在了解數(shù)據(jù)倉(cāng)庫(kù)的概念之前，我們需要先來(lái)理解一些相關(guān) 基礎(chǔ)概念。

    
(1) ETL ( Extract/Transformation/Load, 清洗/轉(zhuǎn)換/加載):用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)清洗、轉(zhuǎn)換，最終按照預(yù)先定義好的數(shù)據(jù)倉(cāng)庫(kù)模型，將數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫(kù)中去。

    
(2)元數(shù)據(jù):關(guān)于數(shù)據(jù)的數(shù)據(jù)，指在數(shù)據(jù)倉(cāng)庫(kù)建設(shè)過(guò)程中所產(chǎn)生的有關(guān)數(shù)據(jù)源定義，目標(biāo)定義，轉(zhuǎn)換規(guī)則等相關(guān)的關(guān)鍵數(shù)據(jù)。同時(shí)元數(shù)據(jù)還包含關(guān)于數(shù)據(jù)含義的商業(yè)信息。典型的元數(shù)據(jù)包括:數(shù)據(jù)倉(cāng)庫(kù)表的結(jié)構(gòu)、數(shù)據(jù)倉(cāng)庫(kù)表的屬性、數(shù)據(jù)倉(cāng)庫(kù)的源數(shù)據(jù)(記錄系統(tǒng))、從記錄系統(tǒng)到數(shù)據(jù)倉(cāng)庫(kù)的映射、數(shù)據(jù)模型的規(guī)格說(shuō)明、抽取日志和訪問(wèn)數(shù)據(jù)的公用例行程序等。

    
(3)粒度:數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)單位中保存數(shù)據(jù)的細(xì)化或綜合程度的級(jí)別。細(xì)化程度越高，粒度級(jí)就越小;相反，細(xì)化程度越低，粒度級(jí)就越大。

    
(4)分割:結(jié)構(gòu)相同的數(shù)據(jù)被分成多個(gè)數(shù)據(jù)物理單元。任何給定的數(shù)據(jù)單元屬于且僅屬于一個(gè)分割。

    
(5)數(shù)據(jù)集市:小型的，面向部門(mén)或工作組級(jí)數(shù)據(jù)倉(cāng)庫(kù)。

    
(6) ODS (Operation Data Store,操作數(shù)據(jù)存儲(chǔ)):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打展后得到的一個(gè)混合形式。四個(gè) 基本特點(diǎn):面向主題的、 集成的、可變的、當(dāng)前或接近當(dāng)前的。

    
(7)數(shù)據(jù)模型:邏輯數(shù)據(jù)結(jié)構(gòu)，包括由數(shù)據(jù)庫(kù)管理系統(tǒng)為有效進(jìn)行數(shù)據(jù)庫(kù)處理提供的操作和約束;用于表示數(shù)據(jù)的系統(tǒng)。

    
(8)人工關(guān)系:在決策支持系統(tǒng)環(huán)境中用于表示參照完整性的一種 設(shè)計(jì)技術(shù)。

    
傳統(tǒng)的數(shù)據(jù)庫(kù)技術(shù)在聯(lián)機(jī)事務(wù)處理中獲得了成功，但是無(wú)法滿足隨著市場(chǎng)競(jìng)爭(zhēng)的加劇而帶來(lái)的管理人員對(duì)決策分析數(shù)據(jù)提供的要求。傳統(tǒng)的數(shù)據(jù)庫(kù)系統(tǒng)中缺乏決策分析所需的大量歷史數(shù)據(jù)信息，因?yàn)閭鹘y(tǒng)的數(shù)據(jù)庫(kù)一般只保 留當(dāng)前或近期的數(shù)據(jù)信息。為了滿足中高層管理人員預(yù)測(cè)、決策分析的需要，在傳統(tǒng)數(shù)據(jù)庫(kù)的基礎(chǔ)上產(chǎn)生了能夠滿足預(yù)測(cè)、決策分析需要的數(shù)據(jù)環(huán)境 數(shù)據(jù)倉(cāng)庫(kù)。

    
數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的、 集成的、非易失的、且隨時(shí)間變化的數(shù)據(jù)集合，用于支持管理決策。
大眾觀點(diǎn)的數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)如圖1-8所示。

    (1)數(shù)據(jù)源:是數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的基礎(chǔ)，是整個(gè)系統(tǒng)的數(shù)據(jù)源泉。通常包括企業(yè)內(nèi)部信息和外部信息。內(nèi)部信息包括存放于關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)中的各種業(yè)務(wù)處理數(shù)據(jù)和各類(lèi)文檔數(shù)據(jù)。外部信息包括各類(lèi)法律法規(guī)、市場(chǎng)信息和競(jìng)爭(zhēng)對(duì)手的信息等。

    
(2)數(shù)據(jù)的存儲(chǔ)與管理:是整個(gè)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的核心。數(shù)據(jù)倉(cāng)庫(kù)的真正關(guān)鍵是數(shù)據(jù)的存儲(chǔ)和管理。數(shù)據(jù)倉(cāng)庫(kù)的組織管理方式?jīng)Q定了它有別于傳統(tǒng)數(shù)據(jù)庫(kù)，同時(shí)也決定了其對(duì)外部數(shù)據(jù)的表現(xiàn)形式。要決定采用什么產(chǎn)品和技術(shù)來(lái)建立數(shù)據(jù)倉(cāng)庫(kù)的核心，則需要從數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)特點(diǎn)著手分析。針對(duì)現(xiàn)有各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，進(jìn)行抽取、清理，并有效集成，按照主題進(jìn)行組織。數(shù)據(jù)倉(cāng)庫(kù)按照數(shù)據(jù)的覆蓋范圍可以分為企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)和部門(mén)級(jí)數(shù)據(jù)倉(cāng)庫(kù)(通常稱為數(shù)據(jù)集市)。

    
(3) OLAP服務(wù)器:對(duì)分析需要的數(shù)據(jù)進(jìn)行有效集成，按多維模型予以組織，以便進(jìn)行多角度、多層次的分析，并發(fā)現(xiàn)趨勢(shì)。其具體實(shí)現(xiàn)可以分為: ROLAP、MOLAP和HOLAP。ROLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均存放在RDBMS之中; MOLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均存放于多維數(shù)據(jù)庫(kù)中: HOLAP基本數(shù)據(jù)存放于RDBMS之中，聚合數(shù)據(jù)存放于多維數(shù)據(jù)庫(kù)中。

    
(4)前端工具:主要包括各種查詢工具、報(bào)表工具、分析工具、數(shù)據(jù)挖掘工具以及各種基于數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市的應(yīng)用開(kāi)發(fā)工具。其中數(shù)據(jù)分析工具主要針對(duì)OLAP服務(wù)器，報(bào)表工具、數(shù)據(jù)挖掘工具主要針對(duì)數(shù)據(jù)倉(cāng)庫(kù)。