目录 一、数仓 二、维度建模 星型模型 雪花模型 比较 三、Kimball的DW/BI架构 四、独立数据集市架构 五、辐射状企业信息工厂Inmon架构（CIF） 六、混合辐射状架构与Kimball架构...一、数仓 数据仓库的核心是展现层和提供优质的服务。...针对性强，主要应用于数据仓库构建和OLAP引擎低层数据模型。...总线架构 多维体系结构(总线架构) 数据仓库领域里，有一种构建数据仓库的架构，叫Multidimensional Architecture（MD），中文一般翻译为“多维体系结构”，也称为“总线架构”（Bus...一致性维度 在多维体系结构中，没有物理上的数据仓库，由物理上的数据集市组合成逻辑上的数据仓库。而且数据集市的建立是可以逐步完成的，最终组合在一起，成为一个数据仓库。
数据仓库架构分层 数据仓库BI的常见体系架构如下图： ?...数据仓库在BI结构中是属于数据服务层，标准上也可以分为四层：ODS（临时存储层）、PDW（数据仓库层）、DM（数据集市层）和APP（应用层）。 ODS层： ? PDW层： ? DM层： ?...数据仓库在BI结构中各层次的位置如下图所示： ?...为什么数据仓库需要分层： （1）用空间换时间，通过大量的预处理来提升应用系统的用户体验（效率），因此数据仓库会存在大量冗余的数据； （2）如果不分层的话，如果源业务系统的业务规则发生变化将会影响整个数据清洗过程...，工作量巨大； （3）通过数据分层管理可以简化数据清洗的过程，因为把原来一步的工作分到了多个步骤去完成，相当于把一个复杂的工作拆成了多个简单的工作，把一个大的黑盒变成了一个白盒，每一层的处理逻辑都相对简单和容易理解
概述 架构是数据仓库建设的总体规划，从整体视角描述了解决方案的高层模型，描述了各个子系统的功能以及关系，描述了数据从源系统到决策系统的数据流程。业务需求回答了要做什么，架构就是回答怎么做的问题。...数据仓库架构 数据仓库的核心功能从源系统抽取数据，通过清洗、转换、标准化，将数据加载数据仓库中,通过后续加工到BI平台，进而满足业务用户的数据分析和决策支持 ?...平台分为二大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing），OLAP是为数据分析而设计的数据库管理系统...数据架构 数据架构主要描述数据从源系统抽取数据，然后经过清洗、规范化、提交形成标准模型，最终提交给业务用户，以及对数据的管理。...数据仓库架构图 ? ? 数据仓库平台逐步从BI报表为主到分析为主、到预测为主、再到操作智能为目标。 ?
关于数据仓库的概念、原理、建设方法论，网上已经有很多内容了，也有很多的经典书籍，本文更想聊聊企业数据仓库项目上的架构和组件工具问题。 先来谈谈架构。...企业数据仓库架构 关于数据仓库，有一种简单粗暴的说法，就是“任何数据仓库都是通过数据集成工具连接一端的原始数据和另一端的分析界面的数据库”。...许多架构方法以这样或那样的方式扩展数据仓库的能力，我们讲集中讨论最本质的问题，在不考虑过多技术细节的情况下，整个层次架构可以被划分为4层： 原始数据层（数据源） 数据仓库架构形态 数据的采集、收集、清洗和转换...应用分析层 单层架构（直连） 大多数情况下，数据仓库是一个关系型数据库，包含了允许多维数据的模块，或者分为多个易于访问的多主题信息域，最简单的数据仓库只有一层架构。...我知道的国内四大行有3家在用，5大物流公司有4家在用，不少公司在从Teradata 迁移到 GP。
消息队列 来自ActiveMQ、Kafka的数据等 数据仓库层（DW） Data warehouse（数据仓库）。...DW数据分层，由下到上为 DWD,DWB,DWS DWD：data warehouse detail 细节数据层，是业务层与数据仓库的隔离层。...例如：我们经常说的报表数据，或者说那种大宽表，一般就放在这里。 三、阿里数据仓库分层架构 ?...ODS 数据准备层 功能： ODS层是数据仓库准备区，为DWD层提供基础原始数据，可减少对业务系统的影响 建模方式及原则： 从业务系统增量抽取、保留时间由业务需求决定、可分表进行周期存储...OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
正文开始： 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 📷 --E...
