带有ODS的体系结构中数据仓库的设计方法

带有 ODS 的体系结构中数据仓库的设计方法 数据仓库的概念定义是非常重要的，数据仓库概念规定了数据仓库所具有的几个基本特性，这些特性也正是对数据仓库设计结果进行检验的重要依据。根据 Bill.Inmon 的定义，“数据仓库是面向主题的、集成的、稳定的、随时间变化的，主要用于决策支持的数据库系统”。 ODS（Operational Data Store）是数据仓库体系结构中的一个可选部分，ODS 具备数据仓库的部分特征和 OLTP 系统的部分特征，它是“面向主题的、集成的、当前或接近当前的、不断变化的”数据。 ODS 设计的目标就是以这些特点作为依据的。ODS 设计与 DW 设计在着眼点上有所不同，ODS 重点考虑业务系统数据是什么样子的，关系如何，在业务流程处理的哪个环节，以及数据抽取接口等问题。 在 ODS 设计中，需要经过以下几个步骤： 1. 数据调研：确定数据范围实际上是对 ODS 进行主题划分的过程，这种划分是基于对业务系统的调研的基础上而进行的。 2. 确定数据范围：确定数据范围实际上是对 ODS 进行主题划分的过程，这种划分是基于对业务系统的调研的基础上而进行的。 3. 根据数据范围进行进一步的数据分析和主题定义：在这个阶段，将把第一步生成的每个 ER 图中的实体进行分解，分解的结果仍以 ER 表示为佳。 4. 定义主题元素：定义维、度量、主题、粒度、存储期限等概念特性。 在 ODS 设计中，需要考虑的几个方面： 1. 在业务系统和数据仓库之间形成一个隔离层：ODS 用于存放从业务系统直接抽取出来的数据，这些数据从数据结构、数据之间的逻辑关系上都与业务系统基本保持一致，因此在抽取过程中极大降低了数据转化的复杂性。 2. 转移一部分业务系统细节查询的功能：ODS 的数据从粒度、组织方式等各个方面都保持了与业务系统的一致，那么原来由业务系统产生的报表、细节数据的查询自然能够从 ODS 中进行，从而降低业务系统的查询压力。 3. 完成数据仓库中不能完成的一些功能：一般来说，带有 ODS 的数据仓库体系结构中，DW 层所存储的数据都是进行汇总过的数据，并不存储每笔交易产生的细节数据，但是在某些特殊的应用中，可能需要对交易细节数据进行查询，这时就需要把细节数据查询的功能转移到 ODS 来完成。 在设计 ODS 时，需要考虑到业务系统的信息模型，并进行宏观的归并，得到企业范围内的高层数据视图，并加以抽象，划定几个逻辑的数据主题范围。在这个阶段，以 ER 模型表示数据主题关系最为恰当。 ODS 设计需要考虑到业务系统的信息模型、数据范围、数据分析和主题定义等几个方面，以确保 ODS 能够真正地服务于业务系统和数据仓库之间的数据交换和处理。