想了解数据仓库是什么，请跟着看吧，以下是我个人在项目开发中，学习到的内容，提出与大家分享。

1 数据仓库概述

1.1 从数据库到数据仓库

由数据库（DB）发展到数据仓库（DW）主要在于如下几点：

l 数据太多，信息贫乏：企事业单位建立大量数据库，数据载来载多，而辅助决策信息却很贫乏，如何将大量的数据转化为辅助决策信息成了研究热点。

l 异构环境数据的转换和共享：由于各类数据库产品的增加，异构环境的数据也随之增加，如何实现这些异构环境数据的转换和共享也成了研究的热点。

l 利用数据进行事务处理转变为利用数据支持决策：数据库用于事务处理，若要达到辅助决策，则需要更多的数据。例如，如何利用历史数据的分析来进行预测。对大量数据的综合得到宏观信息等均需要大量的数据。

1.2 数据库与数据仓库对比

1.3 数据字典与元数据

1.3.1 数据库的数据字典

数据库中各类数据描述的集合，它是关于数据库中数据的描述，而不是数据本身。包括数据项、数据结构、数据流、数据存储和处理过程５个部分。其中数据项是最小的组成单位，若干数据项构成数据结构。数据字典对数据项和数据结构的定义来描述数据流、数据存储的逻辑内容。

l 数据项：包括数据名、数据含义说明、类型、长度、取值范围和取值含义等。

l 数据结构：包括数据结构名称、含义说明和数据项组成等。

l 数据流：数据结构在系统内部传输的路径，包括数据流名、说明、数据流来源、数据流去向和平均流量（单位时间传输的次数）等。

l 数据存储：数据结构保存数据的地方，包括数据存储名、说明、编号、输入的数据流、输出的数据流、数据量、存取频度和存取方式（联机处理还是批处理；是检索还是更新；是顺序检索还是随机检索）。

l 处理过程：用于判定表或判定树来描述。数据字典中只需要描述处理过程的说明性信息，通常包括处理过程名、说明、输入、输出和处理（说明该处理过程的功能及处理要求）。

1.3.2 数据仓库的元数据

元数据（meta data）不仅是数据仓库的字典，而且还是数据仓库本身信息的数据，它定义了数据的数据（data about data），即描述数据仓库的数据和环境，它是数据仓库的核心。它不仅定义了数据仓库有什么，还指明了数据仓库中信息的内容和位置，刻画了数据的抽取和转换规则，存储了与数据仓库主题有关的各种商业信息，而且整个数据仓库的运行都是基于元数据的，如数据的修改、跟踪、抽取、装入、综合以及使用等。

1.4 数据仓库概念及特点

数据仓库概念：面向主题的、集成的、稳定的、不同时间的数据集合，用于支持经营管理中决策制定过程。

特点：

1) 面向主题

主题是数据归类的标准，每一个主题基本对应一个宏观的分析领域。例如，保险公司的数据仓库的主题为客户、政策、保险金和索赔等。

基于应用的数据库组织则不同，它的数据只是为了处理具体应用而组织在一起的，保险公司按照应用组织的数据库是汽车保险、生命保险、健康保险和伤亡保险等。

2) 集成的

数据进入数据仓库之前，要进过加工和集成。通常要经过ETL操作。

3) 稳定的

数据仓库中包括大量历史数据。进入到数据仓库的数据极少或根本不更新。

4) 随时间变化的

数据仓库内数据时限在5～10年，故数据的键码包含时间项，并标明数据历史时期，以便适合决策分析时进行时间趋势分析。

而数据库只包含当前的数据有意义，即存储某一时间的正确的有效数据。

5) 数据量很大

数据仓库数据量为10GB级，相当于一般数据库100MB的100倍，大型数据库是一个TB级数据量。

数据仓库中数据量的比重是：索引和综合数据占2/3，原始数据占1/3。

6) 硬件要求较高

需要一个巨大的硬件平台