一個(gè)故事

在很久很久以前，世界上生活著許多種族，有人類，有矮人，有精靈......他們有著不同的信仰，不同的文化，彼此相安無事?？墒?，有一個(gè)猥瑣男卻偏偏想要統(tǒng)治整個(gè)世界。

如何統(tǒng)治這么多不同文化信仰的種族呢？猥瑣男想出一個(gè)餿主意，打造出幾枚擁有魔力的戒指，免費(fèi)送給不同種族的領(lǐng)袖，讓他們可以更好地統(tǒng)治各自的族人。

當(dāng)各個(gè)種族的領(lǐng)袖美滋滋地戴上各自的魔戒，走上人生巔峰的時(shí)候，猥瑣男又打造出一枚獨(dú)一無二的至尊魔戒。他利用至尊魔戒的力量控制了所有的魔戒，從而控制了各個(gè)種族的領(lǐng)袖，繼而控制了整個(gè)世界。

這個(gè)故事告訴我們：數(shù)據(jù)庫和數(shù)據(jù)倉庫之間的關(guān)系。

如果說，那個(gè)世界的每一個(gè)生命個(gè)體都是一條數(shù)據(jù)記錄，那么普通的魔戒的地位就好比是數(shù)據(jù)庫，而至尊魔戒的地位就好比是數(shù)據(jù)倉庫。

什么是數(shù)據(jù)倉庫？

數(shù)據(jù)倉庫，英文名稱Data Warehouse，簡寫為DW。數(shù)據(jù)倉庫顧名思義，是一個(gè)很大的數(shù)據(jù)存儲集合，出于企業(yè)的分析性報(bào)告和決策支持目的而創(chuàng)建，對多樣的業(yè)務(wù)數(shù)據(jù)進(jìn)行篩選與整合。它為企業(yè)提供一定的BI（商業(yè)智能）能力，指導(dǎo)業(yè)務(wù)流程改進(jìn)、監(jiān)視時(shí)間、成本、質(zhì)量以及控制。

數(shù)據(jù)倉庫的輸入方是各種各樣的數(shù)據(jù)源，最終的輸出用于企業(yè)的數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)報(bào)表等方向。

那么，數(shù)據(jù)倉庫都有什么特點(diǎn)呢？

1.主題性

不同于傳統(tǒng)數(shù)據(jù)庫對應(yīng)于某一個(gè)或多個(gè)項(xiàng)目，數(shù)據(jù)倉庫根據(jù)使用者實(shí)際需求，將不同數(shù)據(jù)源的數(shù)據(jù)在一個(gè)較高的抽象層次上做整合，所有數(shù)據(jù)都圍繞某一主題來組織。

這里的主題怎么來理解呢？比如對于滴滴出行，“司機(jī)行為分析”就是一個(gè)主題，對于鏈家網(wǎng)，“成交分析”就是一個(gè)主題。

2.集成性

數(shù)據(jù)倉庫中存儲的數(shù)據(jù)是來源于多個(gè)數(shù)據(jù)源的集成，原始數(shù)據(jù)來自不同的數(shù)據(jù)源，存儲方式各不相同。要整合成為最終的數(shù)據(jù)集合，需要從數(shù)據(jù)源經(jīng)過一系列抽取、清洗、轉(zhuǎn)換的過程。

3.穩(wěn)定性

數(shù)據(jù)倉庫中保存的數(shù)據(jù)是一系列歷史快照，不允許被修改。用戶只能通過分析工具進(jìn)行查詢和分析。

4.時(shí)變性

數(shù)據(jù)倉庫會定期接收新的集成數(shù)據(jù)，反應(yīng)出最新的數(shù)據(jù)變化。這和特點(diǎn)并不矛盾。

什么是ETL？

ETL的英文全稱是 Extract-Transform-Load 的縮寫，用來描述將數(shù)據(jù)從來源遷移到目標(biāo)的幾個(gè)過程：

1.Extract，數(shù)據(jù)抽取，也就是把數(shù)據(jù)從數(shù)據(jù)源讀出來。

2.Transform，數(shù)據(jù)轉(zhuǎn)換，把原始數(shù)據(jù)轉(zhuǎn)換成期望的格式和維度。如果用在數(shù)據(jù)倉庫的場景下，Transform也包含數(shù)據(jù)清洗，清洗掉噪音數(shù)據(jù)。

3.Load 數(shù)據(jù)加載，把處理后的數(shù)據(jù)加載到目標(biāo)處，比如數(shù)據(jù)倉庫。

主流的數(shù)據(jù)倉庫有哪些？

這個(gè)Hive又是何方神圣呢？

確切地說，Hive是基于Hadoop的數(shù)據(jù)倉庫工具，可以對存儲在HDFS上的文件數(shù)據(jù)集進(jìn)行查詢和分析處理。Hive對外提供了類似于SQL語言的查詢語言 HiveQL，在做查詢時(shí)將HQL語句轉(zhuǎn)換成MapReduce任務(wù)，在Hadoop層進(jìn)行執(zhí)行。

這里有幾個(gè)名詞需要解釋：

1.HDFS

Hadoop的分布式文件系統(tǒng)，在這里作為數(shù)據(jù)倉庫的存儲層。圖中的Data Node就是HDFS的眾多工作節(jié)點(diǎn)。

2.MapReduce

一種針對海量數(shù)據(jù)的并行計(jì)算模型，可以簡單理解為對多個(gè)數(shù)據(jù)分片的數(shù)據(jù)轉(zhuǎn)換和合并。

關(guān)于HDFS和MapReduce的具體知識，這一期暫時(shí)不做展開，小灰會在后續(xù)的漫畫中詳細(xì)介紹。

幾點(diǎn)補(bǔ)充：

1.對于大數(shù)據(jù)方向，小灰也僅僅了解皮毛，漫畫中若存在錯誤或是描述不全面的地方，還請大家多多指正補(bǔ)充。

2.關(guān)于Teradata，小灰曾經(jīng)有幸在這里工作過，雖然不是從事數(shù)據(jù)倉庫領(lǐng)域。Teradata 的確是一款很強(qiáng)大的商業(yè)數(shù)據(jù)倉庫，對此有興趣的同學(xué)，可以百度學(xué)習(xí)一下具體知識。