數(shù)據(jù)倉庫概述和設(shè)計

1、5/25/2022大數(shù)據(jù)培訓(xùn)-數(shù)據(jù)倉庫概述v講師：楊勇 v2015年7月v電話：133820447285/25/2022數(shù)據(jù)倉庫提綱v 數(shù)據(jù)倉庫概念v 數(shù)據(jù)倉庫體系結(jié)構(gòu)及組件v 數(shù)據(jù)倉庫設(shè)計v 數(shù)據(jù)倉庫技術(shù)（與數(shù)據(jù)庫技術(shù)的區(qū)別）5/25/2022基本概念數(shù)據(jù)倉庫產(chǎn)生背景v 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決策提供支持,為為OLAP、數(shù)據(jù)挖掘深層次的分析提供、數(shù)據(jù)挖掘深層次的分析提供平臺平臺。v 數(shù)據(jù)倉庫是一個和實際應(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)

2、組織體系結(jié)構(gòu)、數(shù)據(jù)組織等方面，均有其自身的特點。5/25/2022基本概念數(shù)據(jù)倉庫定義 數(shù)據(jù)倉庫（Data Warehouse）是一個面向主題的（Subject Oriented ）、集成的（Integrated）、相對穩(wěn)定的（Non-Volatile）、反映歷史變化（Time Variant）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Bill Inmon在1991年出版的“Building the Data Warehouse”（建立數(shù)據(jù)倉庫） 5/25/2022基本概念數(shù)據(jù)倉庫特征Inmon,1996v 面向主題u 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

3、，來源于：定單處理；應(yīng)收帳目；應(yīng)付帳目；）u 典型的主題領(lǐng)域：客戶；產(chǎn)品；交易；帳目u 主題領(lǐng)域以一組相關(guān)的表來具體實現(xiàn)u 相關(guān)的表通過公共的鍵碼聯(lián)系起來（如：顧客標(biāo)識號Customer ID）u 每個鍵碼都有時間元素（從日期到日期；每月累積；單獨日期）u 主題內(nèi)數(shù)據(jù)可以存儲在不同介質(zhì)上（綜合級，細節(jié)級，多粒度）v 集成 數(shù)據(jù)提取、凈化、轉(zhuǎn)換、裝載v 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v 隨時間而變化（時間維）v 管理決策支持5/25/2022基本概念Data Mart, ODSvData Mart 數(shù)據(jù)集市 - 小型的，面向部門或工作組級數(shù)據(jù)倉庫。vOperation Data

4、Store 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 擴展后得到的一個混合形式。四個基本特點：面向主題的(Subject -Oriented)、集成的、可變的、 當(dāng)前或接近當(dāng)前的。5/25/2022基本概念ETL, 元數(shù)據(jù)，粒度，分割vETL（也有ELT） ETL（Extract/Transformation/Load）數(shù)據(jù)裝載、轉(zhuǎn)換、抽取工具。Microsoft DTS; IBM Visual Warehouse etc.v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。v粒度 數(shù)據(jù)倉庫的數(shù)據(jù)單位中

5、保存數(shù)據(jù)的細化或綜合程度的級別。細化程度越高，粒度越小。v分割 數(shù)據(jù)分散到各自的物理單元中去，它們能獨立地處理。5/25/2022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)倉庫數(shù)據(jù)倉庫是通過對來自不同的數(shù)據(jù)源進行統(tǒng)一處理及管理，通過靈活的展現(xiàn)是通過對來自不同的數(shù)據(jù)源進行統(tǒng)一處理及管理，通過靈活的展現(xiàn)方法來幫助決策支持。方法來幫助決策支持。數(shù)據(jù)倉庫最新理解數(shù)據(jù)數(shù)據(jù)信息信息知識知識決策決策獲取管理使用5/25/2022數(shù)據(jù)倉庫提綱v 數(shù)據(jù)倉庫概念v 數(shù)據(jù)倉庫體系結(jié)構(gòu)及組件v 數(shù)據(jù)倉庫設(shè)計v 數(shù)據(jù)倉庫技術(shù)（與數(shù)據(jù)庫技術(shù)的區(qū)別）5/25/2022數(shù)據(jù)倉庫體系結(jié)構(gòu)及組件v 體系結(jié)構(gòu)v ETL工具

