数据仓库系统的体系结构.doc

体系结构 数据源 　　是数据仓库系统的基础，是整个系统的数据源泉。通常包括企业内部信息和外部信 息。内部信息包括存放于RDBMS中的各种业务处理数据和各类文档数据。外部信息包括各 类法律法规、市场信息和竞争对手的信息等等； 数据的存储与管理 　　是整个数据仓库系统的核心。数据仓库的真正关键是数据的存储和管理。数据仓库 的组织管理方式决定了它有别于传统数据库，同时也决定了其对外部数据的表现形式。 要决定采用什么产品和技术来建立数据仓库的核心，则需要从数据仓库的技术特点着手 分析。针对现有各业务系统的数据，进行抽取、清理，并有效集成，按照主题进行组织 。数据仓库按照数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库（通常称为 数据集市）。 OLAP(联机分析处理)服务器 　　对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次 的分析，并发现趋势。其具体实现可以分为：ROLAP（关系型在线分析处理）、MOLAP（ 多维在线分析处理）和HOLAP（混合型线上分析处理）。ROLAP基本数据和聚合数据均存 放在RDBMS之中；MOLAP基本数据和聚合数据均存放于多维数据库中 数据仓库系统的体系结构是构建高效数据管理和分析平台的关键。它主要由四个核心组成部分构成：数据源、数据的存储与管理、OLAP（联机分析处理）服务器和前端工具与应用。 1. 数据源：数据仓库系统的基础是数据源，涵盖企业内部和外部信息。内部信息包括业务处理数据（如存在于RDBMS中的数据）和文档数据，而外部信息涉及法规、市场动态、竞争情报等。这些数据为分析和决策提供了基础。 2. 数据的存储与管理：这是系统的中心，负责数据的存储和组织。不同于传统的数据库，数据仓库强调数据的整合、清洗和主题组织。根据覆盖范围，数据仓库可分为企业级和部门级，即数据集市。存储技术的选择需考虑数据仓库的特性，如数据抽取、转换、加载（ETL）过程，以及使用何种数据库技术，如关系型数据库或多维数据库。 3. OLAP服务器：它的主要任务是将数据集成到多维模型中，便于多角度、多层次的分析。OLAP有三种实现方式：ROLAP基于关系数据库，MOLAP使用多维数据库，而HOLAP结合了两者，分别处理基本数据和聚合数据。 4. 前端工具与应用：这些工具包括数据分析、报表生成、查询工具和数据挖掘工具，它们帮助用户访问和理解数据仓库中的信息，实现决策支持。根据应用需求，数据仓库系统可采用不同架构，如两层架构、独立型数据集市、依赖型数据集市与操作型数据存储，以及逻辑型数据集市和实时数据仓库。 数据仓库的开发是持续的过程，涉及数据的生命周期管理，包括数据的安全性、归档、备份、维护和恢复。此外，系统需要随着业务需求和数据量的增长进行调整和优化，确保信息能够及时有效地传递给决策者，从而发挥其在企业决策中的价值。