数据仓库dw建设.doc

1. 数据仓库概述经过多年IT的建立，信息对于企业的日常管理已经日益重要，并逐渐成为重要的信息资产，信息资产的管理已经成为日常管理中一个非常重要的环节。如何管理与利用好企业内部纷繁的数据也越来越成为信息管理的一项重要工作。在过去相当一段时间内，企业业务系统的构建主要围绕着业务的数据展开，应用的构建多是自下而上构建，主要以满足某个部门的业务功能为主，我们称之为业务处理的时代。这样的构建方式造成了一个个分立的应用，分立的应用导致了一个个的静态竖井。由于数据附属于应用，缺乏企业全局的单一视图，形成了一个个信息孤岛，分立的系统之间缺乏沟通，同样数据的孤岛导致只能获得片面的信息，而不是全局的单一视图。存储这些信息的载体可能是各种异构或同构的关系型数据库，也有可能是XML、EXCEL等文件。因此，构建新一代的一体化平台提上了日程并最终促成全域数据的管理方式，目的是覆盖企业各个环节的关键业务数据，完善元数据管理，形成全局的数据字典、业务数据标准与统一的业务指标含义，能够灵活的获取企业业务数据的单一视图需要保证数据的一致性、完整性、准确性与及时性。数据的交换与共享主要发生在上下级组织机构之间或同级的不同部门之间。最终，这些数据可以为部队分析、决策支持多维分析、即席查询、数据挖掘等应用提供更及时、准确、有效的支持。数据仓库的目标是实现跨系统数据共享，解决信息孤岛，提升数据质量，辅助决策分析，提供统一的数据效劳。同时，数据仓库的构建也面临着各种挑战，比方信息整合在技术上的复杂度、信息整合的管理本钱、数据资源的获取、信息整合的实施周期以及整合工程的风险等。2. 全域数据库总体架构全域数据库总体架构全域数据库总体的层次，最下面是根底架构层，主要包括支撑这一架构运行的主机系统、存储藏份系统、网络系统等内容。从下往上看，再上面是数据源层，既包括各个业务的关系型数据源、内容管理数据源也包括半构造化数据源比方XML、EXCEL等，也包括各个总队、支队的业务数据源。数据源层之上是“交换效劳体系，主要包括信息效劳总线与效劳总线两局部。信息效劳总线主要实现数据层的信息整合与数据转换，而效劳总线主要实现应用层的信息交换与整合。信息效劳总线主要依托联邦、复制、清洗、转换等技术实现，其主要包括信息整合效劳与清洗转换加载效劳两局部。通过信息效劳总线的信息整合效劳数据联邦、复制，可以透明、实时的访问分布在总队与支队的各个业务系统中的各种同构、异构数据前提是拥有足够的权限。信息整合效劳在整个企业层面保证了数据的完整性与及时性。信息效劳主要使用两种技术来完成这一功能：联邦与复制。通过联邦功能可以把关系数据、半构造化数据如 Excel文件、XML 文件、Web 搜索引擎、MQ 查询与内容源组成一个逻辑数据库，对这些数据源中的表可以像操作本地数据库表一样进展操作，而不必关心我们操作的这些数据底层是什么数据源，物理在什么位置。而针对大数据量的数据访问或高并发的访问，通常将源数据增量实时复制到本地，复制的实现是基于对源数据库的日志进展捕获，获取增量数据，并基于消息的机制将其复制到目的数据库，复制的过程中可以实现数据的合并、拆分、转换等操作。信息效劳总线主要完成数据的分析、清洗标准化、转换、加载等工作。数据清洗，主要是去除冗余数据，将零散字段合并成全局记录，并解决重叠与矛盾的数据，然后通过添加关系与层次构造完善丰富信息。首先面临的挑战就是如何更有效的识别现有的业务系统，包括业务系统使用的分类方法、层次构造、数据分布、数据字典等。如果数据字典不完整或缺失，就要通过方法找出其数据的存储构造以及各个表之间的主外键关联、各表之间的转换关系等，同样，数据的分布情况同样可以使用分析功能来完成。在对现有数据足够了解的根底上完成了数据的分析，接下来就要制定数据的清洗规那么以及转换规那么，其中，清洗规那么又分为两种情况，一种清洗规那么是明确的，另一种清洗规那么是模糊的，比方不同系统中存储的地址信息，“南京市定淮门大街9号与“江苏省南京市下关区定淮门大街9号实际上是一个地址，但计算时机当成两个地址来处理。概率匹配功能与动态权重策略可以匹配创立高质量、准确的数据，并在整个数据域中一致地识别核心业务信息，如人名、位置、与时间。数据清洗、转换、加载效劳对保障数据的准确性与一致性非常重要。在不同的系统中，对同一业务会使用不同的分类方法，同样，数据的类别与层次构造也会不同。需要通过数据清洗、转换、加载层实现对这些信息格式的转换，匹配成通用的信息格式与分类方法，以便提供整个企业业务层面聚合的业务视图。