面临的场景
公司要搞数据分析，但是数据存储在不同的数据库中，有的在mysql，有的在oracle甚至有的是第三方数据，需要把这些数据整合在一起进行统一的分析处理。
怎么找到一个合理而且主流的解决方案呢？经过技术调研，我们发现这正是数据仓库的使用场景，建立数据仓库可以很好的解决这一问题。
什么是数据仓库？
我们通过一个小故事来理解一下吧
在很久很久以前，世界上生活着许多种族，有人类，有矮人，有精灵……他们有着不同的信仰，不同的文化，彼此相安无事。可是，有一个人却偏偏想要统治整个世界。
如何统治这么多不同文化信仰的种族呢？猥琐男想出一个馊主意，打造出几枚拥有魔力的戒指，免费送给不同种族的领袖，让他们可以更好地统治各自的族人。
当各个种族的领袖美滋滋地戴上各自的魔戒，走上人生巅峰的时候，猥琐男又打造出一枚独一无二的至尊魔戒。他利用至尊魔戒的力量控制了所有的魔戒，从而控制了各个种族的领袖，继而控制了整个世界。
如果说，那个世界的每一个生命个体都是一条数据记录，那么普通的魔戒的地位就好比是数据库，而至尊魔戒的地位就好比是数据仓库。
数据仓库，英文名称Data Warehouse，简写为DW。数据仓库顾名思义，是一个很大的数据存储集合，出于企业的分析性报告和决策支持目的而创建，对多样的业务数据进行筛选与整合。它为企业提供一定的BI（商业智能）能力，指导业务流程改进、监视时间、成本、质量以及控制。
数据仓库的优点
- 主题性
- 不同于传统数据库对应于某一个或多个项目，数据仓库根据使用者实际需求，将不同数据源的数据在一个较高的抽象层次上做整合，所有数据都围绕某一主题来组织。
- 这里的主题怎么来理解呢？比如对于滴滴出行，“司机行为分析”就是一个主题，对于链家网，“成交分析”就是一个主题。
- 集成性
- 数据仓库中存储的数据是来源于多个数据源的集成，原始数据来自不同的数据源，存储方式各不相同。要整合成为最终的数据集合，需要从数据源经过一系列抽取、清洗、转换的过程。
- 稳定性
- 数据仓库中保存的数据是一系列历史快照，不允许被修改。用户只能通过分析工具进行查询和分析。
- 时变性
- 数据仓库会定期接收新的集成数据，反应出最新的数据变化。这和特点并不矛盾。
数据的集成
数据源有多种多样，那么他们是怎集成到数据仓库的呢？这里就引入了一个重要的概念ETL，那么什么是ETL，我们一起看一下
ETL的英文全称是 Extract-Transform-Load 的缩写，用来描述将数据从来源迁移到目标的几个过程：
- Extract 数据抽取，也就是把数据从数据源读出来。
- Transform 数据转换，把原始数据转换成期望的格式和维度。如果用在数据仓库的场景下，Transform也包含数据清洗，清洗掉噪音数据。
- Load 数据加载，把处理后的数据加载到目标处，比如数据仓库。
这一部分我会专门写一章介绍，希望大家多多关照
主流的数据仓库
- HIVE 基于hadoop的数据仓库产品，这可能是国内使用最为广泛的数据仓库了，抛开生态 性能不说，开源免费就是一个不可抵挡的优势。
- 确切地说，Hive是基于Hadoop的数据仓库工具，可以对存储在HDFS上的文件数据集进行查询和分析处理。Hive对外提供了类似于SQL语言的查询语言 HiveQL，在做查询时将HQL语句转换成MapReduce任务，在Hadoop层进行执行。
对于hadoop，hdfs这些名词今天就不详细介绍了，之后会单独介绍，毕竟也是一个研究领域，不是三两句话就能说明白的
- Teradata 数据仓库的业界大哥，Teradata数据仓库配备性能最高、最可靠的大规模并行处理 (MPP) 平台，能够高速处理海量数据，其性能远远高于Hive。
- 它使得企业可以专注于业务，无需花费大量精力管理技术，因而可以更加快速地做出明智的决策，实现 ROI（投资回报率） 最大化。
- 但是他的费用可不低
- 其他的商业数据仓库，例如oracle，DB2等。