数据仓库 维基百科，将数据仓库定义为： “...来自一个或多个不同来源的综合数据的中央存储库。他们存储当前和历史数据，并用于创建高级管理报告的趋势报告，如年度和季度比较。...“ 这是一个非常高层次的定义，它描述了数据仓库的目的，但没有解释如何达到目的。 我会继续添加一个数据仓库有以下属性： 它代表了由主题领域组织的业务的抽象图片。 这是高度转变和结构。...现代数据架构中的数据湖这也是一个相当不精确的定义。我们来添加一个数据湖的一些特定属性： 所有数据都从源系统加载。没有数据被拒绝。 数据以未转换或几乎未转换的状态存储在叶级。...接下来，我们将重点介绍数据湖的五个关键区别以及它们与数据仓库方法的对比。 1. Data Lakes保留所有数据 在开发数据仓库的过程中，花费大量时间分析数据源，了解业务流程和分析数据。...另一方面，Hadoop生态系统非常适用于数据湖方法，因为它可以非常容易地适应和扩展非常大的卷，并且可以处理任何数据类型或结构。
数据仓库概述 1)....相对稳定的 数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询。一旦某个数据进入数据仓库以后，一般情况下将被长期保留。...也就是说数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。 反应时间变化的 数据仓库中的数据通常包括历史和实时数据。...数据仓库架构演进 1). 传统数仓架构 ? 这是比较传统的一种方式，结构或半结构化数据通过离线ETL定期加载到离线数仓，之后通过计算引擎取得结果，供前端使用。...Kappa架构最大的问题是流式重新处理历史的吞吐能力会低于批处理，但这个可以通过增加计算资源来弥补。 5). 混合架构 上述架构各有其适应场景，有时需要综合使用上述架构组合满足实际需求。
---- 典型数据仓库架构图 按自下而上的顺序，分别为 ETL（Extract-Transform-Load）层 ODS（Operational Data Store）层 CDM（Common Dimensional...---- 数据仓库ETL vs ELT ETL 数据仓库ETL主要用于完成数据接入的过程，即从业务系统或其他数据源中提取数据，并进行数据清洗、转换和加载到目的地系统（如数据仓库）中的过程。...---- 数据仓库分层 （1）数据仓库ODS层 数据仓库ODS层也称为操作数据源层，是数据仓库中的一个核心组成部分。...数据仓库ODS层通常采用可靠的数据仓库ETL工具为数据仓库提供数据，以此使源数据和数据仓库之间保持同步。...---- （3）数据仓库ADS层 ADS层也称为数据应用层，其主要功能是保存结果数据，为外部系统提供查询接口，基于数据仓库的数据为企业提供增值应用，并将数据仓库的数据应用于企业决策、报表、分析、控制等领域
因此数据仓库的基本架构主要包含的是数据流入流出的过程，可以分为三层——源数据、数据仓库、数据应用： 从图中可以看出数据仓库的数据来源于不同的源数据，并提供多样的数据应用，数据自上而下流入数据仓库后向上层开放应用...数据仓库从各数据源获取数据及在数据仓库内的数据转换和流动都可以认为是ETL（抽取Extra, 转化Transfer, 装载Load）的过程，ETL是数据仓库的流水线，也可以认为是数据仓库的血液，它维系着数据仓库中数据的新陈代谢...下面主要简单介绍下数据仓库架构中的各个模块，当然这里所介绍的数据仓库主要是指网站数据仓库。...数据仓库的数据存储 源数据通过ETL的日常任务调度导出，并经过转换后以特性的形式存入数据仓库。...最后做个Ending，数据仓库本身既不生产数据也不消费数据，只是作为一个中间平台集成化地存储数据；数据仓库实现的难度在于整体架构的构建及ETL的设计，这也是日常管理维护中的重头；而数据仓库的真正价值体现在于基于其的数据应用上
