GaussDB(DWS)数据仓库概述丨【这次高斯不是数学家】

数据架构设计

• Shared - Disk
  各个处理单元使用自己的私有CPU和内存，共享磁盘系统。

• Shared - Everything
  —般是针对单个主机，完全透明共享CPU/内存/IO，并行处理能力是最差的。

• shared - Nothing
  各个处理单元都有自己私有的CPU/内存/硬盘等，不存在共享资源，各处理单元之间通过协议通信，并行处理和扩展能力更好。

数据库架构的衍变

• 满足各类零散分析需求的数据库架构

• 数据指标统一的ODS架构

• 模块化存储的数仓架构

数据仓库

数据仓库( data warehouse，也称为企业数据仓库） 是用于报告和数据分析的系统,被认为是商业智能的核心组件。

数据仓库是一种信息系统的数据存储理论，此理论强调利用某些特殊数据存储方式，让所包含的数据，特别有利于分析处理，以产生有价值的信息并依此作决策。

数据仓库的目的是构建面向分析的集成化数据环境，为企业提供决策支持(DecisionSupport)。

数据仓库本身并不“生产”任何数据，同时自身也不需要“消费”任何的数据，数据来源于外部，并且开放给外部应用。

数据仓库基于维护细节数据的基础上再对数据进行处理，使其真正地能够应用于分析。主要包括三个方面:

业务模型：基于某些数据分析和决策支持而建立起来的数据模型

数据聚合：基于特定需求的简单聚合（基于多维数据的聚合体现在多维数据模型中)

多维数据模型：提供了多角度多层次的分析应用

数据仓库的应用

• 数据挖掘：基于数据仓库中已经构建起来的业务模型展开。

• 报表展示：将聚合数据和多维分析数据展示到报表，提供了最为简单和直观的数据。

• 即席查询：提供了足够灵活的数据获取方式,用户可以根据自己的需要查询获取数据。

• 数据分析：可以基于构建的业务模型展开，也可以使用聚合的数据进行趋势分析、比较分析、相关分析等，而多维数据模型提供了多维分析的数据基础。

OLTP & OLTP

传统数据库应用的趋势和挑战

融合仓库

随着精准营销、客户画像、互联网平台等业务的上线，需要引入非结构化数据，以及提升对实时数据的计算处理能力，建立以数仓为核心，大数据平台为延伸的融合架构。

参考文献

• [1] https://education.huaweicloud.com/courses/course-v1:HuaweiX+CBUCNXD023+Self-paced/courseware/5708280df2314226a1474523920ed0cc/3a2a1cfe11cc4b1487358ebe1a33181e/

【这次高斯不是数学家】有奖征文火热进行中：https://bbs.huaweicloud.com/blogs/345260