【Hive---01】数据仓库『 整体概述』

1. 数据仓库是什么？

1. 数据仓库(DataWarehouse / DW)：是一个用于 存储、分析、报告 的数据系统。
2. 目的：构建 面向分析 的集成化数据环境，以数据分析结果驱动决策。

   注意：

   1. OLAP系统：面向分析处理的系统。故数据仓库只是OLAP系统的一种。
   2. OLTP系统：面向业务支持事务系统。

3. 特点：
   1. 数据仓库本身不生产任何数据。从数据库或文件系统中拿数据并保存。【所以叫数据仓库，而不叫数据工厂】
   2. 数据仓库本身不消费任何数据。分析的结果不是给自己用而是用于驱动决策。

2. 为什么要引入数据仓库？

问：直接在OLTP环境中，即直接在Mysql、Oracle、HDFS等数据库或分布式文件系统上进行数据分析可以吗？？？

答：可以，但没必要。

• 因为这样会对数据库或分布式文件系统造成巨大的压力；另外OLTP存储数据的周期是一周或一个月，无法对更久时间的数据进行分析。
• 所以要建立一个既不影响OLTP系统运行，又专门面向分析的系统。因此，数据仓库产生了。

3. 数据仓库 vs 数据库

数据仓库不是大型的数据库。数据仓库并不是要取代数据库。

1. 目标不同：数据仓库是为数据分析而设计，数据库是为捕获数据而设计。
2. 存储数据不同(最重要的差别)：数据库存储最新的业务数据，数据仓库存储不仅会存储最新数据还会存储历史数据。
3. 操作不同：数据库支持CRUD，而数据仓库只支持查询。

4. 数据仓库 vs 数据集市

1. 数据仓库 (DataWarehouse )：是面向整个公司组织的数据。
2. 数据集市 (DataMart) ：是面向某单个部门使用的。可以认为数据集市是数据仓库的子集。

数据集市通常只涉及一个主题，主要是这样更加的具体、易于维护，能更好的为数据分析提供支持。

5. 数据仓库分层架构

5.1 三层架构

由于数据仓库不产生数据，也不消费数据，所以很自然的按照输入、存储、输出分为三层：

1. 操作数据层 (ODS)：又叫 源数据层、临时数据层。主要负责临时存放从数据源中解耦出来数据，做为数据仓库的输入。
2. 数据仓库层 (DW)：主要负责对ODS层提供的数据进行加工与整合
3. 数据应用层 (DA)：面向业务为数据分析定制的数据
   

这是自然的分层，在实际开发中可在此基础上增加新的分层或删除某层都是可以的。

5.2 为什么数据仓库要分层？

1. 结构更加清晰，降低耦合，减少重复开发
2. 将复杂的问题简单化：将复杂问题分多步解决，每一步只进行单一的处理。
3. 屏蔽业务的影响：不需要改一次业务就从新接入数据

等等。。。。。。。。。。。。。

5.3 ETL 与 ELT

数据在数据仓库中的流动都属于ETL，其中：

1. E：代表 数据的抽取 Extra
2. T：代表 数据的转化 Transfer
3. L：代表 数据的加载 Load

ETL 与 ELT 代表数据在数据仓库中整体的处理流程不同：

1. ETL
   
2. ELT
   

ETL与ELT没必要区分的太清，在实际开发中，什么顺序对业务帮助更大就用哪种。