第一部分 数据仓库理论
1.1 什么是数据仓库
数据仓库(DataWarehouse)是一个面向主题的(Subject Oriented)、集成的(Integrated)、相对稳定的(Non-Volatile)、反映历史变化的(Time Variant)数据集合，用于支持管理决策(Decision-Making Support)
1.2 数据仓库四大特征
代码语言：javascript复制* 面向主题的
* 集成的
* 稳定的
* 反映历史变化的1.3 数据仓库作用
整合企业业务数据，建立统一的数据中心；
产生业务报表，了解企业的经营状况；
为企业运营、决策提供数据支持；
可以作为各个业务的数据源，形成业务数据互相反馈的良性循环；
分析用户行为数据，通过数据挖掘来降低投入成本，提高投入效果；
开发数据产品，直接或间接地为企业盈利；
1.4 数据仓库与数据库的区别
代码语言：javascript复制数据库与数据仓库的区别实际讲的是 OLTP 与 OLAP 的区别。
OLTP（On-Line Transaction Processing 联机事务处理），也称面向交易的处理系
统。主要针对具体业务在数据库系统的日常操作，通常对少数记录进行查询、修
改。用户较为关心操作的响应时间、数据的安全性、完整性和并发支持的用户数等
问题。传统的数据库系统作为数据管理的主要手段，主要用于操作型处理。
OLAP（On-Line Analytical Processing 联机分析处理），一般针对某些主题的历史
数据进行分析，支持管理决策。
1.5 元数据
代码语言：javascript复制元数据（Metadata）是关于数据的数据。元数据打通了源数据、数据仓库、数据应
用，记录了数据从产生到消费的全过程。元数据就相当于所有数据的地图，有了这
张地图就能知道数据仓库中：
有哪些数据
数据的分布情况
数据类型
数据之间有什么关系
哪些数据经常被使用，哪些数据很少有人光顾
在大数据平台中，元数据贯穿大数据平台数据流动的全过程，主要包括数据源元数
据、数据加工处理过程元数据、数据主题库专题库元数据、服务层元数据、应用层
元数据等。
