数据仓库名词解释汇总

数据仓库是指将不同来源、不同格式的数据整合到一起，并对其进行清洗、处理和分析的数据库系统。是为了支持企业决策而开发出的数据管理系统。

下面从不同的角度，对数据仓库的相关名词进行解释。

1. 数据仓库架构

数据仓库架构是指数据仓库的整体设计和组织方式。一般来说，数据仓库的架构分为三层：数据源层、数据存储层和数据应用层。

数据源层：用于收集来自不同数据源的数据。这些数据可以是来自各种关系型数据库、非关系型数据库和各种数据流。

数据存储层：用于存储清洗后的数据，包括数据仓库、数据集市、ODS等。一般来说，数据仓库采用星型/雪花型模型、数据集市采用主题模型、ODS则是对数据进行简单处理，为上层应用提供数据支持。

数据应用层：用于实现不同的数据分析和数据应用，从而为企业决策提供数据支持。

2. 数据仓库建模

数据仓库建模是指在数据仓库设计和开发过程中，对数据仓库领域的实际业务数据进行建模。数据仓库建模一般采用维度建模和标准建模两种方法。

维度建模：将数据按主题进行划分，以事实表为中心围绕维度表展开建模。这种建模方式结构简单，易于理解和使用，适合大部分数据仓库场景。

标准建模：以ER图为基础，按照标准的数据建模方法，把数据仓库建模成多个实体关系模型，每个模型包含多个表。这种建模方式复杂，但对于大型数据仓库和多因素交织的数据场景有很好的适应性。

3. ETL

ETL是数据仓库中的重要环节，指的是提取、转换和加载。它涉及到从数据源的获取、数据的清洗和数据的转换等多个方面。

提取：从数据源中获取需要的数据，并将其发送到转换环节。

转换：对数据进行清洗、过滤、加工等处理，使其符合数据仓库的标准格式或规范。

加载：将处理过的数据导入到数据仓库或数据集市中，以供数据分析和数据应用使用。

4. OLAP

OLAP是一种专门针对数据仓库设计的数据分析技术，主要用于多维数据分析。其最主要的特点是能够快速地响应用户的查询请求。

OLAP本质上是一种面向多维数据的查询和分析技术，它能够提供交互式查询、数据切片、钻取、滚动和旋转等多种查询分析方式。目前主要分为MOLAP（多维数据的存储和计算都在多维存储引擎中完成）、ROLAP（多维数据的计算在关系型数据库中完成）和HOLAP（多维数据的存储在多维存储引擎中，计算在关系型数据库中完成）三种。