数据仓库由来自多个异构数据源的数据组成，用于分析报告和决策制定.数据仓库是从不同数据源和应用程序存储数据的中心位置.
数据仓库这个术语最初是由Bill Inmom于1990年发明的.数据仓库始终与数据仓库分开.操作数据库.
DW系统中的数据从操作事务系统加载，如 :
销售
营销
HR
SCM等.
它可以在加载到DW系统进行信息处理之前通过操作数据存储或其他转换.
数据仓库用于报告和分析信息并存储历史和当前数据. DW系统中的数据用于分析报告，后来由业务分析师，销售经理或知识工作者用于决策.
在上图中，您可以看到数据来自多个异构数据源到数据仓库.数据仓库的公共数据源包括 :
运营数据库
SAP和非SAP应用程序
平面文件(xls，csv，txt文件)
BI访问数据仓库中的数据(商业智能)用户，用于分析报告，数据挖掘和分析.这用于业务用户，销售经理，分析师决策以定义未来策略.
这是一个核心数据存储库，其中数据存储在一个或多个异构数据源中. DW系统存储当前和历史数据.通常，DW系统存储5到10年的历史数据. DW系统始终与运营交易系统分开.
DW系统中的数据用于从季度到年度比较的不同类型的分析报告.
数据仓库和运营数据库之间的差异如下 :
操作系统专为已知的工作负载和事务而设计，例如更新用户记录，搜索记录等.但是，数据仓库事务更复杂，提供一般数据形式.
操作系统包含组织的当前数据，数据仓库通常包含历史数据.
操作数据库支持并行处理多个事务.需要并发控制和恢复机制来维护数据库的一致性.
操作数据库查询允许读取和修改操作(插入，删除和更新)OLAP查询只需要对存储数据进行只读访问(Select语句).
数据仓库涉及数据清理，数据集成和数据整合.数据仓库具有3层架构 :
它定义了数据如何进入数据仓库.它涉及各种数据源和操作事务系统，平面文件，应用程序等.
它包含操作数据存储和暂存区域.暂存区域用于执行数据清理，数据转换以及将来自不同源的数据加载到数据仓库.由于多个数据源可用于在不同时区提取，因此暂存区域用于存储数据，稍后将对数据应用转换.
这用于最终用户执行BI报告. BI系统访问DW系统中的数据并用于报告和分析.
下图显示了数据仓库系统的通用架构.
以下是数据仓库的主要特征 :
主题导向 : 在DW系统中，数据由业务主体分类和存储，而不是通过股票计划，股票，贷款等应用程序进行分类和分类.
综合 : 来自多个数据源的数据集成在数据仓库中.
非易失性 : 数据仓库中的数据是非易失性的.这意味着在DW系统中加载数据时，它不会被更改.
时间变量 : 与只包含当前数据的Transactional系统相比，DW系统包含历史数据.在数据仓库中，您可以查看3个月，6个月，1年，5年等数据.
首先，OLTP代表在线交易处理，而OLAP代表在线分析处理
在OLTP系统中，存在大量短的在线事务，例如INSERT，UPDATE和DELETE.
然而，在OLTP系统中，有效的度量是处理时间.短期交易并且非常少.它控制多访问环境中的数据完整性.对于OLTP系统，每秒的事务数量衡量有效性. OLTP数据仓库系统包含当前和详细数据，并在实体模型(3NF)的模式中维护.
例如 :
零售商店中的日常交易系统，每天插入，更新和删除客户记录.它提供更快的查询处理. OLTP数据库包含详细和当前数据.用于存储OLTP数据库的模式是实体模型.
在OLAP系统中，与事务系统相比，事务数量较少.执行的查询本质上是复杂的，涉及数据聚合.
我们使用聚合数据保存表格，例如每年(1行) )，每季度(4行)，每月(12行)左右，如果有人必须进行年度比较，则只处理一行.但是，在未聚合的表中，它将比较所有行.这称为聚合.
可以在OLAP系统中使用各种聚合函数，如Sum，Avg，Max，Min等.
例如 :
SELECT Avg(salary) FROM employee WHERE title = 'Programmer';
这些是OLAP和OLTP系统之间的主要区别.
Indexes : OLTP系统只有很少的索引，而在OLAP系统中有许多性能优化的索引.
Joins : 在OLTP系统中，大量的连接和数据被标准化.但是，在OLAP系统中，连接数较少，并且已经非规范化.
Aggregation : 在OLTP系统中，数据不会聚合，而在OLAP数据库中会使用更多聚合.
Normalization : OLTP系统包含规范化数据，但数据未在OLAP系统中规范化.
数据集市专注于单一功能区域，代表最简单的数据仓库形式.考虑一个包含销售，营销，人力资源和财务数据的数据仓库.数据集市专注于销售或营销等单一职能领域.
在上图中，您可以看到数据仓库和数据集市之间的区别.
事实表表示执行分析的度量.它还包含维键的外键.
例如 : 每次销售都是事实.
| Cust Id | Prod Id | Time Id | Qty Sold |
|---|---|---|---|
| 1110 | 25 | 2 | 125 |
| 1210 | 28 | 4 | 252 |
Dimension表表示维度的特征. Customer维度可以包含Customer_Name，Phone_No，Sex等.
| Cust Id | Cust_Name | Phone | Sex |
|---|---|---|---|
| 1110 | 莎莉 | 1113334444 | F |
| 1210 | Adam | 2225556666 | M |
