一、定义

数据仓库（简称“数仓”），顾名思义，存放数据的仓库，它集合了各个业务系统的数据，以金融业为例，数仓包含了贷款业务、CRM、存款业务等数据。用于企业做数据分析、出报告、做决策；在有些公司也作为各业务系统的数据来源。

从逻辑上理解，数据库和数仓没有区别，都是通过数据库软件实现存放数据的地方，只不过从数据量来说，数据仓库要比数据库更庞大。

数据库与数据仓库最主要的区别在于，传统事务型数据库如 MySQL 用于做联机事务处理（OLTP），例如交易事件的发生等；而数据仓库主要用于联机分析处理（OLAP），例如出报表等。

你可能想，数据分析、出报表等工作也可以直接通过业务数据库完成，数据仓库似乎也不是必需品。
如果是简单的系统，比如初创时期，业务量少，用户和数据少，几台服务器和几个MySQL组成的系统，那确实可以实现。但当业务越做越多，用户和数据量很庞大，出报表需要跨集群关联多个系统的数据实现的话，那数仓还是很有必要的。
如果还不能理解，先想几个问题

如果你要的数据分别存放在很多个不同的数据库，甚至存在于各种日志文件中，你要如何获取这些数据？
如果你从各数据源中取出了你要的数据，但是发现格式不一样，或者数据类型不一样，你要怎么规范？
如果有一天你需要在业务系统查历史数据，但发现这些数据被修改过的，你要怎么办？
如果要跨集群关联各个不同业务系统的数据，要怎么做？怎么优化查询时间？
…

数仓的出现，可以很好的解决上面这些问题。它通过数据抽取和清洗，将各个业务系统的数据整合落地到一个系统（数仓），规范化数据，方便在出报表做决策的时候获取数据。

在这里插入图片描述

二、数仓的特点

集成性
数仓中存储的数据来源于多个数据源，原始数据在不同数据源中的存储方式各不相同。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
数仓中保存的数据是历史记录，不允许被修改。用户只能通过分析工具进行查询和分析。
动态性
数仓的数据会随时间变化而定期更新，这里的定期更新不是指修改数据，一般是将业务系统发生变化的数据定期同步到数仓，和稳定性不冲突。不可更新是针对应用而言，即用户分析处理时不更新数据。
主题性
传统数据库对应的业务不同，数仓需要根据需求，将不同数据源的数据进行整合，即数据一般都围绕某一业务主题进行建模。例如“贷款”主题、“存款”主题等。