6、v 元數(shù)據(jù)庫(Repository)及元數(shù)據(jù)管理v 數(shù)據(jù)訪問和分析工具5/25/2022體系結(jié)構(gòu) 源數(shù)據(jù)庫系統(tǒng)源數(shù)據(jù)庫系統(tǒng)數(shù)據(jù)抽取、轉(zhuǎn)換加載數(shù)據(jù)抽取、轉(zhuǎn)換加載WarehouseAdmin.ToolsExtract, Transformand LoadDataModelingToolCentralMetadata數(shù)據(jù)集市數(shù)據(jù)集市數(shù)據(jù)訪問與分析數(shù)據(jù)訪問與分析中央數(shù)據(jù)倉庫中央數(shù)據(jù)倉庫Central DataWarehouseMid-TierMid-TierDataMartDataMartLocal MetadataLocal MetadataLocal MetadataMetadataExchang

7、eMDBDataCleansingToolRelationalAppl. PackageLegacyExternalRDBMSRDBMS5/25/2022帶ODS的體系結(jié)構(gòu)源數(shù)據(jù)庫系統(tǒng)源數(shù)據(jù)庫系統(tǒng)數(shù)據(jù)抽取、轉(zhuǎn)換、加載數(shù)據(jù)抽取、轉(zhuǎn)換、加載WarehouseAdmin.ToolsExtract, Transformand LoadDataModelingToolCentralMetadata數(shù)據(jù)集市數(shù)據(jù)集市數(shù)據(jù)訪問與分析數(shù)據(jù)訪問與分析中央數(shù)據(jù)倉庫和中央數(shù)據(jù)倉庫和ODSCentral DataWarehouseMid-TierRDBMSDataMartMid-TierRDBMSDataMartLoc

8、al MetadataLocal MetadataLocal MetadataMetadataExchangeODSOLTPToolsDataCleansingToolRelationalAppl. PackageLegacyExternalMDBEnd-UserDW Tools5/25/2022一個實際的數(shù)據(jù)倉庫的完整架構(gòu)數(shù)據(jù)轉(zhuǎn)換數(shù)據(jù)轉(zhuǎn)換中央數(shù)據(jù)倉庫中央數(shù)據(jù)倉庫信息展現(xiàn)信息展現(xiàn)業(yè)務(wù)用戶業(yè)務(wù)用戶源數(shù)據(jù)源數(shù)據(jù)數(shù)據(jù)獲取數(shù)據(jù)獲取數(shù)據(jù)管理數(shù)據(jù)管理數(shù)據(jù)使用數(shù)據(jù)使用項目管理 數(shù)據(jù)倉庫實施指導(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

9、營銷系統(tǒng)營銷系統(tǒng)財務(wù)系統(tǒng)財務(wù)系統(tǒng)物資系統(tǒng)物資系統(tǒng)PMS系統(tǒng)系統(tǒng)抽取轉(zhuǎn)化過濾加載隨即查詢隨即查詢報表報表多維分析多維分析數(shù)據(jù)挖掘數(shù)據(jù)挖掘Portal集成集成RelationalTransformationOLAPData Mining數(shù)據(jù)集市企業(yè)級企業(yè)級EDW直接用戶直接用戶(客戶端客戶端)Olap用戶用戶Web用戶用戶應(yīng)用應(yīng)用服務(wù)器服務(wù)器決策者分析員研究員查詢?nèi)藛T5/25/2022數(shù)據(jù)倉庫的焦點問題-數(shù)據(jù)的獲得、存儲和使用RelationalPackageLegacyExternalsourceDataCleanToolDataStagingEnterprise DataWarehouse D

10、atamartDatamartRDBMSROLAPRDBMSEnd-UserToolEnd-UserToolMDBEnd-UserToolEnd-UserTool5/25/2022ETL工具v 去掉操作型數(shù)據(jù)庫中的不需要的數(shù)據(jù)v 統(tǒng)一轉(zhuǎn)換數(shù)據(jù)的名稱和定義v 計算匯總數(shù)據(jù)和派生數(shù)據(jù)v 估計遺失數(shù)據(jù)的缺省值v 調(diào)節(jié)源數(shù)據(jù)的定義變化 5/25/2022ETL工具體系結(jié)構(gòu)5/25/2022元數(shù)據(jù)庫及元數(shù)據(jù)管理v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。-Alex Berson etc, 1999v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

