数据仓库入门.ppt

Data Warehouse overview 数据仓库管理的历史时期 人工管理方式： 这一时期是在20世纪50年代中期以前，这一阶段的计算机应用主要用于科学计算，外存只有纸带、磁带、卡片等，数据处理的方式基本上是批处理。这一时期数据管理的特点是：数据不保存；没有专用的数据管理软件，每个应用都必须自己完成存储结构、存取方法、输入输入输出等数据管理功能；一组数据对应一个应用，这使得程序之间可能有重复的数据。 文件系统管理 这一阶段在20世纪50年代后期至60年代中后期，计算机应用开始用于信息管理，由于数据存储、检索和维护等需求，使得相应的研究开展起来了，在硬件和软件方面都得到了发展，磁盘磁鼓出现，操作系统也产生。这一时期数据管理的特点主要是：： 数据保存，数据可以长期保存在磁盘上； 有操作系统的文件管理系统，文件结构化，数据的物理结构和逻辑结构有了区别； 有了存储文件后，数据可以不再仅仅属于某一个应用，而能进行一定程度的复用。 但文件系统在数据管理方面存在缺陷，表现在数据冗余度大，数据和程序之间缺乏独立性，容易造成数据的不一致性。 数据库系统（60年代末开始） 数据仓库的发展的动力 业务需求驱动 主要是详细的分析 科学的经营 市场活动的细化和实施等 数据驱动 数据量不断扩大 没有数据仓库等相关技术很难全面了解企业 项目驱动 数据仓库定义 Inmon的定义： DataWarehouse is a subject-oriented,integrated,time-variant, and nonvolatile collection of data in support of management’s decision making process 数据仓库的特点 数据仓库的数据是面向主题的 数据仓库的数据是集成的 数据仓库的数据是与时间相关的 数据仓库的数据是稳定的 简单的数据仓库架构 数据仓库实际应用例子 数据集成 企业全面的经营数据 OLTP分散在各个不同系统中（事件独立） 银行：卡、储蓄、信贷、会计、中间业务等等系统 BOSS＋增值业务＋财务 集成数据 建立关联 事件关联（业务之间是相互关联） 客户数据统一 历史数据 大量历史数据的保存问题 中国建设银行一个中等规模的省产生每天的交易详细记录大约200M 通常在业务系统中只保存当日数据 历史数据查询困难 数据仓库数据处理流程 ETL简述 ETL定义 ETL: Extract-Transform-Load 数据抽取（Extract）、转换（Transform）、装载（Load）的过程。 ETL是BI/DW的核心和灵魂，按照统一的规则集成并提高数据的价值，是负责完成数据从数据源向目标数据仓库转化的过程，是实施数据仓库的重要步骤 ETL应用过程 数据抽取 抽取主要是针对各个业务系统及不同网点的分散数据，充分理解数据定义后，规划需要的数据源及数据定义，制定可操作的数据源，制定增量抽取的定义。 (数据源和文件等多种形式) 数据传输 数据传输是通过网络负责把远程的数据到本地目录下。 ETL应用过程 数据的清洗和转换 转换主要是针对数据仓库建立的模型，通过一系列的转换来实现将数据从业务模型 到分析模型，通过内建的库函数、自定义脚本或其他的扩展方式，实现了各种复杂的 转换，并且支持调试环境，清楚的监控数据转换的状态。数据转换是真正将源数据变为目标数据的关键环节，它包括数据格式转，换数据类型转换、数据汇总计算、数据拼接等等。 清洗主要是针对系统的各个环节可能出现的数据二义性、重复、不完整、违反业务 规则等问题，允许通过试抽取，将有问题的纪录先剔除出来，根据实际情况调整相应 的清洗操作。 ETL应用过程 数据加载入库 数据加载主要是将经过转换和清洗的数据加载到数据仓库里面，即入库，可以通过数据文件直接装载或直连数据库的方式来进行数据装载，可以充分体现高效性 ETL调度 ETL的调度控制方式有两种： 自动方式 由系统每天定时或准实时启动后台程序，自动完成数据仓库ETL处理流程。 手动方式 用户可以通过前台监控平台，对单个目标或批量目标进行手工调度。 ETL应用过程 监控 主要是监控ETL的整个过程，通过扫描ETL各模块的日志中的关键值，如记录时间等信息与当前的状态作比较，如果超过某一个值，则认为该模块运行可能出现问提，应告警。 ETL工具框架 OLAP简述 OLAPOLTP(on-line transaction processing) 什么