数据仓库的基本架构主要包含的是数据流入

数据仓库的目的是构建面向分析的集成化数据环境，为企业提供决策支持（Decision Support）。其实数据仓库本身并不“生产”任何数据，同时自身也不需要“消费”任何的数据，数据来源于外部，并且开放给外部应用，这也是为什么叫“仓库”，而不叫“工厂”的原因。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，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，它维系着数据仓库中数据的新陈代谢，而数据仓库日常的管理和维护工作的大部分精力就是保持ETL 的正常和稳定。

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。

数据仓库的数据来源

其实之前的一篇文章已经介绍过数据仓库各种源数据的类型——，所以这里不再详细介绍。

对于网站数据仓库而言，点击流日志是一块主要的数据来源，它是

数据仓库技术是基于信息系统业务发展的需要,基于数据库系统技术发展而来,并逐步独立的一系列新的应用技术。

数据仓库

目 录

数据仓库................................................................................................................... 1

目 录 ........................................................................................................................ 1

1.1 产生背景............................................................................................................ 2

1.2 定义....................................................................................................

数据仓库（商业智能）/ETL架构师面试题（20150510）

数据仓库（商业智能）/ETL架构师面试题

1. What is a logical data mapping and what does it mean to the ETL team?

什么是逻辑数据映射？它对ETL项目组的作用是什么？ 答：

逻辑数据映射（Logical Data Map）用来描述源系统的数据定义、目标数据仓库的模型以及将源系统的数据转换到数据仓库中需要做操作和处理方式的说明文档，通常以表格或Excel的格式保存如下的信息： 目标表名： 目标列名：

目标表类型：注明是事实表、维度表或支架维度表。 SCD类型：对于维度表而言。

源数据库名：源数据库的实例名，或者连接字符串。 源表名： 源列名：

转换方法：需要对源数据做的操作，如Sum(amount)等。

逻辑数据映射应该贯穿数据迁移项目的始终，在其中说明了数据迁移中的ETL策略。在进行物理数据映射前进行逻辑数据映射对ETL项目组是重要的，它起着元数据的作用。项目中最好选择能生成逻辑数据映射的数据迁移工具。

2. What are the primary goals of the data discovery ph

介绍了按照POSC 软件集成平台技术进行数据集成、建立数据仓库的方法;数据仓库的总体结构是以POSC数据平台为基础,并基于Epicentre 的多维数据结构;数据集成是从源数据库中抽取数据,根据映射关系,自动把数据调整并加载到POSC 数据仓中;采用4 层结构的元数据模型,实现了可扩充性强的资源管理;按照主题建立的数据集市提供了多策略的数据挖掘手段.

大庆石油学院学报

JOURNALOFDAQINGPETROLEUMINSTITUTE第26卷　第1期　2002年3月Vol.26　　No.1　　Mar.　2002

基于POSC平台的数据仓库

文必龙1,刘贤梅1,郭立君1,张剑光2,苏　斐1

(11大庆石油学院计算机科学系,黑龙江安达　151400;　21大庆石化总厂仪表修造厂,黑龙江大庆　163714)

　　摘　要:介绍了按照POSC软件集成平台技术进行数据集成、建立数据仓库的方法;数据仓库的总体结构是以POSC

数据平台为基础,并基于Epicentre的多维数据结构;数据集成是从源数据库中抽取数据,根据映射关系,自动把数据调整

并加载到POSC数据仓中;采用4层结构的元数据模型,实现了可扩充性强的资源管理;按照主题建立的数据集市提供了

多策略的数据挖掘手段.

