前言
写点数据仓库（DW）的一些常用知识,架构等方面。加深基本功，保持进阶的心。
典型架构
基本概念
- 数据仓库
数据仓库是一个面向主题的、集成的、非易失的（nonvolatile）、随时间变化的（time-variant）用来支持管理人员决策的数据集合。
—-William H.Inmon
以上也是数据仓库区别于业务系统的4个特征。
- OLAP
联机分析处理（On-line Analytical Processing），该概念由数据库创始人E. F. Codd于1993年提出。OLAP理事会（OLAP Council）进一步完善：OLAP是一种软件技术，它使分析人员、经理和执行官能够迅速、一致、交互的从各方面观察信息，以达到深入理解数据的目的。
- OLTP
联机事务处理（On-line Transaction Processing）
- ODS
操作数据存储（Operational Data Store, 简称ODS）。在数据仓库系统中，ODS存储了原始数据经过集成统一后的数据。
- DW
数据仓库（Data Warehouse，简称DW）。在数据仓库系统中，DW数据库存储了整个企业的所有历史数据，是狭义上的数据仓库。DW数据库需要满足企业数据分析的各种需求，以及各个部门建设数据集市的需求，通常存储企业的基础数据和通用数据。
- 数据集市(Data Market)
数据集市是指针对特定部门和主题的小型数据仓库，数据从DW中获取。
- ETL
ETL（Extract，Transform，Load）表示抽取、转换和装载，数据从多个同构或异构的数据源抽取出来，经过自定义的转换操作，最终装载进入目标表的过程叫做一次ETL。ETL是数据进入ODS、DW、Data Market的主要方式。
建模方法
- 维度建模法（Dimensional Modeling）
Ralph Kimball主张。
维度建模以分析决策的需求为出发点构建模型，一般有较好的大规模复杂查询的响应性能，更直接面向业务，典型的代表是我们比较熟知的星形模型，以及在一些特殊场景下适用的雪花模型。
- 实体-关系建模（Entity-Relationship Medeling）
实体-关系建模也叫做第三范式建模（Third Normal Form, 3NF）,是William H.Inmon主张的一种数据仓库建模方法。
用实体加关系描述的数据模型描述企业业务架构，在范式理论上符合3NF，其是站在企业角度进行面向主题的抽象，而不是针对某个具体业务流程的，它更多是面向数据的整合和一致性治理，正如Inmon所希望达到的“single version of the truth”。
数据与建模
OLAP中roll-up和drill-down和slicing？
真正好的建模，应该契合这些功能转换。见过Tableau做的很好，但不算是OLAP系统自带的功能。
数仓进化史
比较推荐这篇文章：从数据仓库到大数据，数据平台这25年是怎样进化的？
在架构方面，偏理论一点的文章：大数据分析的下一代架构–IOTA
