注：本文etl部分完全來自
一、什麼是資料倉儲
資料倉儲，data warehouse，可簡寫為dw或者dwh，資料倉儲的目的是構建面向分析的整合化資料環境，為企業提供決策支援，他出於分析性報告和決策目的而建立的資料集合
二、資料庫的特性：
面向主題：
傳統資料庫中，最大的特點是面向應用進行資料的組織，各個業務系統可能是相互分離的。而資料倉儲則是面向主題的。主題是乙個抽象的概念，是較高層次上企業資訊系統中的資料綜合、歸類並進行分析利用的抽象。（想象一下報）
整合這裡的整合性可以理解成etl過程，是將業務系統的資料經過抽取、清洗轉換之後載入到資料倉儲的過程，目的是將企業中的分散、零亂、標準不統一的資料整合到一起，為企業的決策提供分析依據。
etl的設計分三部分：資料抽取、資料的清洗轉換、資料的載入。資料的抽取是從各個不同的資料來源抽取到ods(operational data store，操作型資料儲存)中——這個過程也可以做一些資料的清洗和轉換)。etl三個部分中，花費時間最長的是「t」(transform，清洗、轉換)的部分，一般情況下這部分工作量是整個etl的2/3。資料的載入一般在資料清洗完了之後直接寫入dw(data warehousing，資料倉儲)中去。
非易失性：也叫不可更新性。
操作型資料庫主要服務於日常的業務操作，使得資料庫需要不斷地對資料實時更新，以便迅速獲得當前最新資料，不至於影響正常的業務運作。在資料倉儲中只要儲存過去的業務資料，不需要每一筆業務都實時更新資料倉儲，而是根據商業需要每隔一段時間把一批較新的資料匯入資料倉儲。
資料倉儲中一般有大量的查詢操作，但修改和刪除操作很少。因此，資料經加工和整合進入資料倉儲後是極少更新的，通常只需要定期的載入。
四、etl的實現有多種方法，常用的有三種。
一種是借助etl工具(如oracle的owb、sql server 2000的dts、sql server2005的ssis服務、informatic等)實現；一種是sql方式實現；另外一種是etl工具和sql相結合。前兩種方法各有各的優缺點，借助工具可以快速的建立起etl工程，遮蔽了複雜的編碼任務，提高了速度，降低了難度，但是缺少靈活性。sql的方法優點是靈活，提高etl執行效率，但是編碼複雜，對技術要求比較高。第三種是綜合了前面二種的優點，會極大地提高etl的開發速度和效率。
（一）、 資料的抽取（extract）
這一部分需要在調研階段做大量的工作，首先要搞清楚資料是從幾個業務系統中來,各個業務系統的資料庫伺服器執行什麼dbms,是否存在手工資料，手工資料量有多大，是否存在非結構化的資料等等，當收集完這些資訊之後才可以進行資料抽取的設計。
1、對於與存放dw的資料庫系統相同的資料來源處理方法
這一類資料來源在設計上比較容易。一般情況下，dbms(sqlserver、oracle)都會提供資料庫鏈結功能，在dw資料庫伺服器和原業務系統之間建立直接的鏈結關係就可以寫select 語句直接訪問。
2、對於與dw資料庫系統不同的資料來源的處理方法
對於這一類資料來源，一般情況下也可以通過odbc的方式建立資料庫鏈結——如sql server和oracle之間。如果不能建立資料庫鏈結，可以有兩種方式完成，一種是通過工具將源資料匯出成.txt或者是.xls檔案，然後再將這些源系統檔案匯入到ods中。另外一種方法是通過程式介面來完成。
3、對於檔案型別資料來源(.txt,.xls)，可以培訓業務人員利用資料庫工具將這些資料匯入到指定的資料庫，然後從指定的資料庫中抽取。或者還可以借助工具實現。
4、增量更新的問題
對於資料量大的系統，必須考慮增量抽取。一般情況下，業務系統會記錄業務發生的時間，我們可以用來做增量的標誌,每次抽取之前首先判斷ods中記錄最大的時間，然後根據這個時間去業務系統取大於這個時間所有的記錄。利用業務系統的時間戳，一般情況下，業務系統沒有或者部分有時間戳。
（二）、資料的清洗轉換（cleaning、transform）
1、 資料清洗
資料清洗的任務是過濾那些不符合要求的資料，將過濾的結果交給業務主管部門，確認是否過濾掉還是由業務單位修正之後再進行抽取。
不符合要求的資料主要是有不完整的資料、錯誤的資料、重複的資料三大類。
(1)不完整的資料：這一類資料主要是一些應該有的資訊缺失，如**商的名稱、分公司的名稱、客戶的區域資訊缺失、業務系統中主表與明細表不能匹配等。對於這一類資料過濾出來，按缺失的內容分別寫入不同excel檔案向客戶提交，要求在規定的時間內補全。補全後才寫入資料倉儲。
