三、操作数据存储（ODS ）
在许多情况下，DB-DW的两层体系结构并不适合
企业的数据处理要求。因为，虽然可以粗略地把数据处
理分成操作型和分析型，但这两种处理处理并不是泾渭 分明的。 ODS（Operational Data Store）作为一个中间层次， 一方面，它包含企业全局一致的、细节的、当前的或接
采购子系统
销售子系统
库存子系统
3、数据仓库中的数据组织
数据仓库中的数据分为四个级别：早期细节级，当 前细节级，轻度综合级，高度综合级。
1998~2003年 每季度销售表 1998~2003年 每月销售表 1998~2003年 销售明细表
1985~1998年 销售明细表
DW中还有一类重要的数据：元数据（metedata）。 元数据是“关于数据的数据”（RDBMS中的数据字典
维：人们观察数据的特定角度。
维的层次：人们观察数据的特定角度可能存在细节 程度不同的多个描述方面，我们称其为维的层次。 多维分析的基本动作 上卷:汇总数据
第二类系统仍为支持传统SQL查询的DBMS，但为 了有效地执行OLAP查询而进行了特殊的设计。这些系
统可以看作是为决策支持应用进行了优化的关系数据库
系统。许多关系数据库厂商对他们的产品进行了扩展， 并且随着时间的推移，专门的OLAP系统和支持决策支 持的关系数据库系统之间的差别将逐渐取消。
第三类的分析工具可用于在大量的数据集合中，找 到有意义的数据趋势或者模式，而不是上面提到的复杂 数据查询。在数据分析过程中，尽管分析者能够判定得
销售子系统： 客户（客户号，姓名，地址，电话， … ） 销售（客户号，商品号，数量，单价，日期， … ）
库存子系统： 进库单（编号，商品号，数量，单价，日期， … ） 出库单（编号，商品号，数量，单价，日期， … ） 库存（商品号， 库房号，类别，单价，库存数量， 总金额，日期， … ）
商品主题域： 商品固有信息：商品号，类别，单价，颜色，… 商品采购信息：商品号，类别，供应商号，供应 日期，单价，数量，… 商品销售信息：商品号，客户号，数量，单价， 销售日期， … 商品库存信息：商品号， 库房号，库存数量，日 期， … ）
生命周期符合SDLC 对性能要求高
一个时刻操作一个单元 事物驱动 面向应用 一次操作数据量小 支持日常操作
完全不同的生命周期 对性能要求宽松
一个时刻操作一个集合 分析驱动 面向分析 一次操作数据量大 支持管理需求
数据仓库与决策支持系统（DSS） 用户在进行决策制定时需要得到企业各方面的信 息，因此用户一般首先根据各个业务部门数据库中的 数据，创建数据仓库，存储各种历史信息和汇总信息。 对数据仓库的进一步应用由功能强大的分析工具 来实现。现在主要有三类分析工具可用于决策支持。 第一类能够支持涉及分组和聚集查询，并能够对 各种复杂的布尔条件、统计函数和时间序列分析提供 支持的系统。主要由上述查询组成的应用称为联机分 析处理，即OLAP。在支持OLAP查询的系统中，数据 最好看成是一个多维数组。
近当前的数据，另一方面，它又是一个面向主题、集成
的数据环境，适合完成日常决策的分析处理。
四、数据仓库的实现
数据仓库的工具主要有：数据预处理工具，数据 分析（ OLAP ）工具，数据挖掘工具，OLAP服务器。
数据仓库和OLAP工具基于多维数据模型（在数据 仓库中，通常以多维方式来存储数据。 ）。 基本概念
2、数据仓库的定义及特征
数据仓库理论的创始人W.H.Inmon在其《Building the Data Warehouse》一书中，给出了数据仓库的四个 基本特征：面向主题，数据是集成的，数据是不可更新
的，数据是随时间不断变化的。
采购子系统: 订单（订单号，供应商号，商品号，类别，单价。数 量，总金额，日期， … ） 供应商（供应商号，供应商名，地址，电话，…）
理为主的联机事务处理（OLTP） 应用和以分析处理
为主的DSS应用共存于一个数据库系统时，就会产生
许多问题。
例如，事务处理应用一般需要的是当前数据， 主要考虑较短的响应时间；而分析处理应用需要是历 史的、综合的、集成的数据，它的分析处理过程可能 持续几个小时，从而消耗大量的系统资源。
人们逐渐认识到直接用事务处理环境来支持DSS是 行不通的。要提高分析和决策的有效性，分析型处理及 其数据必须与操作型处理及其数据分离。必须把分析型
数据库技术
第 14 讲 数据仓库
一、基本概念 随着数据库技术的应用普及和发展，人们不再仅 仅满足于一般的业务处理，而对系统提出了更高的要 求：提供决策支持。
何谓数据仓库？
一种面向分析的环境； 一种把相关的各种数据转换成有商业价值的信息 的技术。
1、从数据库到数据仓库
数据库系统能够很好的用于事务处理，但它对分 析处理的支持一直不能令人满意。特别是当以业务处
数据从事务处理环境中提取出来，按照DSS处理的需要
进行重新组织，建立单独的分析处理环境。
数据仓库技术正是为了构建这种新的分析处理环境
而出现的一种数据存储和组织技术。
操作型数据 细节的 在存取瞬间是准确的 可更新 操作需求事先可知道
分析型数据 综合的，或提炼的 代表过去的数据 不更新 操作需求事先不知道
到的数据模式是否有意义，但是生成查询来得到有意义
的模式还是很困难的。例如，分析者查看信用卡使用记 录，希望从中找出不正常的信用卡使用行为，以表明是 被滥用的丢失的信用卡；商人希望通过查看客户记录找
出潜在的客户来提高收益。许多应用涉及的数据量很大，
很难用人工分析或者传统的统计分析方法进行分析，数
据挖掘的目的就是对这种大量数据的分析提供支持。
就是一种元数据）。
数据仓库中的元数据描述了数据的结构、内容、索 引、码、数据转换规则、粒度定义等。
4、数据仓库系统结构
数据仓库 RDBMS 数据文件 其他 分析工具 查询工具
综合数据
当前数据
历史数据
元数据
OLAP工具
DM工具设计
数据仓库的设计分为如下三个阶段： 数据仓库建模 分析主题域 确定粒度层次 确定数据分割策略 构建数据仓库 数据的存储结构与存储策略 DSS应用编程