标题中提到的“基于数据仓库系统的数据获取方案”，描述了在构建数据仓库时，数据获取是一项极其重要的任务。数据仓库（Data Warehouse）是存储大量历史数据以供分析的系统，这些数据通常来源于多个、不同格式的操作型数据库（OLTP），例如销售记录、财务数据等。由于这些数据仓库需要处理跨平台、大规模、多样的数据，因此如何实现从OLTP数据库到数据仓库的数据有效获取，就成了构建数据仓库过程中的一大技术难题。
提到的“两级抽取数据的方法”，指的是在数据获取过程中采用分阶段处理，具体可分为两个步骤：第一级抽取和第二级抽取。两级抽取可以有效缓解数据获取过程中的复杂性，使得数据获取过程更易于管理和控制。
两级抽取数据的方法具体含义如下：
第一级抽取：指的是从各个不同的数据源中直接抽取数据，包括转换和集成，目标是将数据初步整合到一个中间数据存储（ODS，Operational Data Store）中。ODS可以看作是一个缓存，用于存放从OLTP系统中抽取的、准备进一步清洗和转换的数据。在第一级抽取中，数据通常会经过初步的清洗，以移除无关或者错误的数据。数据从不同数据库系统抽取后，可能会遇到数据格式不一致的问题，因此还需要对不同来源的数据进行格式转换，使之统一。此外，还有可能涉及到数据字段的合并、拆分等操作。第一级抽取过程可能较为复杂，因为它涉及到多数据源的整合。
第二级抽取：指的是从ODS中抽取经过初步处理的数据，进一步进行清洗、转换和集成，然后加载到最终的目标数据库，即数据仓库中。在第二级抽取中，数据经过更加细致的处理，以满足数据仓库的存储和分析需求。这可能包括数据的聚合、分组、汇总等操作，并且还会根据数据仓库的数据模型（如星型模式或雪花模式）重新组织数据结构。第二级抽取的完成标志着数据正式进入数据仓库，可供决策支持系统（DSS）或在线分析处理（OLAP）使用。
内容中提到的DTS（Data Transformation Services）是微软SQL Server中的一个数据迁移和转换工具，用于实现数据的迁移和转换任务。它提供了一种可视化的界面以及编程接口，支持数据的抽取、转换、加载（ETL）过程。
“两级抽取”数据获取方法的提出，可以认为是一种优化的数据获取技术，它的出现有效提升了从多种OLTP数据库系统到数据仓库的数据获取效率和质量。该方法不仅适用于雷达对抗情报处理数据仓库系统，也适用于任何需要从多个数据源整合数据到单一数据仓库的场景。
数据仓库系统的数据获取过程包括三个一般步骤：
第一步是分析源数据和数据仓库结构，这意味着需要对源数据库的结构和数据仓库的结构有深刻理解，从而确定哪些数据是需要的，哪些数据应该被过滤。
第二步是确定数据获取规则，这一步骤是基于第一步的分析结果，确定如何从源数据库中抽取数据，并确定数据清洗和转换的规则。
第三步是开发数据获取规则程序，这涉及到编写脚本、使用ETL工具或开发特定的数据抽取软件，以自动化实现上述的数据获取规则。
文章还提到了在数据获取过程中可能遇到的错误，如果出现错误，可以使用手工校正来修正。这说明在自动化数据获取的过程中，还需要人工干预作为补充。
文章的摘要和关键词部分也强调了数据仓库、两级抽取和DTS的重要性。数据仓库技术在当时已经相当成熟，并且在实践中得到了广泛的应用，两级抽取作为数据获取的一种创新方法，提高了数据仓库系统的构建效率和数据质量。而DTS作为实现两级抽取的关键技术工具，对于数据仓库项目来说是不可或缺的。
从整体上看，文章所描述的数据获取方案，不仅适用于军事领域，还广泛适用于商业、金融、制造等其他行业。对于数据仓库系统的构建和数据获取技术的发展，起到了积极的推动作用，并为后来的数据仓库建设提供了重要的参考和实践经验。