11、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5/25/2022元數(shù)據(jù)庫及元數(shù)據(jù)管理v 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 支持數(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)的詳細描述、商業(yè)查詢對象，等v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 5/25

12、/2022數(shù)據(jù)訪問和分析工具v 報表v OLAPv 數(shù)據(jù)挖掘5/25/2022數(shù)據(jù)倉庫設(shè)計v 自上而下（Top-Down）v 自底而上（Bottom Up）v 混合的方法v 數(shù)據(jù)倉庫建模5/25/2022自上而下設(shè)計方法v 建立企業(yè)數(shù)據(jù)倉庫H通用數(shù)據(jù)模型通用數(shù)據(jù)模型H數(shù)據(jù)重新執(zhí)行數(shù)據(jù)重新執(zhí)行H減少冗余和不一致減少冗余和不一致 H詳細和歷史數(shù)據(jù)詳細和歷史數(shù)據(jù); 全局數(shù)據(jù)知識發(fā)現(xiàn)全局數(shù)據(jù)知識發(fā)現(xiàn)v 根據(jù)企業(yè)數(shù)據(jù)倉庫（EDW）建立數(shù)據(jù)集市H部門級數(shù)據(jù)倉庫部門級數(shù)據(jù)倉庫H主要為匯總數(shù)據(jù)主要為匯總數(shù)據(jù)H直接依賴有效的數(shù)據(jù)倉庫直接依賴有效的數(shù)據(jù)倉庫外部數(shù)據(jù)外部數(shù)據(jù)操作數(shù)據(jù)操作數(shù)據(jù)企業(yè)數(shù)據(jù)倉庫企業(yè)數(shù)據(jù)倉庫5

13、/25/2022自底而上設(shè)計方法l創(chuàng)建部門的數(shù)據(jù)集市l(wèi)范圍局限于一個主題區(qū)域范圍局限于一個主題區(qū)域l快速的快速的 ROI - 局部的商業(yè)需求得局部的商業(yè)需求得到滿足到滿足l本部門自治本部門自治 - 設(shè)計上具有靈活性設(shè)計上具有靈活性l對其他部門數(shù)據(jù)集市是一個好的對其他部門數(shù)據(jù)集市是一個好的指導(dǎo)指導(dǎo)l容易復(fù)制到其他部門容易復(fù)制到其他部門 l需要為每個部門做數(shù)據(jù)重建需要為每個部門做數(shù)據(jù)重建l有一定級別的冗余和不一致性有一定級別的冗余和不一致性l一個切實可行的方法一個切實可行的方法l擴大到企業(yè)數(shù)據(jù)倉庫l 創(chuàng)建創(chuàng)建EDB作為一個長期的目標(biāo)作為一個長期的目標(biāo)局部數(shù)據(jù)集市局部數(shù)據(jù)集市外部數(shù)據(jù)外部數(shù)據(jù)操作型數(shù)

14、據(jù)操作型數(shù)據(jù) (全部全部)操作型數(shù)據(jù)操作型數(shù)據(jù)(局部局部)操作型數(shù)據(jù)操作型數(shù)據(jù)(局部局部)局部數(shù)據(jù)集市局部數(shù)據(jù)集市企業(yè)數(shù)據(jù)倉庫企業(yè)數(shù)據(jù)倉庫EDB5/25/2022數(shù)據(jù)倉庫建模 星型模式DateMonthYearDateCustIdCustNameCustCityCustCountryCust銷售事實表 Date Product Store Customer unit_sales dollar_sales Yen_sales度量ProductNoProdNameProdDescCategoryQOHProductStoreIDCityStateCountryRegionStore5/25/2022數(shù)據(jù)倉庫建模 雪花模式 DateMonthDateCustIdCustNameCustCityCustCountryCustSales Fact Table Date Product Store Customer unit_sales dollar_sales Yen_sales度量ProductNoProdNameProdDescCategoryQOH