數據倉庫中ODS基礎學習
根據Bill.Inmon的定義，“數據倉庫是面向主題的、集成的、穩定的、隨時間變化的，主要用于決策支持的數據庫系統”
ODS是一個面向主題的、集成的、可變的、當前的細節數據集合，用于支持企業對于即時性的、操作性的、集成的全體信息的需求。常常被作為數據倉庫的過渡，也是數據倉庫項目的可選項之一。
在Kimball的<<數據倉庫生命周期工具集The Data WareHouse Liftcycle Toolkit>>，他是這樣定義的：
1. 是操作型系統中的集成,用于當前，歷史以及其它細節查詢(業務系統的一部分)；
2. 為決策支持提供當前細節數據(數據倉庫的一部分)。
因此操作數據存儲（ODS）是用于支持企業日常的全局應用的數據集合，ODS的數據具有面向主題、集成的、可變的和數據是當前的或是接近當前的4個基本特征。同樣也可以看出ODS是介于DB和DW 之間的一種數據存儲技術，和原來面向應用的分散的DB相比，ODS中的數據組織方式和數據倉庫（DW）一樣也是面向主題的和集成的，所以對進入ODS的數 據也象進入數據倉庫的數據一樣進行集成處理。另外ODS只是存放當前或接近當前的數據，如果需要的話還可以對ODS中的數據進行增、刪和更新等操 作，雖然DW中的數據也是面向主題和集成的，但這些數據一般不進行修改，所以ODS和DW的區別主要體現數據的可變性、當前性、穩定性、匯總度上。
由于ODS仍然存儲在普通的關系數據庫中，出于性能、存儲和備份恢復等數據庫的角度以及對源數據庫的性能影響角度，個人不建議ODS保存相當長周期的數據，同樣ODS中的數據也盡量不做轉換，而是原封不動地與業務數據庫保持一致。即ODS只是業務數據庫的一個備份或者映像，目的是為了使數據倉庫的處理和決策支持要求與OLTP系統相隔離，減少決策支持要求對OLTP系統的影響。
為什么需要有一個ODS系統呢？一般在帶有ODS的系統體系結構中，ODS都具備如下幾個作用：
1.在業務系統和數據倉庫之間形成一個隔離層
一般的數據倉庫應用系統都具有非常復雜的數據來源，這些數據存放在不同的地理位置、不同的數據庫、不同的應用之中，從這些業務系統對數據進行抽取并不是一件容易的事。因此，ODS用于存放從業務系統直接抽取出來的數據，這些數據從數據結構、數據之間的邏輯關系上都與業務系統基本保持一致，因此在抽取過程中極 大降低了數據轉化的復雜性，而主要關注數據抽取的接口、數據量大小、抽取方式等方面的問題。
2.轉移一部分業務系統細節查詢的功能
在數據倉庫建立之前，大量的報表、分析是由業務系統直接支持的，在一些比較復雜的報表生成過程中，對業務系統的運行產生相當大的壓力。ODS的數據從粒度、組織方式等各個方面都保持了與業務系統的一致，那么原來由業務系統產生的報表、細節數據的查詢自然能夠從ODS中進行，從而降低業務系統的查詢壓力。
3.完成數據倉庫中不能完成的一些功能
一般來說，帶有ODS的數據倉庫體系結構中，DW層所存儲的數據都是進行匯總過的數據和運營指標，并不存儲每筆交易產生的細節數據，但是在某些特殊的應用中，可能需要對交易細節數據進行查詢，這時就需要把細節數據查詢的功能轉移到ODS來完成，而且ODS的數據模型按照面向主題的方式進行存儲，可以方便地支持多維分析等查詢功能。即數據倉庫從宏觀角度滿足企業的決策支持要求，而ODS層則從微觀角度反映細節交易數據或者低粒度的數據查詢要求。
在一個沒有ODS層的數據倉庫應用系統體系結構中，數據倉庫中存儲的數據粒度是根據需要而確定的，但一般來說，最為細節的業務數據也是需要保留的，實際上也就相當于ODS，但與ODS所不同的是，這時的細節數據不是“當前、不斷變化的”數據，而是“歷史的，不再變化的”數據。這樣的數據倉庫的存儲壓力和性能壓力都是比較大的，因此對數據倉庫的物理設計和邏輯設計提出了更高的要求。
【編輯推薦】
