wù)集成性、高速緩存、行/頁級鎖定、參照完整性、數(shù)據(jù)視圖傳統(tǒng)DBMS與數(shù)據(jù)倉庫DBMS區(qū)別為數(shù)據(jù)倉庫和決策支持優(yōu)化設(shè)計管理更多數(shù)據(jù)：10GB/100GB/TB傳統(tǒng)DBMS適合記錄級更新，提供：鎖定Lock、提交Commit、檢測點(diǎn)CheckPoint、日志處理Log、死鎖處理DeadLock、回退Roolback.基本數(shù)據(jù)管理，如：塊管理，傳統(tǒng)DBMS需要預(yù)留空間索引區(qū)別：傳統(tǒng)DBMS限制索引數(shù)量，數(shù)據(jù)倉庫DBMS沒有限制通用DBMS物理上優(yōu)化便于事務(wù)訪問處理，而數(shù)據(jù)倉庫便于DSS訪問分析改變DBMS技術(shù)多維DBMS和數(shù)據(jù)倉庫多維DBMS作為數(shù)據(jù)倉庫的數(shù)據(jù)庫技術(shù)，這種想法是不正確的多維DBMS（OLAP）是一種技術(shù)，數(shù)據(jù)倉庫是一種體系結(jié)構(gòu)的基礎(chǔ)雙重粒度級別（DASD/磁帶）2/5/2023數(shù)據(jù)倉庫技術(shù)其他技術(shù)特征，傳統(tǒng)技術(shù)起很小作用事務(wù)集成性、高速緩存、行/頁級鎖定、參照完整性、數(shù)據(jù)視圖傳統(tǒng)DBMS與數(shù)據(jù)倉庫DBMS區(qū)別為數(shù)據(jù)倉庫和決策支持優(yōu)化設(shè)計管理更多數(shù)據(jù)：10GB/100GB/TB傳統(tǒng)DBMS適合記錄級更新，提供：鎖定Lock、提交Co