教程索引目录请访问：《大数据技术入门级系列教程》

本文作为开启大数据技术入门级系列教程首篇文章，我们使用的任何大数据组件和工具其实都是在解决数据的问题，而数据就需要通过数据仓库存取，无论你使用什么样的技术架构都离不开数据仓库，所以第一篇文章先了解一下什么是数据仓库，以及数据仓库和数据库有什么区别。

任霏注：本文认为读者已经掌握了传统结构化数据库的知识，所以在讲数据仓库时直接拿数据库进行比较，如果您对结构化数据库不了解，请先了解结构化数据库的基础知识。

什么是数据仓库

数据仓库(Data Warehouse)一般被缩写为DW、DWH，注意这个缩写，在行业和后续的内容中将经常使用DW缩写作为数据仓库的名字。什么是数据仓库，我说了不算，这里引用维基百科的描述：

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。数据仓库是来自一个或多个不同源的集成数据的中央存储库。数据仓库将当前和历史数据存储在一起，用于为整个企业的员工创建分析报告。

数据仓库之父比尔·恩门（Bill Inmon）在1991年出版的“Building the Data Warehouse”（《建立数据仓库》）一书中所提出的定义被广泛接受——数据仓库（Data Warehouse）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（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。

根据数据仓库之父比尔·恩门的描述，我们可知道数据仓库的特点：

• 面向主题的（Subject Oriented）：数据是按照一定的主题域进行组织
• 集成的（Integrated）：数据有来自于分散的操作型数据，将所需数据从原来的数据中抽取出来，进行加工与集成
• 相对稳定的（Non-Volatile）：数据不更新，主要是为决策分析提供数据，所涉及的操作主要是数据的查询
• 反映历史变化（Time Variant）：稳定的数据以只读格式保存，且不随时间改变
• 用于支持管理决策(Decision Making Support)

数据仓库与数据库有什么区别

我们常见的数据库 DB (Oracle, Mysql, PostgreSQL)主要用于事务处理，例如银行转账、购物下单，需要很高响应能力，由数据表构成，每张表描述一个事物记录，例如用户表会描述一个用户的名字和密码。

数据仓库 DW (Amazon Redshift, Hive)主要用于数据分析，存储元数，据虽然也有数据表，但表可能不再是描述事物，可能是描述一个主题，例如用户表不仅仅是用户的名字和密码根据需要分析的维度，用户表可能会非常宽，包含用户的所有信息。

任霏注：数据库是为了记录一件事一个物，处理实时发生的事件；数据仓库是为分析而生，按照主题归类数据方便按类提取数据进行分析。

数仓中是如何划分主题

上面说到数仓是按主题（Subject）存储的，主题是对数据综合、归类和分析利用的一个抽象概念，一个主题基本对应一个宏观的分析领域，由于是入门级的教程，旨在快速入门，咱们先不探究更深入的模型设计，先让大家知道主题。

在现实中，可能根据不同的视角，按照业务、根据需求按照功能或应用等方式划分不同的主题域，所以没有固定的标准建设方案，在建设过程中可采用迭代方式，不纠结于一次完成所有主题的抽象，可先从明确定义的主题开始，后续逐步归纳总结成自身行业的标准模型。