什么是数据仓库?与传统数据库的区别?
每天一分钟，关注我学更多
今天的内容是
数据仓库（Data Warehouse，简称DW或DWH）是一种专门用于支持企业决策制定和分析的数据管理系统。
它通过整合来自多个异构数据源的数据，包括关系型数据库、非关系型数据库、文件系统等，形成统一的数据视图，以提供全面的、一致的企业级数据。
数据仓库的主要目的是为商业智能（BI）、报告和分析提供数据支持，并助力企业满足法规要求，支持企业将数据转化为有价值的商业洞察。
与传统数据库相比，数据仓库有以下几个主要区别：
用途不同：
传统数据库：主要用于事务处理，如在线交易处理（OLTP），记录和处理日常业务数据，例如交易记录、用户信息等。
数据仓库：主要用于分析和决策支持，存储和处理大量历史数据，用于分析趋势和模式，为企业决策提供数据驱动的支持。
数据结构不同：
传统数据库：采用面向事务的数据模型，注重数据的实时更新和事务处理，通常采用关系型模型。
数据仓库：通常采用星型或雪花型的数据模型，以支持多维分析，数据以星型模式存储，事实表位于中心，维度表围绕事实表分布。
数据组织方式不同：
传统数据库：按照三范式进行数据建模，强调数据的规范化和一致性。
数据仓库：面向主题、集成、稳定、时变的数据集合，数据以主题为出发点进行组织，适合数据分析和报告及收获商业智能洞见。
数据来源和处理方式不同：
传统数据库：主要从应用日志文件和事务应用等广泛来源获取数据，注重实时性和事务处理。
数据仓库：通过ETL（抽取、转换、加载）工具，将数据从多个来源抽取到数据仓库中，并对这些数据进行清洗、转换和加载，以便于企业用户使用。
架构和性能不同：
传统数据库：设计用于高并发的在线事务处理，优化读写速度和事务响应时间。
数据仓库：基于主题，以星型或雪花型架构组织，优化数据分析查询性能，支持复杂的多维分析。
