数据库与数据仓库的区别是什么

咱们知道，大部分公司都拥有了本身的财务，OA，CRM 等系统。这些系统都有本身的独立数据库，记录着企业运行状况某个方面的数据。可是单独看这些系统的报表，并不必定能对企业运行状况有全面客观的了解。就像只凭身高不能判断一我的是否健康，因此体检的时候咱们须要化验许多指标，作各类检测，就是为了对身体状况有更全面的了解，做出更准确的判断。

一样对一个企业，不能仅根据出勤率就判断一我的的绩效高低，由于你不知道他的工做成果状况。仅根据财务报表输入支出也体现不了各部门的收益状况，这个部门有多少工做人员，完成了哪些任务你也不知道。正式因为这种需求，产生了OLAP（Online analytical processing ）应用，在创建了聚集各系统数据的数据仓库后，OLAP应用能够快速解析多维的查询分析，针对查询出的数据，用户也能够方便的进行钻取，如查询出了年度数据，能够很方便的查看月度数据；查询好地区的数据，能够再看相应城市的数据，还能够显示相应的趋势图，柱状图，饼图等，从而给决策者的判断提供有效的数据支持。

1、数据抽取（底层）

咱们作饭以前，先要从菜场各个摊位去买咱们须要的原材料，如青菜，番茄，鸡蛋，和鱼，而后把菜上的老叶子去掉，鱼鳞和内脏去掉，洗干净。创建OLAP应用以前，咱们要想办法把各个独立系统的数据抽取出来，通过必定的转换和过滤，存放到一个集中的地方，成为数据仓库。这个抽取，转换，加载的过程叫ETL（Extract， Transform，Load）.相应的开发工具Oracle有DataStage，微软有SQL Server Integration Services，Pentaho有Kettle。这些ETL工具通常都支持图形化流程建模，文本文件映射导入，XML,XSLT,可执行SQL，javascript等。

2、数据建模（中间层）

材料准备好后，咱们要规划他们能够作出什么样的菜。首先咱们选择主要材料：如鱼，一样是鱼，能够有多种烧法，红烧，清蒸，油炸，水煮。不一样的烧法还要搭配相应的辅助材料，如红烧必定要酱油和葱姜。想好了菜单，实际上就已经把这些原材料按不一样的组合创建了必定的关系。对于OLAP应用，也要根据客户需求，咱们对数据仓库中这些物理存在的表要进行逻辑建模，以某些重要的事实数据（如销售数据）为核心，创建与其余物理表（维度表）之间的业务关系。如销售数据跟部门表，客户表之间的关系。事实和维度之间的组合，就创建了未来作多维查询的基础。建模过程造成的结果在各中平台上的叫法不同，如BO的叫Universe，Oracle中叫Cube，SqlServer2005的叫统一维度模型UDM，开源Pentaho中也叫Cube。相应的开发工具BO有Business Objects Crystal Decisions，Oracle有 Analytic WorkspaceManager ，SqlServer2005有BusinessIntelligence Development Studio，Pentaho有Schema Workbench。相对其余商业产品，Schema Workbench比较简单，也没有和软件开发平台如Eclipse集成在一块儿。

3、多维查询（服务层和应用层）

准备好了原材料和相应的菜单，接下来就是根据要求烧菜了。这当中须要有一种表达需求的语言，例如一样是这个红烧鱼，有的人但愿甜一些，有些人不喜欢放葱。若是有一个标准的语言描述这种执行要求，就能保证烧的菜符合你的口味了。一样，有了表达逻辑关系的模型Cube，数据仓库中也导入了业务数据，咱们还要告诉执行引擎如何取得咱们真正所要的数据。这个查询语言就是MDX(Multidimensional Expression)，它是微软在1997年首次提出，并为多家厂商采用。

4、应用分析（应用层）

烧好了菜，还要决定如何上菜，是用碗，用盘子仍是砂锅，这些都要根据所作的菜式和客户要求。MDX查询返回的是多维数据，普通的二维表很难表现超过2个维度的数据，若是要进行数据的钻取等操做更是难上加难。各厂家的技术平台都有想应的实现技术。比较底层的界面表现技术Oracle 有Business Intelligence Beans，开源的有JPivot，这些须要开发相应的展现页面和维护界面，但能够和已有的系统紧密结合。另外为了方便用户使用和维护，也有作成可运行程序的系统平台。如Oracle有Oracle Business IntelligenceFoundation，开源的有SpagoBI，Pentaho BI Platform等。这些系统都有完整的DashBoard，多维查询，报表等功能，使用维护都比较方便，缺点就是比较庞大笨重。

用户需求决定了如何设计模型和数据仓库，数据模型又是描述数据仓库的逻辑关系，而数据模型和数据仓库的某些技术限制也可能影响用户需求的实现。这三者之间是相互依存和影响着的。而MDX查询，又是这三者之间的粘合剂，它表达了用户的需求，通过OLAP引擎的解析，根据数据模型的描述，从数据仓库找到所须要的数据。