一、离线数仓大数据架构 1.数仓架构 下面详细说明图中的各个组件及其所起的作用。 图中显示的整个数据仓库环境包括操作型系统和数据仓库系统两大部分。...企业级数据仓库：是该架构中的核心组件。正如Inmon数据仓库所定义的，企业级数据仓库是一个细节数据的集成资源库。其中的数据以最低粒度级别被捕获，存储在满足三范式设计的关系数据库中。...4.Kimball数据仓库架构 Kimball与Inmon两种架构的主要区别在于核心数据仓库的设计和建立。...5.混合型数据仓库架构 所谓的混合型结构，指的是在一个数据仓库环境中，联合使用Inmon和Kimball两种架构。...从架构图可以看到，这种架构将Inmon方法中的数据集市部分替换成了一个多维数据仓库，而数据集市则是多维数据仓库上的逻辑视图。
Hive简介 Hive是什么 Hive 构建在 Hadoop 之上，提供以下功能： 通过类 SQL 指令轻松访问数据的工具，从而实现数据仓库任务，例如：提取/转换/加载(ETL)，报告和数据分析。...换句话来说，Hive 是基于 Hadoop 的一个数据仓库工具，是用来管理数据仓库的。可以将结构化的数据文件映射为一张数据库表，并提供类 sql 的查询功能。...Hive架构 先来看下Hive的架构图，如下图所示。 为了更好地理解 Hive 的架构图，下图以一个实际的例子作为讲解。...总结： 今天分享的内容包含：Hive是什么，Hive所具有的功能和优点，在 Hadoop 大数据生态圈中所饰演的角色，Hive架构等内容。...了解了 Hive 的基本内容和架构后，后续文章会持续更新 Hive 的相关操作和注意事项，以及在大数据测试过程中关于 Hive 的使用。敬请关注~ end
以下主题提供有关数据仓库中架构的信息： 数据仓库中的模式 第三范式 星型模式 优化星形查询 数据仓库中的模式 模式是数据库对象的集合，包括表、视图、索引和同义词。...星型模式 星型模式可能是最简单的数据仓库模式。之所以称之为星型模式，是因为该模式的实体关系图类似于星型，点从中心表辐射。星的中心由一个大的事实表组成，星的点是维度表。...被大量的商业智能工具广泛支持，这些工具可能预期甚至要求数据仓库模式包含维度表。 星型模式用于简单的数据集市和非常大的数据仓库。 图19-2给出了星型模式的图形表示。 ?...也就是说，维度数据已分组到多个表中，而不是一个大表中。例如，星型架构中的产品维度表可以规范化为雪花架构中的产品表、产品类别表和产品制造商表。...知识星球 向大咖提问，近距离接触，或者获得私密分享。 点击加入知识星球【首席架构师圈】 微信圈子 志趣相投的同好交流。
数仓的分层架构 按照数据流入流出的过程，数据仓库架构可分为三层——源数据、数据仓库、数据应用。 ?...数据仓库的数据来源于不同的源数据，并提供多样的数据应用，数据自下而上流入数据仓库后向上层开 放应用，而数据仓库只是中间集成化数据管理的一个平台。...数据仓库从各数据源获取数据及在数据仓库内的数据转换和流动都可以认为是ETL（抽取Extra, 转化 Transfer, 装载Load）的过程，ETL是数据仓库的流水线，也可以认为是数据仓库的血液，它维系着数...用空间换时间，通过大量的预处理来提升应用系统的用户体验（效率），因此数据仓库会存在大量冗余 的数据；不分层的话，如果源业务系统的业务规则发生变化将会影响整个数据清洗过程，工作量巨大。...通过数据分层管理可以简化数据清洗的过程，因为把原来一步的工作分到了多个步骤去完成，相当于把一个复杂的工作拆成了多个简单的工作，把一个大的黑盒变成了一个白盒，每一层的处理逻辑都相对简单和容易理解，这样我们比较容易保证每一个步骤的正确性
数据仓库项目不是技术主导型项目，是一个大的集成项目，更注重方法和流程 数据仓库项目需要持续的建设 数据仓库项目需要持续的持续的成熟评估和改进的建议 不同阶段的实施方法需要技术和业务紧密结合的组织架构的支撑...2.数据仓库架构 2.1.数据设计方法 数据仓库建立之前，就必须考虑其实现方法，通常有自顶向下、自底向上和两者结合进行的这样三种实现方案。...设计方法如下图： 2.3.数据仓库架构选型 数据仓库架构的选取，与其所处的企业环境和业务的发展有着密切的关系：Inmon提倡的数据仓库建设方法，需要数据仓库建设人员自顶向下进行建设，数据仓库开发人员需要在数据仓库建设之前对企业各业务线进行深入的调研...其最简单的描述就是：按照事实表，维表来构建数据仓库、数据集市。这种方法最被人广泛知晓的名字就是星型建模。 上图就是这个架构中最典型的星型架构。...维度表倾向于将列数做的特别大，每个维度用单一的主关键字进行定义，主关键字是确保同与之相连的任何事实表之间存在应用完整性的基础。 维度属性是查询约束条件、成组与报表标签生成的基本来源。