(2)錯誤的資料：這一類錯誤產生的原因是業務系統不夠健全，在接收輸入後沒有進行判斷直接寫入後台資料庫造成的，比如數值資料輸成全角數字字元、字串資料後面有乙個回車操作、日期格式不正確、日期越界等。這一類資料也要分類，對於類似於全形字符、資料前後有不可見字元的問題，只能通過寫sql語句的方式找出來，然後要求客戶在業務系統修正之後抽取。日期格式不正確的或者是日期越界的這一類錯誤會導致etl執行失敗，這一類錯誤需要去業務系統資料庫用sql的方式挑出來，交給業務主管部門要求限期修正，修正之後再抽取。
資料清洗是乙個反覆的過程，不可能在幾天內完成，只有不斷的發現問題，解決問題。對於是否過濾，是否修正一般要求客戶確認，對於過濾掉的資料，寫入excel檔案或者將過濾資料寫入資料表，在etl開發的初期可以每天向業務單位傳送過濾資料的郵件，促使他們盡快地修正錯誤,同時也可以做為將來驗證資料的依據。資料清洗需要注意的是不要將有用的資料過濾掉，對於每個過濾規則認真進行驗證，並要使用者確認。
2、 資料轉換
資料轉換的任務主要進行不一致的資料轉換、資料粒度的轉換，以及一些商務規則的計算。
(1)不一致資料轉換：這個過程是乙個整合的過程，將不同業務系統的相同型別的資料統一，比如同乙個**商在結算系統的編碼是xx0001,而在crm中編碼是yy0001，這樣在抽取過來之後統一轉換成乙個編碼。
(2)資料粒度的轉換：業務系統一般儲存非常明細的資料，而資料倉儲中資料是用來分析的，不需要非常明細的資料。一般情況下，會將業務系統資料按照資料倉儲粒度進行聚合。
(3)商務規則的計算：不同的企業有不同的業務規則、不同的資料指標，這些指標有的時候不是簡單的加加減減就能完成，這個時候需要在etl中將這些資料指標計算好了之後儲存在資料倉儲中，以供分析使用。
（三）、資料裝載
將轉換和加工後的資料裝載到目的庫中通常是etl過程的最後步驟。裝載資料的最佳方法取決於所執行操作的型別以及需要裝入多少資料。當目的庫是關聯式資料庫時，一般來說有兩種裝載方式：
(1)直接sql語句進行insert、update、delete操作。
(2)採用批量裝載方法，如bcp、bulk、關聯式資料庫特有的批量裝載工具或api。
大多數情況下會使用第一種方法，因為它們進行了日誌記錄並且是可恢復的。但是，批量裝載操作易於使用，並且在裝入大量資料時效率較高。使用哪種資料裝載方法取決於業務系統的需要。
五、 資料倉儲與資料庫區別
資料庫與資料倉儲的區別實際講的是oltp與olap的區別。
操作型處理，叫聯機事務處理oltp（on-line transaction processing），也可以稱面向交易的處理系統，它是針對具體業務在資料庫聯機的日常操作，通常對少數記錄進行查詢、修改。使用者較為關心操作的響應時間、資料的安全性、完整性和併發支援的使用者數等問題。傳統的資料庫系統作為資料管理的主要手段，主要用於操作型處理。
分析型處理，叫聯機分析處理olap（on-line analytical processing）一般針對某些主題的歷史資料進行分析，支援管理決策。
首先要明白，資料倉儲的出現，並不是要取代資料庫。
資料庫是面向事務的設計，資料倉儲是面向主題設計的。
資料庫一般儲存業務資料，資料倉儲儲存的一般是歷史資料。
資料庫設計是盡量避免冗餘，一般針對某一業務應用進行設計，比如一張簡單的user表，記錄使用者名稱、密碼等簡單資料即可，符合業務應用，但是不符合分析。資料倉儲在設計是有意引入冗餘，依照分析需求，分析維度、分析指標進行設計。
資料庫是為捕獲資料而設計，資料倉儲是為分析資料而設計。
顯然，銀行的交易量是巨大的，通常以百萬甚至千萬次來計算。事務系統是實時的，這就要求時效性，客戶存一筆錢需要幾十秒是無法忍受的，這就要求資料庫只能儲存很短一段時間的資料。而分析系統是事後的，它要提供關注時間段內所有的有效資料。這些資料是海量的，彙總計算起來也要慢一些，但是，只要能夠提供有效的分析資料就達到目的了。
資料庫和資料倉儲
資料庫和資料倉儲 資料庫是事務系統的資料平台，資料庫中儲存了各項交易的記錄。資料倉儲是分析系統的資料平台，從事務系統中獲取資料，進行一系列的資料彙總 計算 分析。將分析得到的資料存到資料倉儲中。比如，在噹噹上進行一筆買書交易，交易記錄就存在資料庫中，那麼對這些資料 購買量 進行分析可以得到書類在地區...
資料倉儲和資料庫
資料倉儲 英文名稱為data warehouse，可簡寫為 dw或dwh。資料倉儲，是為 企業所有級別的決策制定過程，提供所有型別資料支援的戰略 集合。它是單個資料儲存，出於分析性報告和決策支援目的而建立。為需要業務智慧型的企業，提供指導業務流程改進 監視時間 成本 質量以及控制。企業的資料處理大致...
資料倉儲,什麼是資料倉儲？
資料倉儲，英文名稱為data warehouse，可簡寫為dw或dwh。資料倉儲是為企業所有級別的決策制定過程提供支援的所有型別資料的戰略集合。它是單個資料儲存，出於分析性報告和決策支援的目的而建立。為企業提供需要業務智慧型來指導業務流程改進和監視時間 成本 質量和控制。資料倉儲是決策支援系統 ds...