Facebook数据仓库揭秘：RCFile高效存储结构

本文介绍了Facebook公司数据分析系统中的RCFile存储结构，该结构集行存储和列存储的优点于一身，在MapReduce环境下的大规模数据分析中扮演重要角色。

Facebook曾在2010 ICDE（IEEE International Conference on Data Engineering）会议上介绍了数据仓库Hive。Hive存储海量数据在Hadoop系统中，提供了一套类数据库的数据存储和处理机制。它采用类 SQL语言对数据进行自动化管理和处理，经过语句解析和转换，最终生成基于Hadoop的MapReduce任务，通过执行这些任务完成数据处理。图1显 示了Hive数据仓库的系统结构。

图1 Hive数据仓库的系统结构

基于MapReduce的数据仓库在超大规模数据分析中扮演了重要角色，对于典型的Web服 务供应商，这些分析有助于它们快速理解动态的用户行为及变化的用户需求。数据存储结构是影响数据仓库性能的关键因素之一。Hadoop系统中常用的文件存 储格式有支持文本的TextFile和支持二进制的SequenceFile等，它们都属于行存储方式。Facebook工程师发表的

Facebook数据仓库揭秘：RCFile高效存储结构

本文介绍了Facebook公司数据分析系统中的RCFile存储结构，该结构集行存储和列存储的优点于一身，在MapReduce环境下的大规模数据分析中扮演重要角色。

Facebook曾在2010 ICDE（IEEE International Conference on Data Engineering）会议上介绍了数据仓库Hive。Hive存储海量数据在Hadoop系统中，提供了一套类数据库的数据存储和处理机制。它采用类 SQL语言对数据进行自动化管理和处理，经过语句解析和转换，最终生成基于Hadoop的MapReduce任务，通过执行这些任务完成数据处理。图1显 示了Hive数据仓库的系统结构。

图1 Hive数据仓库的系统结构

基于MapReduce的数据仓库在超大规模数据分析中扮演了重要角色，对于典型的Web服 务供应商，这些分析有助于它们快速理解动态的用户行为及变化的用户需求。数据存储结构是影响数据仓库性能的关键因素之一。Hadoop系统中常用的文件存 储格式有支持文本的TextFile和支持二进制的SequenceFile等，它们都属于行存储方式。Facebook工程师发表的

微软数据仓库介绍

Moulde Int1rdocuito ton Dat Waarehuosngi

微软数据仓库介绍

oMudle Oervvewi 数据仓库述 概 考 虑据数仓库决解案方

微软数据仓库介绍

Lesso 1:n数据仓库 概述 商难业 题什 么是数仓据库？ 数据 仓库构 架 数据库仓决解案方组 数据仓库件项 目据仓数项库目角色 SQ LerverS作 数为据仓库平

微软数据仓库介绍

台业难题务?

关键 务数据分业在布个业务系统多 找到业务 决策的信是息耗时的和容出易错的 基 的本务问业很题回答

难

微软数据仓库介绍

hWa Is a tDat Waaehouser

? 一集中存个放用报于和数据表信息的器容

常，通一数据个仓:库 含包大量的史历数据优 了化数据询查(而 不是插入更新)和

期定载新加业的务据数企业为务智商解能方决案提依据

微软数据仓库介绍

供DaatWa ehourse Acrhitctuere

Csetrnlizaed aDt aWaehorus

eubHan Spokd Departemntael aDatM atrC

微软数据仓库介绍

moonents po a Dfaa tWreahuoisg nolut

数据仓库

第１２卷第５期２ＯＯ６年５月

计算机集成制造系统

ＣｏｍｐｕｔｅｒＩｎｔｅｇｒａｔｅｄ

Ｖ０１．１２Ｎｏ．５

ＭａｎｕｆａｃｔｕｒｉｎｇＳｙｓｔｅｍｓ

Ｍａｖ２ＯＯ６

文章编号：１００６—５９１１（２００６）０５一０７７２一０５

多数据仓库环境下的主动数据更新算法

孙明，李庆忠

（山东大学计算机科学与技术学院，山东济南２５０１００）

摘要：为了构建支持群体决策的数据仓库，分析了传统数据更新算法及数据仓库模型的局限性，提出了一个支持群体决策的多数据仓库模型。该模型在传统数据仓库模型的数据源和数据仓库之间增加中间处理层，支持灵活的多数据仓库数据更新和管理。基于该模型，给出了支持多数据仓库的主动数据更新算法，并证明了算法的正确性和可行性。实验表明，该算法能够为多数据仓库系统有效地更新群体决策信息。