顶级云计算数据仓库展示了近年来云计算数据仓库市场发展的特性，因为很多企业更多地采用云计算，并减少了自己的物理数据中心足迹。...云计算数据仓库是一项收集、组织和经常存储供组织用于不同活动(包括数据分析和监视)数据的服务。 在企业使用云计算数据仓库时，物理硬件方面全部由云计算供应商负责。...如何选择云计算数据仓库服务 在寻求选择云计算数据仓库服务时，企业应考虑许多标准。 现有的云部署。...•用户强调的优势之一是Redshift的性能，它得益于AWS基础设施和大型并行处理数据仓库架构的分布查询和数据分析。...•解耦的Snowflake架构允许计算和存储分别扩展，并在用户选择的云提供商上提供数据存储。 •系统创建Snowflake所谓的虚拟数据仓库，其中不同的工作负载共享相同的数据，但可以独立运行。
marcosanchezayala/data-modeling-the-star-schema-c37e7652e206 本文：http://jiagoushi.pro/node/1025 讨论：请加入知识星球或者微信圈子【首席架构师智库...】 微信公众号 关注微信公众号【首席架构师智库】 微信小号 希望加入的群：架构，云计算，大数据，数据科学，物联网，人工智能，安全，全栈开发，DevOps，数字化，产品转型。...知识星球 向大咖提问，近距离接触，或者获得私密分享。 点击加入知识星球【首席架构师圈】 微信圈子 志趣相投的同好交流。...点击加入微信圈子【首席架构师圈】 喜马拉雅 路上或者车上了解最新黑科技资讯，架构心得。 点击，收听【智能时刻，架构君和你聊黑科技】 知识星球 认识更多朋友，职场和技术闲聊。
一、什么是总线架构？...--《数据仓库工具箱》 二、什么是一致性维度？...业务矩阵编写完成后，应组织多方参与评审，包括业务方、分析人员、架构师、产品经理等，以确定业务矩阵的最终版本。
问题 SQL Server数据仓库具有自己的特征和行为属性，有别去其他。从这个意义上说，数据仓库基础架构规划需要与标准SQL Server OLTP数据库系统的规划不同。...在本文中，我们将介绍在计划数据仓库时应该考虑的一些事项。 解决 SQL Server 数据仓库系统参数 数据仓库本身有自己的参数，因此每个数据仓库系统都有自己独特的特性。...ETL ETL (Extract-Transformation-Load)：是数据仓库的一个基本组件。对于一些数据仓库，每日ETL就足够了。实际上，大多数数据仓库ETL都属于这一类。...有些数据仓库在白天有几个ETL作业，而其他ETL作业将在非高峰时间执行。在一些情况下，一些数据仓库需要实时数据。 从这些参数可以看出，数据仓库系统可以是这些参数的多个复杂性的组合。...负载类型 在分析数据仓库的容量之后，下一步是分析数据仓库的工作负载。数据仓库的典型工作负载是ETL、数据模型和报告。
分层架构很容易在各种书籍和文档中去理解，但是把建模方法和分层架构放在一起就会出现很多困惑了。接下来，我会从数据研发与建模的角度，演进一下分层架构的设计原因与层次的意义。...并且这种情况从数据处理技术发展之初，数据仓库概念提出之前就存在了，现在依然很普遍。集市各自依赖ODS会遇到的多源加工指标不一致的问题逐渐遭人诟病，而造成指标不一致的主要原因重复加工。...因为在数据仓库领域，在数据建模一直有两种争锋相对的观点，就是范式建模还是维度建模。我们在目前大数据这个场景，一般就只提一种方法了，就是维度建模。...ODS+CDM+ADM的架构。...那么问题就在这里出来了，我们全部使用维度模型建模，如何使用范式模型的架构与概念。这也是我们在分层架构设计中目前最难以讲清楚的问题，也是我们实际在项目里面做的很别扭的原因：缺乏理论与实践支撑。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
