在大數(shù)據(jù)系統(tǒng)平臺當中，數(shù)據(jù)存儲、數(shù)據(jù)庫、數(shù)據(jù)倉庫是非常重要的概念，共同支持大數(shù)據(jù)存儲的實際需求。在大數(shù)據(jù)處理當中，大數(shù)據(jù)存儲這個環(huán)節(jié)，數(shù)據(jù)倉庫技術起到重要的作用。今天我們來對數(shù)據(jù)倉庫做一個簡單的介紹。
什么是數(shù)據(jù)倉庫？
數(shù)據(jù)倉庫，有一個被廣泛接受的定義：數(shù)據(jù)倉庫（Data Warehouse）是一個面向主題的（Subject Oriented）、集成的（Integrated）、相對穩(wěn)定的（Non-Volatile）、反映歷史變化（Time Variant）的數(shù)據(jù)集合，用于支持管理決策(Decision Making Support)。
具體來說，數(shù)據(jù)倉庫就是一個數(shù)據(jù)集合，它通常具備以下特性：
數(shù)據(jù)倉庫是面向主題構建的，每個主題就是一個可直接用于分析的主體；
數(shù)據(jù)倉庫的數(shù)據(jù)都是集成的，它的數(shù)據(jù)來源很豐富，為了分析方便，對多種數(shù)據(jù)做了集成；
數(shù)據(jù)倉庫的數(shù)據(jù)是相對穩(wěn)定的，不會出現(xiàn)短時間內頻繁更新數(shù)據(jù)倉庫中數(shù)據(jù)的情況；
數(shù)據(jù)倉庫的數(shù)據(jù)都是已經發(fā)生的歷史事實，且保留時間較長，因此如果拉長時間線，是可以看到數(shù)據(jù)的歷史變化情況的；
數(shù)據(jù)倉庫的目標就是支撐分析工作，用于管理決策，使得企業(yè)獲得更好的發(fā)展。
在企業(yè)的實際業(yè)務場景當中，數(shù)據(jù)倉庫的核心應用場景就是數(shù)據(jù)分析。數(shù)據(jù)倉庫就是面向分析構建的，數(shù)據(jù)倉庫的存在就是為了更加高效方便地支撐數(shù)據(jù)分析。
數(shù)據(jù)倉庫的優(yōu)勢是什么？
1、完全面向分析構建。
數(shù)據(jù)倉庫的目標就是為了更高效方便地做數(shù)據(jù)分析，因此數(shù)據(jù)倉庫整個數(shù)據(jù)的組織結構也是完全根據(jù)分析需要設計的。它是由多個面向特定方向的分析主題組成的，這樣可以使得分析任務變得簡單，數(shù)據(jù)更容易獲取，最大化地發(fā)揮數(shù)據(jù)的效用。
2、可以處理大數(shù)據(jù)量場景。
數(shù)據(jù)倉庫不需要太在意響應性能，因為它通常是用來供分析使用的，不會直接用于與用戶交互的場景。因此，可以存儲大量的歷史事實數(shù)據(jù)，完成跨度較大的歷史趨勢變化的分析。
3、集成多種數(shù)據(jù)。
數(shù)據(jù)倉庫中的數(shù)據(jù)，是將企業(yè)中分散的、不統(tǒng)一的數(shù)據(jù)，經過ETL集成到一起。這樣，可以提升數(shù)據(jù)的豐富性，多種數(shù)據(jù)的融合，能夠連接出新的可能性，發(fā)揮出更大的作用，分析出單個數(shù)據(jù)集無法得出的結論。
Hadoop生態(tài)下的數(shù)據(jù)倉庫Hive
進入大數(shù)據(jù)時代之后，基于Hadoop基礎架構，Hive作為分布式數(shù)據(jù)倉庫被大家熟知。
Hive構建于Apache Hadoop之上，滿足企業(yè)實際場景下的數(shù)據(jù)需求：
通過SQL輕松訪問數(shù)據(jù)的工具，從而實現(xiàn)數(shù)據(jù)倉庫任務，如提取/轉換/加載（ETL），報告和數(shù)據(jù)分析；
訪問直接存儲在Hadoop HDFS或其他數(shù)據(jù)存儲系統(tǒng)（如Apache HBase）中的文件；
通過Apache Tez，Apache Spark或MapReduce執(zhí)行查詢；
通過Hive LLAP，Apache YARN和Apache Slider進行亞秒級查詢檢索。
今天的大數(shù)據(jù)概念解析，數(shù)據(jù)倉庫入門，以上就為大家做了簡單的介紹了。數(shù)據(jù)倉庫作為支持大數(shù)據(jù)分析處理的重要一環(huán)，也是大數(shù)據(jù)系統(tǒng)架構當中的重要組成部分，從基礎入門到逐步深入，需要不斷加深理解和掌握。
