带有ODS的体系结构中数据仓库的设计方法[2]

)转移一部分业务系统细节查询的功能

在数据仓库建立之前大量的报表分析是由业务系统直接支持的在一些比较复杂的报表生成过程中对业务系统的运行产生相当大的压力ODS的数据从粒度组织方式等各个方面都保持了与业务系统的一致那么原来由业务系统产生的报表细节数据的查询自然能够从ODS中进行从而降低业务系统的查询压力

)完成数据仓库中不能完成的一些功能

一般来说带有ODS的数据仓库体系结构中DW层所存储的数据都是进行汇总过的数据并不存储每笔交易产生的细节数据但是在某些特殊的应用中可能需要对交易细节数据进行查询这时就需要把细节数据查询的功能转移到ODS来完成而且ODS的数据模型按照面向主题的方式进行存储可以方便地支持多维分析等查询功能文章来源中国公务网 ::

在一个没有ODS层的数据仓库应用系统体系结构中数据仓库中存储的数据粒度是根据需要而确定的但一般来说最为细节的业务数据也是需要保留的实际上也就相当于ODS但与ODS所不同的是这时的细节数据不是当前不断变化的数据而是历史的不再变化的数据

设计方法

在数据仓库设计方法和信息模型建模方法中前人的着作对各种思路和方法都做过大量的研究和对比重点集中在ER模型和维模型的比较和应用上根据我们的实践经验ER模型和维模型在数据仓库设计中并非绝对对立尤其在ODS设计上从宏观的角度来看数据之间的关系以ER模型最为清晰但从实现出来的数据结构上看用维模型更加符合实际的需要因此孤立地看ER模型或者维模型都缺乏科学客观的精神需要从具体应用上去考虑如何应用不同的设计方法但目标是一定的就是要能够把企业的数据从宏观到微观能够清晰表达并且能够实现出来

[] [] [] [] [] [] []