大家好，又见面了，我是你们的朋友全栈君。
项目github地址：bitcarmanlee easy-algorithm-interview-and-practice
根据自己的理解与实际项目经验，说说ODS与EDW的异同。如果有不对的地方，欢迎大家批评指正。
维基百科对于ODS的定义为”An operational data store (or “ODS”) is a database designed to integrate data from multiple sources for additional operations on the data. Unlike a master data store, the data is not passed back to operational systems. It may be passed for further operations and to the data warehouse for reporting.” 翻译过来”ODS是一种数据架构或数据库设计的概念，出现原因是来自于当需要集成来自多个系统的数据，结果又要给一或多个系统使用时。”
ODS全称为Operational Data Store，按照字面意思理解为操作型数据存储, 是“面向主题的、集成的、可变的、反映当前数据值的和详细的数据的集合，用来满足企业综合的、集成的以及操作型的处理需求”(Bill.Inmon)。ODS在数据仓库中是可选择的一部分，但不是必须的。
EDW全称为Enterprise Data Warehouse，即企业级数据仓库，属于分析型数据。随着数据爆炸，数据量呈爆发式增长，机器学习与数据挖掘方法的不断改进，EDW在企业中处于越来越重要的位置。
关于数据库，ODS，EDW之间的关系，以下这张图非常好地描述了三者之间的关系。
其中，ADB为传统的关系型数据库，A,B,C表示不同类型的数据流转。A环节表示生产环境中不同数据库之间直接交换数据，例如mysql,sqlserver,oracle等DB直接通过Informatic等工具交换数据。B表示生产环境中的应用数据通过ODS进行数据交换。C表示数据进行到EDW中。
以下简要说说两者的区别： 1.使用人员的不同 ODS主要面向营业、渠道等一线生产人员和一线管理人员，为了实现准实时、跨系统的运营细节数据的查询，以获得细粒度的运营数据展现。ODS是可变数据，可以进行增删查改，是介于DB与DW的一种数据存储形态，目的是为了数据仓库的处理和决策系统要求与OLTP系统相隔离，减少决策系统对OLTP系统的性能影响。 EDW主要面向专业分析人员、辅助决策支持人员等，为了实现基于历史数据的统计分析和数据挖掘，以获得客户深层次的特征和市场发展的规律，例如专业分析人员的经营状况趋势分析由EDW提供支撑。
2.数据的规模不同 ODS支持OLTP类型的数据更新，而且一般保存近期数据，所以相对而言数据的量级不会太大；EDW保存的是全量历史数据，所以数据量要比ODS的规模大很多。
3.数据来源不同 ODS的数据来源于生产系统，而EDW的数据来源于ODS
4.数据获取性能与及时性 ODS支持OLTP类型的数据更新，数据更新时间短，数据可实现准实时更新，性能与及时性都高于EDW。 EDW因为存的是历史数据，而且数据量很大，一般都是通过批量的方式导入，所以数据的更新速度慢，无法实现实时更新，因此也不支持实时报表与事件监控类的需求。
5.数据粒度 ODS提供简单的操作数据的统计，一般保存的数据粒度较小。有可能也存在部分粗粒度的汇总数据，但是一般汇总的维度少而且简单。 EDW关注对历史数据的深层次分析与挖掘．从分析与挖掘的需要出发按不同主题维度来汇总与组织数据。 EDW提供历史数据的展示和分析，主要提供多层粗粒度汇总数据．汇总的维度多且复杂。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