实际证明一体化平台一期的全域数据梳理中，手工统计可以完成这项工作但不够好，不够直观与没有扩展延续能力。数据清洗、转换、加载工作对未来数据的使用非常重要，即使有工具帮助，工作量依然很大。虽然，开场的时候，这项工作看起来费时费力，但从长远来看，它使得基于这些数据的业务流程与统一数据视图实现自动化，并减少了人为干预不准确或不一致数据的努力，从而节省了大量本钱。企业层面的单一视图一经建立，其维护必将是一个持续进展的过程。数据的管理通常需要一个管理组织来对冲突或缺失的数据进展决策，组织会通常需要各个业务部门的人参与，而不仅仅局限于通技处或信息中心的人。企业单一数据视图的维护，很多业务部门都做的不够好，时间一久，很多业务部门就变得厌倦，数据清洗转换的工作没有坚持下去。一旦数据的准确性出现问题，业务系统的全局共享就无法再从中获益。交换效劳体系中的效劳总线主要基于流程效劳、传输效劳、交换效劳等实现。通过使用总线，可以支持各种协议以及数据格式的数据交互。通过搭建一个基于标准的、开发的、易于集成的、总线方式的效劳总线，通过今后对现有系统的逐步升级改造，系统之间以一种成为“效劳的接口方式统一通过总线方式进展交互，通过对效劳的管理，系统之间交互的信息格式的差异、传输协议的差异、采用技术的差异、物理位置的不同等等这些问题都由这个总线来进展屏蔽。进一步通过流程管理，将模块与系统之间的效劳按照业务流程的需要进展编排，做到了“随需而变。数据存储区包括ODS、数据仓库/数据集市、共享数据库、特征库、模型库等，主要提供各种数据的存储效劳。其中，逻辑视图中ODS局部存放了整个企业单位全局级的明细数据，而数据仓库数据集市中存储了不同级别的汇总数据。特征库主要存放各种数据分群特征、业务分类特征等业务信息，模型库存放构建的各种业务模型信息等。根底效劳层主要包括“应用效劳器，“效劳总线，“工作流引擎，“消息中间件，“OLAP引擎，“数据挖掘引擎，“事件驱动，“规那么引擎，“协同工作与“空间地理数据引擎。应用层包括各种应用，其中多维分析、即席查询、报表统计、图形展现等。右边的信息治理层主要是为了保证数据的完整性、一致性、准确性、及时性，保证历史数据正确归档并在需要的时候可以与现有数据一起被联合访问，提供数据库平安、审计、监控与合规效劳，从而防止内部人员偷窃，防范欺诈作假，保护数据隐私，强制执行平安标准，强制满足合规的要求，防止外部攻击对数据的破坏。而元数据管理会贯穿数据业务层面、业务系统、信息整合效劳总线、ETL层、数据存储区、信息效劳层、展现层等各个层面，当数据口径出现问题时，能够提供数据在各个层面的正向/逆向追踪功能。元数据的管理涉及业务元数据与技术元数据两种。3. 数据仓库架构数据仓库总体架构1) 多维分析从数据的全方位了解现状，管理人员往往希望从不同的角度来审视业务数值，比方从时间、地域、类别、功能来看同一类数据的总与。每一个分析的角度可以叫做一个维，因此，把多角度分析方式称为多维分析。以前，每一个分析的角度需要制作一张报表。由此产生了在线多维分析功能，根据用户常用的多种分析角度，事先计算好一些辅助构造，以便在查询时能尽快抽取到所要的记录，并快速地从一维转变到另一维，将不同角度的信息以数字、直方图、饼图、曲线等等方式展现在您面前。2) 即席查询可以将数据进展查询分组，进展资源的管理，可以设置查询优先级，可以自动控制，调度复杂查询与进展跟踪分析查询。可以按照以下重要方法进展使用，主动与动态地控制 数据库的查询流程，为不同大小的查询定义不同的查询类别，从而改善查询之间的系统资源共享，防止较小的查询被较大的查询阻塞等。3) 数据挖掘数据挖掘正如在矿井中可以开采出珍贵的矿石，在数据仓库的数据里也常常可以开采出业务人员意想不到的信息。它比多维分析更进一步。例如，如果管理人员要求比拟各个区域某类出入境特征数量在过去一年的情况，可以从多维分析中找答案。但是，如果管理人员要问为何一个地区的出入境特征情况突然变得特别好或是不好，或者问该出入境特征在另一地区将会怎么样，这时数据挖掘知识可以作出解答。4) 数据仓库层数据仓库用于抽取、整合、分布、存储有用的信息，数据信息往往分布在不同的部门与下级单位，管理者要综观全局、运筹帷幄，必须能迅速地找到能反映真实情况的数据，这些数据也许是当前的现实数据，也可能是过去的历史数据。因此，有必要把各个区域的数据集合起来，去其糟粕、取其精华，将真实的、对决策有用的数据保存下来，随时准备管理人员使用。因此，数据仓库不仅仅是个数据的储存仓库，更重要的是它提供了丰富的工具来清洗、转换与从各地提取数据，使得放在仓库里的数据有条有理，易于使用。第 10 页