上一篇咱们重点把数仓的前世：DBMS 数据库管理系统（OLTP）讲解的非常清楚，大家可戳 《秒懂数仓的前世今生：DBMS、DW、OLTP、OLAP到底是啥？（上篇）》
本日我们重点来讲解下篇数仓今生：DW数据仓库（包含OLAP操作）
一、DW是啥：定义
由于数据量的不断膨胀，人们对数据需求的风雅化（从月到天，从天到小时，从小时到分钟），OLTP仅仅针对关系型数据库做联机事务处理已经无法知足哀求。此时，Dataware数据仓库的体系构造应运而生，DW环境中的处理类型可以概括为装载和访问过程。数据一旦被装载，常日是无法更新的，紧接着就会被用于访问查询，用于各种剖析。
此时，我们会常常利用一种OLAP的技能优化数据构造，使得企业灵巧对数据进行调查。
OLAP，即多维数据库管理系统处理，他供应了一种信息系统构造，这种构造可以使得企业对数据进行灵巧访问，有多种办法对数据进行切片、分块，可以灵巧动态的稽核汇总数据和细节数据之间的关系与变革。
二、为啥须要DW：意义
DW紧张有以下意义和特点
降落 存储本钱：减少不必要的数据冗余，从而极大地降落存储和打算本钱，更好且有效的利用数据。提高 利用效率：当业务发生变革时，可以更加方便的进行扩展，提高数据稳定性和连续性保障 数据质量：良好的数据模型能改进数据统计口径的不一致性，减少数据打算缺点的可能性。三、如何用DW：详细建模一共分为三层六类
第一层：ODS操作数据存储层第二层：DW数据仓库层，个中又可以分为公共维度汇总层 DIM、数据仓库层DW（数据细节层DWD、数据中间层DWM、数据做事层DWS）第三层：ADS运用数据做事层这部分详情可见文章《》
四、关于OLAP4.1 啥是OLAP：定义
大家在和研发对接的过程中，可能会常常听到OLAP这个词，到底OLAP是啥呢？OLAP是否就等价于DW呢？
实在不是这样的，我们先来区分下DW数仓和OLAP：
DW数据仓库是一种数据库，其设计使得剖析数据更随意马虎（常日利用来自多个来源的数据）。它常日由事实表和维度表组成，并且常日由聚合表组成。OLAP是一组操作可以对数据集进行操作，例如旋转，切片，切割，钻孔。例如，可以利用Excel数据透视表实行OLAP操作。以是从实质上来说，两者并不等价，从包含关系上来说，DW包含了OLAP这种操作，OLAP也是DW数仓中的主要一环。如果再直白一点表达这两部分差异，DW数据仓库是一个日常管理和存储数据的地方，OLAP是一种剖析数据的方法。
4.2 OLAP有啥用：特点
此时肯定有人要问了，我用DBMS的关系型数据库也能进行剖析，为啥要用OLAP剖析呢？
——关系数据库报表工具当然可以查询、报表和剖析存储在表中的多维数据，但随着数据量的增加，性能会变慢。并且须要大量的事情来重新组织结果以关注不同的维度。例如，以前只须要业务A整体的数据，现在要看这个业务下人群1和人群2的数据，或者要看业务A和业务B下有交叉的人群1和人群2的数据情形，再交叉韶光维度一起。
多维剖析，这便是 OLAP 多维数据集的用武之地以及最大特点。OLAP 多维数据集利用附加层扩展了单个表，每个层都添加了附加维度——常日是维度“观点层次构造”中的下一个级别。例如，立方体的顶层可能按地区发卖；附加层可以是国家、省、城市乃至特定商店。
理论上，一个立方体可以包含无数层。（代表三个以上维度的 OLAP 多维数据集有时称为超多维数据集。）层中可以存在更小的多维数据集。例如：每个商店层可以包含按发卖职员和产品排列发卖情形的多维数据集。在实践中，数据剖析师将创建仅包含他们须要的层的 OLAP 多维数据集，以实现最佳剖析和性能。
4.3 如何用OLAP：支持的操作
OLAP 多维数据集支持四种基本类型的多维数据剖析：
下钻操作
向下钻取操作通过以下两种方法将粗略的数据转换为更详细的数据 ：在观点层次构造中向下移动或向多维数据集添加新维度。例如，如果你想查看季度的发卖表现，可以以月为单位向下钻取查看每个月的发卖额，在“韶光”维度的观点层次构造中维度下移。
上卷操作
与下钻相反，上卷通过在观点层次构造中向上移动或减少维数来聚合 OLAP 多维数据集上的数据。例如，可以通过查看每个区域的数据，而不是每个城市的数据，在“位置”维度的观点层次构造中向上移动。
切片操作
切片是通过从主 OLAP 多维数据集中选择一个维度来创建子多维数据集。例如，你可以通过切片来突出表示某业务线第二季度的发卖情形
切快操作
切块操作通过在主 OLAP 多维数据集中选择一个小的多维数据集。例如，我只须要剖析华南区域男装和妈妈装业务线下半年的发卖情形。
旋转操作
旋转当前的多维数据集视图。实在OLAP 的这个操作与Excel中的数据透视表功能相称， OLAP 数据透视表相对更易于利用（仅需较少的专业知识），并且具有更快的相应韶光和查询性能。
4.4 OLAP有哪些：分类
按数据存储办法（建模类型）分类，可分为 MOLAP、ROLAP、HOLAP等。
MOLAP：Multidimensional（多维的 ）OLAP
将数据存储在优化的多维数组中，而不是关系数据库中。
优点：性能绝佳，MOLAP cubes为了快速数据检索而构建，具有最佳的分块和分片操作。可以实行繁芜的打算，速率快。
缺陷：可以处理的数据量有限，由于所有的打算都是实行在构建的多维数据集上，多维数据集本身不可能包括大量的数据。须要额外的本钱，多维数据集技能每每是有专利或现在并不存在在某个组织中。因此，要想采取MOLAP技能，常日是要付出额外的人力和资源本钱。
ROLAP：Relational （关系型） OLAP
将剖析用的多维数据存储在关系数据库中。这种办法依赖SQL措辞实现传统OLAP的切片和切块功能，实质上，切片和切块等动作都等同于在SQL语句中添加“WHERE”子句。
优点：可以处理大数据量，ROLAP技能的数据量大小便是底层关系数据库存储的大小，ROLAP本身没有对数据量的限定。
且可以利用关系型数据库所固有的功能，关系型数据库已经具备非常多的功能。
劣势：性能可能会很慢，由于每个ROLAP包裹实际上是一个SQL查询（或多个SQL查询）关系数据库，可能会由于底层数据量很大，使得查询的韶光很长。
HOLAP：Hybrid（稠浊型） OLAP
将上述两种办法结合，从而可以获取各自的优点。
本文由 @数据产品高远 原创发布于大家都是产品经理，未经容许，禁止转载
题图来自 Unsplash，基于CC0协议
