数据仓库 - 概念
什么是数据仓库？
数据仓库是构建和使用数据仓库的过程。数据仓库是通过集成来自多个异构源的数据来构建的，这些数据支持分析报告、结构化和/或即席查询以及决策。数据仓库涉及数据清理、数据集成和数据整合。
使用数据仓库信息
有一些决策支持技术可以帮助利用数据仓库中的可用数据。这些技术可帮助管理人员快速有效地使用仓库。他们可以收集数据、分析数据，并根据仓库中的信息做出决策。仓库中收集的信息可用于以下任何领域 -
调整生产策略- 通过比较季度或年度销售额来重新定位产品和管理产品组合，可以很好地调整产品策略。
客户分析- 客户分析是通过分析客户的购买偏好、购买时间、预算周期等来完成的。
运营分析- 数据仓库还有助于客户关系管理和环境纠正。这些信息还使我们能够分析业务运营。
集成异构数据库
为了集成异构数据库，我们有两种方法 -
- 查询驱动方法
- 更新驱动方法
查询驱动方法
这是集成异构数据库的传统方法。这种方法用于在多个异构数据库之上构建包装器和集成器。这些积分器也称为中介器。
查询驱动方法的流程
当向客户端发出查询时，元数据字典会将查询转换为适合所涉及的各个异构站点的适当形式。
现在这些查询被映射并发送到本地查询处理器。
来自异构站点的结果被集成到全局答案集中。
缺点
查询驱动的方法需要复杂的集成和过滤过程。
这种方法效率非常低。
对于频繁的查询来说，这是非常昂贵的。
对于需要聚合的查询来说，这种方法的成本也非常高。
更新驱动方法
这是传统方法的替代方案。今天的数据仓库系统遵循更新驱动的方法，而不是前面讨论的传统方法。在更新驱动方法中，来自多个异构源的信息被预先集成并存储在仓库中。这些信息可供直接查询和分析。
优点
这种方法具有以下优点 -
这种方法提供了高性能。
数据预先在语义数据存储中进行复制、处理、集成、注释、总结和重组。
查询处理不需要接口来处理本地源的数据。
数据仓库工具和实用程序的功能
以下是数据仓库工具和实用程序的功能 -
数据提取- 涉及从多个异构源收集数据。
数据清理- 涉及发现并纠正数据中的错误。
数据转换- 涉及将数据从遗留格式转换为仓库格式。
数据加载- 涉及排序、汇总、合并、检查完整性以及构建索引和分区。
刷新- 涉及从数据源到仓库的更新。
注- 数据清理和数据转换是提高数据和数据挖掘结果质量的重要步骤。