关键词：群体决策；数据仓库；主动数据更新中图分类号：ＴＰ３１１

文献标识码：Ａ

Ａｃｔｉｖｅｄａｔａｒｅｆｒｅｓｈａｌｇｏｒｉｔｈｍｉｎｍｕｌｔｉ—ｄａｔａｗａｍｈｏｕｓｅ

ＳＵＮＭｉ７ｚｇ，Ｌ工Ｑ锄ｇ一２厩。咒ｇ

（Ｓｃｈ．ｏｆＣｏｍｐｕｔｅｒＳ＆Ｔ，ＳｈａｎｄｏｎｇＵｎｉｖ．，Ｊｉｎａｎ

Ａｂｓｔｒａｃｔ：Ｔｏ

ｃｏｎｓｔｒｕｃｔ

ａ

２５０１００，Ｃｈｉｎａ）

ｄａｔａｗａｒｅｈ

《数据仓库与数据挖掘》作业3

(2015年5月11日前完成)

基本概念（5分）

一、有一销售管理系统，存在如下实体：客户、地区、商品、订单、订单明细，

其具体情况如下：

客户：属性包括：客户编码、客户名称、联系地址 地区：属性包括：地区编号、地区名称 商品：属性包括：商品编号、商品名称、规格

订单：属性包括：订单编号、订单日期、交货日期、订单总金额 订单明细：订单明细号、单价、数量

其语义是：一个客户只属于一个地区，一个地区有多个客户；一个客户可以有多个订单，一个订单只属于一个客户；一个订单有多个订单明细项，一个明细项只属于一个订单；一个明细中只包含一种商品，一种商品可以属于多个订单明细。

1、画出上述系统的E-R图。

2、将E-R图转化为逻辑模型，并标明其主码和外码。（要求一对多的联系合并） 3、根据你建立的逻辑模型，以合理的方式补充数据。

数据仓库建设方案（20分）

二、根据题一所示业务系统结构和数据，构建一个OLAP系统，请：

1、按照星形模型建立数据仓库结构，使之能够分别按地区、商品、日期进行联

机分析处理。

2、写出从业务系统中将数据导入数据仓库的算法。

3、结合上课实例，编写出能按不同维度进行多维分析的程序代码（有界面）。

一、实验内容和目的

目的：

1．理解维（表）、成员、层次（粒度）等基本概念及其之间的关系；

2．理解多维数据集创建的基本原理与流程；

3．理解并掌握OLAP分析的基本过程与方法；

内容：

1．运用Analysis Server工具进行维度、度量值以及多维数据集的创建（模拟案例）。

2．使用维度浏览器进行多维数据的查询、编辑操作。

3．对多维数据集进行切片、切块、旋转、钻取操作。

二、所用仪器、材料（设备名称、型号、规格等）

操作系统平台：Windows 7

数据库平台：SQL Server 2008 SP2

三、实验原理

在数据仓库系统中，联机分析处理（OLAP）是重要的数据分析工具。OLAP的基本思想是企业的决策者应能灵活地、从多方面和多角度以多维的形式来观察企业的状态和了解企业的变化。

OLAP是在OLTP的基础上发展起来的，OLTP是以数据库为基础的，面对的是操作人员和低层管理人员，对基本数据的查询和增、删、改等进行处理。而OLAP是以数据仓库为基础的数据分析处理。它具有在线性（online）和多维分析（multi-dimension analysis）的特点。OLAP超越了一般查询和报表的功能，是建立在一般事务操作之上的另外一种逻辑步骤，因此，它的决策支持能力更