數(shù)據(jù)倉庫

互聯(lián)網(wǎng)和大規(guī)模技術(shù)開發(fā)使得當(dāng)今世界中數(shù)據(jù)的爆炸性增長。企業(yè)決策者希望研究數(shù)據(jù)之間的關(guān)系，點擊數(shù)據(jù)的隱藏功能并分析和探索更深層次的數(shù)據(jù)。

但在企業(yè)的不同數(shù)據(jù)庫之間，數(shù)據(jù)共享是不可能的，由于同一企業(yè)中的多個數(shù)據(jù)庫，數(shù)據(jù)庫之間的集成具有大量挑戰(zhàn)，特別是在巨大數(shù)據(jù)的合并和存儲方面

操作數(shù)據(jù)庫可以分散在Microsoft SQL Server數(shù)據(jù)庫或Oracle數(shù)據(jù)庫周圍，數(shù)據(jù)倉庫目標(biāo)是提取多個數(shù)據(jù)庫并累積從數(shù)百個千兆字節(jié)的數(shù)據(jù)進行處理，以便根據(jù)所需格式，進程進入必要的轉(zhuǎn)換，清潔，清潔，最后將數(shù)據(jù)加載到倉庫中。

根據(jù)IBM研究人員(Barry devlin和Paul Murphy)“數(shù)據(jù)倉庫是一個主題導(dǎo)向的，集成，相對穩(wěn)定的數(shù)據(jù)收集，反映了歷史變化，用于支持管理決策”

• By Nature，數(shù)據(jù)倉庫用于補充管理的決策，它被用作業(yè)務(wù)數(shù)據(jù)操作的分析，但它與企業(yè)的運營數(shù)據(jù)庫不同。
• 數(shù)據(jù)倉庫是將多個異構(gòu)數(shù)據(jù)源的有效集成和管理到一個存儲庫中，它是在歷史數(shù)據(jù)方面組織的，并且在數(shù)據(jù)倉庫中，不需要對數(shù)據(jù)的交易修改。

在數(shù)據(jù)倉庫出現(xiàn)后，企業(yè)的信息需求已經(jīng)遠離關(guān)系數(shù)據(jù)庫到?jīng)Q策支持系統(tǒng)。該決策支持系統(tǒng)實際上是我們稱為商業(yè)智能(BI)。

數(shù)據(jù)庫

與數(shù)據(jù)倉庫數(shù)據(jù)集合的比較可以被理解為“小數(shù)據(jù)倉庫”，它不是根據(jù)異構(gòu)數(shù)據(jù)庫，而是僅在單個操作數(shù)據(jù)庫實例上，數(shù)據(jù)范圍不夠?qū)挕?/p>

數(shù)據(jù)集市專門針對數(shù)據(jù)集市的特定業(yè)務(wù)運營(銷售，生產(chǎn))用戶快速找到所需的數(shù)據(jù)，在數(shù)據(jù)集市中，您只需要設(shè)計和構(gòu)建數(shù)據(jù)庫表，填充數(shù)據(jù)庫表與相關(guān)數(shù)據(jù)，決定誰可以訪問數(shù)據(jù)集。

數(shù)據(jù)集市可分為兩種類型：

• 第一個是獨立數(shù)據(jù)集市，ETL架構(gòu)和數(shù)據(jù)庫的來源屬于一個實體。
• 第二個是依賴數(shù)據(jù)集市，在這種類型的數(shù)據(jù)集市中，進入數(shù)據(jù)主要來自其他來源，主要來自數(shù)據(jù)倉庫。Datamart可以簡單地為用戶提供數(shù)據(jù)倉庫的信息子集。

數(shù)據(jù)湖

它與自然狀態(tài)的流動水有多像流動的水，數(shù)據(jù)流從多個源系統(tǒng)到這個湖，用戶可以獲得他們想要的特定數(shù)據(jù)，驗證，彌補和其他雙務(wù)任務(wù)將在數(shù)據(jù)湖外執(zhí)行。

數(shù)據(jù)湖可以以以下功能實現(xiàn)的方式開發(fā)：

• 它將導(dǎo)入來自源系統(tǒng)的所有數(shù)據(jù)，源系統(tǒng)沒有數(shù)據(jù)丟失。
• 數(shù)據(jù)存儲在其原始狀態(tài)下，而不會轉(zhuǎn)換原始數(shù)據(jù)。
• Data Lake Schema準(zhǔn)確符合數(shù)據(jù)分析要求。
• 數(shù)據(jù)湖有鎖，控制和治理

操作數(shù)據(jù)存儲

操作數(shù)據(jù)存儲(ODS)是用于交易處理數(shù)據(jù)的數(shù)據(jù)庫，ODS中的數(shù)據(jù)主要是原始數(shù)據(jù)，來自O(shè)DS的數(shù)據(jù)總是向數(shù)據(jù)倉庫或數(shù)據(jù)集市移出以進行進一步處理。在ODS中，您可以查詢數(shù)據(jù)，只能訪問業(yè)務(wù)運營中的最新開發(fā)

原文鏈接：

https://medium.com/dataprophet/data-warehouse-data-mart-data-lake-and-operational-data-storage-3a69f8701466