數據倉庫

數據倉庫，英文名稱為Data Warehouse，可簡寫為DW或DWH。數據倉庫，是為企業所有級別的決策制定過程，提供所有類型數據支持的戰略集合。它是單個數據存儲，出于分析性報告和決策支持目的而創建。 為需要業務智能的企業，提供指導業務流程改進、監視時間、成本、質量以及控制。

數據倉庫是決策支持系統（dss）和聯機分析應用數據源的結構化數據環境。數據倉庫研究和解決從數據庫中獲取信息的問題。數據倉庫的特征在于面向主題、集成性、穩定性和時變性。數據倉庫 ，由數據倉庫之父比爾·恩門（Bill Inmon）于1990年提出，主要功能仍是將組織透過資訊系統之聯機事務處理（OLTP）經年累月所累積的大量資料，透過數據倉庫理論所特有的資料儲存架構，作一有系統的分析整理，以利各種分析方法如聯機分析處理（OLAP）、數據挖掘（Data Mining）之進行，并進而支持如決策支持系統（DSS）、主管資訊系統（EIS）之創建，幫助決策者能快速有效的自大量資料中，分析出有價值的資訊，以利決策擬定及快速回應外在環境變動，幫助建構商業智能（BI）。

多維數據庫

多維數據庫（Multi Dimensional Database，MDD）可以簡單地理解為：將數據存放在一個n維數組中，而不是像關系數據庫那樣以記錄的形式存放。因此它存在大量稀疏矩陣，人們可以通過多維視圖來觀察數據。

多維數據庫是指將數據存放在一個門維數組中，而不是像關系數據庫那樣以記錄的形式存放。因此它存在大量稀疏矩陣，人們可以通過多維視圖來觀察數據。多維數據庫增加了一個時間維，與關系數據庫相比，它的優勢在于可以提高數據處理速度，加快反應時間，提高查詢效率。

數據倉庫和多維數據庫的區別

數據倉庫中廣泛采用的數據庫設計模型有兩種：關系型和多維型。普遍認為在數據倉庫的設計方法中關系模型是“Inmon”方法而多維模型是“Kimball”方法。

先來看下關系模型，關系型數據以一種稱為“標準化”的形式存在。數據標準化是指數據庫設計會使數據分解成非常低的粒度級，標準化數據以一種孤立模式 存在，這種情況下對數據表里的數據關系要求很嚴格。一般遵循3NF范式。采用關系型設計的數據庫一般具有較強的靈活性和多功能性（可以支持數據的多種視 圖）。

再來看下多維模型，多維模型一般有星型模式、雪花模式、混雜模式（又叫星系模式）。多維模型設計的最大優點在于訪問的高效性。

兩種模型的區別

作為數據倉庫設計的基礎，星形連接和關系型結構兩者之間存在很多不同。最重要的區別是在靈活性和性能方面。關系模型具有高靈活性，但是對用戶來說在性能方面卻不是很理想的。多維模型在滿足用戶需求方面是非常高效的，但是靈活性不好。

另一重要區別在于設計的范圍不同。必然地，多維設計只能在有限的范圍內進行，也就是說，數據庫設計只能在一組請求過程下得到最優化。如果所有不同組請求全部加入到設計當中，最優化變得毫無意義。

當使用關系模型時，在性能方面沒有特別的優化方法。既然關系模型要求數據以最低粒度級存儲，那么就可以無限制地添加新數據。很顯然，添加數據到關系 模型永遠也不會停止。正因為這樣，關系模式適合大范圍數據（如一個企業模型），而多維模型適用于小范圍數據（如一個部門或甚至一個子部門）。

區別的起源：

關系環境是通過起源數據模型設計出來的。多維模型是根據最終用戶的請求塑造的。換句話說，關系模型通過純數據模型和其他模式設計，而多維模型通過處理請求塑造。

在適用性方面：由于關系模型通過抽象數據形成，所以模型自身非常靈活。但這種靈活性，對于直接數據訪問的執行卻不是最優化的。如果想得到一個高性能的關系模型，最佳方法是從模型中抽取出數據，并重新構造一種適合于快速訪問的模式。

多維模型在直接訪問數據方面是快速而高效的。從體系結構觀點來看，在數據倉庫設計基礎方面關系模型是更好地支持數據倉庫的模式，其原因是，數據倉庫需要根 據不同的議程和多種觀察數據的方式來支持許多不同的用戶組。也就是說，數據倉庫對于訪問已給定的用戶并不是最佳的。相反，數據倉庫可以以多種方式支持多個 不同的用戶。

關系模式，數據以最低粒度級和標準化形式存儲；關系表間的關系已經定義好并且包含一個含有外鍵的關鍵字表；新表可以對關系表中的基本數據集定義新的 匯總和篩選標準；也就是說可以很簡單以一種形式創建關系表，再以另一種形式重新塑造這些表，這樣做對于數據倉庫環境來說是非常理想的。

此外，關系模式支持將來未知的需求、支持適度變化的需求方面具有多維模型無法比擬的優勢。

因此根據上面討論過的原因可以看出：關系模型對數據倉庫是理想的基礎，而星形連接對于數據集市是最佳的。

獨立集市和從屬集市的區別：

獨立集市是指直接通過歷史應用創建的數據集市。建立獨立數據集市不需要有“全局思想”考慮。

與獨立數據集市相對應的是從屬數據集市。從屬數據集市是利用來自數據倉庫的數據建立的。它的數據源不依賴與歷史數據或操作型數據，只依賴于數據倉庫。總之，從屬數據集市要求有預先的計劃、長期的觀察、全局的分析和企業各不同部門對需求分析的合作與協調。

建立多個獨立數據集市后，很快用戶就會發現數據集市之間的信息不統一，也不同步，而且每增加一個數據集市就會出現不斷增長的細節數據冗余的問題，需要大量的資源來建立接口程序，維護這些程序也變成了負擔。因此獨立數據集市不適合與解決企業中的信息問題。

當然，如果企業采用了從屬數據集市，并在建立任何數據集市之前先創建了一個數據倉庫，那么，獨立數據集市固有的哪些體系結構方面的問題就不會出現了。

換句話說，獨立數據集市表示的是不需要顧及全局及全景的一個短期的、有限范圍的解決方法。另一方面，從屬數據集市則要求一個長期和全局的展望。但是獨立數據集市不能為企業信息提供一個堅實的基礎，而從屬數據集市確能為信息決策提供了一個真正的長期基礎。